Stand: Oktober 2026. Ein Depot kann auf dem Bildschirm ordentlich aussehen und wirtschaftlich trotzdem etwas anderes enthalten, als sein Besitzer glaubt. Drei ETFs, einige Einzelaktien, ein Anleihefonds und etwas Liquidität wirken zunächst wie unterschiedliche Bausteine. Vielleicht führen aber mehrere Wege zu denselben Unternehmen. Vielleicht stammt der schöne Wertzuwachs vor allem aus Einzahlungen. Vielleicht soll Geld langfristig angelegt sein, das in zwei Jahren gebraucht wird.
Genau hier kann eine Portfolioanalyse mit ChatGPT nützlich werden. Nicht weil die KI das perfekte Depot kennt, sondern weil sie Daten sortieren, Rechenwege offenlegen und eine Untersuchung nach festen Regeln abarbeiten kann. Mein Ausgangspunkt wäre deshalb nicht: „Welche Aktien soll ich verkaufen?“ Sondern: „Was lässt sich aus meinen Unterlagen tatsächlich feststellen – und was noch nicht?“
Dieser Artikel entwickelt daraus einen vollständigen Arbeitsablauf. Alle Beträge, Fondsgewichte und Kursveränderungen im Musterfall sind selbst konstruierte Beispiele. Sie bilden weder ein reales Depot noch eine empfohlene Vermögensaufteilung ab.
Die wichtigste Grenze
Ein aktueller Depotbestand reicht für Positionsgewichte und einfache Szenarien. Er reicht nicht automatisch für historische Rendite, Volatilität, Sharpe Ratio oder den tatsächlich erlebten maximalen Verlust. Dafür werden zusätzliche Zeitreihen und Zahlungsdaten benötigt.
Was ChatGPT bei einer Portfolioanalyse leisten kann
OpenAI beschreibt Datenanalyse als Möglichkeit, hochgeladene Dateien zu untersuchen, Tabellen und Diagramme zu erstellen und Berechnungen mit ausführbarem Code nachzuvollziehen. Eine klare Tabellenstruktur verbessert dabei die Arbeitsgrundlage. Das Unternehmen weist zugleich auf Grenzen bei gescannten Tabellen, komplexen Dateien und unvollständiger Verarbeitung hin. [1]
Für die Praxis bedeutet das: Gib der KI möglichst eine bereinigte Tabelle statt zehn unscharfer Bildschirmfotos. Lass die Berechnung zeigen, statt nur das Ergebnis zu akzeptieren. Und behandle die Antwort als überprüfbaren Arbeitsstand. Ein professionell klingender Absatz ersetzt weder fehlende Daten noch die Entscheidung darüber, welche Risiken du tragen möchtest.
Die Frage unterscheidet sich außerdem von einer Analyse einzelner Unternehmen mit ChatGPT. Eine Aktie kann wirtschaftlich attraktiv sein und trotzdem die falsche Ergänzung für ein Depot darstellen, das bereits stark von denselben Einflussgrößen abhängt.
Vor dem Upload: Den Untersuchungsrahmen festlegen
Lege zuerst fest, welches Vermögen zur Analyse gehört. Nur ein Wertpapierdepot? Mehrere Depots samt Verrechnungskonten? Oder das langfristige Anlagevermögen nach Abzug einer separat gehaltenen Notreserve? Ohne einen eindeutigen Nenner sind selbst korrekte Prozentzahlen missverständlich.
Danach folgen Basiswährung und Bewertungsstichtag. Für unser Beispiel betrachten wir ausschließlich ein langfristiges Wertpapierportfolio einschließlich seiner Liquidität, bewertet in Euro zu einem gemeinsamen Stichtag. Immobilien, Einkommen, Schulden und eine Notreserve liegen außerhalb dieser Rechnung. Diese Abgrenzung ist keine Aussage darüber, dass sie wirtschaftlich unwichtig wären.
