Scalable Capital öffnet das Depot für KI-Agenten – die kursierende „76%-schlägt-Menschen“-Zahl stammt aus einer Studie mit einer ganz anderen Kernaussage

Was Scalable Capital am 25. August gestartet hat

Scalable Capital ist einer der bekanntesten deutschen Neobroker und hat mit „Agentic Investing“ eine Funktion eingeführt, die das eigene Depot direkt für KI-Assistenten zugänglich macht. Technische Grundlage ist das Model Context Protocol (MCP), über das sich ChatGPT, Claude oder Grok mit dem Depot verbinden lassen. Zum Start stehen die Kernfunktionen der Plattform über diese Schnittstelle zur Verfügung: Wertpapierorder ausführen, Sparpläne einrichten, Watchlists verwalten und Preisalarme setzen – gesteuert per Prompt statt über die klassische App-Oberfläche.

Die vom Anbieter genannten Sicherheitsvorkehrungen sind dabei bemerkenswert zurückhaltend gestaltet, gerade im Vergleich zu anderen aktuellen Agenten-Handelsplattformen: Trades und Sparpläne müssen vor der Ausführung bestätigt werden, die KI kann nicht selbstständig Geld abheben, und bestehende Konto- sowie Rollenberechtigungen und eine Zwei-Faktor-Authentifizierung bleiben durchgehend in Kraft. Das unterscheidet sich deutlich von Ansätzen wie dem im August gestarteten „Agent OS“ der Kryptobörse Binance, bei dem KI-Agenten in dedizierten Unterkonten ohne eingebaute Verlustobergrenze handeln können.

Die Zahl, die in der Berichterstattung kursiert

Im Umfeld der Ankündigung kursiert eine auffällige Zahl: Claude schlage menschliche Trader in 76 Prozent der Fälle. Diese Zahl klingt wie ein direkter Leistungsnachweis für Scalable Capitals neue Funktion – stammt aber gar nicht von einem Test des Unternehmens selbst. Sie geht auf eine unabhängige Studie von Elm Wealth aus dem Juni 2026 zurück, die „Crystal Ball Challenge“.

In dieser Studie erhielten verschiedene KI-Modelle historische Titelseiten des Wall Street Journal mit kursbewegenden Informationen vorgelegt, ohne die tatsächlichen Marktentwicklungen zu kennen. Gemessen wurde über rund 200 Testrunden ausschließlich, wie oft ein Modell die reine Richtung der Marktbewegung – auf oder ab – korrekt vorhersagte. Claude erreichte dabei in 76 Prozent der Runden eine bessere Trefferquote als menschliche Vergleichsteilnehmer, ChatGPT in 63 Prozent, Grok in 51 Prozent, Gemini in 43 Prozent. Wichtig für die Einordnung: Gemessen wurden keine tatsächlichen Trading-Ergebnisse, keine Renditen und keine risikoadjustierte Performance – nur die reine Richtungsvorhersage.

Die eigentliche Kernaussage der Studie: eine Risikowarnung

Die Forscher von Elm Wealth unterschieden in ihrer Studie explizit zwischen zwei getrennten Entscheidungen: Wohin sollte investiert werden, und wie viel sollte investiert werden. Bei der ersten Frage – der reinen Richtungsvorhersage – schnitten die KI-Modelle vergleichsweise gut ab, das ist die Quelle der 76-Prozent-Zahl. Bei der zweiten, für die tatsächliche Kapitalsicherheit entscheidenden Frage fanden die Forscher jedoch ein deutlich problematischeres Muster: Die KI-Modelle gingen bei der tatsächlichen Positionsgrößen-Entscheidung systematisch zu hohe Risiken ein.

