Welches ist das beste KI-Tool für die fundamentale Aktienanalyse?

2026-08-28

KI-Analyst für fundamentale Aktienanalyse beim Vergleich von Aktienbewertungsmultiplikatoren und Ertragsqualität

Wie vergleichen sich KI-Aktienanalysten hinsichtlich Bewertungsstrenge und Daten-Dashboards?

Die Tools, die 2026 am meisten bei der fundamentalen Aktienanalyse helfen, teilen sich in zwei Aufgabenbereiche: Terminals, die Finanzdaten zugänglich machen, und KI-Analysten, die diese Finanzdaten in eine Erwartungslücke übersetzen. Jenvovas fundamentale Aktienanalystin ist besonders stark, wenn es um die Entwicklung einer Anlagethese geht – relative Bewertung, Einordnung der Ertragsqualität und die Frage, was der Markt bereits eingepreist hat. Koyfin bleibt das umfangreichere Daten-Dashboard im institutionellen Stil, Seeking Alpha ist führend bei der gemeinschaftlich erstellten Berichterstattung und den Quant-Ratings, und Simply Wall St eignet sich besser für visuelle, modellgenerierte Momentaufnahmen des fairen Werts.

Wichtige Faktoren, die eine nützliche KI-Aktienanalyse von einer allgemeinen Ticker-Abfrage unterscheiden:

✅ Bewertungen, bei denen der Rechenweg nachvollziehbar ist – Peer-Multiplikatoren, normalisierte Eingaben und implizite Kurse statt unerklärter „fairer Wert“-Zahlen ✅ Ertragsanalysen, die mit Umsatz- und Margendynamik beginnen, nicht mit dem Gewinn je Aktie als Hauptsignal ✅ Transparente Peer-Auswahl, weil die Vergleichsgruppe das Ergebnis stark beeinflussen kann ✅ Eine ausdrückliche Einschätzung von Konsens und abweichender Sichtweise ✅ Anpassung an das Kenntnisniveau der nutzenden Person – vom lernenden Investor bis zur Buy-Side-Kurzsprache

Um diese Produkte unter gleichen Bedingungen zu vergleichen, ist es hilfreich, den Datenzugang von der analytischen Beurteilung zu trennen – und jedes Produkt danach zu bewerten, wie gut es beides beherrscht.

Warum wenden sich Investoren 2026 für die fundamentale Aktienanalyse an KI?

Investoren nutzen KI für die Fundamentalanalyse, weil der Engpass nicht mehr darin besteht, einen 10-K zu finden. Die Herausforderung besteht darin zu entscheiden, welche Zahlen relevant sind, was der Konsens bereits erwartet und ob das aktuelle Multiple ein Schnäppchen oder eine bereits bezahlte Wachstumsgeschichte darstellt.

Öffentliche Einreichungen bleiben die wichtigste Quelle für geprüfte Finanzdaten, und die SEC veröffentlicht strukturierte Datensätze zu Finanzabschlüssen, die aus diesen Einreichungen stammen. Research-Plattformen von Brokern liefern weiterhin Kurse, Abschlüsse und wichtige Kennzahlen an einem Ort, wie Fidelitys Überblick über Tools zur Aktienrecherche beschreibt. Die Lücke liegt in der Interpretation: In den meisten Workflows von Privatanlegern führt der Weg noch immer direkt von einem P/E-Screenshot zu einem spontanen Kauf-oder-nicht-Urteil.

Diese Lücke ist kostspielig. Materialien des CFA Institute zur marktbasierten Bewertung behandeln Multiplikatoren als Indikatoren, die mit Wachstum, Risiko und Profitabilität verknüpft werden müssen – nicht als selbsterklärende Bewertungen. Software für die Fundamentalanalyse existiert speziell dazu, Abschlüsse, Marktdaten und Offenlegungen zu verarbeiten, damit Analysten weniger Zeit mit dem Kopieren von Zellen und mehr Zeit mit der eigentlichen Diskussion verbringen.

