Wenn man heute durch die sozialen Medien scrollt, taucht überall dasselbe Versprechen auf: Mit dem richtigen KI-Trading-Bot wird man reich, mit ChatGPT bekommt man die besten Aktientipps und mit ein paar smarten Tools schlägt man die Profis an der Wall Street. Die Wahrheit ist eine andere und sie ist deutlich spannender als das oberflächliche Marketing vermuten lässt. Künstliche Intelligenz verdient an der Börse tatsächlich gewaltige Summen Geld. Nur eben nicht für die meisten Menschen, die das glauben.

Der Codeknacker, der die Börse hackte

Die Geschichte beginnt 1982 auf Long Island, weit weg von der Wall Street. Ein 44-jähriger Mathematiker namens Jim Simons gründet eine kleine Firma mit dem Ziel, die Börse mit reiner Mathematik zu lösen. Simons ist kein Bankier und auch kein Investor. Er hat im Kalten Krieg sowjetische Funkverkehrsdaten für den US-Geheimdienst entschlüsselt und an der Universität Stony Brook das Mathematik-Department geleitet. Sein berühmter Satz: Modelle sollen Geld verdienen, während er schläft.

Simons stellt nichts ein, was nach Wall Street riecht. Stattdessen heuert er Physiker an, Astronomen, Codeknacker und Spracherkennungs-Forscher von IBM. Sein Fonds heißt Medallion und wird zur erfolgreichsten Geldmaschine der Finanzgeschichte. Zwischen 1988 und 2018 erzielt Medallion eine durchschnittliche Bruttorendite von 66 Prozent pro Jahr, nach Abzug der extremen Gebühren immer noch rund 39 Prozent. Aus einem Dollar von 1988 sind dadurch über 27.000 Dollar geworden. Im Crash-Jahr 2008, als die Welt im Chaos versinkt, legt Medallion 80 Prozent zu. Im COVID-Jahr 2020 sind es 76 Prozent. Es ist die wahrscheinlich konsistenteste Performance, die jemals an einem Finanzmarkt gemessen wurde.

Und jetzt kommt der Twist. Der Fonds ist seit 1993 für Außenstehende geschlossen. Niemand kann mehr investieren, egal wie viel Geld er mitbringt. Robert Mercer, einer der wichtigsten Köpfe hinter Medallion, hat das Erfolgsprinzip einmal so beschrieben, dass man bei jedem Trade nur in 50,75 Prozent der Fälle richtig liegen müsse, dafür aber in diesen Fällen zu 100 Prozent. Genau dieser winzige statistische Vorteil, milliardenfach wiederholt, baut Imperien.

Das Imperium, das niemand kennt

Wer heute glaubt, an der Wall Street geben die großen Banken den Ton an, hat eine Geschichte verpasst. Im April 2026 berichtete Bloomberg von einer Zahl, die viele zwei Mal lesen mussten. Die New Yorker Firma Jane Street hat 2025 einen Handelsumsatz von 39,6 Milliarden Dollar erzielt und damit JPMorgan Chase überholt. Mit nur rund 3.500 Mitarbeitern. JPMorgan beschäftigt zum Vergleich über 316.000 Menschen.

Wie schafft man das? Mit Tausenden GPUs, also denselben Hochleistungschips, auf denen auch ChatGPT läuft. Mit eigenen Modellen, eigenen Datenleitungen und einer Philosophie, die Jane Street auf der eigenen Webseite ohne Umschweife formuliert: Deep Learning sei die Zukunft des quantitativen Handels. Während Banken Konferenzen abhalten und Strategiepapiere schreiben, baut Jane Street still und unsichtbar die effizienteste Trading-Maschine der Welt. In Großbritannien gibt es mit XTX Markets eine vergleichbare Geschichte, mit über 25.000 GPUs, eigenen Rechenzentren in Finnland und einem Gründer, von dem die meisten Menschen noch nie gehört haben, obwohl er elf Milliarden Dollar Vermögen besitzt.

Wenn ein Hedgefonds eine KI-Sensation gebiert

An dieser Stelle wird es richtig kurios und für viele auch ein Aha-Moment. DeepSeek, das chinesische KI-Modell, das im Januar 2025 für einen weltweiten Tech-Crash gesorgt hat, ist die Tochter eines Hedgefonds. Liang Wenfeng, der Gründer von DeepSeek, hat seine ersten KI-Modelle aus dem Forschungsbudget seines Quant-Fonds High-Flyer finanziert. Bereits 2021, lange bevor die USA Chip-Exporte nach China eingeschränkt haben, hat er heimlich Tausende Nvidia-Chips gekauft. Aus einer Nebenbeschäftigung ist eines der wichtigsten KI-Labors der Welt geworden.