Wörtlich hielten die Forscher fest, dass angesichts durchschnittlicher Positionsgrößen vom 7- bis 12-Fachen dessen, was sie für vertretbar hielten, die KI-Modelle „ein zu hohes Risiko eines katastrophalen Kapitalverlusts“ eingingen. Das ist die eigentliche Kernaussage der Studie – eine Warnung vor überzogenem Risikoverhalten bei der Umsetzung, nicht ein Beleg für überlegene KI-Anlageentscheidungen. In der isolierten 76-Prozent-Zahl, wie sie im Umfeld der Scalable-Capital-Ankündigung kursiert, geht diese Warnung vollständig verloren.

Warum diese Unterscheidung für Anlageentscheidungen zählt

Diese Trennung zwischen Richtungsvorhersage und Positionsgrößen-Disziplin ist keine akademische Feinheit, sondern der Kern jeder verantwortungsvollen Anlageentscheidung. Eine korrekte Einschätzung, ob ein Markt steigt oder fällt, ist wertlos, wenn gleichzeitig ein unverhältnismäßig großer Teil des verfügbaren Kapitals auf diese einzelne Einschätzung gesetzt wird – ein einziger falscher Ausreißer bei überdimensionierter Positionsgröße kann den kumulierten Vorteil vieler richtiger Vorhersagen zunichtemachen. Genau das ist der Mechanismus, vor dem die Elm-Wealth-Forscher warnen.

Für Scalable Capitals konkrete Umsetzung relativiert das die Risikoeinschätzung teilweise: Weil Trades vor der Ausführung bestätigt werden müssen, hat ein menschlicher Nutzer weiterhin die Möglichkeit, eine überzogene, von der KI vorgeschlagene Positionsgröße zu erkennen und abzulehnen, bevor sie tatsächlich ausgeführt wird. Diese Bestätigungspflicht ist damit keine reine Formalie, sondern die konkrete strukturelle Antwort auf genau das Risiko, das die zugrunde liegende Studie beschreibt – vorausgesetzt, Nutzerinnen und Nutzer prüfen die vorgeschlagene Positionsgröße tatsächlich kritisch, statt Vorschläge routinemäßig zu bestätigen.

Was daraus praktisch folgt

• Bei jeder KI-generierten Anlage- oder Investitionsempfehlung explizit zwischen der Richtungs- beziehungsweise Auswahlentscheidung und der vorgeschlagenen Positionsgröße unterscheiden – gerade Letztere verdient eine eigene, kritische Prüfung, unabhängig davon, wie überzeugend die Begründung für die Richtung klingt.
• Bei Agentic-Investing-Funktionen wie der von Scalable Capital die Bestätigungspflicht vor Ausführung aktiv als Kontrollpunkt nutzen, statt Vorschläge routinemäßig durchzuwinken – die Studie zeigt, dass genau an dieser Stelle das größte Risiko liegt.
• Bei kursierenden KI-Erfolgszahlen im Finanzkontext prüfen, was tatsächlich gemessen wurde, bevor man daraus eine Kompetenzaussage über echte Anlageentscheidungen ableitet: Eine Trefferquote bei reiner Richtungsvorhersage ist etwas anderes als eine bewährte Anlagestrategie mit belastbarem Risikomanagement.
• Bei der Einführung von Agentic-Investing-Funktionen im eigenen Unternehmen (etwa für das Treasury-Management) die konkreten Sicherheitsmechanismen des jeweiligen Anbieters vergleichen – die Bandbreite reicht von Systemen mit verpflichtender Bestätigung bis zu Modellen ohne eingebaute Verlustobergrenze.

Der eigentliche Wert dieser Analyse liegt nicht in einem Urteil darüber, ob Scalable Capitals Agentic Investing sinnvoll ist – das hängt von der individuellen Nutzung ab. Er liegt darin, eine verbreitete Erfolgszahl auf ihre eigentliche Quelle zurückzuführen: Wer die zugrunde liegende Studie liest statt nur die kursierende Schlagzeile, findet dort primär eine Warnung vor KI-Risikoverhalten, keinen Beleg für überlegene KI-Anlagekompetenz.