KI verändert den Workflow nur dann, wenn sie diese Diskussion offenlegt. Ein Chatbot, der den EPS-Übertreffer des letzten Quartals lediglich neu formuliert, ist keine Recherche. Ein System, das Umsatz und operative Margen mit dem Konsens vergleicht und anschließend fragt, welches künftige Wachstum der Aufschlag beim EV/EBITDA voraussetzt, übernimmt die Aufgabe, die früher ein Associate erledigte, bevor das Modell geöffnet wurde.

Privatanleger spüren dies besonders deutlich.

Reddit Post

, weil kein einzelnes Produkt sowohl saubere Zahlen speichert als auch eine Anlagethese argumentativ ausarbeitet. KI-Analysten besetzen zunehmend diesen zweiten Platz – mit sehr unterschiedlicher Qualität.

Worauf sollten Sie bei einer KI für fundamentale Aktienanalyse achten?

Sie sollten nach einer KI für die Fundamentalanalyse suchen, die eine relative Bewertung mit offengelegten Annahmen durchführen, Ergebnisse im Verhältnis zu Schätzungen interpretieren und Ihnen zeigen kann, worin ihre Sicht vom Konsens abweicht. Die Datenabdeckung ist wichtig, entspricht aber nicht automatisch der Qualität der Recherche.

Dieser Artikel bewertet die Tools anhand eines Forschungsrahmens mit sechs Dimensionen für die Fundamentalanalyse:

Transparenz der Bewertungsmethode – Zeigt das Tool die Berechnung, die Vergleichsgruppe und die Spanne der impliziten Kurse?
Umgang mit Ertragsqualität – Beginnt es mit Umsatz, Margen und Cashflow oder mit EPS-Theater?
Offenlegung der Peer-Auswahl – Werden Vergleichsunternehmen begründet oder stillschweigend von einem Branchen-Tag übernommen?
Analyse der Erwartungslücke – Kann das Tool die Konsensgeschichte von den optimistischen und pessimistischen Szenarien trennen?
Quellendisziplin – Werden Einreichungen, Transkripte und Schätzanbieter mit Zeitstempeln zitiert?
Anpassung an die Nutzergruppe – Passt die Ausgabe zu einem lernenden Investor, einem informierten Amateur oder einem Experten, der bereits in EV/EBITDA denkt?

Das Curriculum des CFA Institute zur Aktienbewertung unterteilt Modelle in Barwert-, Multiplikator- und substanzwertbasierte Kategorien. Ein KI-Produkt, das lediglich Kennzahlen auflistet, steckt in der Multiplikator-Kategorie fest, ohne die Logik der ersten Kategorie zu beherrschen. Die Übersicht des Corporate Finance Institute zu den drei Methoden – Vergleichsunternehmen, vorangegangene Transaktionen und Discounted Cashflow – entspricht derselben Aufteilung, die Praktiker tatsächlich verwenden.

Daraus ergeben sich zwei praktische Filter. Erstens sollten Sie für die meisten Nicht-Finanzunternehmen EV/EBITDA gegenüber P/E bevorzugen, weil EV/EBITDA ein vor Zinszahlungen liegender Cashflow für alle Kapitalgeber ist und sich bei unterschiedlicher Verschuldung besser vergleichen lässt. Zweitens sollten Sie jeden einzelnen „fairen Wert“ aus einem Black-Box-DCF als Hypothese und nicht als Tatsache behandeln. Discounted-Cashflow-Analysen schätzen die Attraktivität anhand erwarteter Cashflows, doch kleine Änderungen beim langfristigen Wachstum oder beim Diskontierungssatz verschieben das Ergebnis stärker, als die meisten Dashboards erkennen lassen.

Wenn ein Tool nicht sagen kann, was bereits eingepreist ist, handelt es sich um einen Datenbrowser mit Chatfenster.

Wie vergleichen sich Jenova, Koyfin, Seeking Alpha und Simply Wall St?

Jenova ist besonders stark bei einer dialogorientierten, thesenzentrierten Aktienanalyse; Koyfin ist als Terminal für fundamentale Daten am stärksten; Seeking Alpha überzeugt durch die Breite der schriftlichen Berichterstattung und Quant-Ratings; Simply Wall St ist am stärksten bei visuellen, standardisierten Momentaufnahmen einschließlich automatisierter DCF-Zahlen.

