Datenstand: September 2026. ChatGPT kann eine Aktienanalyse erheblich beschleunigen – aber nur, wenn der Prozess sauber aufgebaut ist. Wer direkt fragt, ob eine Aktie „gut“ oder „unterbewertet“ ist, bekommt oft eine schnelle Antwort, aber keine belastbare Analyse. Der bessere Weg ist das Gegenteil: Erst das Unternehmen verstehen, dann die Zahlen prüfen, anschließend Wettbewerb und Management untersuchen und erst am Ende bewerten.
Genau daraus entsteht ein sinnvoller KI-Workflow. ChatGPT übernimmt dabei nicht die Investmententscheidung. Es hilft vielmehr, Geschäftsberichte schneller zu strukturieren, wichtige Fragen systematisch abzuarbeiten, Widersprüche zu finden und Szenarien zu formulieren. Die eigentliche Qualität entsteht aus drei Dingen: guten Primärquellen, einer klaren Reihenfolge und konsequenter Gegenprüfung.
- Eine belastbare Aktienanalyse mit ChatGPT beginnt nicht mit der Bewertung, sondern mit dem Geschäftsmodell.
- Geschäftsbericht, Quartalsbericht, Investor-Relations-Unterlagen und regulatorische Filings sollten die Datenbasis bilden.
- ChatGPT eignet sich besonders gut zum Strukturieren, Vergleichen, Zusammenfassen und Formulieren von Gegenargumenten.
- Zahlen, Quellen, Annahmen und Bewertungsmodelle müssen trotzdem überprüft werden.
- Der vollständige Prozess besteht aus sechs Schritten: Geschäftsmodell, Finanzdaten, Wettbewerb, Management, Bewertung sowie Risiken und Investmentthese.
Warum die meisten ChatGPT-Aktienanalysen schon beim ersten Prompt scheitern
Ein typischer schlechter Prompt lautet: „Analysiere die Aktie von Unternehmen X und sag mir, ob ich kaufen soll.“ Damit werden mehrere völlig unterschiedliche Aufgaben in eine einzige Frage gepackt. Das Modell soll gleichzeitig das Geschäftsmodell verstehen, aktuelle Finanzdaten kennen, Risiken einordnen, Wettbewerber vergleichen, eine Bewertung durchführen und daraus auch noch eine Entscheidung ableiten.
Das Problem ist nicht nur die KI. Auch ein menschlicher Analyst würde eine solche Aufgabe nicht seriös in einem einzigen Schritt erledigen. Gute Analyse ist sequenziell. Jede Antwort erzeugt neue Fragen. Wenn die Margen steigen, muss geklärt werden, warum. Wenn der Free Cashflow fällt, muss geprüft werden, ob Working Capital, Investitionen oder operative Schwäche dahinterstehen. Wenn eine Aktie billig wirkt, muss untersucht werden, ob der Markt ein reales Problem einpreist.
Deshalb sollte ChatGPT wie ein analytischer Assistent verwendet werden – nicht wie eine Orakelmaschine.
Was wird verkauft, an wen und mit welcher Ökonomie?
Wachstum, Margen, Cashflow, Bilanz und Aktienanzahl.
Marktstruktur, Preissetzung, Burggraben und Substitution.
Kapitalallokation, Anreize, Glaubwürdigkeit und Strategie.
Multiples, DCF, Szenarien und Margin of Safety.
Was müsste passieren, damit die Analyse falsch ist?
Schritt 1: Das Geschäftsmodell mit ChatGPT verstehen
Der erste Schritt ist bewusst banal: Verstehe, wie das Unternehmen Geld verdient. Viele Anleger springen direkt zu KGV, Kursziel oder Umsatzwachstum. Das ist gefährlich, weil dieselbe Kennzahl bei zwei völlig unterschiedlichen Geschäftsmodellen etwas völlig anderes bedeuten kann.
