Während die Party bei KI-Aktien weitergeht, zeigen empirische Beispiele langsam, dass die technologische Revolution ihre Grenzen hat. Der Markt preist derzeit das bestmögliche Szenario ein. Doch die Risiken werden zunehmend höher. Wenn Sie KI-Investments haben, müssen Sie vorbereitet sein.
Jeder ist überzeugt, dass die Zukunft der Geldanlage von künstlicher Intelligenz bestimmt wird. Neue Modelle versprechen, bessere Entscheidungen zu treffen und konstant Geld zu verdienen. Ein aktuelles Experiment lieferte jedoch wirklich überraschende Ergebnisse.
Ende letzten Jahres wurde ein Experiment durchgeführt, das auf der Titelseite jeder Finanzzeitung hätte landen sollen, aber fast unbemerkt blieb – und dessen Schlussfolgerungen erst jetzt ernsthaft diskutiert werden. Ein Forschungslabor namens "Nof1" organisierte die "Alpha Arena": Es gab sechs der fortschrittlichsten KI-Modelle der Welt – ChatGPT, Gemini, Claude, Grok, DeepSeek und Qwen – 10.000 Dollar echtes Kapital und ließ sie zwei Wochen lang allein im Kryptomarkt agieren. Kein menschlicher Eingriff. Alle Operationen waren öffentlich und überprüfbar.
Das Ergebnis: Vier der sechs Modelle verloren Geld. GPT-5, das Vorzeigemodell von OpenAI, verlor mehr als 60 % seines Kapitals. Gemini, das Modell von Google, verlor mehr als die Hälfte. Die Erfolgsquoten aller Modelle lagen bei nur etwa 25 % bis 30 %, und ein Großteil der Verluste resultierte aus etwas sehr Menschlichem: Übermäßigem Handel, überhöhten Provisionen und dem Einsatz von Hebelwirkung ohne Risikokontrolle.
Und die beiden, die gewannen? Hier kommt das interessanteste Detail. Als das Experiment Wochen später wiederholt wurde – diesmal mit US-Aktien wie Tesla, NVIDIA und Microsoft – konnten die Gewinner der ersten Runde ihren Erfolg nicht wiederholen: Sie landeten im Minus, zusammen mit praktisch allen anderen Modellen. In der Statistik hat das einen Namen: Wenn der Gewinner einer Runde in der nächsten nicht wieder gewinnen kann, misst man kein Können. Es ist Glück.
Inzwischen wimmelt es im sozialen Netzwerk X von Accounts, die Ihnen erzählen, dass "der und der mit ChatGPT in fünf Minuten einen Bot gebaut hat und Millionen verdient". Aber die Daten sagen etwas anderes, und zu verstehen, warum, ist einer der Schlüssel, um darüber nachzudenken, was mit den Aktien des heißesten Sektors des Marktes passieren könnte.
Das implizite Versprechen von KI im Trading war dies: Eine Maschine, die mehr Informationen verarbeitet als jeder Mensch, sollte in der Lage sein, Chancen zu finden, die Menschen nicht sehen. Das Experiment legt nahe, dass dies zumindest heute nicht der Fall ist.
Die unsichtbare Barriere: Information ist nicht Urteilsvermögen
Warum scheitert es? Hier ist die interessanteste Erkenntnis, und sie stammt aus einer anderen Studie. Ein Forscherteam von Princeton und anderen Universitäten erstellte CryptoBench, eine Prüfung, die von professionellen Analysten entwickelt wurde, um zu messen, wie gut diese Modelle auf echten Märkten funktionieren. Sie teilten die Aufgaben in zwei Gruppen auf: "Informationsbeschaffung" (Was ist der Preis von X?, Wie viel Kapital hat Protokoll Y?) und "Vorhersage" (Was wird damit passieren?).
Der Kontrast ist brutal. GPT-5 beantwortete fast 6 von 10 Fragen zur Informationsbeschaffung richtig. Bei den Vorhersagefragen waren es weniger als 1 von 10. Dasselbe Modell, das brillant darin ist, Daten zu finden, versagt, wenn es unter Unsicherheit entscheiden muss.
Das ist die unsichtbare Barriere. Sprachmodelle sind außergewöhnlich darin, bereits vorhandene Informationen abzurufen, zusammenzufassen und zu organisieren. Aber Investieren ist kein Informationsproblem: Es ist ein Problem des "Urteilsvermögens". Es geht darum, zu entscheiden, wie viel Risiko man eingeht, wenn die Daten mehrdeutig sind, darum, nicht übermäßig zu handeln, und darum, zu akzeptieren, dass man nicht weiß, was passieren wird, und die Positionsgrößen entsprechend anzupassen. Was professionelle Anleger Risikomanagement nennen – und was den Investor vom Spieler unterscheidet – ist genau der Punkt, an dem die Modelle versagten.