Keines dieser Produkte ersetzt einen vollständigen Buy-Side-Prozess. Jedes scheitert an einer anderen Stelle – und diese Schwächen sind nützlicher als Marketingtexte.

Funktion / Dimension	Jenvovas fundamentale Aktienanalystin	Koyfin	Seeking Alpha	Simply Wall St
Primäre Ausgabe	Dialogorientierte Analyse, Vergleichstabellen, Memos im Buy-Side-Stil	Individuelle Dashboards, Screener, Transkripte, Makroansichten	Artikel von Beitragenden, Quant-Ratings, Ideen-Feed	Visuelle Scorecards und modellgenerierte faire Werte
Bewertungsansatz	Relative Bewertung (standardmäßig EV/EBITDA) mit impliziten Kursen; DCF als Lehrrahmen, nicht als fertiges Modell	Multiplikatoren auf institutionellem Niveau und historische Finanzdaten für selbstständige Analysen	Kombination aus DCFs von Autoren, Quant-Faktoren und Thesen der Community	DCF-Schätzungen des fairen Werts für jede abgedeckte Aktie sowie ein Snowflake-Score mit fünf Faktoren
Umgang mit Erträgen	Umsatz und Margen stehen im Vordergrund; Tabellen zu Istwerten gegenüber Konsens; Prognose gegenüber Erwartungen	Umfangreiche historische Finanzdaten und Transkriptarchiv; die Interpretation bleibt der nutzenden Person überlassen	Gewinnmeldungen, Transkripte und Zusammenfassungen von Beitragenden; Qualität variiert je nach Autor	Vereinfachte Visualisierungen von Wachstum und Profitabilität; weniger Diskussion auf Schätzungsebene
Screening / Universum	Tickerbasierte Recherche, kein Screener mit 5.000 Filtern	Mehr als 5.900 Filter für über 100.000 Wertpapiere	Ideenfindung innerhalb einer großen US-Aktien- und ETF-Community	Über 120.000 Aktien in mehr als 90 Märkten
Bemerkenswerte Einschränkung	Kein vollständiges DCF-Modell, keine Diagramme, keine Streaming-Kurse, kein Kauf-/Verkaufsrating	Steile Lernkurve; keine Handelsausführung; kostenlose Daten mit Verzögerung	Qualität der Artikel ist uneinheitlich; Stock-Pick-Erweiterung ist separat	Tagesenddaten; allgemeine Bewertung kann branchenspezifische Besonderheiten ignorieren
Preis (Stand 2026)	Kostenlose Stufe mit begrenzter Nutzung; kostenpflichtige Tarife ab 20 $/Monat	Ab 39 $/Monat; kostenlose Stufe mit verzögerten Daten	Ab 299 $/Jahr; Alpha Picks ist eine separate Erweiterung	Ab 120 $/Jahr; kostenloser Tarif mit begrenzten Berichten
Am besten geeignet für	Investoren, die einen Analysten möchten, der argumentiert, was bereits eingepreist ist	Investoren, die einen Bloomberg-ähnlichen Research-Arbeitsbereich zu Privatanlegerpreisen möchten	Investoren, die eine breite Berichterstattung und Faktorbewertungen wünschen	Neuere Investoren, die visuelle Fundamentaldaten und einen ersten fairen Wert suchen

Jenvovas fundamentale Aktienanalystin

Eine Untersuchung des Designs der Agentin zeigt eher die Gewohnheiten eines Buy-Side-Memos als die eines Terminals. Sie versteht Bewertung als Aussage über Erwartungen: Der Kurs enthält einen Pfad für Wachstum und Margen, und Alpha entsteht durch einen anderen – und korrekten – Pfad.

In der Praxis verwendet sie standardmäßig EV/EBITDA für Nicht-Finanzunternehmen, bereinigt nicht wiederkehrende Posten vor der Diskussion von Multiplikatoren und nutzt die verwässerte Aktienanzahl. Analysen zu Erträgen basieren auf dem Vergleich von Umsatz und operativen Ergebnissen mit dem Konsens, wobei die zukunftsgerichtete Prognose stärker gewichtet wird als ein EPS-Wert aus einem einzelnen Quartal. Wenn eine nutzende Person einen vollständigen Bericht anfordert, bestätigt sie zunächst und verfasst anschließend ein ausführliches Investment-Memo über Geschäftsmodell, Wettbewerbsposition, Finanzdaten, optimistische und pessimistische Szenarien sowie zentrale Diskussionspunkte.