Der Anlagehorizont gehört ebenfalls dazu. Investor.gov betont, dass die Vermögensaufteilung von Zeithorizont und Risikotoleranz abhängt. [3] Ich würde daraus keine automatische Altersformel machen. Wichtiger ist die konkrete Frage, welche Entnahmen wann anstehen und welche Verluste die Planung gefährden würden.
Welche Angaben du nicht hochladen musst
Für eine Gewichtsanalyse benötigt die KI normalerweise weder deinen Namen noch Anschrift, Kontonummer, Steueridentifikation oder Zugangsdaten. Entferne solche Informationen vorab. Auch Kommentare in Tabellen, zusätzliche Arbeitsblätter und Dokumenteigenschaften können persönliche Angaben enthalten. Bei Unterlagen anderer Personen oder eines Unternehmens muss außerdem die Berechtigung zur Verarbeitung geklärt sein.
OpenAI bietet Datenkontrollen, mit denen sich die Verwendung neuer Gespräche zur Modellverbesserung beeinflussen lässt. Das Abschalten dieser Verwendung löscht vorhandene Chats nicht automatisch. [2] Eine Datenschutzeinstellung ist deshalb kein Ersatz für Datensparsamkeit. Für einen ersten Test genügt häufig ein anonymisiertes oder vollständig fiktives Depot.
Schritt 1: Eine Bestandsliste erstellen, die sich prüfen lässt
Für jede Position sollte die Tabelle einen eindeutigen Namen, möglichst ISIN, Instrumenttyp, Stückzahl, Kurs, Kurswährung, Wechselkurs, Marktwert in Euro und Bewertungsdatum enthalten. Eine Kontokennung kann helfen, Bestände aus mehreren Depots auseinanderzuhalten. Anschaffungskosten gehören in eine eigene Spalte: Sie sind nicht der richtige Nenner für das heutige Marktgewicht.
Bei einem einfachen Wertpapier ergibt sich der Euro-Marktwert aus Stückzahl mal Kurs mal Umrechnungskurs. Bei Anleihen können Kursnotierung und Stückzinsen zusätzliche Aufmerksamkeit verlangen; bei Derivaten reichen diese Angaben nicht. Dieser Artikel behandelt ungehebelte Long-Positionen und Cash. Optionen, Leerverkäufe und kreditfinanzierte Depots benötigen ein erweitertes Risikomodell.
Prompt: Erst prüfen, dann interpretieren
„Prüfe den Depotexport auf fehlende Werte, doppelte Zeilen, uneinheitliche Datumsangaben und Währungen. Vergleiche Stückzahl mal Kurs mit dem ausgewiesenen Marktwert. Nutze für alle Gewichte den Gesamtmarktwert einschließlich des ausdrücklich einbezogenen Cashbestands. Liste Unstimmigkeiten zuerst auf und ergänze keine fehlenden Kurse aus Vermutungen.“
Besonders leicht übersehen werden Summenzeilen, die beim Import wie eine weitere Position behandelt werden, sowie deutsche Dezimalkommas. Aus 1.250,50 Euro darf nicht 1,25050 Euro werden. Eine einfache Kontrollsumme am Ende ist daher oft wertvoller als das erste aufwendig gestaltete Diagramm.
Schritt 2: Das Musterdepot in seine tatsächlichen Bausteine zerlegen
Unser fiktives Depot umfasst 100.000 Euro. 40.000 Euro liegen in einem globalen Aktienfonds, 15.000 Euro in einem Technologiefonds, 10.000 Euro in der Einzelaktie Alpha, 20.000 Euro in einem Anleihefonds und 15.000 Euro als Liquidität. Die beiden Aktienfonds halten im Modell ausschließlich Aktien.
Aktien: 65.000 € · 65 %
Anleihen: 20.000 € · 20 %
Liquidität: 15.000 € · 15 %
Eigene Modellrechnung. Jeder vollständige Balken entspricht 100 % des Gesamtdepots. Keine empfohlene Allokation.
