KI-Prompts für Trading, Aktienanalyse und Investment
Praxisnahes Handbuch mit Prompt-Vorlagen für Marktanalyse, Unternehmensbewertung, Risikoprüfung und Trading-Mindset – weitgehend modellübergreifend und aktualisiert für 2026.
Inhaltsverzeichnis
Vorwort
Künstliche Intelligenz ist im Finanzbereich nur dann nützlich, wenn sie klar geführt und mit belastbaren Daten versorgt wird. Wer unscharfe Fragen stellt, bekommt unscharfe Antworten. Wer Ziel, Datenbasis, Stichtag, Aufgabe, Grenzen und Ausgabeformat festlegt, erhält deutlich brauchbarere Ergebnisse.
Moderne Reasoning-Modelle brauchen keine komplizierten Zauberformeln. Entscheidend sind direkte Anweisungen, sauber getrennte Eingabedaten, verlässliche Quellen und eine sichtbare Qualitätskontrolle. Bei aktuellen Kursen, Kennzahlen oder Nachrichten muss die KI entweder auf geeignete Werkzeuge und Quellen zugreifen oder Datenlücken ausdrücklich benennen.
Dieses Handbuch richtet sich an Anleger und Trader, die KI-Prompts für Trading, Aktienanalyse und Investment-Recherche als Arbeitsmethode nutzen wollen. Ziel sind keine schnellen Kauf- oder Verkaufstipps, sondern strukturierte Analysen, überprüfbare Annahmen, klare Risiken und ein wiederholbarer Entscheidungsprozess.
Update 2026Die Vorlagen wurden weitgehend modellübergreifend überarbeitet. Im Mittelpunkt stehen Quellenangaben, Datenstichtage, prüfbare Begründungen, klare Ausgabeformate und der saubere Einsatz von Websuche, Dokumenten und Rechenwerkzeugen.
Grundlagen
Kapitel 1: Warum Finance-Prompts scheitern
Die häufigsten Fehler und wie man sie vermeidet
Die meisten Finance-Prompts scheitern nicht an fehlender Rechenleistung, sondern an einer schlechten Aufgabenstellung. Fehlen Zeitraum, Datenstand, Ziel oder Risikorahmen, produziert die KI oft eine sprachlich saubere, aber analytisch wertlose Antwort.
„Analysiere Aktie X“ ist deshalb kein brauchbarer Prompt. Eine belastbare Aktienanalyse mit KI braucht mindestens das Unternehmen, den Bewertungsstichtag, den Anlagehorizont, die gewünschten Kennzahlen, zugelassene Quellen und ein festes Ausgabeformat. Wie der Ablauf vom Research bis zur Order aussieht, steht in Aktien kaufen: der Ablauf und die Fallen.
Hinzu kommen Halluzinationen und veraltete Finanzdaten. Professionelle Prompts müssen deshalb ausdrücklich verbieten, fehlende Zahlen zu erfinden. Statt interner Gedankengänge sollte die Ausgabe die verwendeten Quellen, zentralen Annahmen, Rechenschritte und Unsicherheiten knapp dokumentieren.
Die GrundregelEin guter Finance-Prompt beantwortet sechs Fragen: Was ist das Ziel? Welche Daten gelten? Was soll geprüft werden? Welche Grenzen gelten? Wie soll die Antwort aussehen? Wie wird das Ergebnis kontrolliert?
