Diesen Sommer führten Forscher der MIT Sloan School of Management ein bemerkenswertes Experiment durch: Sie ließen 1.000 alltägliche Verbraucher KI-Modelle dazu befragen, wie sie ihr Geld ausgeben, sparen und investieren sollten, und simulierten anschließend deren finanzielle Entwicklung über Jahrzehnte hinweg. Das Ergebnis überraschte selbst die Wissenschaftler: Die Qualität der KI-Finanzberatung war erstaunlich hoch. Die einzige Voraussetzung war, dass man weiß, wie man die Fragen stellt.
Abb.: Titelgrafik der Originalquelle – Ein Roboter und ein Mensch diskutieren über Aktiencharts auf dem Bildschirm. Quelle: mitsloan.mit.edu
Die Hälfte der US-Amerikaner nutzt bereits KI für Finanzfragen
Um die Bedeutung dieser Studie zu verstehen, lohnt ein Blick auf den aktuellen Kontext: Umfragen zufolge gibt etwa die Hälfte der US-Bevölkerung an, KI-Systeme für Finanzratschläge zu nutzen. Taha Choukhmane, Assistenzprofessor für Finanzen am MIT und Koautor der Studie, erklärt: „Wir wissen, dass sehr viele Menschen Fragen stellen, aber wir wussten bisher fast nichts darüber, was sie fragen und ob sie den Ratschlägen folgen.“
Mit anderen Worten: KI ist möglicherweise bereits der meistkonsultierte Finanzberater der Geschichte, aber zugleich der am wenigsten erforschte. Das Forschungsteam veröffentlichte seine Erkenntnisse in der Studie AI Financial Advice: Supply, Demand, and Life Cycle Implications, die mit dem Outstanding Paper Award 2026 des Swiss Finance Institute ausgezeichnet wurde. Wenn eine renommierte Finanzforschungseinrichtung einer Arbeit über „KI als Finanzberater“ einen Hauptpreis verleiht, unterstreicht dies die gesellschaftliche Relevanz des Themas.
Das Experiment: Ein Lebenszyklus-Test für KI
Wie misst man, ob die Ratschläge einer KI tatsächlich fundiert sind? Die Forscher entwickelten zunächst ein mathematisches Lebenszyklusmodell, das simuliert, wie sich Einkommen, Karriere, Investitionen und Steuerlast einer Person mit dem Alter verändern. Dieses Modell diente als Benchmark: Unter den gegebenen Rahmenbedingungen zeigt es auf, welche Ausgaben-, Spar- und Anlagestrategien den Wohlstand im Ruhestand maximieren.
Anschließend rekrutierten die Wissenschaftler 1.000 Erwachsene, die drei führende Sprachmodelle (GPT-5.2, GPT-5.6 und Gemini 3 Flash) in eigenen Worten zu ihren Finanzentscheidungen befragten. Die Forscher simulierten daraufhin das Leben der Teilnehmer vom 22. bis zum 89. Lebensjahr unter der Annahme, dass diese den KI-Empfehlungen folgten – inklusive jährlicher Anpassungen von Sparrate und Depotstruktur. Eine Kontrollgruppe bildeten Personen, die keine KI nutzten und sich an typischem menschlichen Finanzverhalten orientierten.
Zusätzlich gab es eine entscheidende zweite Kontrollgruppe: Die Wissenschaftler selbst stellten den KI-Modellen dieselben Finanzszenarien mit akademisch präzisen Prompts. Sie spezifizierten Alter, Beruf, Einkommen, Ersparnisse, Lebenserwartung, Renteneintrittsalter, Beschäftigungsrisiken sowie Annahmen zum US-Steuerrecht. Dieselben KI-Modelle, zwei völlig unterschiedliche Prompt-Ansätze: Der einzige Unterschied war die Art der Fragestellung.
Das Besondere an diesem Studiendesign ist die saubere Trennung zwischen der grundlegenden Leistungsfähigkeit der KI und der Fähigkeit des Nutzers, präzise Prompts zu formulieren.
