Wann KI-Aktienresearch scheitert

Nützlich, nicht allwissend

KI beschleunigt Framing, Vergleich und „worauf soll ich als Nächstes schauen?“. Sie ersetzt kein Filing, keine Cashflow-Rechnung und nicht dein Urteil. Eine flüssige Antwort als Fakt zu behandeln, ist der Hauptfehler.

Wo es bricht

• Veraltete oder erfundene Zahlen: ein allgemeiner Chatbot ist kein Live-Kurs und kein Fundamental-Feed. Siehe ChatGPT vs. spezialisiertes Tool und den ChatGPT-Vergleich
• Falscher Ticker oder Listing: Doppellistings, wiederverwendete Kürzel nach Insolvenz und ähnliche Namen erzeugen selbstbewussten Unsinn
• Kontext-Amnesie: ohne Watchlist- oder Depotkontext ignorieren Antworten Konzentration und Overlap, die dich tatsächlich betreffen
• Advice-Sprache: Modelle rutschen in „du solltest kaufen“, obwohl das Produkt nur Research ist. Diesen Frame verwerfen
• Chart-Blindheit: Text kann einen Margenknick beschreiben, den das Panel nicht zeigt, oder einen Knick übersehen, den das Panel zeigt

Perplexity hat dieselbe Klasse von Problemen, wenn der Job Live-Marktdaten neben der These ist, kein Web-Rundumschlag.

Gewohnheiten, die Schaden begrenzen

1. Jede Zahl, nach der du handeln könntest: am Chart oder in der Quellenzeile prüfen.
2. Zuerst den Mechanismus fragen (warum der ROIC fiel), dann den Score (ist das eine 9/10).
3. Einen Falsifier laufen lassen: „Was würde die These in zwei Quartalen falsch machen?“
4. Bessere Fragen an einen Ticker und einen Zeitraum binden.

Was ein Workspace ändert

Ein Research-Terminal macht das Modell nicht ehrlich. Es macht den Widerspruch sichtbar: die Antwort sitzt neben der Reihe, die sie beschreibt. Das ist der Punkt eines KI-Research-Workspace. Keine Garantie.

Nur Bildung. Wenn Antwort und Panel widersprechen, dem Panel und dem Filing folgen.