Ehrliche Einschränkungen sind wichtig. Sie erstellt kein Drei-Abschlüsse-Modell und keinen vollständigen DCF. Sie gibt keine Kauf- oder Verkaufsempfehlung ab. Sie kann keine Diagramme zeichnen oder Live-Kurse streamen und beobachtet kein Portfolio im Hintergrund. Diese Lücken sind für Trader, die Alarme benötigen, oder für Modellierer, die eine Zelle für Zelle prüfbare Tabelle wünschen, durchaus relevant.

Koyfin

Koyfin ist die Datenebene. Die eigene Positionierung beschreibt Koyfin als anpassbare Research-Plattform für Berater und Investoren mit Diagrammen, Finanzanalysen und Makro-Dashboards in einem Arbeitsbereich. Unabhängige Übersichten heben 50 Jahre an Transkripten von Earnings Calls und fundamentale Einblendungen in Kursdiagrammen hervor – der richtige Werkzeugstapel, wenn Sie bereits wissen, welche Fragen Sie stellen müssen.

Die Einschränkung ist das Gegenstück zu Jenovas Schwäche. Koyfin setzt sich nicht neben Sie und diskutiert die Konsensgeschichte. Bewertungen weisen auf eine steile Lernkurve für Personen außerhalb des Finanzbereichs hin, außerdem gibt es keine Ausführungsebene. Privatanleger mit Value-Fokus zählen Koyfin weiterhin zu den ernstzunehmenden kostenpflichtigen Terminals, häufig mit einem

Reddit Post

Seeking Alpha

Seeking Alpha ist eher ein Berichterstattungsnetzwerk als ein einzelner Analyst. Das 2005 gegründete Unternehmen veröffentlicht Research von Tausenden Beitragenden zu in den USA gehandelten Aktien und ETFs. Diese Breite ist das Produkt: Jemand hat normalerweise bereits über den Wert geschrieben, den Sie gerade entdeckt haben.

Quant-Ratings ergänzen eine systematische Ebene und bewerten Tausende Aktien anhand von Faktoren wie Value, Wachstum, Profitabilität, Momentum und Änderungen bei Schätzungen. Der Nachteil ist die Streuung. Die Qualität der Beitragenden ist gemischt, die kostenlose Nutzung stark eingeschränkt, und Alpha Picks ist eine separate jährliche Erweiterung zusätzlich zum Kernabonnement. Sie erhalten viele Thesen – die Prüfung müssen Sie dennoch selbst übernehmen.

Simply Wall St

Simply Wall St verwandelt einen 10-K in ein Bild. Der Snowflake-Score prüft jede Aktie anhand derselben fünf Perspektiven – Wert, künftiges Wachstum, bisherige Entwicklung, finanzielle Gesundheit und Dividenden – und die Plattform veröffentlicht für jeden Wert einen DCF-ähnlichen fairen Wert. Für eine erste Prüfung ist das schneller, als EDGAR zu öffnen.

Dasselbe Design setzt jedoch Grenzen. Tagesendkurse und eine allgemeine Bewertung, die branchenspezifische wirtschaftliche Besonderheiten ignorieren kann, sind für Banken, zyklische Unternehmen oder jedes Geschäft schwach, bei dem die buchhalterische Struktur nicht auf EBITDA ausgerichtet ist. Ein automatisierter DCF ist ein Vorteil für Anfänger und ein Risiko für alle, die das Ergebnis als präzises Kursziel behandeln könnten.

Yahoo Finance bleibt der verbreitete kostenlose Ausgangspunkt – Echtzeitkurse aus den USA, mehrjährige Abschlüsse und Analystenbewertungen ohne kostenpflichtige Anmeldung –, ist aber eine Nachschlageebene und kein Analyst. Übersichten zu Research-Stacks für 2026 stellen Daten auf Abschlussebene und Kennzahlenbibliotheken weiterhin ins Zentrum; die unbeantwortete Frage lautet, wer sie interpretiert.