Ergebnis 1: Überraschend hohe Qualität der Ratschläge
Zunächst zu den überraschenden Erkenntnissen: Unabhängig davon, ob die Frage von einem Laien oder einem Finanzprofessor stammte, schnitten die KI-Ratschläge durchweg besser ab als das tatsächliche Finanzverhalten der meisten Menschen in der Realität. Die KI empfahl systematisch, mehr zu sparen, am Aktienmarkt zu partizipieren, in breit gestreute Indexfonds zu investieren und den Aktienanteil ab dem 45. Lebensjahr schrittweise zu reduzieren. Für fast alle Über-30-Jährigen führte das Befolgen der KI-Empfehlungen zu einem soliden Notfallpolster und einem substanziellen Ruhestandsvermögen.
„Wir waren etwas überrascht, wie gut die Empfehlungen waren“, so Choukhmane. „Besonders wenn man sieht, welche Fragen die Menschen tatsächlich stellen, war es beeindruckend, dass die KI-Antworten Denkmustern entsprachen, die in der Finanzwissenschaft als solide gelten.“
Die Botschaft hinter dieser Aussage ist bemerkenswert: Die Forscher hatten ursprünglich mit minderwertigen Antworten auf ungenaue Fragen gerechnet. Doch die KI hielt stand. Auf Makroebene verstehen KI-Modelle die Grundprinzipien der privaten Finanzplanung deutlich besser als gemeinhin angenommen – ein Befund, der das Vorurteil widerlegt, KI sei für Finanzfragen ungeeignet.
Ergebnis 2: Die Schwächen liegen im Detail – und Details hängen vom Prompt ab
Dennoch sind KI-Finanzberater keineswegs fehlerfrei. Sie neigen zu vereinfachten Faustregeln. Verliert ein Nutzer beispielsweise seinen Arbeitsplatz, rät die KI oft zu drastischen, sofortigen Ausgabenkürzungen – selbst wenn reichlich liquide Mittel vorhanden sind. Zudem schlagen KI-Modelle selten von sich aus ein Rebalancing des Portfolios vor, sodass die Vermögensallokation im Laufe der Zeit ungewollt abweichen kann.
Entscheidender war jedoch der Vergleich der Prompt-Qualität: Sobald akademisch formulierte Prompts verwendet wurden, stieg die Qualität der Ratschläge desselben Modells spürbar an. Die typische Frage eines Laien lautet: „Ich habe 50 Dollar und kann monatlich 25 Dollar investieren. Was soll ich kaufen?“ Der akademische Prompt hingegen beinhaltet: „Unter der Annahme einer normalen Lebenserwartung, Rente mit 65, Beschäftigungsrisiko, Einkommensvolatilität und unverändertem Steuerrecht…“ Erstere erhielten allgemeine Floskeln, Letztere eine maßgeschneiderte Finanzplanung.
„Normale Menschen stellen keine Fragen wie Finanzprofessoren“, betont Choukhmane. Dies verlagert den Schwerpunkt von der Modellleistung auf das Nutzerverhalten: Das Potenzial von KI-Finanzratschlägen wird maßgeblich durch die Qualität der Fragestellung bestimmt.
Abb.: KI und Finanzdiagramme. Quelle: mitsloan.mit.edu
Ergebnis 3: Falsches Fragen kann bis zum 60. Lebensjahr 100.000 Dollar kosten
Die eindringlichste Kennzahl der Studie betrifft die finanziellen Auswirkungen: KI-Empfehlungen variieren je nach Demografie und Formulieung der Nutzer, und diese Unterschiede summieren sich über die Jahre zu erheblichen Vermögensklüften.
Wer den KI-Ratschlägen bis zum 60. Lebensjahr folgte, erzielte unterschiedliche Ergebnisse: Männer, Personen mit hoher Finanzbildung und erfahrene KI-Nutzer bauten im Schnitt etwa 50.000 Dollar (4 %) mehr Vermögen auf als Frauen oder Personen mit geringerer Finanzbildung. Wer die KI überhaupt nicht zu Finanzfragen konsultierte, hatte mit 60 Jahren knapp 100.000 Dollar (6 %) weniger Vermögen als diejenigen, die KI nutzten.