"Aber dieses Mal gibt es Gewinne"
Hier knüpfen wir an die Frage an, die für Ihr Portfolio wichtig ist. Das am häufigsten wiederholte Argument zur Rechtfertigung der Bewertungen des Technologiesektors lautet: "Das ist keine Dotcom-Blase, denn jetzt gibt es echte Gewinne." Und das stimmt – aber nur teilweise. Es lohnt sich, einen Blick darauf zu werfen, woher diese Gewinne kommen.
Ein großer Teil stammt aus den Investitionsausgaben (Capex) der Tech-Giganten. Microsoft, Amazon, Google und Meta planen, im Jahr 2026 mehr als 600 Milliarden Dollar in KI-Infrastruktur zu investieren, verglichen mit etwa 380 Milliarden Dollar im Jahr 2025. Um das einzuordnen: Das ist ein Betrag, der mit dem BIP Argentiniens vergleichbar ist, ausgegeben in einem einzigen Jahr, hauptsächlich für Rechenzentren und Chips.
Und es gibt ein zweites Detail: Ein Großteil dieses Geldes zirkuliert in einem geschlossenen Kreislauf. NVIDIA tätigt Investitionen in Höhe von Hunderten Millionen Dollar in OpenAI; OpenAI schließt Verträge mit Oracle zur Nutzung seiner Rechenzentren; und Oracle wiederum füllt diese Rechenzentren mit NVIDIA-Chips. Dasselbe Geld wandert zwischen denselben Akteuren umher und wird bei jeder Runde als Einkommen eines von ihnen verbucht. Im Fachjargon nennt man das die "KI-Kreislaufwirtschaft", und immer mehr Analysten fragen sich, was passiert, wenn ein Glied dieser Kette durchtrennt wird.
Es geht nicht darum, dass die Gewinne gefälscht sind. Es geht darum, dass sie davon abhängen, dass die Giganten weiterhin in diesem Tempo ausgeben. Und hier kommt das oben Gesagte ins Spiel: Diese Ausgaben werden durch die Erwartung gerechtfertigt, dass KI alles verändern wird. Wenn sich die Grenzen, die diese Experimente aufzeigen – brillant in der Informationsverarbeitung, schwach im Urteilsvermögen – als Marktwahrnehmung verfestigen, werden die Vorstände dieser Unternehmen von ihren Aktionären unter Druck gesetzt, die Investitionsausgaben zu mäßigen. Und wenn die Investitionsausgaben nachlassen, wird die Einkommenskette, die heute die Bewertungen des Sektors stützt, schnell schwächer werden.
Was tun wir damit?
Drei konkrete Ideen. Erstens: Wenn Sie einen großen Teil Ihres Portfolios in US-Technologie konzentriert haben – und wenn Sie in den S&P 500 investieren, tun Sie das, denn eine Handvoll Unternehmen machen einen großen Teil des Index aus –, dann ist dies ein guter Zeitpunkt, diese Konzentration zu überprüfen.
Zweitens: Der Indikator, den Sie verfolgen sollten, ist nicht der Kurs von NVIDIA: Es sind die "Capex-Prognosen" von Microsoft, Amazon, Google und Meta in jeder Quartalspräsentation. An dem Tag, an dem einer von ihnen seine Investitionspläne mäßigt, wird der Markt die Botschaft sofort lesen. Das sind die Daten, die den Zykluswechsel vorwegnehmen, nicht die, die ihn bestätigen.
Drittens: Misstrauen Sie jedem Produkt, das Ihnen automatische Renditen mit KI verspricht. Wenn die fortschrittlichsten Modelle der Welt, hinter denen erstklassige Forschungsteams stehen, allein operierend Geld verlieren, wird der Bot, den man Ihnen auf Telegram verkauft, keine Ausnahme sein. Technologie kann ein hervorragendes Werkzeug zur Informationsverarbeitung sein – das Urteilsvermögen wird vorerst noch von Ihnen oder einem Fachmann erbracht.
Zusammenfassend ist das Experiment im Bereich des Tradings ein konkretes Beispiel für etwas, das immer deutlicher wird: die Grenzen der künstlichen Intelligenz. Diejenigen von uns, die sie täglich nutzen, bemerken, dass ihr dieses "Urteilsvermögen" und diese "Kreativität" fehlt, die Menschen für jede Aufgabe haben, die kritisches Denken erfordert.
Die technologische Revolution ist real, und viele Aufgaben, die heute manuell erledigt werden, werden automatisiert werden.
Aber vielleicht ist der Tag, an dem KI uns alle ersetzt, doch weiter entfernt, als wir denken. Und das Wichtigste ist, dass der Markt dieses Szenario nicht einpreist.
Veröffentlicht bei @InversoresClub: https://clubdeinversores.com/se-viene-la-noche-para-la-ia-lo-que-un-experimento-con-plata-real-revelo-sobre-sus-limites/
