Gier, Angst und Euphorie treiben das Finanzsystem immer wieder in Krisen. Künstliche Intelligenz handelt nicht aus solchen Emotionen heraus. Trotzdem kann auch sie das Finanzsystem destabilisieren, warnen Ökonomen der Europäischen Zentralbank (EZB) in einer aktuellen Analyse.

Autonome Systeme ohne menschliche Aufsicht

Dass Algorithmen an Finanzmärkten handeln, ist nicht neu. Neu ist jedoch, wie KI-Systeme Entscheidungen treffen. Sie lernen aus Erfahrung oder schlussfolgern aus Kontext und entwickeln Verhalten, das niemand explizit programmiert hat. Anleger holen sich in Finanzfragen bereits Rat bei KI-Modellen, ohne ihre Bank zu fragen. Autonome Systeme ohne menschliche Aufsicht stehen als nächste Stufe bereit. Das führt zu der Frage: Was geschieht, wenn nicht einzelne Akteure, sondern große Teile des Finanzsystems dieselben Technologien einsetzen? Eine Gruppe von EZB-Ökonomen um Kartik Anand hat ein solches Szenario untersucht. Ihre Antwort stellt einiges in Frage.

Um die Folgen zu analysieren, haben die EZB-Experten autonome KI-Agenten gegeneinander antreten lassen. Die Systeme mussten entscheiden, ob sie Fondsanteile halten oder verkaufen. Obwohl die wirtschaftlichen Rahmenbedingungen identisch waren, entwickelten die Programme eigene Dynamiken. Das Fazit der Ökonomen: „Die KI-Architektur ist selbst eine Quelle finanzieller Instabilität: Algorithmen, die in derselben Umgebung operieren und dieselben Ziele verfolgen, führen zu grundlegend verschiedenen Ergebnissen für die Finanzstabilität.“

Ähnliche Dynamik wie bei einem Bank Run

Besonders auffällig war das Verhalten sogenannter Q-Learning-Systeme. Diese lernenden Algorithmen passen ihre Entscheidungen an frühere Erfahrungen an. In den Simulationen reagierten sie empfindlich auf Verluste und verkauften Wertpapiere frühzeitig – selbst bei stabilen Fundamentaldaten. Die Autoren bezeichnen dieses Verhalten als „Hot Stove Effect“: Wer schlechte Erfahrungen gemacht hat, vermeidet ähnliche Risiken künftig. „Q-Learning-Algorithmen koordinierten sich stark – und steuerten dabei direkt auf Extremereignisse wie bei einem Bank Run zu,“ folgern die Ökonomen. Wenn viele Investoren ähnlich trainierte Systeme gleichzeitig nutzen, könnten sich solche Verkaufsentscheidungen gegenseitig verstärken.

Auch Sprachmodelle erzeugen Risiken. Sie lernen nicht aus eigenen Erfahrungen, sondern schlussfolgern aus dem Kontext und den Mustern ihrer Trainingsdaten. Bei klarer Wirtschaftslage liefern sie konsistente Ergebnisse. Bei uneinheitlichen Fundamentaldaten können jedoch identische Modelle trotz gleicher Vorgaben zu unterschiedlichen Entscheidungen kommen. Für Finanzakteure bedeutet das: Nutzen Kunden Sprachmodelle für Finanzentscheidungen, bleiben die Ergebnisse bei unklarer Wirtschaftslage selbst unter gleichen Bedingungen schwer vorhersehbar.

Folgen für Banken und andere Finanzakteure

Die Autoren leiten daraus konkrete Empfehlungen ab. Finanzakteure wie Banken und Fonds sollten erfassen, welche KI-Werkzeuge ihre Kunden nutzen, und diese Informationen in das Risikomanagement integrieren. Auch die MiFID-Fragebögen zur Ermittlung von Anlegerprofil und Risikotoleranz könnten um Fragen zur technologischen Kompetenz ergänzt werden.

Für den Fall koordinierter algorithmischer Massenverkäufe empfehlen die Ökonomen automatische Handelspausen. Regulierung und Risikomanagement haben Algorithmen lange als Werkzeuge des Menschen behandelt – steuerbar und dokumentierbar. KI-Systeme, die eigenständig lernen oder Schlussfolgerungen ziehen, stellen diesen Ansatz infrage.