Marktvergleich: Die Wahrheit über KI-Daten

Mit künstlicher Intelligenz erstellte Marktvergleiche wirken auf den ersten Blick überzeugend und beeindrucken klar gegliedert. Verlässliche Daten liefern sie aber leider nicht immer. Auch eine künftig verbesserte Technik wird an diesem Befund nichts ändern können.

von Max Herbst, Gründer der FMH-Finanzberatung

Die Grafik veranschaulicht die wöchentlichen Ergebnisse von vier KI-Tools im Marktvergleich von Tagesgeldangeboten zwischen dem 25. Februar und dem 13. Mai 2026. Deutliche Unterschiede in den Ergebnissen sind erkennbar. — FMH-Finanzberatung; wöchentlich an jedem Mittwoch durchgeführter Vergleich der Best-Zins-Recherchen zu Tagesgeld durch vier ausgewählte KI-Tools FMH

Schneller, besser, billiger: Dass künstliche Intelligenz die Welt zu einem besseren Ort machen wird, glauben zwar nur noch Optimisten. Noch immer verbreitet ist jedoch die Annahme, dass sich die Qualität vieler Prozesse durch intelligente Automatisierung verbessern lässt. Geradezu ideal geeignet scheinen KI-Tools auch für die Marktbeobachtung im Finanzsektor.

Wenn es Verbrauchern gelingt, ihren präferierten Chatbot mit der Suche nach den besten Zinsen und Konditionen zu beauftragen, warum sollten dann nicht auch die Kreditinstitute eine KI für die strategische Marktbeobachtung trainieren können?“

Zugegeben, es klingt gut, wenn Vergleichsportale damit werben, dass sie die besten und schlechtesten Angebote von 674 Banken ermitteln. Bei genauerem Hinsehen allerdings zeigt sich, dass diese Aussagen mit großer Vorsicht zu genießen sind.

Autor: Max Herbst, FMH-Finanzberatung

Max Herbst ist Inhaber und Geschäftsführer bei der FMH-Finanzberatung (Website). Seit 1986 führt er das Frankfurter Unternehmen, das Informationsdienstleistungen und eigene Lösungen rund um Finanzprodukte entwickelt. Seine Schwerpunkte liegen in den Bereichen Bankwesen, Finanzdienstleistungen, Unternehmensstrategie und strategische Planung. Darüber hinaus verfügt er über langjährige Erfahrung in Unternehmensführung, Geschäftsentwicklung, Vertrieb und Baufinanzierung.

Das belegt ein großangelegter Selbstversuch, den wir bei der FMH durchgeführt haben. Ergänzend zu unserer täglichen Arbeit haben wir vier KI-Plattformen beauftragt, uns die TOP 10 beim Tagesgeld und bei fünf verschiedenen Festgeldlaufzeiten zu liefern. Beim Tagesgeld wollten wir zusätzlich wissen, wie lange der Aktionszeitraum gilt und wie hoch der Anschlusszins nach dem derzeitigen Angebotsstand sein wird.

Die Ergebnisse waren allenfalls mittelmäßig. Wir erkannten die Fehler sofort, weil wir die KI-Daten mit den von den Banken gemeldeten Konditionen sowie selbst aufwändig von Mitarbeitern recherchierten Datensätzen abgleichen konnten. Dies diente als der verlässliche Vergleichsmaßstab für eine Analyse und Bewertung der Qualität KI-generierter Ergebnisse:

Wer akkurate Daten braucht, wird von der KI oft enttäuscht

Okay, die KI lieferte bei guten Prompts einen annehmbaren Überblick über den Markt. Das kann einem privaten Anleger durchaus die Entscheidung für oder gegen ein bestimmtes Zinsprodukt erleichtern. Aber, eine Trefferliste die nicht vollständig ist oder deren Zinssätze nicht dem tagesaktuellen Stand entsprechen, ist für Privatpersonen zwar ärgerlich, aber gut zu verkraften.

Banken oder wir als Analysten müssen hingegen andere Ansprüche haben. Wir wollen und dürfen uns keinesfalls mit veralteten oder unvollständigen Daten zufriedengeben. Eine KI, die wir mit einer Marktanalyse beauftragen, muss daher kompromisslos und mit absoluter Verlässlichkeit die Datenlage wiedergeben. Und das ist derzeit nicht gewährleistet.