Kapitel 2: Moderne Prompt-Strukturen UPDATE 2026
Ein weitgehend modellübergreifender Aufbau für Research, Aktienanalyse und Trading
Es gibt kein belastbares Spezial-Framework, das automatisch nur für ein bestimmtes KI-Modell funktioniert. ChatGPT, Claude, Gemini und andere moderne Assistenten profitieren grundsätzlich von denselben Kernelementen: einer klaren Aufgabe, relevantem Kontext, getrennten Daten, eindeutigen Grenzen und einem überprüfbaren Ausgabeformat.
| Baustein | Leitfrage | Nutzen | Beispiel |
|---|---|---|---|
| Ziel | Welche Entscheidung soll vorbereitet werden? | Verhindert allgemeine Antworten | Geschäftsqualität einer Aktie prüfen |
| Daten | Welche Quellen und welcher Stichtag gelten? | Reduziert veraltete oder erfundene Zahlen | Geschäftsbericht, 10-K, Quartalszahlen |
| Aufgabe | Welche Kriterien sind nacheinander zu prüfen? | Macht die Analyse vollständig | Bilanz, Wachstum, Bewertung, Risiken |
| Kontrolle | Wie werden Fehler und Unsicherheit sichtbar? | Erleichtert die eigene Nachprüfung | Quellen, Annahmen, Datenlücken, Gegenargumente |
Prüfbare Begründung statt GedankenprotokollVerlange keine vollständige interne Gedankenkette. Bitte stattdessen um eine kurze Begründung, die wichtigsten Annahmen, verwendete Quellen, nachvollziehbare Berechnungen und klar markierte Unsicherheiten.
Kapitel 3: Qualitätsregeln für professionelle Prompts
7 Regeln, die den Unterschied machen
-
1Eine klar abgegrenzte Hauptaufgabe pro PromptKein gleichzeitiges Research, Bewertung und Strategie in einem unklaren Mischtext. Komplexe Aufgaben in nachvollziehbare Teilschritte zerlegen oder auf mehrere Prompts verteilen. Klare Trennung erhöht die Qualität.
-
2Kontext vollständig angebenTicker, Zeithorizont, Risikoprofil, Zielsetzung – ohne diese Parameter arbeitet die KI zu allgemein.
-
3Ausgabeformat klar definierenTabelle, Scorecard, Rangfolge oder Kurzfazit – wer das Format vorgibt, bekommt nützlichere Antworten.
-
4Begründung und Prüfschritte verlangenQuellen, Annahmen, Berechnungen und Datenlücken knapp dokumentieren lassen – ohne ein vollständiges Gedankenprotokoll zu verlangen.
-
5Keine Floskeln, keine HypespracheNüchterne, faktenbasierte Sprache verlangen. Schicke Formulierungen liefern selten substanzielle Ergebnisse.
-
6Datenbasis und Stichtag festlegenQuellen, Berichtsperiode, Währung und Bewertungsdatum ausdrücklich nennen. Ohne aktuellen Datenzugriff dürfen keine Zahlen erfunden werden.
-
7Fehlergrenzen definierenWas darf nicht passieren? Keine Kursziele ohne nachvollziehbare Methode und keine Kauf- oder Verkaufsempfehlung allein aus dem Modelloutput. Risiken, Gegenargumente und Unsicherheiten immer separat ausweisen.
Analyse-Prompts
Kapitel 4: Zukunftsszenarien und Thesenbildung
Langfristige Trends früh erkennen und in belastbare Thesen übersetzen
Dieses Modul dient dazu, langfristige Trends früh zu erkennen. Die KI soll nicht einfach Branchen aufzählen, sondern ein Muster erkennen und in eine belastbare These übersetzen. Wichtig: keine fertige Anlageempfehlung, sondern eine saubere Vorstufe – Thema, Kernproblem, Lösung, mögliche Profiteure und erste Signale.
EinsatzIdeal für Wochenroutinen und Ideenentwicklung. Zuerst die These bilden, dann erst die Detailanalyse starten.
Kapitel 5: Unternehmens- und Aktienanalyse
Systematische Bewertung von Geschäftsqualität, Bilanz und Bewertung
Hier geht es um die Bewertung einer einzelnen Aktie oder eines Unternehmens. Der Fokus liegt auf Qualität, Profitabilität, Bilanzstärke und Bewertung. Die KI soll nicht spekulieren, sondern ein Unternehmen systematisch bewerten.
