Warum ChatGPT & Co. bei Aktien blind sind: Trainings-Cutoff und Such-Bias

Wer heute eine Aktie analysiert, fragt häufig zuerst ChatGPT, Claude oder Perplexity. Verständlich: Die Modelle sind in kurzer Zeit erstaunlich gut geworden. Trotzdem liegt genau hier die größte Gefahr. Nicht, weil die KI falsch rechnet. Sondern weil sie überzeugend antwortet, während ihr etwas Entscheidendes fehlt. Dafür sorgen zwei Mechanismen: der Trainings-Cutoff und der Such-Bias.

Wer historische Bewertungskennzahlen oder Screener-Ergebnisse braucht, muss normalerweise Quartalsberichte parsen, Aktiensplits bereinigen und das Ganze mit täglichen Schlusskursen matchen. Die Analytics API nimmt diese Arbeit ab. Sie liefert fertig berechnete, analysebereite Daten über fünf spezialisierte Endpunkte. Ein Paket, keine eigene Data-Engineering-Pipeline nötig.

Die neue Forecast API von Leeway liefert genau diese Struktur: Umsatz, Gewinn, Cashflow, EPS und Multiples. Quartalsweise und jährlich, für zwölf Quartale und drei Jahre in die Zukunft, für über 50.000 Aktien weltweit. Ein REST-Call liefert ein sauberes JSON-Objekt, das direkt weiterverarbeitet werden kann.

Large Language Models halluzinieren bei Finanzdaten häufiger als Sie denken. Das Problem: Sie klingen dabei absolut überzeugend. Wie Sie mit der richtigen Architektur KI-gestützte Analysen auf Profi-Niveau erstellen – ohne auf teure Fehler hereinzufallen.

ChatGPT, Claude, Perplexity – welche KI eignet sich am besten für die Aktienanalyse? Die Antwort: Jede hat ihre Stärken, aber keine kann alles. Wir zeigen, wofür sich welches Tool wirklich eignet – und warum die Kombination spezialisierter Systeme am Ende die besseren Entscheidungen ermöglicht.