Ein guter Ausgangsprompt lautet beispielsweise:
„Analysiere das Geschäftsmodell von [Unternehmen]. Erkläre die wichtigsten Umsatzquellen, Kundengruppen, Preismodelle, Kostenblöcke und wirtschaftlichen Treiber. Trenne dabei klar zwischen Fakten aus den bereitgestellten Unterlagen und deinen Schlussfolgerungen. Liste anschließend fünf Fragen auf, die ich vor einer Investition noch beantworten müsste.“
Wenn du den Geschäftsbericht als Datei hochlädst, kann ChatGPT relevante Passagen aus Dokumenten strukturieren. OpenAI beschreibt Datei-Uploads ausdrücklich als Möglichkeit, Informationen aus Dokumenten oder Tabellen zusammenzuführen und zu analysieren. Für eine Aktienanalyse ist das nützlich, weil sich Geschäftsbericht, Segmentdaten oder eigene Tabellen direkt als Arbeitsgrundlage verwenden lassen.
Wichtig ist die Quellenhierarchie: Investor-Relations-Unterlagen des Unternehmens und regulatorische Filings sollten immer Vorrang vor Blogs, Foren oder Sekundärzusammenfassungen haben. Bei US-Unternehmen ist der 10-K besonders wertvoll. Die SEC weist darauf hin, dass dort unter anderem Geschäftsmodell, wesentliche Risiken, operative Entwicklung und Finanzdaten systematisch offengelegt werden.
Schritt 2: Finanzdaten analysieren – nicht nur Kennzahlen abfragen
Nach dem Geschäftsmodell kommen die Zahlen. Hier ist ChatGPT besonders nützlich, wenn du strukturierte Daten vorgibst. Statt nur zu fragen „Ist die Bilanz gut?“, sollte der Prompt exakt definieren, welche Entwicklung untersucht werden soll.
„Analysiere die Finanzentwicklung der letzten fünf Jahre. Untersuche Umsatzwachstum, Bruttomarge, operative Marge, Free Cashflow, Free-Cashflow-Konversion, Nettoverschuldung, ROIC und verwässerte Aktienanzahl. Markiere ungewöhnliche Veränderungen und nenne jeweils mögliche Ursachen, die anschließend im Geschäftsbericht überprüft werden müssen.“
Diese Formulierung zwingt die Analyse weg vom oberflächlichen „Zahlen sind gestiegen“ hin zur Veränderungsanalyse. Besonders wichtig ist die Verbindung von Gewinn und Cashflow. Ein Unternehmen kann steigende Gewinne melden, während der Free Cashflow stagniert. Dann muss geklärt werden, ob Forderungen steigen, Lager aufgebaut wird, Investitionen explodieren oder Rechnungslegungseffekte eine Rolle spielen.
Dazu passen unsere bestehenden Leitfäden Free Cashflow bei Aktien und Aktienanalyse mit Kennzahlen. Sie helfen dabei, die Zahlen zu verstehen, bevor ChatGPT sie interpretiert.
Der wichtigste Zusatz: Immer den Datenstand nennen lassen
Ein sehr einfacher Zusatz verbessert die Qualität deutlich:
„Nenne bei jeder Zahl den Berichtszeitraum und die Quelle. Wenn eine Zahl nicht eindeutig aus der Quelle hervorgeht, markiere sie als unbekannt und schätze sie nicht.“
Damit wird ein zentrales Risiko reduziert: scheinbar präzise Zahlen, die in Wahrheit aus unterschiedlichen Perioden stammen oder nicht sauber belegt sind.
Schritt 3: Wettbewerb und Burggraben untersuchen
Die nächste Ebene ist schwieriger, weil Wettbewerb selten in einer einzigen Kennzahl sichtbar wird. Gute Unternehmen besitzen oft Vorteile, die sich erst über Jahre in Margen, Kapitalrenditen oder Kundentreue zeigen.
