KI in der Finanz- und Anlageberatung: Was Copilot, ChatGPT und Claude heute wirklich leisten.

Ein verbreiteter Fehler ist der Einstieg über das Tool. Ein Modell wird evaluiert, ein Pilotprojekt gestartet, und erst dann stellt sich heraus, dass Freigaben fehlen, Datenzugriffe ungeklärt sind und niemand weiß, wer für die Ergebnisse haftet. Was wie ein Effizienzgewinn aussah, wird zum Governance-Problem.

Der belastbare Einstieg funktioniert umgekehrt. Welche Prozesse sollen mit KI unterstützt werden, und warum? Welche Daten fließen dabei ein, unter welchen Bedingungen, und wer trägt die Verantwortung für das, was das System ausgibt? Erst wenn diese Fragen beantwortet sind, lässt sich sinnvoll entscheiden, welches Tool für welchen Anwendungsfall das richtige ist. Eine KI-Strategie im Finanzkontext ist kein IT-Dokument. Sie ist ein Governance-Dokument.

IOSCO benennt in diesem Zusammenhang Governance, Datenqualität, Bias, Transparenz, Monitoring und Outsourcing als zentrale Anforderungen. Keine regulatorischen Formalitäten, sondern die Struktur, ohne die KI im Beratungsumfeld nicht skalierbar ist.

Bevor ein KI-Tool in einem Finanzinstitut produktiv geht, stellt sich eine Frage, die in der Praxis häufig zu spät gestellt wird: Was passiert mit den Daten, die in das System eingegeben werden?

Im Beratungskontext sind das Mandantendaten, Portfolioinformationen, interne Analysen, vertragliche Unterlagen. Alles Daten, die unter regulatorischen Schutz fallen, häufig als Berufsgeheimnis klassifiziert sind und in vielen Jurisdiktionen strengen Anforderungen unterliegen. Wer diese Daten in ein externes Sprachmodell eingibt, ohne vorher geklärt zu haben, ob und wie sie verarbeitet, gespeichert oder für das Modelltraining verwendet werden, handelt nicht nur fahrlässig. Er riskiert regulatorische Konsequenzen.

Die drei großen Plattformen adressieren diesen Punkt unterschiedlich, aber alle mit klaren Einschränkungen. Microsoft erklärt, dass Copilot innerhalb der Microsoft-365-Servicegrenze operiert und nur auf Inhalte zugreift, für die der jeweilige Nutzer berechtigt ist. OpenAI erklärt für ChatGPT Enterprise, dass Unternehmensdaten standardmäßig nicht für das Training verwendet und verschlüsselt übertragen und gespeichert werden. Anthropic erklärt dasselbe für kommerzielle Claude-Produkte. Was alle drei Anbieter gemeinsam haben: Die Verantwortung für das, was eingegeben wird, liegt beim Nutzer, nicht beim Anbieter.

Datenschutz ist daher keine Frage, die die IT-Abteilung nach der Einführung klärt, sondern eine Voraussetzung, die vor dem ersten produktiven Einsatz beantwortet sein muss, juristisch, technisch und organisatorisch. Welche Datenklassen dürfen in das System, welche nicht, wie wird das sichergestellt und wer kontrolliert die Einhaltung? Ohne Antworten auf diese Fragen bleibt jeder KI-Einsatz im Finanzbereich ein offenes Risiko.

Eine Strategie auf dem Papier und ein juristisch abgezeichnetes Datenschutzkonzept sind notwendige Bedingungen, aber keine hinreichenden. Der entscheidende Schritt ist die Übersetzung in konkrete Abläufe: Wer gibt was in das System ein? Wer prüft den Output? Wer gibt frei, bevor ein Ergebnis nach außen geht? Wo endet die Verantwortung des Modells, und wo beginnt die des Beraters?

Gut funktionierende KI-Abläufe im Beratungsumfeld sind eng genug definiert, um Fehlerquellen zu begrenzen, dokumentiert genug, um revisionsfähig zu sein, und offen genug, um von erfahrenen Mitarbeitern überprüft und korrigiert zu werden. Ein Ablauf, der vorsieht, dass KI-generierte Ergebnisse ohne Fachkontrolle in Kundenkommunikation oder Anlageempfehlungen einfließen, ist kein effizienter Prozess. Er ist ein unkontrolliertes Risiko.