Bei der Analyse der geschlechtsspezifischen Unterschiede stellten die Forscher fest, dass etwa zwei Drittel der Abweichung auf unterschiedliche Themenwelten in den Prompts zurückzuführen waren: Frauen fragten häufiger nach „Haushalt“, „Einkauf“ und „Rechnungen“, während Männer Begriffe wie „Strategie“ und „Wachstum“ wählten. Das verbleibende Drittel lag an Verzerrungen im Modell selbst: Bei identischem Wortlaut fielen die Antworten leicht unterschiedlich aus, wenn der Prompt explizit darauf hinwies, dass die Fragestellerin weiblich war.
Diese Erkenntnis verdeutlicht: Verzerrungen in KI-Ratschlägen entstehen nicht zufällig, sondern verschieben sich systematisch mit der Formulierung. Das Erlernen gezielter Fragetechniken ist somit ein direktes finanzielles Werkzeug, das kein Kapital erfordert.
Ein interessantes Detail für die Finanzbranche: Die Forscher beobachteten, dass KI-Modelle von sich aus spezifische Finanzprodukte empfahlen, nach denen nie gefragt wurde. Vanguard-Fonds erschienen in 6 % aller Antworten, iShares in 3,4 % – obwohl weniger als 0,4 % der Nutzerprompts diese Marken erwähnten. Die KI fungiert somit schleichend als unbeworbener Empfehlungskanal für Finanzprodukte – ein Aspekt, den Verbraucher leicht übersehen, Finanzinstitute jedoch genau beobachten.
Praxistipps: Die KI als Berater nutzen, nicht als Orakel
Die Wissenschaftler leiten daraus pragmatische Empfehlungen für den Alltag ab. Erstens: KI-Antworten nicht blind übernehmen, sondern als Lernwerkzeug nutzen. Hinterfragen Sie das „Warum“ hinter jeder Empfehlung, um eigene Finanzkompetenz aufzubauen. Zweitens: Wer bereits einen menschlichen Finanzberater hat, kann KI nutzen, um übergeordnete Strategien in konkrete Alltagsentscheidungen zu übersetzen. Drittens: Für Menschen, die sich keinen Berater leisten können, bietet KI den derzeit günstigsten Zugang zu Finanzbildung. „Viele Menschen, die Finanzberatung am dringendsten benötigen, verfügen über die geringsten Ressourcen“, unterstreicht Choukhmane.
Ein wichtiger Vorbehalt bleibt: Die Studie basiert auf mathematischen Simulationen unter festen Annahmen (wie gleichbleibendem Steuerrecht). KI-Antworten ersetzen keine individuelle, haftungsbewusste Finanzberatung, weshalb vor realen Anlegeentscheidungen stets Vorsicht geboten ist.
Fazit
Die Studie löste auch in Entwickler-Communities wie Hacker News lebhafte Diskussionen aus. Die Reaktionen fielen vielschichtig aus: Ein Kommentator bemerkte treffend: „Die erste Hälfte der Überschrift ist nebensächlich – der zweite Teil ‚wenn man die richtigen Fragen stellt‘ ist der Knackpunkt.“ Ein anderer meinte zynisch: „Menschliche Finanzberatung ist im Vergleich dazu oft erstaunlich schlecht.“ Andere betonten, dass die größte Hürde bei der Vermögensbildung nicht fehlendes Wissen sei, sondern Disziplin und Emotionen – Bereiche, in denen KI den Menschen nicht ersetzen kann.
Diese Perspektiven decken sich mit der Kernbotschaft der MIT-Studie: Die KI ist bereits ein fähiger Finanzberater. Der Engpass hat sich von den Modellen hin zum Fragesteller verlagert. Und das Formulieren besserer Fragen ist eine Fähigkeit, die jeder kostenlos trainieren kann.
Weiterführende Links:
- MIT Sloan: AI financial advice is surprisingly good — especially if you ask the right questions
- HN-Diskussion (item?id=49139102)
- Studie: AI Financial Advice: Supply, Demand, and Life Cycle Implications (Swiss Finance Institute Outstanding Paper Award 2026)