Ein sinnvoller Prompt lautet:
„Vergleiche [Unternehmen] mit seinen drei wichtigsten Wettbewerbern. Untersuche Marktposition, Produkte, Preissetzungsmacht, Kundenbindung, Skalenvorteile, Wechselkosten, Netzwerkeffekte und Kapitalintensität. Erstelle keine pauschale Rangliste, sondern zeige für jeden Faktor konkrete Belege und Gegenargumente.“
Der letzte Satz ist wichtig. KI neigt dazu, aus schwachen Indizien schnell starke Urteile zu formulieren. Besser ist es, Belege und Gegenbelege nebeneinanderzustellen.
Ein echter Burggraben zeigt sich häufig daran, dass ein Unternehmen trotz Wettbewerb dauerhaft hohe Renditen auf investiertes Kapital erzielen kann. Wer diesen Zusammenhang vertiefen möchte, findet dazu unseren Beitrag ROIC Explained.
Schritt 4: Management und Kapitalallokation prüfen
Bei Managementanalysen sollte ChatGPT nicht gefragt werden, ob ein CEO „gut“ ist. Das wäre zu vage. Sinnvoller sind überprüfbare Entscheidungen: Wofür wurde Kapital eingesetzt? Wie haben sich Übernahmen entwickelt? Wurden Aktien zurückgekauft, obwohl sie teuer waren? Wurde die Aktienanzahl trotz Rückkäufen tatsächlich reduziert? Wie oft wurden Prognosen erreicht oder verfehlt?
„Analysiere die Kapitalallokation des Managements der letzten fünf Jahre. Trenne Investitionen, Übernahmen, Dividenden, Aktienrückkäufe und Schuldenabbau. Prüfe, ob diese Entscheidungen den Free Cashflow je Aktie und den Wert pro Aktie erhöht haben. Liste zusätzlich die drei stärksten Gegenargumente gegen die Kapitalallokationsstrategie auf.“
Dieser Ansatz verhindert, dass Management nur anhand von Aussagen oder Präsentationen beurteilt wird. Entscheidend ist, was tatsächlich mit dem Kapital der Eigentümer passiert ist.
Schritt 5: Erst jetzt die Aktie bewerten
Bewertung sollte bewusst spät kommen. Wer schon zu Beginn weiß, dass eine Aktie „billig“ ist, sucht unbewusst nach Argumenten, die diese Sicht bestätigen. Der Prozess wird sauberer, wenn Geschäftsmodell, Zahlen, Wettbewerb und Management vorher analysiert wurden.
Für die Bewertung sind zwei Ebenen sinnvoll: relative Bewertung über Multiples und absolute Bewertung über Cashflows oder Erträge.
„Erstelle eine Bewertung von [Unternehmen] in drei Szenarien: konservativ, Basis und optimistisch. Nutze nachvollziehbare Annahmen für Umsatzwachstum, operative Marge, Reinvestitionsbedarf und Bewertungsmultiple beziehungsweise DCF. Zeige ausdrücklich, welche Annahmen den größten Einfluss auf den fairen Wert haben.“
Eine DCF-Bewertung ist besonders nützlich, wenn sie nicht als Kurszielmaschine verstanden wird. Der Wert liegt in der Sensitivität. Welche Wachstumsrate ist im Kurs enthalten? Wie stark verändert ein Prozentpunkt Marge den Unternehmenswert? Was passiert bei höheren Kapitalkosten?
Unser ausführlicher Leitfaden DCF Valuation Explained zeigt, warum ein Bewertungsbereich meist sinnvoller ist als ein scheinbar exakter einzelner Fair Value.
Vom Artikel zum vollständigen Analyseprozess
Ein einzelner Prompt ersetzt keinen Prozess. In meinem Buch zur Aktienanalyse mit KI wird der komplette Ablauf systematisch aufgebaut – von Geschäftsmodell und Finanzdaten über Bewertung, Risiken und Gegenprüfung bis zur fertigen Investmentthese. Dazu kommen Vorlagen, Prompts und praktische Analysebeispiele.