Die erste Erkenntnis ist unspektakulär, aber wichtig: Ein Fonds ist zunächst eine Verpackung. Zwei Aktienfonds bilden nicht automatisch zwei unabhängige Anlageklassen. Umgekehrt sagt die Zahl von fünf Positionen wenig darüber aus, wie viele Unternehmen wirtschaftlich enthalten sind.
Auch die Kategorie Anleihen muss später genauer untersucht werden. Laufzeit, Bonität und Währungsabsicherung können sich unterscheiden. Eine Position sollte nicht allein deshalb als stabiler Ersatz für Cash gelten, weil ihr Name das Wort „Bond“ enthält.
Schritt 3: Durch die Fonds hindurchsehen
Für die nächste Ebene benötigen wir Bestandslisten der Fonds mit Datenstand und Gewicht der einzelnen Anlagen. FINRA empfiehlt ausdrücklich, Überschneidungen zwischen Fonds und direkt gehaltenen Wertpapieren zu prüfen. Verschiedene Produktnamen verhindern Konzentration nicht. [4]
Wir nehmen nun an, dass Alpha im globalen Fonds mit 8 Prozent und im Technologiefonds mit 20 Prozent gewichtet ist. Das sind ausschließlich Modellannahmen. Die wirtschaftliche Beteiligung beträgt dann 10.000 Euro direkt, 3.200 Euro über den globalen Fonds und 3.000 Euro über den Technologiefonds. Insgesamt hängen 16.200 Euro beziehungsweise 16,2 Prozent an Alpha, nicht nur die sichtbaren zehn Prozent der Einzelposition.
Die Durchschau ersetzt die Fondshülle. Wenn du Fondsbestände auf Unternehmen verteilst, darfst du nicht anschließend den Fonds zusätzlich als weiteres Unternehmen mitzählen. Sonst entsteht rechnerisch Vermögen, das gar nicht vorhanden ist.
Liegen nur die zehn größten Fondspositionen vor, ist die Durchschau unvollständig. Nicht zugeordnete Bestände gehören in eine sichtbare Restkategorie. „Unbekannt“ bedeutet nicht „risikofrei“. Eine saubere Auswertung zeigt deshalb neben den Ergebnissen auch, welcher Anteil des Depots überhaupt erfasst wurde.
Für einen umfassenden Blick auf diese Rechnung und gemeinsame Verlusttreiber gibt es den ergänzenden Artikel Klumpenrisiko im Depot erkennen.
Schritt 4: Aus einem Bestandsfoto keine Renditegeschichte erfinden
Ein Depotexport zeigt, was heute vorhanden ist. Er verrät nicht zwingend, wann Geld eingezahlt wurde, welche Positionen früher gehalten wurden und welche Erträge bereits ausgeschüttet oder entnommen wurden. Wer daraus trotzdem eine historische Sharpe Ratio oder einen maximalen Drawdown des tatsächlichen Depots erhält, sollte die Berechnung hinterfragen.
Ein einfaches Beispiel: Ein Bestand steigt von 50.000 auf 60.000 Euro. Zwischenzeitlich wurden 10.000 Euro eingezahlt, außerdem gab es im Modell keinerlei Kursbewegung oder Ertrag. Das Vermögen ist um 20 Prozent gewachsen, die Anlagerendite beträgt trotzdem null. Schon dieser Fall zeigt, warum externe Zahlungsströme getrennt werden müssen.
In der professionellen Renditemessung sind der Umgang mit Zahlungsströmen, Bewertungszeitpunkten und Kosten ausdrücklich geregelt. Der CFA-Überblick zu den GIPS-Standards behandelt unter anderem zeitgewichtete Renditen und die konsistente Behandlung externer Cashflows. [5] Das macht eine private Tabelle nicht automatisch GIPS-konform; es verdeutlicht aber, warum eine Renditeangabe ohne Methode wenig aussagt.
Für die tatsächliche Depotentwicklung brauchst du historische Bewertungen oder hinreichende Transaktionsdaten einschließlich Einzahlungen, Entnahmen, Ausschüttungen und Gebühren. Eine Simulation mit heutigen Positionen ist dagegen ein Rückblick auf ein hypothetisches Portfolio. Sie darf nicht so präsentiert werden, als hättest du genau dieses Ergebnis erlebt.
