Prompt für Aktienrecherche: 4 smarte Beispiele für bessere Analysen

KI-Modelle können die Aktienrecherche massiv beschleunigen, indem sie Geschäftsberichte, Quartalsmeldungen und Investor-Präsentationen in Sekunden strukturieren. Sie ersetzen jedoch keine eigene Prüfung der Primärquellen, keine kritische Bewertung der Annahmen und keine professionelle Anlageberatung. Wer die KI als Sparringspartner nutzt, bekommt ein mächtiges Werkzeug. Wer ihr blind vertraut, übernimmt die Halluzinationen des Modells als eigene Meinung.

Dieser Guide zeigt vier kopierbare Prompts, mit denen sich Geschäftsmodell, Kennzahlen, Risiken und eine systematische Watchlist aufbauen lassen. Alle Beispielausgaben sind bewusst fiktiv und enthalten keine Empfehlung zum Kauf oder Verkauf einer realen Aktie.

Rahmen und Primärquellen

Bevor irgendein Prompt zum Einsatz kommt, müssen die Quellen feststehen, gegen die die KI-Antwort geprüft wird. Für US-Unternehmen sind das vor allem die SEC-Filings 10-K (Geschäftsbericht), 10-Q (Quartalsbericht) und 8-K (Ad-hoc-Mitteilung). Für europäische Unternehmen sind es der Geschäftsbericht, der Halbjahresbericht, die Konzernmitteilung sowie die Investor-Relations-Seite. Nachrichten, Analystenkommentare und Foren können ergänzen, ersetzen aber keine Primärquelle.

Ein guter Recherche-Workflow folgt immer demselben Muster: Dokumente sammeln, KI strukturiert, Mensch verifiziert, Entscheidung treffen. Die Prompts in diesem Artikel sind genau für diese Struktur gedacht.

Prompt 1: Geschäftsmodell dekodieren

Der erste Prompt zwingt die KI in die Rolle eines erfahrenen Equity-Research-Analysten und liefert eine saubere Dekodierung des Geschäftsmodells. Er eignet sich für den Einstieg in ein neues Unternehmen oder für die Aktualisierung einer bestehenden Analyse.

Handle als erfahrener Equity-Research-Analyst. Ich gebe dir gleich einen Geschäftsbericht oder eine Unternehmensbeschreibung. Deine Aufgabe ist es, das Geschäftsmodell präzise zu dekodieren.

Analysiere folgende Punkte:
1. Was ist das Kernprodukt oder die Kerndienstleistung?
2. Wer sind die primären Kundengruppen (B2B, B2C, Enterprise, SMB)?
3. Wie genau wird Geld verdient (Umsatzströme, Lizenz, Abo, Transaktion, Werbung)?
4. Was sind die wichtigsten Wachstumstreiber?
5. Wo liegen kritische Abhängigkeiten (Lieferanten, Plattformen, Schlüsselkunden)?

Erstelle eine strukturierte Zusammenfassung in Tabellenform. Markiere unsichere Annahmen oder fehlende Daten explizit als "unsicher". Gib keine Kaufempfehlung, kein Kursziel und keine Bewertung ab.

Fiktive Beispielausgabe

Die MusterCloud AG bietet eine Cloud-Plattform für Dokumentenmanagement und Workflow-Automatisierung an. Die Umsatzströme teilen sich auf in Abonnements (78 Prozent), Einrichtungsprojekte (12 Prozent) und Support plus Zusatzmodule (10 Prozent). Die primäre Kundengruppe sind mittelständische Unternehmen im DACH-Raum. Wachstumstreiber sind die Migration bestehender File-Server-Infrastrukturen sowie regulatorische Anforderungen an Datenresidenz.

Unsichere Punkte: Die Höhe der Kundenabwanderungsrate (Churn) wird im Bericht nicht beziffert. Die Abhängigkeit von zwei Hyperscalern als Backend wird nur beiläufig erwähnt. Ob die Profitabilität pro Neukunde im zweiten Jahr steigt, lässt sich ohne Segmentdaten nicht belegen.

Prompt 2: Kennzahlen kritisch einordnen

Der zweite Prompt nimmt konkrete Finanzdaten entgegen und ordnet sie ein, ohne eigene Zahlen zu erfinden. Er trennt sauber zwischen belegtem Wert, Interpretation und der nächsten offenen Frage an das Management.

Analysiere die folgenden Finanzdaten eines Unternehmens und vergleiche die aktuelle Berichtsperiode mit der Vorperiode.

Daten:
[Daten hier einfügen, zum Beispiel: Umsatz, Bruttomarge, operative Marge, Free Cashflow, Nettoverschuldung, Kundenwachstum, Net Revenue Retention]

Beurteile insbesondere:
1. Skaliert das Unternehmen? (Umsatzwachstum im Verhältnis zum Kostenwachstum)
2. Wie entwickelt sich die Bruttomarge? (Preissetzungsmacht, Mixverschiebung)
3. Wie hoch ist die Qualität des Free Cashflows im Verhältnis zum Nettogewinn?
4. Wie steht es um die Verschuldungsstruktur und die Liquidität?
5. Gibt es Verwässerungseffekte durch Aktienoptionen oder Wandelanleihen?

Erstelle eine Tabelle mit den drei wichtigsten Trends. Formuliere zu jedem Trend eine kritische Frage, die ich im nächsten Earnings Call stellen sollte.

Fiktive Beispielausgabe

Ohne Segmentdaten bleibt offen, ob die Margenverbesserung aus Skalierung, Preisanpassungen oder einem höheren Softwareanteil resultiert. Diese Frage sollte im nächsten Call priorisiert werden.