Schritt 6: Risiken und Investmentthese – die wichtigste Gegenprüfung
Am Ende sollte ChatGPT nicht gefragt werden, warum die Aktie attraktiv ist, sondern wie die gesamte Analyse scheitern könnte. Dieser Perspektivwechsel ist besonders wertvoll.
„Nimm die Rolle eines skeptischen Analysten ein. Suche die fünf stärksten Gründe, warum meine Investmentthese zu [Unternehmen] falsch sein könnte. Trenne zyklische, strukturelle, bilanzielle, regulatorische und bewertungsbezogene Risiken. Nenne anschließend für jedes Risiko eine beobachtbare Kennzahl oder ein Ereignis, das als Frühwarnsignal dienen könnte.“
Damit entsteht aus einer statischen Analyse ein Monitoring-System. Risiken werden nicht nur aufgelistet, sondern mit messbaren Signalen verbunden.
Eine gute Investmentthese sollte anschließend auf wenige Sätze komprimiert werden können: Warum ist dieses Unternehmen wirtschaftlich interessant? Welche Annahme unterscheidet deine Sicht vom Markt? Welche Entwicklung muss eintreten, damit die Bewertung gerechtfertigt ist? Und welcher konkrete Befund würde die These widerlegen?
Ein vollständiges Beispiel: So könnte ein ChatGPT-Workflow aussehen
Nehmen wir ein hypothetisches Unternehmen, die Alpha Software AG. Das Unternehmen verkauft Unternehmenssoftware im Abo-Modell. Der Umsatz wächst um 18 Prozent, die operative Marge liegt bei 21 Prozent und der Free Cashflow steigt. Gleichzeitig hat sich die Aktienanzahl wegen aktienbasierter Vergütung um 4 Prozent erhöht.
Im ersten Schritt analysierst du das Geschäftsmodell. ChatGPT identifiziert wiederkehrende Umsätze, hohe Wechselkosten und geringe physische Kapitalintensität. Im zweiten Schritt vergleichst du die letzten fünf Jahre. Dabei fällt auf, dass der Umsatz stark wächst, die Free-Cashflow-Marge aber nur langsam steigt und die Verwässerung einen Teil des Wachstums je Aktie auffrisst.
Im dritten Schritt vergleichst du Wettbewerber. Das Unternehmen besitzt gute Kundenbindung, aber keinen eindeutigen Netzwerkeffekt. Im vierten Schritt prüfst du Kapitalallokation. Die Firma investiert stark in Produktentwicklung, kauft aber kaum eigene Aktien zurück. Im fünften Schritt modellierst du drei Bewertungsfälle. Der aktuelle Kurs scheint ein langfristiges Wachstum von deutlich über zehn Prozent zu verlangen.
Jetzt kommt der entscheidende sechste Schritt: Gegenargumente. Was passiert, wenn Wachstum auf 8 Prozent fällt? Was passiert, wenn die aktienbasierte Vergütung nicht sinkt? Wie viel des heutigen Werts hängt von Margensteigerungen ab? Erst dadurch wird aus einer positiven Unternehmensgeschichte eine belastbare Analyse.
Welche Aufgaben ChatGPT gut kann – und welche nicht
Besonders stark ist ChatGPT bei strukturierter Informationsverarbeitung. Dazu gehören:
- lange Geschäftsberichte zusammenfassen und gliedern,
- Segmentinformationen vergleichen,
- mehrjährige Zahlenreihen kommentieren,
- Fragenlisten für Management und Risiken erzeugen,
- Wettbewerbsfaktoren strukturieren,
- Bewertungsszenarien formulieren,
- Gegenargumente und alternative Erklärungen entwickeln,
- eigene Investmentthesen auf Widersprüche prüfen.