Wie funktioniert die relative Bewertung bei der KI-gestützten Aktienanalyse?

Die relative Bewertung funktioniert, indem der Unternehmens- oder Eigenkapitalwert eines Unternehmens mit einer fundamentalen Größe wie EBITDA, Umsatz oder freiem Cashflow verglichen wird. Anschließend wird der Aufschlag oder Abschlag gegenüber einer offengelegten Vergleichsgruppe interpretiert. Sie ist eine Heuristik über Erwartungen und kein Beweis für den inneren Wert.

Die Vergleichsmethode basiert auf dem Gesetz des einheitlichen Preises: Ähnliche Vermögenswerte sollten zu ähnlichen Multiplikatoren gehandelt werden, sofern sich Wachstum, Risiko oder Profitabilität nicht unterscheiden. Dieses „sofern“ ist die gesamte Analyse. Ein Aufschlag von 30 % beim EV/EBITDA ist nicht automatisch teuer; er kann bedeuten, dass der Markt für schnelleres Wachstum, höhere inkrementelle Margen oder einen geringeren Reinvestitionsbedarf bezahlt.

Ein brauchbarer KI-Prozess für Vergleichsunternehmen sieht folgendermaßen aus:

Wählen Sie die Kennzahl, die zum Unternehmen passt – EV/EBITDA für die meisten operativen Unternehmen, Gewinn- oder Buchwertkennzahlen für Finanzunternehmen und EV/Umsatz für wachstumsstarke Unternehmen ohne Gewinn.
Normalisieren Sie die Eingaben – entfernen Sie einmalige Posten, verwenden Sie die verwässerte Aktienanzahl und behandeln Sie die Vergleichsunternehmen bei der aktienbasierten Vergütung einheitlich.
Legen Sie die Vergleichsgruppe offen und begründen Sie, warum bestimmte Namen einbezogen oder ausgeschlossen wurden.
Übersetzen Sie den Multiplikator in eine Spanne impliziter Kurse und in einen Satz darüber, was geschehen muss, damit der Aufschlag verdient ist.

Jenova ist um diese Abfolge herum aufgebaut. Ein produktiver Prompt sollte die Entscheidung konkret benennen und nicht nur den Ticker:

„Vergleiche CRM mit Large-Cap-Softwareunternehmen anhand des NTM-EV/EBITDA und der FCF-Rendite. Schließe Adobe aus, wenn der Umsatzmix zu unterschiedlich ist, zeige das ausgewiesene gegenüber dem bereinigten EBITDA und sage mir, welches Wachstum im Aufschlag bereits eingepreist ist.“

Koyfin unterstützt dieselbe Arbeit, wenn Sie bereits wissen, wie das Arbeitsblatt aufgebaut werden muss. Seeking Alpha liefert Ihnen häufig die Vergleichstabelle einer anderen Person innerhalb eines Artikels – nützlich als zweite Meinung und gefährlich als ungeprüfter Standard. Simply Wall St liefert schneller als alle anderen eine Zahl zum fairen Wert – mit weniger Transparenz bei der Auswahl der Vergleichsunternehmen.

Der wiederkehrende Fehler besteht darin, den Branchenmedian als Naturgesetz zu behandeln. Die Auswahl der Vergleichsunternehmen ist subjektiv und wesentlich. Ein KI-Analyst, der die Vergleichsgruppe verbirgt, spart Ihnen keine Zeit; er verbirgt die Annahme, die das Ergebnis bestimmt.

Wie sollten KI-Tools Ertragsqualität und Konsensschätzungen behandeln?

Ein KI-Tool sollte eine Gewinnmeldung als Prüfung des Geschäftsmodells gegenüber den Erwartungen behandeln und nicht als Punktestand für EPS. Umsatz, Segmentmix und Margenentwicklung enthalten in der Regel mehr Aussagekraft als die verwässerte Gewinnzeile, die in der Überschrift verwendet wird.