Schritt 5: Risiken als nachvollziehbare Szenarien formulieren
Ohne historische Zeitreihen bleibt ein sinnvoller Stresstest möglich, solange die Annahmen offenliegen. Für das Musterdepot unterstellen wir gleichzeitig: globaler Aktienfonds minus 25 Prozent, Technologiefonds minus 40 Prozent, Alpha minus 50 Prozent und Anleihefonds minus 6 Prozent. Der Cashbetrag bleibt nominal unverändert. Wir ignorieren Gebühren, Steuern, Zinsen und Transaktionen während des Schocks.
Die Verluste betragen 10.000, 6.000, 5.000 und 1.200 Euro. Zusammen ergibt das 22.200 Euro beziehungsweise 22,2 Prozent. Vom Musterdepot blieben 77.800 Euro übrig. Diese Rechnung ist weder eine Prognose noch eine Obergrenze möglicher Verluste.
−10.000 €
−10,0 Prozentpunkte
−6.000 €
−6,0 Prozentpunkte
−5.000 €
−5,0 Prozentpunkte
−1.200 €
−1,2 Prozentpunkte
Eigene Szenariorechnung auf Produktebene, ohne zusätzliche Belastung der bereits in den Fonds enthaltenen Alpha-Anteile.
Dieser letzte Hinweis verhindert einen weiteren Fehler: Die angenommenen Fondsverluste beziehen sich bereits auf deren gesamten Bestand. Wer zusätzlich alle darin enthaltenen Alpha-Anteile um 50 Prozent reduziert, zählt einen Teil der Verluste doppelt. Alternativ kann der gesamte Test auf Einzelbestandsebene gerechnet werden. Beide Ebenen dürfen nur nicht ungeprüft vermischt werden.
Prompt: Szenarien ohne Scheingenauigkeit
„Berechne für meine ausdrücklich vorgegebenen Kursänderungen den Verlust je Position in Euro und seinen Beitrag in Prozentpunkten des Anfangsdepots. Halte die Stückzahlen konstant. Nenne alle Vereinfachungen. Vermeide Doppelzählungen zwischen Fonds und deren Bestandteilen. Weise keine Eintrittswahrscheinlichkeit aus, wenn dafür kein Modell vorliegt.“
Schritt 6: Korrelation prüfen, ohne sie für ein Versprechen zu halten
Positionsgewichte allein erklären das Schwankungsrisiko nicht. Das CFA Institute nennt Gewichte, Einzelrisiken und die Korrelation zwischen Anlagen als entscheidende Bestandteile des Portfoliorisikos. [6] Für die Berechnung benötigen wir Renditezeitreihen auf einer vergleichbaren Grundlage, nicht lediglich heutige Marktwerte.
Ein konsistenter Datensatz verwendet denselben Zeitraum, dieselbe Frequenz und dieselbe Basiswährung. Ausschüttungen und Aktiensplits müssen angemessen berücksichtigt werden. Kursniveaus miteinander zu korrelieren ist etwas anderes als Renditen zu vergleichen. Fehlende Beobachtungen sollten nicht stillschweigend mit erfundenen Kursen aufgefüllt werden.
Ich würde das Ergebnis anschließend gegen wirtschaftliche Zusammenhänge prüfen. Warum sollten diese Anlagen unterschiedlich reagieren? Welche gemeinsame Abhängigkeit könnte in der gewählten historischen Periode kaum sichtbar gewesen sein? Eine niedrige gemessene Korrelation ist kein Vertrag darüber, dass zwei Anlagen beim nächsten Schock auseinanderlaufen.
