Was passiert ist
Am 28. Juni 2026 hat sich der 87-jährige Investor Jeremy Grantham zu Wort gemeldet. Grantham, Mitgründer von GMO und bekannt für seine präzisen Crash-Prognosen zur Dotcom-Blase 2000 und zur Finanzkrise 2008, warnt nun vor einer Überbewertung des US-Aktienmarktes um bis zu 70 Prozent. Der Auslöser diesmal: eine "historische KI-Euphorie", die Bewertungen in absurde Höhen getrieben habe. Sein Rat: "Raus aus den USA!"
Grantham argumentiert mit historischen Parallelen. Jede große Technologieverheißung habe zunächst eine spekulative Blase erzeugt. Die Eisenbahn. Das Automobil. Das Internet. Künstliche Intelligenz bilde da keine Ausnahme. Er sieht den S&P 500 auf einem Niveau, das fundamental nicht mehr zu rechtfertigen sei. Kurs-Gewinn-Verhältnisse über 30. Gleichzeitig steigende Zinsen. Und eine Konzentration auf wenige KI-Titel, die an die Nifty-Fifty-Ära der 1970er erinnert.
Für Grantham ist die Sache klar: Die Party ist vorbei, bevor die meisten Anleger überhaupt verstanden haben, dass sie auf einer stattfindet.
Warum das jetzt für Vermögensverwalter, Trader und Finanzberater zählt
Granthams Warnung mag wie üblicher Crash-Alarmismus klingen. Aber sie trifft einen wunden Punkt, der weit über klassische Marktkommentare hinausgeht. Denn in den Portfoliosystemen und Risikomodellen, die heute in der Finanzbranche laufen, spielt die KI-Euphorie eine doppelte Rolle.
Erstens: Viele quantitative Modelle wurden auf Daten trainiert, die aus einer Phase stammen, in der KI-Titel den Markt nach oben gezogen haben. Historische Volatilitäten sind niedrig. Korrelationen zwischen Einzeltiteln sind gesunken. Wer in den letzten drei Jahren ein ML-Modell auf S&P-500-Daten losgelassen hat, bekam ein System, das Trendfolge belohnt und Drawdowns unterschätzt. Das ist gefährlich.
Zweitens: Immer mehr Asset-Manager setzen auf KI-gestützte Signalgenerierung. Large Language Models lesen Earnings Calls, analysieren Sentiment aus Nachrichtenströmen, bewerten Management-Aussagen. Diese Systeme sind gut darin, kurzfristige Trends zu erkennen. Aber sie sind notorisch schwach, wenn es um Regimewechsel geht. Ein Crash von 70 Prozent ist per Definition ein Regimewechsel. Kein LLM der Welt hat so etwas in seinen Trainingsdaten ausreichend abgebildet.
Aus meiner Sicht liegt das eigentliche Risiko nicht im Crash selbst. Sondern in der falschen Sicherheit, die KI-Modelle suggerieren. Ein typisches Muster: Ein Berater oder Portfoliomanager bekommt von seinem KI-System ein Risikosignal von "mittel" angezeigt. Das Modell hat Korrelationen und Volatilitäten der letzten 36 Monate verarbeitet. Der Manager nickt. "Passt schon." Was er nicht sieht: Das Modell hat keine Ahnung, wie sich ein Markt verhält, in dem gleichzeitig Zinsängste, KI-Ernüchterung und politische Unsicherheit aufeinanderprallen. Es extrapoliert die jüngste Vergangenheit. Das ist Mathematik. Nicht Magie.
Granthams Warnung zwingt uns zu einer unbequemen Frage: Sind die KI-Systeme, die wir in der Finanzbranche einsetzen, tatsächlich besser als die menschliche Urteilskraft, die Grantham seit 50 Jahren antreibt? Oder sind sie nur schneller darin, dieselben Fehler zu machen?
Was das für Handelsplätze, Börsen und Brokerage-Häuser bedeutet
Für Trader und Börsenplätze ist Granthams Aussage ein direktes Sentiment-Signal. Nicht weil er recht haben muss. Sondern weil eine kritische Masse an Marktteilnehmern auf solche Warnungen reagiert. Algorithmische Handelssysteme, die auf News-Sentiment reagieren, werden Granthams Aussagen verarbeiten. Wer hier mit veralteten NLP-Modellen arbeitet, die Ironie nicht erkennen oder negative Konnotationen falsch gewichten, riskiert Fehlsignale.