Kapitel 6: Makro- und Sektorprofiteure
Aus einer übergeordneten Marktthese konkrete Gewinner ableiten
Dieses Modul dient dazu, aus einer übergeordneten Marktthese konkrete Gewinner abzuleiten. Ein guter Makro-Prompt beginnt nicht mit einem Unternehmen, sondern mit einer Entwicklung – einem Zinsumfeld, einer geopolitischen Verschiebung oder einem strukturellen Umbau. Erst danach wird geprüft, welche börsennotierten Firmen davon am stärksten profitieren.
Kapitel 7: ETF- und Portfolio-Systeme
Core-Satellite-Struktur statt loser ETF-Liste
Dieses Modul richtet sich an alle, die langfristig Vermögen aufbauen und dabei mit ETFs arbeiten. Der Unterschied zwischen einer brauchbaren und einer wertlosen Antwort liegt fast immer in der Zielsetzung: Vermögensaufbau, Rentenstrategie und Einkommensorientierung führen zu völlig verschiedenen Portfolios.
Ein Robo-Advisor kann eine Alternative sein, wenn du Auswahl und Rebalancing nicht selbst übernehmen willst. Ebenso wichtig ist die Trennung zwischen Basisbausteinen und thematischen Satelliten. Ohne sie liefert die KI eine Aufzählung von Produkten statt einer Struktur. Für Anleger in Deutschland gehören zusätzlich UCITS-Konformität, Handelbarkeit und die steuerliche Behandlung in den Prompt.
Wofür sich das Modul eignetAsset-Allocation, Sparplanaufbau und Portfolio-Review. Es zwingt die KI dazu, eine funktionierende Struktur zu liefern statt einer losen Produktsammlung. Welche Kosten beim Depot tatsächlich anfallen, klärt vorher Depotkosten und Handelsplätze. Prüfe ISINs, Kosten und Fondsvolumen anschließend selbst – erfundene Kennungen sind der häufigste Fehler in KI-Antworten zu ETFs. Und schau nicht nur auf die TER: Die Tracking-Differenz zeigt, wie weit ein ETF in der Praxis tatsächlich vom Index abweicht.
Kapitel 8: Second-Order-Effekte
Die übersehene Nebenwirkung statt des offensichtlichen Gewinners
Direkte Profiteure eines Trends sind meist offensichtlicher und stehen schneller im Fokus. Zusätzliche Research-Ideen liefern häufig die Folgen zweiter und dritter Ordnung: Unternehmen und Bereiche, die auf den ersten Blick gar nichts mit dem Thema zu tun haben.
Das Modul zwingt dazu, Kausalketten zu formulieren, statt Schlagworte zu wiederholen. Genau darin liegt der Nutzen – nicht die offensichtliche Konsequenz ist investierbar, sondern die übersehene Nebenwirkung.
Warum das Modul nützlich istSecond-Order-Denken verhindert oberflächliche Trendanalyse. Es hilft, bessere Fragen zu stellen, statt dem ersten Reflex zu folgen – und liefert Kandidaten, die bei einer reinen Schlagwortsuche gar nicht auftauchen.
Trading-Prompts
Kapitel 9: Konfluenz- und Setup-Analyse
Mehrere Faktoren systematisch prüfen, bevor ein Trade platziert wird
Dieses Modul ist für Trader gedacht, die nicht blind jedem Signal folgen wollen. Es geht darum, verschiedene Faktoren (Konfluenz) zu prüfen, bevor ein Trade platziert wird. Ein guter Konfluenz-Prompt muss klar zwischen Analyse und Entscheidung trennen.
Kapitel 10: Options- und Volatilitätsstrategien
Technik, Volatilität und Handelsplan sauber getrennt
Optionen und andere Hebelprodukte sind der Bereich, in dem unstrukturierte KI-Antworten am wenigsten wert sind – und der teuerste, wenn man sich irrt. Warum ein großer Anteil der Retail-CFD-Konten Verluste macht, steht in CFD-Trading: was es kostet. Ohne Angaben zu Kurs, Volatilitätsumfeld und Zielsetzung bleibt die Antwort theoretisch und zählt am Ende nur Strategien auf.