Die Grenze verläuft nicht im Tool, sondern im Prozess. Ein Marktkommentar, der intern mit KI-Unterstützung erarbeitet, dann fachlich geprüft und überarbeitet wird, bevor er nach außen geht, das ist ein sauberer Ablauf. Ein automatisch generierter Anlagevorschlag, der ungefiltert in ein Kundendokument fließt, ist keiner.

Microsoft Copilot ist dort relevant, wo Banken, Vermögensverwalter oder Family Offices bereits intensiv mit Outlook, Teams, Excel, Word und SharePoint arbeiten. Copilot greift auf arbeitsbezogene Quellen zu, Dateien, E-Mails, Chats und Meetings, und unterstützt direkt in den vertrauten Anwendungen. In Outlook priorisiert es Eingänge und entwirft Antworten, in Teams fasst es Besprechungen zusammen und arbeitet Aufgaben heraus, in Excel analysiert und visualisiert es Daten.

Für viele Institute ist der datenschutzrelevante Vorteil dabei entscheidend: Copilot operiert innerhalb der bestehenden Microsoft-365-Berechtigungsstruktur. Wer keinen Zugriff auf eine Datei hat, bekommt deren Inhalt auch über Copilot nicht angezeigt. Das macht die Integration in bestehende Sicherheitsarchitekturen vergleichsweise geradlinig, setzt aber voraus, dass die Berechtigungsstruktur selbst sauber definiert ist. Ein Institut, das Dateirechte intern nicht sauber verwaltet, exportiert dieses Problem direkt in den KI-Arbeitsfluss.

In der Praxis entfaltet Copilot seinen größten Nutzen in internen, prozessnahen Anwendungsfällen: Sitzungsunterlagen, KYC-Prozessen, Kreditmemos, internen Reports und Compliance-Dokumenten. Wer bereits tief im Microsoft-Ökosystem arbeitet, findet hier den direktesten Einstieg, vorausgesetzt, die Abläufe sind definiert, bevor das Tool ausgerollt wird.

ChatGPT ist besonders interessant, wenn Informationen aus verschiedenen Quellen zusammengeführt, ausgewertet und in eine belastbare Erstfassung überführt werden sollen. ChatGPT Enterprise bietet Admin-Kontrollen, eine Wissensbasis aus internen Quellen, Datenanalyse, Datei-Uploads und tiefgehende Recherchefunktionen. OpenAI erklärt, dass Unternehmensdaten standardmäßig nicht für das Training verwendet und verschlüsselt übertragen und gespeichert werden.

In der Praxis stellt sich dabei eine Frage, die häufig unterschätzt wird: Was darf überhaupt eingegeben werden? Für Marktkommentare, öffentliche Unternehmensdaten oder allgemeine Szenarioanalysen ist die Antwort oft einfach. Sobald mandantenbezogene Informationen ins Spiel kommen, Namen, Portfoliozusammensetzungen, steuerliche Sachverhalte, wird es komplizierter. Klare interne Regeln, welche Datenklassen in externe Modelle fließen dürfen und welche nicht, müssen Teil des Ablaufs sein, nicht der persönlichen Einschätzung jedes einzelnen Mitarbeiters.

Für Research-lastige Teams bleibt das Potenzial erheblich. Marktkommentare, Unternehmensanalysen, erste Szenariovergleiche, Entwürfe für Investment Committees, die strukturierte Aufbereitung von Quartalszahlen: das lässt sich mit ChatGPT deutlich schneller vorbereiten. Die Stärke liegt nicht in der endgültigen Empfehlung, sondern in einer hochwertigen Arbeitsversion, die anschließend fachlich geprüft und verfeinert wird. Das ist kein Nachteil, das ist der richtige Einsatzpunkt.

Claude ist vor allem dort attraktiv, wo umfangreiche Dokumente, komplexe Textbestände und sensible interne Informationen eine zentrale Rolle spielen. Claude Enterprise ermöglicht die sichere Anbindung an Unternehmenswissen; Kundendaten werden für kommerzielle Produkte standardmäßig nicht zum Training verwendet. Aktuelle Modelle arbeiten mit sehr großen Kontextfenstern, für bestimmte Modelle dokumentiert Anthropic bis zu einer Million Token, wobei Anthropic selbst darauf hinweist, dass mit wachsender Kontextgröße Genauigkeit und Abrufqualität sinken können.

