Künstliche Intelligenz (KI) hat den Alltag vieler Branchen bereits verändert – und die Finanzwelt steht dabei ebenfalls im Fokus. Ob bei der Analyse von Unternehmensberichten, der Modellierung von Szenarien oder in der Kundenkommunikation: KI ist längst zum Werkzeugkasten für Analysten geworden. Doch ein entscheidender Punkt wird oft unterschätzt: Die Qualität der Ergebnisse hängt stark davon ab, wie wir die KI ansprechen. Genau hier setzt das Konzept des Prompt Engineering an.

Prompt Engineering beschreibt die Kunst, Eingaben an eine KI so zu formulieren, dass die Antworten möglichst präzise und nützlich sind. Wer die richtigen Fragen stellt, erhält die besten Antworten. Während eine vage Anfrage wie „Sag mir etwas über den Aktienmarkt“ nur allgemeine Informationen liefert, führt eine gezielte Formulierung wie „Analysiere die Dividendenpolitik von Schweizer Blue-Chip-Unternehmen der letzten fünf Jahre und vergleiche sie mit dem europäischen Durchschnitt“ zu sofort verwertbaren Ergebnissen.

Für Finanzanalysten ist diese Fähigkeit besonders wichtig. Sie arbeiten unter hohem Zeitdruck, müssen Datenfluten durchdringen und in kurzer Zeit die entscheidenden Signale erkennen. KI kann diese Arbeit erheblich erleichtern – allerdings nur, wenn sie präzise „angeleitet“ wird. Ein gut formulierter «Prompt» kann Geschäftsberichte nach relevanten Kennzahlen durchsuchen, makroökonomische Szenarien klar strukturieren oder komplexe Inhalte so aufbereiten, dass auch Kunden ohne Finanzhintergrund sie leicht verstehen. Aus einem generischen KI-Tool wird damit ein echter Produktivitäts-Booster.

Mit der neuesten Generation wie ChatGPT-5 wird Prompt Engineering sogar noch wichtiger. Die KI ist zwar leistungsfähiger, aber sie entscheidet je nach Eingabe selbst, welches ihrer spezialisierten Modelle sie für eine Antwort nutzt. Ein klar formulierter Prompt aktiviert die besten, fachspezifischen Modelle – und liefert entsprechend hochwertige Ergebnisse. Unklare oder oberflächliche Fragen hingegen führen oft dazu, dass nur allgemeinere Modelle verwendet werden, deren Antworten weniger tiefgehend sind. Für Analysten bedeutet das: Nur wer seine Prompts präzise aufsetzt, erhält Antworten, die einem professionellen Anspruch genügen.

Gerade die folgenden Beispiele zeigen, dass Präzision, Kontext und Struktur entscheidend sind. Nur so kann ChatGPT-5 das „richtige Modell unter der Haube“ auswählen und Ergebnisse liefern, die für professionelle Finanzarbeit nutzbar sind:

Beispiel: Datenanalyse

❌ Schlechter Prompt: „Zeig mir die Finanzzahlen von Nestlé.“
✅ Guter Prompt: „Vergleiche die Nettomargen von Nestlé, Unilever und ABF in den letzten fünf Jahren und stelle die Unterschiede in einer Tabelle dar.“

Beispiel: Szenario-Analyse

❌ Schlechter Prompt: „Erstelle eine Prognose für Tech-Aktien.“
✅ Guter Prompt: „Erstelle drei makroökonomische Szenarien für die nächsten 12 Monate (optimistisch, neutral, pessimistisch) und bewerte deren Auswirkungen auf die Bewertung von US-Tech-Aktien.

Nutze folgendes Format als Beispiel:

• Optimistisches Szenario: Annahmen (BIP-Wachstum +2.5 %, Zinssenkungen, steigende Unternehmensgewinne). Auswirkungen: Steigende Bewertungen, Bewertungs-Multiplikatoren +10 %.
• Neutrales Szenario: Annahmen (BIP-Wachstum +1 %, stabile Zinsen). Auswirkungen: Seitwärtsbewegung, Bewertungs-Multiplikatoren stabil.
• Pessimistisches Szenario: Annahmen (Rezession -1 %, Zinserhöhungen). Auswirkungen: sinkende Bewertungen, Bewertungs-Multiplikatoren -15 %.
  Halte dich an diese Struktur und ergänze die Annahmen mit plausiblen Daten (Inflation, Zinsen, Arbeitsmarkt).“

Beispiel: Kundenkommunikation

❌ Schlechter Prompt: „Fasse den Quartalsbericht von Lotus Bakeries zusammen.“
✅ Guter Prompt: „Formuliere eine Zusammenfassung des Quartalsberichts von Lotus Bakeries für institutionelle Investoren in drei prägnanten Absätzen.

Schreibe in einem sachlich-professionellen Ton und hebe die wichtigsten Punkte zu Umsatzwachstum, Margen, geographischer Entwicklung und zukünftigen Wachstumstreibern hervor.
Beispiel für die gewünschte Struktur:

• Absatz 1: Kurzüberblick über Umsatz, Gewinn und geographische Entwicklung.
• Absatz 2: Entwicklung der Margen, Kostenstruktur, Cashflow.
• Absatz 3: Ausblick und strategische Initiativen (z. B. Expansion, Innovation, ESG-Fokus).
  Nutze diese Struktur und übertrage sie auf den aktuellen Bericht.“

Prompt Engineering ist deshalb keine Spielerei, sondern entwickelt sich zu einer echten Schlüsselkompetenz. Wer lernt, gezielt mit KI zu arbeiten, kann schneller fundierte Insights generieren, Routinetätigkeiten automatisieren und dadurch mehr Zeit für strategische Überlegungen gewinnen. In einer Branche, in der Informationsvorsprung bares Geld wert ist, wird Prompt Engineering damit zu einem klaren Wettbewerbsvorteil. KI verändert, wie viele Berufe, auch die Finanzwelt – doch sie ist nur so gut wie die Fragen, die wir ihr stellen.