Das Modul trennt deshalb vier Phasen: Technik, Volatilität, Strategiewahl und Handelsplan. Erst diese Trennung macht aus einer Strategieliste einen überprüfbaren Plan mit Risikokennzahlen.
Wichtig vor dem EinsatzBei gekauften Optionen kann die gezahlte Prämie vollständig verloren gehen. Bei ungedeckten verkauften Optionen können die Verluste über die vereinnahmte Prämie hinausgehen – beim ungedeckten Call ist der Verlust theoretisch unbegrenzt. Und ohne aktuelle Optionskette kann kein Modell belastbare Strikes, Prämien oder Greeks liefern. Neue Strategien gehören deshalb zuerst in ein Demokonto, nicht ins Echtgeldkonto. Der Prompt ersetzt weder eine eigene Risikorechnung noch die Prüfung, ob die Strategie zum Depot passt.
Kapitel 11: Tägliche Marktübersicht
Kompaktes, vollständiges Briefing für den Handelstag
Dieses Modul ist für den täglichen Blick auf Märkte, Daten und Ereignisse gedacht. Der Prompt soll nicht nur Daten auflisten, sondern sie gewichten. Am Ende soll eine konkrete Marktidee stehen oder zumindest eine klare Risikoeinschätzung.
Psychologie & Mindset
Kapitel 12: Behavioral Edge und Mindset
Eigene Denkfehler, Bias und Reaktionsmuster sichtbar machen
Dieses Modul ist für die Selbstreflexion gedacht. Gerade im Trading scheitern viele Entscheidungen nicht an fehlender Information, sondern an Emotion, Bias und mangelnder Disziplin. Wer seine Bias kennt, trifft bessere Entscheidungen.
Kapitel 13: Prompt-Audit und Verbesserung
Eigene Prompts systematisch bewerten und optimieren
Dieses Modul ist ein Werkzeug zur Selbstkontrolle. Es hilft dabei, eigene Prompts zu bewerten und systematisch zu verbessern. Der Prompt soll nicht nur Schwächen benennen, sondern auch eine verbesserte Version liefern.
Workflows für den Alltag
Kapitel 14: Praxisworkflows
Feste Abläufe, in denen mehrere Prompts nacheinander eingesetzt werden
Workflow 1: Morgenroutine
Tägliche Marktübersicht mit dem Briefing-Prompt erstellen lassen.
Einen Kandidaten für die vertiefte Prüfung identifizieren, ohne daraus bereits einen Trade abzuleiten.
Setup mit dem Konfluenz-Prompt analysieren und bewerten.
Positionsgröße, Verlustgrenze, Liquidität und eigene Risikoregeln außerhalb der KI-Antwort kontrollieren. Ein hoher Score allein ist kein Handelssignal.
Workflow 2: Themenrecherche (Wochenroutine)
Langfristige Trends und Thesen mit dem Szenario-Prompt entwickeln.
Aus der These konkrete Unternehmen und Sektoren identifizieren.
Einzelne Kandidaten systematisch mit dem Aktienanalyse-Prompt bewerten.
Workflow 3: Sonntags-Review
Eigene Entscheidungen der Woche mit dem Mindset-Prompt reflektieren.
Verwendete Prompts der Woche bewerten und verbessern.
Journal aktualisieren und Übungen für die nächste Woche ableiten.
Workflow 4: Quartals-Review für ETF-Depots
Bestand, Gewichtung und Kosten mit dem ETF-Modul gegen die ursprüngliche Zielstruktur halten.
Prüfen, welche Positionen durch Kursentwicklung aus der Zielgewichtung gelaufen sind.
Selbst entscheiden, ob und wie umgeschichtet wird – Kosten und Steuerfolgen gehören in diese Rechnung.