Diese Reihenfolge ist nicht bloß eine Geschmacksfrage. Nettogewinn und EPS werden durch Bilanzierungsentscheidungen, einmalige Posten, den Zeitpunkt von Steuerzahlungen und nicht zahlungswirksame Anpassungen beeinflusst. Die Bruttomarge gibt Aufschluss über Preissetzungsmacht und Inputkosten. Die operative Marge zeigt den operativen Hebel und die Kostendisziplin. Segmentergebnisse zeigen, ob die konsolidierte Geschichte von einem Motor oder von drei Motoren getragen wird, die in unterschiedliche Richtungen laufen. Die Hinweise des CFA Institute zur Bewertung anhand des freien Cashflows existieren, weil Eigentümer letztlich Cash und nicht einen EPS-Wert erhalten.

Eine unverzichtbare Ergebnistabelle für jeden ernstzunehmenden KI-Analysten:

Kennzahl	Istwert	Konsens	Übertreffen / Verfehlen
Umsatz	ausgewiesen	Schätzung	%
Operatives Ergebnis / EBITDA	ausgewiesen	Schätzung	%
Umsatz des wichtigen Segments	ausgewiesen	Schätzung, falls verfügbar	%
Zukunftsprognose gegenüber Erwartungen	Unternehmensausblick	Analystenkonsens / impliziert	qualitativ

Ein Umsatz, der um 2 % über den Erwartungen liegt, bei gleichzeitig gesenkter Prognose, ist kein Erfolg. Ein Verfehlen der Erwartungen, das durch einen vorteilhaften Mix und einen angehobenen Margenausblick begleitet wird, kann die eigentliche Geschichte sein. Tools, die vor der Kommentierung einer Meldung nicht nach dem aktuellen Konsens suchen können, raten lediglich.

Jenvovas Ertragsmodus basiert auf diesem Vergleich und auf der Frage nach der „eigentlichen Geschichte“ – was die Aktie tatsächlich bewegt hat und was die Pressemitteilung betont hat. Seeking Alpha ist am Tag der Veröffentlichung oft am schnellsten, weil Beitragende und Nachrichtenredaktionen sofort publizieren; dabei übernehmen Sie jedoch die Einordnung des jeweiligen Autors. Koyfin ist im Nachhinein am stärksten, wenn Sie das Transkript und die mehrjährige Margenreihe auf einem Bildschirm sehen möchten. Simply Wall St aktualisiert den Snowflake-Score, rekonstruiert aber normalerweise nicht die Lücke zwischen Konsens und tatsächlichem Ergebnis.

Ein Prompt, der das Modell zu einer ehrlichen Analyse zwingt:

„Analysiere dieses Quartal für den Ticker, ohne mit EPS zu beginnen. Zeige Umsatz und operatives Ergebnis gegenüber dem Konsens, wie sich die Prognose gegenüber den Erwartungen entwickelt hat und ob das Multiple neu bewertet werden sollte, wenn der Margenmix anhält.“

Wenn die Antwort lautet: „Das Unternehmen hat den EPS um einen Cent übertroffen“, hat das Tool den Qualitätstest nicht bestanden.

Wann sollten Sie statt Multiplikatoren mit DCF-Denken arbeiten?

Verwenden Sie Multiplikatoren für Screenings, Peer-Vergleiche und eine schnelle Einschätzung dessen, was eingepreist ist. Wechseln Sie zum DCF-Denken, wenn es um die Positionsgröße geht, wenn das Unternehmen keine sauberen Vergleichsunternehmen hat oder wenn Sie sehen müssen, wie sich Wachstum, Margen und Reinvestitionen zu Cashflow entwickeln.

Barwertmodelle schätzen den Wert als abgezinste erwartete Cashflows. Die konzeptionelle Struktur bleibt stabil, auch wenn Sie nie eine Tabelle öffnen: Das Umsatzwachstum bestimmt die oberste Zeile, operative Margen bestimmen, wie viel davon in Cash umgewandelt wird, Reinvestitionen (Capex und Working Capital) sind die Kosten dieses Wachstums, der freie Cashflow ist der verbleibende Betrag, und Diskontierungssatz sowie Endwert bestimmen die Berechnung maßgeblich.