Für dokumentenintensive Arbeitsabläufe liegt der Nutzen in der schnellen Strukturierung und Verdichtung großer Informationsmengen: Jahresabschlüsse, Due-Diligence-Unterlagen, Beteiligungsverträge, Stiftungs- und Trust-Dokumente, regulatorische Texte. Auch hier muss die Frage, welche Dokumente in das System dürfen, im Voraus beantwortet sein. Vertragliche Unterlagen mit Mandantenbezug, interne Bewertungsmodelle oder vertrauliche Due-Diligence-Materialien fallen in Kategorien, die einer eigenen Klassifizierung und Freigabe bedürfen, unabhängig davon, wie komfortabel das Kontextfenster ist. Auch ein großes Kontextfenster ersetzt weder die fachliche Prüfung noch die Datenschutzentscheidung.

Die belastbarsten Nachweise für den Nutzen generativer KI stammen aus Wissens- und Assistenzaufgaben. Ein NBER-Working-Paper von Brynjolfsson, Li und Raymond zeigte Produktivitätssteigerungen von durchschnittlich 14 Prozent bei Call-Center-Mitarbeitern. Eine Studie von Noy und Zhang (2023, Science) kam zu dem Ergebnis, dass ChatGPT die Bearbeitungszeit bei professionellen Schreib- und Wissensaufgaben um durchschnittlich 40 Prozent reduzierte und die Qualität der Ergebnisse um 18 Prozent verbesserte. Für beratungsnahe Tätigkeiten ist das unmittelbar relevant, weil ein großer Teil hochwertiger Finanzberatung aus Recherche, Strukturierung, Formulierung und Verdichtung besteht.

Im engeren Finanzkontext ist die Studienlage differenzierter. Einzelne Arbeiten zeigen, dass Sprachmodelle aus Schlagzeilen und Finanztexten relevante Signale extrahieren können. Andere betonen die Grenzen bei konkreter Finanzplanung, die Risiken von Verzerrungen und die weiterhin begrenzte Zuverlässigkeit bei numerischen Aufgaben. Bias, Rechenfehler und Scheinpräzision sind im regulierten Beratungsumfeld keine Randthemen, sondern Risiken, die durch saubere Abläufe, Fachkontrollen und dokumentierte Freigaben adressiert werden müssen.

Copilot, ChatGPT und Claude sind keine austauschbaren Werkzeuge, und die Wahl zwischen ihnen ist auch nicht die eigentlich schwierige Entscheidung. Schwieriger und folgenreicher ist die saubere Zuordnung von Strategie, Datenschutz, Ablauf und Werkzeug, die dem Einsatz vorausgehen muss.

Copilot ist besonders stark im Microsoft-nahen Arbeitsfluss und in berechtigungsgebundenen Alltagsprozessen. ChatGPT ist besonders stark als flexible Oberfläche für Recherche, Analyse und Wissensarbeit. Claude spielt seine Stärken vor allem bei langen Dokumenten und komplexen Wissensbeständen aus. Keine dieser Plattformen sollte als unkontrollierte Black Box in einen kundenwirksamen Beratungsprozess integriert werden, und keine ersetzt die vorgelagerte Entscheidung, welche Daten fließen dürfen, wer Ergebnisse freigibt und wie Abweichungen dokumentiert werden.

KI ist in der Finanz- und Anlageberatung keine Zukunftsmusik. Ihr größter kurzfristiger Hebel liegt nicht in der Ersetzung des Beraters, sondern in einer besseren, schnelleren und konsistenteren Vorarbeit. Wer Copilot, ChatGPT und Claude klug einsetzt, gewinnt Zeit für das, was in anspruchsvoller Beratung knapp und entscheidend bleibt: Urteilsvermögen, Verantwortung, Mandantenverständnis und Vertrauen. Wer sie ohne Strategie, ohne Datenschutzkonzept und ohne definierte Abläufe einsetzt, skaliert Fehler, Bias und Scheinpräzision, und übersieht dabei, dass das eigentliche Risiko nicht im Modell liegt, sondern in der fehlenden Struktur dahinter. Die digitale Positionierung und Mandantenkommunikation bleibt davon ein eigenes strategisches Feld.