Neue thematische Positionen nur aufnehmen, wenn eine schriftliche These dahintersteht. Sonst driftet das Depot unkontrolliert.
Kapitel 15: Fehlervermeidung und Versionierung
Wie aus einer Sammlung ein System wird
Ein professionelles Prompt-System entwickelt sich weiter. Gute Prompts zu schreiben reicht nicht – sie müssen gepflegt, dokumentiert und angepasst werden. Wer das nicht tut, bleibt auf dem Stand einzelner Versuche stehen.
- 1Keine offenen Mehrfachaufträge in einem Prompt.
- 2Keine unklare Zielsetzung – jede Aufgabe hat ein benanntes Ergebnis.
- 3Keine fehlenden Parameter wie Zeitraum, Datenstand oder Risikoprofil.
- 4Keine unkontrollierten Formatwechsel mitten in der Ausgabe.
- 5Keine Verwendung ohne Prüfung der Datenbasis.
Dazu kommt die Versionierung. Jeder Prompt bekommt eine Nummer, damit Verbesserungen nachvollziehbar bleiben: 1.0 die erste brauchbare Fassung, 1.1 eine bessere Struktur, 1.2 präzisere Qualitätsregeln, 2.0 eine neue Logik oder ein neuer Einsatzzweck. So entsteht ein System statt einer zufälligen Sammlung.
Praktischer HinweisNotiere zu jeder Version in einem Satz, warum du sie geändert hast. Ohne diesen Satz weißt du nach drei Monaten nicht mehr, welche Fassung besser war und woran das lag.
Kurzreferenz
Die wichtigsten Prinzipien auf einen Blick
Zum Ausdrucken und Aufhängen
| Kategorie | Prinzip |
|---|---|
| Aufbau | Ziel · Datenbasis · Aufgabe · Grenzen · Ausgabe · Kontrolle |
| Daten | Quelle → Stichtag → Währung → Datenlücken → Aktualitätsprüfung |
| Qualität | Klare Hauptaufgabe · Teilschritte · Quellen · Annahmen · Gegenargumente |
| Mindset | Analyse ≠ Entscheidung · Unsicherheit markieren · Bias kennen |
Häufige Fragen zu KI-Prompts für Trading und Aktienanalyse
Welche KI eignet sich für Aktienanalysen?
Entscheidend ist weniger der Markenname als der verfügbare Datenzugriff und die Qualität des Prompts. Für aktuelle Analysen braucht das Modell verlässliche Quellen, einen klaren Datenstichtag und Regeln gegen erfundene Kennzahlen.
Können ChatGPT Trading Prompts Echtzeitkurse liefern?
Websuche und börsenechte Realtime-Kurse sind zweierlei. Eine Websuche liefert aktuelle öffentlich verfügbare Informationen, deren Kurse aber verzögert sein können. Echte Realtime-Kurse brauchen einen Markt- oder Broker-Datenfeed. Ohne solchen Zugriff müssen Kurse, Nachrichten und Termine vom Nutzer bereitgestellt oder ausdrücklich als nicht verfügbar markiert werden.
Was gehört in einen guten Prompt für eine Aktienanalyse?
Mindestens Ticker, Datenstichtag, Anlagehorizont, Risikoprofil, gewünschte Prüfkriterien, zugelassene Quellen, Ausgabeformat und die Anweisung, Datenlücken sowie Gegenargumente offen zu nennen.
Kann KI einen Trade zuverlässig empfehlen?
Nein. KI kann Daten strukturieren, Szenarien vergleichen und Risiken sichtbar machen. Sie kennt aber nicht automatisch deine finanzielle Situation, hat möglicherweise keine Echtzeitdaten und kann Fehler produzieren. Die Entscheidung und Risikokontrolle bleiben beim Nutzer.
Warum sollte man keine vollständige Chain of Thought verlangen?