Prompt 3: Gegenargumente finden

Der dritte Prompt versetzt die KI explizit in die Rolle eines Skeptikers. Er bricht das Confirmation Bias auf, das beim Lesen positiver Geschäftsberichte fast unvermeidlich entsteht. Besonders wertvoll ist dieser Prompt, wenn man selbst von einer These überzeugt ist.

Ich habe die Investment-These, dass Unternehmen X aufgrund von [These hier einfügen] langfristig wachsen wird. Deine Rolle ist nun die eines erfahrenen Short-Sellers oder Skeptikers.

Suche gezielt nach Gegenargumenten und analysiere:
1. Wo könnte das Geschäftsmodell in drei bis fünf Jahren scheitern?
2. Welche regulatorischen Risiken werden im Bericht nur beiläufig erwähnt?
3. Welche Wettbewerber oder neuen Marktteilnehmer könnten die Margen drücken?
4. Welche Bilanzposten wirken ungewöhnlich, aggressiv bewertet oder riskant?
5. Welche Abhängigkeiten von Einzelpersonen, Großkunden oder Lieferanten werden unterschätzt?

Ziel ist es, mein Confirmation Bias zu durchbrechen. Sei präzise, hart in der Sache und belege Aussagen, wo möglich, mit Verweisen auf die eingefügten Dokumente. Markiere am Ende die drei stärksten Einwände.

Fiktive Beispielausgabe

Starke Gegenargumente gegen die Wachstumsthese: Erstens steigen die Vertriebs- und Marketingkosten überproportional zum Umsatz, was auf zunehmenden Wettbewerbsdruck hindeutet. Zweitens fehlen im Bericht konkrete Zahlen zur Net Revenue Retention, was ein Warnsignal für nachlassende Bestandskundenbindung sein kann. Drittens ist die Bewertung auf dem aktuellen Kursniveau nur tragfähig, wenn das Wachstum in den nächsten fünf Quartaten über 20 Prozent bleibt. Ein einziges enttäuschendes Quartal könnte die These schnell brechen.

Frühindikatoren, die es zu beobachten gilt, sind eine sinkende Bruttomarge, steigende Vertriebskostenquote, ein schwächer werdender Free Cashflow sowie eine zunehmende Verschuldung.

Prompt 4: Watchlist mit Prüfplan

Der vierte Prompt liefert eine wiederholbare Struktur für die persönliche Watchlist. Er eignet sich, wenn mehrere Unternehmen parallel beobachtet werden, und verhindert, dass die Recherche bei einem Titel zur reinen Gefühlssache wird.

Erstelle mir für Unternehmen X einen strukturierten Prüfplan für meine Watchlist.

Definiere:
1. Den Hauptgrund für die Beobachtung (Investment-These in einem Satz).
2. Drei Kennzahlen (KPIs), die ich vierteljährlich prüfen muss.
3. Die primäre Quelle für jede Kennzahl (Geschäftsbericht, Quartalsbericht, Investor-Präsentation, Sekundärdaten).
4. Drei konkrete Warnsignale (Red Flags), bei denen die These hinfällig wird.
5. Die nächsten zwei konkreten Schritte zur Verifizierung der These (zum Beispiel: Earnings Call abwarten, Branchenstudie lesen, Wettbewerberprofil erstellen).

Liefere das Ergebnis als übersichtliche Tabelle, die ich kopieren und in meine Notizen einfügen kann.

Fiktive Beispielausgabe

Praxis-Workflow

1. Primärquellen sammeln und mit Datum versehen (Geschäftsbericht, Quartalsbericht, Ad-hoc-Mitteilung).
2. Geschäftsmodell mit Prompt 1 dekodieren und Annahmen markieren.
3. Kennzahlen mit Prompt 2 einordnen und kritische Fragen für das Management formulieren.
4. Gegenargumente mit Prompt 3 suchen, um die eigene These zu stressen.
5. Watchlist mit Prompt 4 strukturieren und Warnsignale definieren.
6. Alle KI-Aussagen mit den Originaldokumenten abgleichen, bevor eine Entscheidung getroffen wird.

Typische Fehler

1. Die KI nach der "besten Aktie" fragen, statt nach Kriterien für eine gute Aktie zu suchen.
2. Eine einzige KI-Antwort als vollständige Analyse behandeln, ohne die Primärquelle zu öffnen.
3. Zahlen übernehmen, die das Modell erfunden hat, weil sie plausibel klingen.
4. Prompt 3 (Gegenargumente) weglassen, weil er "unangenehm" ist.
5. Die Watchlist pflegen, aber bei einem roten Warnsignal nicht konsequent handeln.

Wer diese fünf Fehler vermeidet, nutzt die KI so, wie sie gedacht ist: als mächtiges Werkzeug zur Strukturierung von Informationen, nicht als Ersatz für eigenes Denken und eigene Verantwortung.

Passende Anleitungen auf S-EDV

1. KI-Agenten absichern: Prompt-Injection abwehren und LLM-Tools härten (OWASP LLM Top 10) — wer Prompts in Produktivsystemen nutzt, sollte die OWASP-LLM-Top-10-Risiken kennen und die Eingaben sauber validieren.
2. EU AI Act für KMU: Compliance-Roadmap, KI-Inventar und Pflichten bis August 2026 — wer KI auch für Investmentrecherche im Unternehmen einsetzt, braucht ein KI-Inventar und klare interne Regeln.
3. KI-Nutzungsrichtlinie im Unternehmen erstellen (Copilot, ChatGPT & Co.) — wer KI-Prompts im Team teilt, sollte die Nutzung in einer schriftlichen Richtlinie regeln, inklusive Datenschutz und Quellenprüfung.