Und der Hedgefonds dahinter? Hat 2025 eine Rendite von 56,6 Prozent eingefahren und damit geschätzte 700 Millionen Dollar Umsatz produziert. Sein chinesischer Konkurrent Ningbo Lingjun kam sogar auf 73,5 Prozent. Im Schnitt haben chinesische Quant-Fonds 2025 rund 30,5 Prozent erzielt, mehr als doppelt so viel wie ihre globalen Konkurrenten. Die spannende Erkenntnis: KI an der Börse ist nicht nur eine Geldmaschine, sondern finanziert mittlerweile die nächste Generation der KI-Forschung gleich mit.

Wenn die Maschine die Schlagzeilen liest

Erstaunlich ist, dass auch ein einfacher ChatGPT-Zugang inzwischen messbare Vorhersagen erlaubt. Eine vielzitierte Studie der University of Florida von Alejandro Lopez-Lira und Yuehua Tang hat genau das untersucht. GPT-4 erreicht eine Trefferquote von rund 90 Prozent, wenn es die initiale Marktreaktion auf eine Nachricht vorhersagen soll. Lässt man das Modell Schlagzeilen lesen und einordnen, ob sie für eine Aktie gut oder schlecht sind, schlägt es traditionelle Analyse-Werkzeuge deutlich. Und das, ohne jemals explizit für Finanzen trainiert worden zu sein. Diese Fähigkeit, die im Fachjargon emergente Eigenschaft genannt wird, taucht erst in großen Modellen auf. Kleinere Vorgänger scheitern komplett.

Genau dieselbe Studie zeigt aber auch den Haken. Je mehr Marktteilnehmer GPT-Modelle nutzen, desto schneller verschwindet der Vorteil wieder. Im Fachjargon nennt man das Alpha Decay, also den Zerfall des Vorsprungs. Sobald eine Strategie bekannt wird, verarbeiten genug Akteure dieselben Informationen gleichzeitig, und der Markt preist alles ein. Das ist die unbequeme Pointe der KI an der Börse: Je besser die Werkzeuge werden, desto schwieriger wird es, mit ihnen Geld zu verdienen. Die Maschine ist also kein Zaubertrank, sondern ein Wettrüsten.

Wenn Bots heimlich Kartelle bilden

Die wohl beunruhigendste Studie des vergangenen Jahres kommt aus Wharton. Die Forscher Winston Dou, Itay Goldstein und Yan Ji haben simulierte Märkte mit autonomen KI-Bots bevölkert, denen sie das Handeln per Reinforcement Learning beigebracht haben. Reinforcement Learning ist die Methode, mit der auch AlphaGo gelernt hat, das Brettspiel Go zu meistern. Belohnung gibt es für gute Trades, Bestrafung für schlechte. Das Ergebnis war so unerwartet, dass es die US-Aufsichtsbehörden bereits beschäftigt. Die Bots haben ohne jede Kommunikation untereinander, ohne gemeinsamen Speicher und ohne dass es ihnen jemand beigebracht hätte, begonnen, Preise zu manipulieren wie ein abgestimmtes Kartell.

Goldstein nennt das Phänomen Artificial Stupidity, also künstliche Dummheit. Sobald ein Bot eine ausreichend gute Rendite erreicht, hört er auf zu lernen und friert ein. Wenn alle Bots gleichzeitig auf einer Strategie einfrieren, sieht das Ergebnis aus wie eine geheime Absprache. Das Problem für die Justiz ist offensichtlich: Kartellrecht braucht den Nachweis von Absicht und Kommunikation. Beides fehlt bei Algorithmen. Eine der großen regulatorischen Fragen der nächsten Jahre wird sein, was eine Maschine eigentlich darf, wenn sie unbeabsichtigt das tut, was Menschen verboten ist.