Für die Prüfung reicht eine kompakte Begründung mit Quellen, Annahmen, Berechnungen und Unsicherheiten. Ein vollständiges internes Gedankenprotokoll brauchst du für die Qualitätsprüfung nicht, und moderne Reasoning-Systeme geben ihr internes Vorgehen ohnehin nicht als frei steuerbares Protokoll aus.
Welche Angaben braucht ein ETF-Prompt?
Anlagehorizont, Sparrate oder Einmalanlage, Risikoprofil, bestehende Positionen, Ausschlüsse und das Ziel – Vermögensaufbau, Rente oder Einkommen. Ohne Ziel liefert die KI eine Produktliste statt einer Portfolio-Struktur.
Warum erfinden Sprachmodelle ISINs und Kennzahlen?
Sprachmodelle können plausible, aber falsche Zahlen und Kennungen erzeugen, besonders wenn ihnen keine belastbare Datenquelle zur Verfügung steht. Mit Websuche, Dokumenten oder Datenbanken lässt sich eine Antwort fundieren, garantiert ist das aber nicht. Deshalb gehört in jeden Finance-Prompt die ausdrückliche Regel, fehlende Daten offen zu benennen statt sie zu ergänzen. Prüfen musst du sie trotzdem.
Was ist ein Second-Order-Effekt?
Die indirekte Folge eines Trends. Direkte Gewinner sind oft offensichtlicher; Second-Order-Effekte betrachten die mittelbaren Folgen – Unternehmen, die erst über eine Kausalkette profitieren, oder Bereiche, die unter dem Trend leiden.
Taugen KI-Prompts für Optionsstrategien?
Für die Struktur ja, für die Entscheidung nein. Ohne Kurs, IV-Kontext und Ziel bleibt die Antwort theoretisch. Und selbst ein sauberer Plan ersetzt weder die eigene Risikorechnung noch die Prüfung, ob die Strategie zum Depot passt.
Wie oft sollte ich meine Prompts überarbeiten?
Nicht schon nach einer einzelnen enttäuschenden Antwort, denn Ergebnisse schwanken. Teste den Prompt an mehreren repräsentativen Fällen und versioniere erst dann. Mit einer Versionsnummer und einem Satz zur Begründung bleibt nachvollziehbar, welche Fassung besser war und warum.
Kann ich diese Prompts mit jedem Modell nutzen?
Weitgehend ja. Die fünf Schichten aus Rolle, Kontext, Aufgabe, Format und Qualitätskontrolle sind übertragbar. Unterschiede bleiben trotzdem: Reasoning-Modelle und klassische Modelle reagieren verschieden auf ausführliche Denkanweisungen, und Datenzugriff wie verarbeitbare Länge unterscheiden sich ohnehin.
Wie erkenne ich, dass eine KI-Antwort unbrauchbar ist?
An drei Signalen: Es fehlen Quellen und Annahmen, die Antwort vermeidet Zahlen oder liefert sie ohne Stichtag, und Gegenargumente kommen gar nicht vor. Eine Analyse ohne Gegenposition ist meist nur eine Bestätigung deiner Ausgangsfrage.
Ersetzen Prompt-Systeme eine eigene Strategie?
Nein. Sie strukturieren Recherche und Analyse und machen Entscheidungen wiederholbar. Die Strategie, die Risikogrenzen und die Verantwortung bleiben bei dir.
KI-Ausgaben können falsch, veraltet oder unvollständig sein. Sprachmodelle können plausible, aber falsche Zahlen, Kennungen und Quellen erzeugen. Kurse, Kennzahlen, ISINs und Termine gehören deshalb vor jeder Entscheidung gegen eine verlässliche Primärquelle geprüft.
Trading und Investment sind mit Verlustrisiken verbunden; bei Hebelprodukten kann der Einsatz vollständig verloren gehen, und bei ungedeckten verkauften Optionen kann der Verlust über den Einsatz beziehungsweise die vereinnahmte Prämie hinausgehen. Jede Entscheidung und die gesamte Risikokontrolle liegen bei dir.