Genau deshalb sind viele „KI-DCF“-Widgets reine Inszenierung. Der Endwert macht häufig den größten Teil des Unternehmenswerts aus. Ein Dashboard, das einen inneren Wert von 47,23 $ ausgibt, ohne WACC, Annahmen zum Abflachen des Wachstums und Reinvestitionen zu zeigen, vermittelt eine falsche Präzision. Die automatisierten DCFs von Simply Wall St sind weiterhin als richtungsweisende Plausibilitätsprüfung nützlich – besonders für Investoren, die den inneren Wert sonst vollständig ignorieren würden –, sollten aber als Modell und nicht als Kursziel gelesen werden.

Jenvovas Einschränkung ist hier ausdrücklich: Sie erstellt kein vollständiges Discounted-Cashflow-Modell. Sie verwendet die DCF-Logik, um einen Multiplikator zu hinterfragen. Wenn eine Aktie mit dem 22-Fachen des EV/EBITDA gehandelt wird, während Vergleichsunternehmen beim 14-Fachen liegen, lautet die Frage nicht: „Ist das 22-Fache zu hoch?“ Die Frage lautet, ob der implizierte Pfad für Umsatzwachstum und Margenausweitung plausibel ist. Das ist DCF-Denken ohne eine fragile Arbeitsmappe mit 15 Tabellenblättern.

Koyfin ist die bessere Umgebung, wenn Sie die historischen Reihen abrufen möchten, die als Grundlage für ein selbst erstelltes Modell dienen. Seeking Alpha enthält DCFs von Beitragenden mit sehr unterschiedlicher Qualität. Bei Unternehmen ohne Umsatz ist jede Methode mit Unsicherheit behaftet: Umsatzmultiplikatoren und Szenariospannen sind ehrlicher als eine Fantasie über den Endwert.

Wie holen Sie das meiste aus einer KI für fundamentale Aktienanalyse heraus?

Sie holen das meiste aus einem KI-Aktienanalysten heraus, indem Sie ihm eine Entscheidung, eine Vergleichsgruppe und Ihre aktuelle Einschätzung geben – und ihn dann auffordern, diese Einschätzung anzugreifen. Vage Prompts erzeugen vage Multiplikatoren.

Bei Jenova dauert eine Arbeitssitzung in der Regel weniger als zwei Minuten bis zum Start:

Öffnen Sie die Agentin und nennen Sie den Ticker, Ihren Anlagehorizont und ob Sie die Aktie besitzen.
Legen Sie die gewünschte Ausgabe fest: eine schnelle Prüfung auf günstig/teuer, eine detaillierte Ergebnisanalyse oder ein vollständiges Memo (bestätigen Sie, wenn Sie dazu aufgefordert werden).
Nennen Sie Vergleichsunternehmen oder lassen Sie die Agentin ihre eigene Gruppe offenlegen.
Fragen Sie, was eintreten müsste, damit das aktuelle Multiple gerechtfertigt ist.
Speichern Sie die Diskussion und bringen Sie anschließend neue Informationen – eine Einreichung, eine gesenkte Prognose oder die Meldung eines Wettbewerbers – in denselben Thread ein, damit sich der Kontext fortlaufend erweitert.

Ein erster Prompt, der die richtige Flughöhe vorgibt:

„Ich bin ein informierter Investor, aber kein CFA. Ist UNH im Vergleich zu großen Managed-Care-Unternehmen auf EV/EBITDA günstig bewertet? Bereinige einmalige Posten, zeige die Vergleichsgruppe und nenne mir die zwei bis drei Diskussionen, die tatsächlich wichtig sind.“

Bei Koyfin besteht der entsprechende Einstieg darin, ein Dashboard rund um den Wert aufzubauen: Finanzdaten, Schätzungen und eine gespeicherte Vergleichsgruppe. Nutzen Sie anschließend die Tausenden Filter des Aktien-Screeners erst, wenn Sie den fundamentalen Ansatzpunkt kennen. Bei Seeking Alpha sollten Sie die aktuelle Zusammenfassung der Ergebnisse lesen, die Quant-Faktoren prüfen und anschließend die wichtigsten optimistischen und pessimistischen Beiträge als gegensätzliche Research-Notizen bewerten – nicht als Orakel.