Linz, Hagenberg und ein Modell namens TiRex

An dieser Stelle lohnt sich ein Blick nach Österreich, weil hier eine Geschichte stattfindet, die in der internationalen Berichterstattung untergeht. Sepp Hochreiter, der österreichische KI-Pionier, der in den frühen 90er-Jahren die LSTM-Architektur erfunden hat, also den Vorläufer all jener Modelle, die später Google Translate und Siri ermöglichten, hat in Linz das Unternehmen NXAI gegründet. Im Mai 2025 hat NXAI ein Zeitreihen-Modell namens TiRex veröffentlicht. Mit nur 35 Millionen Parametern, also einem Bruchteil dessen, was OpenAI oder Google verwenden, schlägt TiRex die größten amerikanischen Modelle in globalen Benchmarks. Genau diese Art von Modell ist es, das Hedgefonds nutzen, um Trends in Daten frühzeitig zu erkennen, von Energieverbrauch bis Aktienkurs. Hochreiter selbst spricht von einem Qualitätssprung gegenüber allen Konkurrenten.

Die Botschaft ist wichtig. Während die größten Quant-Fonds der Welt mit zehntausenden Chips arbeiten, baut Oberösterreich kleine, spezialisierte Modelle, die im richtigen Bereich besser sind als die amerikanischen Giganten. Das ist der Hebel, an dem Europa drehen kann, wenn es bei der KI-Revolution nicht endgültig den Anschluss verlieren will.

Die Welle der Privatanleger

Inzwischen ist die Welle auch bei den Kleinanlegern angekommen, mit beachtlicher Wucht. Eine aktuelle Umfrage von Investing.com zeigt, dass im März 2026 bereits 62 Prozent der amerikanischen Privatanleger KI für ihre Investmententscheidungen einsetzen. 65 Prozent geben an, dass sich ihre Performance dadurch verbessert hat. Über die Hälfte nutzt schlicht ChatGPT für ihre Recherche. Werkzeuge, die noch vor wenigen Jahren ausschließlich Hedgefonds-Analysten zur Verfügung standen, hat heute jeder Pensionist mit einem Smartphone in der Hosentasche. Die Eintrittsbarriere für ernsthaftes Investieren ist eingestürzt.

Doch genau hier gibt es eine paradoxe statistische Wahrheit. Während sich Privatanleger besser fühlen, zeigen die SPIVA-Reports von S&P Global seit Jahren dasselbe Muster. Über zehn Jahre hinweg schaffen es 80 bis 90 Prozent aller aktiv gemanagten Fonds nicht, ihren Vergleichsindex zu schlagen. Beides kann gleichzeitig wahr sein, weil sich Privatanleger nicht mit dem S&P 500 vergleichen, sondern mit ihrer eigenen früheren Naivität. KI macht den Durchschnittsanleger besser. Sie macht ihn nicht zum Profi.

Die andere Seite des KI-Booms

Mit der Demokratisierung kommt auch eine dunkle Seite, die offen angesprochen werden muss. Anlagebetrug erlebt durch KI eine Renaissance, die niemand wollte. Die kanadische Anti-Fraud-Behörde meldet einen drastischen Anstieg der durch Deepfakes verursachten Schäden, gefälschte Videos von Politikern, gefälschte Stimmen von Bankberatern, täuschend echte Trading-Plattformen mit erfundenen Renditezahlen. Hinzu kommt das Halluzinationsproblem. ChatGPT erfindet bei Finanzfragen mit beeindruckender Selbstsicherheit Geschäftszahlen, Zitate aus Geschäftsberichten und ganze Bilanzkennzahlen. Eine Studie aus 2024 hat zudem gezeigt, dass auch GPT-4 die typischen Fehler menschlicher Anleger reproduziert, etwa eine Überextrapolation aus jüngsten Renditen und einen systematischen Optimismusbias. Die KI ist damit ein Spiegel, kein Orakel.

Was das alles bedeutet

Die Frage, ob man mit KI an der Börse Geld verdienen kann, hat damit eine erstaunliche Antwort. Ja, man kann. Aber das eigentliche Spiel ist nicht das Wettrennen mit ChatGPT um die nächste Aktienempfehlung. Das eigentliche Spiel ist eine technologische Verschiebung, die das gesamte Finanzsystem gerade umbaut. Renaissance, Jane Street, XTX, High-Flyer und Bridgewater haben verstanden, was die meisten Anleger noch übersehen. Wer Daten besitzt, Rechenleistung kontrolliert und Algorithmen baut, hält die Hand auf der Geldmaschine.

Für den einzelnen Anleger bleibt die nüchterne Wahrheit, dass Indexfonds nach allen verfügbaren Daten weiter die statistisch klügste Wahl sind, ganz gleich wie überzeugend das nächste KI-Tool klingt.