MEIN BUCH · WERBUNG
Vom einzelnen Risikocheck zum eigenen Analyseprozess
Wer sich systematisch mit Depotstruktur, Positionsgewichten, Risiken und dem Einsatz von KI beschäftigen möchte, findet in meinem Buch Portfoliomanagement mit KI eine thematische Vertiefung. Entscheidend bleibt, die eigene Entscheidungslogik zu verstehen, statt sie an eine automatisch erzeugte Bewertung abzugeben.
Schritt 7: Erst die Abweichung verstehen, dann über Veränderungen nachdenken
Eine große Position ist ein Befund, noch kein Verkaufsauftrag. Vergleiche den aktuellen Zustand mit einem vorher festgelegten Ziel. Eine bewusste Übergewichtung ist anders zu beurteilen als ein Risiko, das durch Kursgewinne oder Fondsüberschneidungen unbemerkt entstanden ist.
Investor.gov beschreibt Rebalancing als Rückkehr zur vorgesehenen Aufteilung, nachdem sich Gewichte verändert haben; dabei können auch neue Einzahlungen in andere Bausteine gelenkt werden. [3] Das ist etwas anderes, als nach jeder KI-Auswertung die Strategie zu wechseln.
Angenommen, in unserem Modell wäre ein Aktienanteil von 60 Prozent vorgesehen. Tatsächlich sind es 65 Prozent. Bei unverändertem Gesamtwert müssten rechnerisch 5.000 Euro von Aktien in andere Bausteine umgeschichtet werden. Ohne Verkauf wäre bei unveränderten Kursen eine zusätzliche Einzahlung von rund 8.333 Euro ausschließlich außerhalb des Aktienanteils nötig: 65.000 geteilt durch 108.333 ergibt ungefähr 60 Prozent.
Die beiden Wege sind nicht gleich bequem und nicht gleich teuer. Vor einer realen Umsetzung gehören Transaktionskosten, mögliche steuerliche Folgen, Liquiditätsbedarf und die Angemessenheit des ursprünglichen Ziels in die Prüfung. Die Rechnung erklärt einen Mechanismus, sie empfiehlt weder 60 Prozent Aktien noch eine konkrete Transaktion.
So sollte der fertige Prüfbericht aussehen
Ich würde den Bericht in drei Ebenen gliedern. Erstens: gesicherte Befunde aus den vorhandenen Daten, etwa der Marktwert oder eine belegte Unternehmenskonzentration. Zweitens: Ergebnisse unter Annahmen, beispielsweise der Verlust im festgelegten Schockszenario. Drittens: offene Fragen, die ohne weitere Daten nicht beantwortet werden können.
Damit wird eine Aussage wie „Das Portfolio ist riskant“ durch etwas Überprüfbares ersetzt: „16,2 Prozent entfallen im Modell auf Alpha; unter dem beschriebenen Produktschock verliert das Depot 22,2 Prozent; historische Schwankungen wurden mangels Zeitreihen nicht berechnet.“ Dieser Bericht ist weniger spektakulär und erheblich brauchbarer.
Abschluss-Prompt für eine belastbare Zusammenfassung
„Fasse die Analyse in Befunde, Szenarien und Datenlücken zusammen. Ordne jeder wichtigen Aussage ihre Datengrundlage zu. Nenne drei Punkte für die manuelle Kontrolle. Formuliere keine Kauf- oder Verkaufsliste und keine Erfolgswahrscheinlichkeit. Dokumentiere Basiswährung, Stichtag, einbezogene Konten, Quellen der Fondsbestände und die verwendeten Rechenmethoden.“
Welche Fehler ich bei der Kontrolle zuerst suchen würde
Ich würde zuerst die Summen prüfen: Ergeben alle Bestände das ausgewiesene Gesamtvermögen und alle Gewichte hundert Prozent? Danach die Zuordnungen: Wurden ein Fonds und seine Unternehmen doppelt gezählt, Cash vergessen oder Anschaffungskosten mit Marktwerten verwechselt? Erst anschließend kommen die anspruchsvolleren Kennzahlen.