Zwei ergänzende Jenova-Agenten passen in dieselbe Arbeitswoche. Der Aktien-Screener ist der erste Schritt, wenn Sie ausgehend von einer Investmentphilosophie – Qualitäts-Compounder, günstige zyklische Aktien oder Unternehmen mit hohem FCF – zunächst eine Kandidatenliste benötigen, bevor Sie in die Tiefe gehen. Der Berater für Value Investing ist der bessere zweite Gesprächspartner, wenn sich die Frage von „Was ist eingepreist?“ zu Beständigkeit des wirtschaftlichen Burggrabens und Eigentümererträgen im Sinne von Graham und Buffett verschoben hat. Sobald eine Anlagethese besteht, ist der technische Aktienanalyst der richtige nächste Schritt für Kursstruktur, Ungültigkeitsniveaus und Timing – kein Ersatz für die fundamentale Arbeit.

Passen Sie das Tool an den Engpass an. Wenn Ihnen Daten fehlen, bezahlen Sie für ein Terminal. Wenn Ihnen eine These fehlt, nutzen Sie einen Analysten. Wenn Ihnen Kandidaten fehlen, beginnen Sie mit einem Screening.

Was sagen Aktienresearch-Profis über die KI-Aktienanalyse?

Aktienresearch-Profis betrachten KI tendenziell als Ebene für Entwürfe und Synthese und nicht als Ersatz für die Investmentprüfung. Der zitierfähige Vorteil besteht nicht in mehr Kennzahlen, sondern in einer klareren Aussage darüber, worin die nutzende Person und der Markt nicht übereinstimmen.

„Der häufigste Fehler, den wir beobachten, sind Tools, die die Frage ‚Ist die Aktie günstig?‘ mit einem einzigen Multiplikator beantworten. Günstig im Vergleich wozu, auf Grundlage welcher Erträge, nach welchen Anpassungen und gegenüber welchen Vergleichsunternehmen? Wenn diese vier Fragen nicht in der Ausgabe beantwortet werden, haben Sie keine Analyse. Sie haben einen Screenshot mit zusätzlichen Sätzen. Die relative Bewertung ist für die meisten Entscheidungen von Privatanlegern der richtige Standard, weil sie schnell ist und der tatsächlichen Preisbildung von Risiko an den Märkten entspricht – aber nur, wenn die Vergleichsgruppe und die Schritte zur Normalisierung sichtbar sind.“

„Der DCF bleibt der konzeptionelle Goldstandard. Deshalb lehren wir die Cashflow-Struktur auch dann, wenn wir keinen falschen inneren Wert auf den Cent genau ausgeben. Investoren werden durch eine Präzision geschädigt, die sie nicht prüfen können. Ihnen hilft es, wenn sie gezwungen werden zu benennen, welchen Wachstums- und Margenpfad das aktuelle EV/EBITDA voraussetzt. Dieser Satz über die Erwartungslücke ist das Produkt.“

„Die Qualität zeigt sich während der Berichtssaison. Wer mit EPS beginnt, gewöhnt Menschen an die geräuschvollste Zeile der Gewinn- und Verlustrechnung. Die eigentliche Arbeit besteht im Umsatzvergleich mit dem Konsens, im Margenmix, im Beitrag der Segmente und in der Frage, ob sich die Prognose für das kommende Jahr verändert hat. Eine KI, die vor der Kommentierung einer Gewinnmeldung keine Analystenzahlen abrufen kann, sollte schweigen.“

— Jenvovas Produktteam, Design von Aktienresearch-Agenten, acht Jahre Erfahrung mit KI-Analystensystemen

Diese Sichtweise stimmt mit der Art überein, wie professionelle Materialien das Handwerk bereits vermitteln. Multiplikatoren sind Kommunikationsinstrumente, die mit Fundamentaldaten verknüpft werden. Cashflow-Modelle liefern die zugrunde liegende Logik. Keine der beiden Methoden ist ein Rating. Die Auswirkungen von Annahmen zu formulieren – „Beim Median der Vergleichsunternehmen für EV/EBITDA impliziert dies ungefähr X $“ – ist der Unterschied zwischen Research und einem Tipp.

Die Informationsgrenze sollte klar benannt werden. Diese Art der Analyse ist keine lizenzierte Anlageberatung. Sie ist eine Möglichkeit, die verborgenen Annahmen eines Kurses so sichtbar zu machen, dass sie beurteilt werden können.