KI-gestützte Finanzanalyse
Auf diesem Blog wird oft die These vertreten, dass KI die Anleger bei der Vermögensentwicklung unterstützen kann. Allerdings ist es wichtig, hier stärker zu differenzieren – was wir mit diesem Beitrag erreichen wollen.
Die aktuelle Debatte über künstliche Intelligenz im Finanzbereich wird häufig zugespitzt geführt. Entweder gilt KI als Effizienzrevolution – oder als gefährliche Fehlquelle. Eine Studie der HHL Leipzig, der University of Applied Sciences St. Pölten (USTP) und Nexxar bringt nun empirische Struktur in die Diskussion. Sie zeigt: Die Qualität von KI-Antworten zu Unternehmensdaten hängt stark vom Datenformat und der maschinellen Lesbarkeit der Quellen ab.
Struktur entscheidet über Sichtbarkeit
Die Untersuchung „AI Optimized Reporting“ analysiert, welche Quellen ein Large Language Model wie ChatGPT heranzieht und wie sich HTML- gegenüber PDF-Berichten auswirken. Das Ergebnis ist eindeutig: HTML-Berichte werden häufiger korrekt erkannt und verarbeitet als reine PDF-Dokumente (USTP 2025).
Damit verschiebt sich eine klassische kapitalmarkttheoretische Frage in die digitale Sphäre. Informationsasymmetrie entsteht nicht nur durch fehlenden Zugang zu Daten, sondern durch deren technische Verwertbarkeit.
Wer seine Daten maschinenlesbar strukturiert, beeinflusst die digitale Wahrnehmung.
Wer sie im „Papierformat auf dem Screen“ belässt, verliert Sichtbarkeit.
Doch hier endet die eigentliche Analyse nicht – hier beginnt sie.
Das Kernproblem: Sprachliche Kohärenz ist keine Bewertung
Large Language Models sind probabilistische Sprachmodelle. Sie rekonstruieren Muster in Texten. Sie verifizieren keine Daten. Sie bewerten keine Unsicherheit.
Der ganze Beitrag hier: KI und Finanzanalyse 02-11