Ein häufiges Muster: Sentiment-Modelle stufen Granthams Äußerungen als "negativ" ein. Daraufhin lösen automatisierte Systeme Verkäufe aus. Andere Systeme erkennen den Verkaufsdruck und springen auf. Eine selbstverstärkende Spirale. Das hat nichts mit Fundamentalanalyse zu tun. Es ist reine Marktmikrostruktur, getrieben von KI-Modellen, die einander beobachten.
Konkrete Handlungsempfehlung für die Finanzbranche
1. Stresstest für KI-gestützte Risikomodelle durchführen
Nehmen Sie Ihre Portfoliomodelle und konfrontieren Sie sie mit Szenarien, die außerhalb der Trainingsdaten liegen. Ein 50-Prozent-Drawdown im S&P 500. Eine Entkopplung der KI-Titel vom Gesamtmarkt. Eine zweijährige Baisse mit mehreren falschen Erholungen. Beobachten Sie, wie Ihre Modelle reagieren. Passen sie die Allokation an? Oder raten sie zum Durchhalten, weil die historische Wahrscheinlichkeit einer Erholung bei 87 Prozent liegt? Letzteres ist eine gefährliche Illusion.
Mein Rat: Verwenden Sie synthetische Crash-Daten. Generieren Sie mit Monte-Carlo-Simulationen Marktverläufe, die es so noch nie gab. Trainieren Sie Ihre Modelle darauf. Nur so bekommen Sie ein Gefühl dafür, wo die blinden Flecken liegen.
2. LLM-basierte Marktanalyse mit Granularitäts-Tests validieren
Wenn Sie Large Language Models für Earnings-Analysen, Management-Kommentare oder Nachrichten-Sentiment einsetzen, testen Sie deren Granularität. Fragen Sie das Modell konkret: "Handelt es sich um eine zyklische Korrektur oder einen strukturellen Bruch?" Die meisten LLMs liefern ausweichende Antworten. Sie listen Pro und Contra auf. Genau das ist das Problem. Grantham macht eine klare Ansage. Die meisten KI-Systeme tun das nicht.
Praktischer Vorschlag: Lassen Sie Ihr LLM-System Granthams Aussagen analysieren. Geben Sie ihm den Auftrag, eine Gegenposition zu formulieren. Und dann vergleichen Sie die Qualität der Argumente mit Granthams Original. Wenn das LLM keine echte Gegenposition findet, sondern nur relativiert, wissen Sie, dass es für echte Regimewechsel nicht taugt.
3. Beratungsgespräche mit KI-Euphorie-Check ausstatten
Für Finanzberater und Vermögensverwalter ist Granthams Warnung ein Kommunikationsanlass. Viele Kunden haben in den letzten Jahren KI-Fonds und Tech-ETFs gekauft. Die Performance war gut. Jetzt sitzen sie auf konzentrierten Positionen. Nutzen Sie KI-Tools, um Ihren Kunden zu zeigen, wie ein 70-Prozent-Crash in diesen Positionen ihr Gesamtportfolio treffen würde. Visualisieren Sie das. Machen Sie es greifbar.
Moderne Reporting-Tools können solche Szenarien in Sekunden berechnen. Ein typischer Ablauf: Das System liest das Portfolio ein, identifiziert KI-exponierte Titel, simuliert einen Grantham-Crash und spuckt ein Factsheet aus, das der Berater mit dem Kunden besprechen kann. Das ist keine Panikmache. Es ist professionelle Risikoaufklärung. Und genau dafür ist KI im Wealth Management tatsächlich nützlich.
Mein Fazit
Grantham mag falsch liegen. Er hat auch schon daneben gelegen. Die Frage ist nicht, ob seine 70 Prozent exakt eintreffen. Die Frage ist: Sind unsere Systeme darauf vorbereitet, wenn etwas Ähnliches passiert? Nach meiner Einschätzung sind sie es nicht.
Die Finanzbranche hat KI in den letzten drei Jahren vor allem für Effizienzgewinne eingesetzt. Schnellere Analysen. Automatisierte Reports. Predictive Models für Marketing und Kundenbindung. Das ist legitim. Aber es hat dazu geführt, dass die Risikoseite vernachlässigt wurde. KI-Modelle, die in Bullenmärkten trainiert wurden, sind wie Autos ohne Bremsen. Solange die Straße geradeaus führt, merkt es niemand. In der ersten scharfen Kurve wird es kritisch.
Meine Position: Granthams Warnung sollte nicht als Crash-Prophezeiung gelesen werden. Sondern als Einladung, die eigenen KI-Systeme auf den Prüfstand zu stellen. Wer das ignoriert, handelt fahrlässig. Nicht gegenüber der Börsenlegende Grantham. Sondern gegenüber den Kunden, deren Vermögen in diesen Systemen steckt.