Besonders kritisch sind frei ergänzte ETF-Gewichte, eine aus dem Firmensitz abgeleitete angeblich exakte Umsatzverteilung und historische Kennzahlen ohne passende Zeitreihen. Auch ein Optimierer kann aus schwachen Annahmen sehr präzise Gewichte erzeugen. Die Nachkommastellen sagen dann mehr über das Rechenverfahren aus als über die Verlässlichkeit der Zukunftserwartungen.
Ein sinnvoller Folgeprozess speichert deshalb den bereinigten Ausgangsdatensatz, die Annahmen und den Prüfbericht. Bei der nächsten Überprüfung werden Veränderungen erklärt, nicht nur neue Diagramme erzeugt. Weitere Formulierungsbeispiele liefert unsere Prompt-Sammlung für die Finanzanalyse; die Zielsetzung hier bleibt jedoch das gesamte Depot.
Häufige Fragen zur Portfolioanalyse mit ChatGPT
Reicht ein Screenshot meines Depots?
Für einen groben Überblick manchmal. Für exakte Beträge, mehrere Konten und wiederholbare Berechnungen ist ein strukturierter Export besser geeignet. Die erkannten Werte sollten unabhängig vom Format mit dem Original abgeglichen werden.
Kann ChatGPT mein Depot automatisch optimieren?
Ein Modell kann unter vorgegebenen Annahmen Gewichte berechnen. Es kennt dadurch aber weder deine tatsächliche Verlusttragfähigkeit noch zukünftige Renditen. Eine sinnvolle Analyse legt Beschränkungen und Unsicherheiten offen, statt einen mathematischen Output zur persönlichen Handlungsempfehlung zu erklären.
Was gehört in einen regelmäßigen Depotcheck?
Aktuelle Gewichte, belegte Überschneidungen, veränderte Entnahmepläne und Abweichungen von den eigenen Regeln. Eine Prüfung muss nicht automatisch einen Handel auslösen. Sie kann gerade zu dem Ergebnis führen, nichts zu verändern.
Fazit: Die beste KI-Analyse zeigt auch, was sie nicht weiß
Ein guter Depotcheck produziert nicht möglichst viele Kennzahlen. Er macht sichtbar, welches Vermögen untersucht wurde, welche Abhängigkeiten darin stecken und welche Verluste unter klaren Annahmen entstehen könnten. Ebenso deutlich zeigt er, wo die Daten enden.
ChatGPT kann bei dieser Arbeit helfen. Die wertvollste Verbesserung ist aber keine neue Kursprognose: Es ist die Disziplin, Daten, Rechenwege und Entscheidungen auseinanderzuhalten. Erst dann wird aus einem hochgeladenen Depotexport eine belastbare Portfolioanalyse.
Dieser Methodenartikel ist keine individuelle Anlage-, Steuer- oder Rechtsberatung. Alle Beispielwerte sind hypothetisch. Das Beitragsbild dient der redaktionellen Illustration.
Quellen und Methodik
- OpenAI: Data analysis with ChatGPT – Dateianalyse, strukturierte Eingaben und Grenzen der Verarbeitung.
- OpenAI: Data controls in ChatGPT – Einstellungen zur Modellverbesserung und Umgang mit gespeicherten Gesprächen.
- Investor.gov: Asset Allocation and Diversification – Zeithorizont, Risikotoleranz und Rebalancing.
- FINRA: Concentrate on Concentration Risk – Konzentrationen und Fondsüberschneidungen.
- CFA Institute: Overview of the Global Investment Performance Standards – methodische Anforderungen an Zahlungsströme und Renditemessung.
- CFA Institute: Portfolio Risk and Return, Part I – Zusammenhang von Gewichten, Korrelationen und Risiko.
Rechenbeispiele, Prompts und Arbeitsablauf: eigene redaktionelle Ausarbeitung. Quellen geprüft am 3. Oktober 2026.
Bildnachweis: Jakub Zerdzicki / Pexels. Redaktionelles Symbolfoto, auf 16:9 zugeschnitten; Verwendung nach der Pexels-Lizenz. Kein reales Kundendepot dargestellt.