Weniger geeignet ist ChatGPT als alleinige Quelle für aktuelle Finanzdaten, als automatische Kauf- oder Verkaufsempfehlung oder als Ersatz für Primärquellen. Gerade bei tagesaktuellen Kursen, regulatorischen Entwicklungen und neuen Quartalszahlen muss die Datenbasis explizit aktuell gehalten werden.
Für besonders komplexe Recherchen kann Deep Research hilfreich sein. OpenAI beschreibt die Funktion als mehrstufige Recherche, die viele Quellen analysiert und Ergebnisse mit Quellenbelegen zusammenführt. Auch dort bleibt allerdings die Kernregel bestehen: Der Analyst muss beurteilen, ob die verwendeten Quellen geeignet sind und ob Schlussfolgerungen ökonomisch plausibel sind.
Die sieben häufigsten Fehler bei Aktienanalysen mit ChatGPT
- Ein Mega-Prompt für alles: Geschäftsmodell, Bewertung und Entscheidung werden vermischt.
- Keine Primärquellen: Sekundärtexte werden als Faktenbasis verwendet.
- Kein Datenstand: Zahlen aus unterschiedlichen Perioden werden vermengt.
- Keine Gegenargumente: Der Prompt sucht nur Bestätigung.
- Zu frühe Bewertung: Ein niedriges Multiple prägt die gesamte Analyse.
- Keine Prüfung je Aktie: Verwässerung und Aktienanzahl werden ignoriert.
- KI-Antwort wird als Endprodukt behandelt: Statt als Ausgangspunkt für weitere Fragen.
Meine praktische Checkliste für jede ChatGPT-Aktienanalyse
- Geschäftsbericht und aktuelle Quartalsunterlagen bereitstellen.
- Geschäftsmodell in eigenen Worten erklären lassen und anschließend selbst prüfen.
- Mindestens fünf Jahre Finanzdaten analysieren.
- Gewinn immer mit Free Cashflow vergleichen.
- Aktienanzahl und Kapitalallokation kontrollieren.
- Wettbewerber nicht nur nach Bewertung, sondern nach Geschäftsqualität vergleichen.
- Bewertung in mehreren Szenarien durchführen.
- Alle wichtigen Zahlen mit Datenstand und Quelle versehen.
- Explizit nach Gegenargumenten und These-Killern fragen.
- Die fertige Investmentthese auf maximal fünf Sätze reduzieren.
Fazit: ChatGPT macht gute Analyse schneller – aber schlechte Analyse ebenfalls
KI ist kein Ersatz für Fundamentalanalyse. Sie verstärkt den Prozess, den du vorgibst. Ein unsauberer Prozess produziert schneller unsaubere Ergebnisse. Ein sauberer Prozess kann dagegen enorm effizient werden.
Der entscheidende Vorteil von ChatGPT liegt deshalb nicht darin, dass das Modell „weiß“, welche Aktie steigen wird. Der Vorteil liegt darin, dass du komplexe Informationen schneller strukturieren, mehr Gegenfragen stellen und dieselbe Analyse konsequent nach einem festen Rahmen durchführen kannst.
Wer diesen Ablauf beherrscht, benutzt ChatGPT nicht als Tippgeber, sondern als Werkzeug. Genau dort entsteht der Unterschied zwischen einer schnellen KI-Antwort und einer echten Aktienanalyse.
Den kompletten Workflow vertiefen
Wenn du den Prozess mit fertigen Prompts, Checklisten und ausführlichen Beispielen systematisch anwenden möchtest, findest du ihn in meinem Buch zur Aktienanalyse mit KI.
Quellen und weiterführende Informationen
- OpenAI – FAQ zu Datei-Uploads
- OpenAI – Best Practices für Prompt Engineering in ChatGPT
- U.S. SEC – How to Read a 10-K
- OpenAI – Einführung in Deep Research
Dieser Beitrag dient ausschließlich der Information und stellt keine Anlageberatung dar.