„Eine Trefferquote von 70 oder 90 Prozent mag für einen privaten Anleger genügen: Profis hingegen können damit nicht seriös arbeiten.“

Die Grafik veranschaulicht die stark schwankenden Trefferquoten von vier KI-Tools bei der Festgeld-Recherche über einen Zeitraum von 12 Monaten. Der Marktvergleich zeigt, dass ChatGPT und Copilot die meisten Treffer erzielten, während Claude und Gemini variierende Ergebnisse lieferten — FMH-Finanzberatung; wöchentlich an jedem Mittwoch durchgeführter Vergleich der Best-Zins-Recherchen zu Festgeld (12-Monats-Zeitraum) durch vier ausgewählte KI-Tools FMH

Doch woran liegt es, dass eine Technik, die auf den ersten Blick für Recherchezwecke perfekt erscheint, (noch) keine validen Marktdaten liefert?

Die methodischen Hürden: Marketing-Filter und Daten-Silos

Grundsätzlich gilt für eine KI ebenso wie für uns als Analysten: Jede Marktbeobachtung ist nur so gut, wie die Daten, die ihr zugrunde liegen. Menschliche Analysten können die Genauigkeit ihrer Analysen dadurch gewährleisten, dass sie nur besonders vertrauenswürdige Datensätze und persönliche Kontakte nutzen, um an Informationen zu gelangen, die im Internet noch nicht verfügbar sind.

Für die KI hingegen beginnen die Herausforderungen bereits bei der Datenbeschaffung.

Viele Banken stellen ihre Konditionen nicht in maschinenlesbarer Form bereit. Zinssätze stecken in PDFs, in JavaScript-gerenderten Seiten oder sind nur nach einem Login abrufbar. Für KI-Systeme sind solche Quellen schwer oder gar nicht zugänglich.
Ein weiteres Problem ist die Produktkomplexität. „Suche nach Tagesgeld über 3,5 Prozent“ klingt zunächst simpel. Aber sobald Bedingungen wie Neukunden-Beschränkungen, Maximalbeträge, Mindestlaufzeiten oder Bonuszinsen ins Spiel kommen, wird ein echter Vergleich schnell komplex. KI vereinfacht solche Konditionen oft unzulässig oder übersieht sie gänzlich.
Dazu kommt die fragmentierte Marktlandschaft. Hunderte Banken, Direktbanken, Neobanken und regionale Institute – es gibt kein zentrales Register. KI aber muss mit dem arbeiten, was im Netz indiziert und auffindbar ist – und liefert deshalb oft unvollständige Ergebnisse.

Eine wichtige Quelle für KI sind Vergleichsseiten, weil sich dort strukturiert Daten abgreifen lassen. Diese Seiten bilden aber nie den vollständigen Markt ab, sondern sind vor allem nach Marketing-Aspekten aufgebaut. Das ist für eine valide Marktbeobachtung aus mehreren Gründen fatal.„

TOP-Angebote tauchen auf den Plattformen manchmal mit erheblicher Verspätung auf, da Werbebudgets und Verträge im Hintergrund verhandelt werden müssen.
Ein perfektes Beispiel für die Grenzen automatisierter Marktbeobachtung lieferte vor Kurzem die JPMorgan-Tochter Chase. Beim Start ihres sensationellen Angebots von vier Prozent Tagesgeld verzichtete die Direktbank bewusst auf die Einbindung von Vergleichsportalen. Man wollte den ersten Kunden-Ansturm ohne den unkontrollierbaren Multiplikator der Portale bewältigen und im geschlossenen Raum lernen. Dieses Vorgehen – auch als Datensilo bezeichnet – belegte eindrucksvoll die Schwächen der KI-Recherche: Denn der absolute Spitzenzins war für die KI auf Vergleichsplattformen nicht zu finden, und das, obwohl das Angebot existierte und den Markt binnen kürzester Zeit veränderte.
Eine weitere fundamentale Herausforderung für die KI ist die zunehmende Verbarrikadierung von Marktdaten hinter einer Paywall. Auch die FMH stellt in ihrem frei zugänglichen B2C-Bereich nur einen kleinen Ausschnitt der vorhandenen Informationen ein. Der Löwenanteil unserer tiefgehenden Marktbeobachtung liegt gut geschützt hinter der Bezahlschranke. Zugriff haben nur wir und unsere B2B-Kunden – aber keine KI. Und weil immer mehr Banken und Analysten ihre Zinsinformationen so präsentieren, dürfte die KI künftig sogar noch weniger valide Informationen finden. Was dann als Ergebnis übrigbleibt, sind algorithmisch verzerrte Daten, die durch die Marketinginteressen der Vergleichsportale gepusht werden. Für eine seriöse Marktbeobachtung sind dies denkbar schlechte Voraussetzungen.

Was kommt, was bleibt?

Heute wie in Zukunft gilt: Jede Bank sollte wissen, was die Mitbewerber tun. Um diese Informationen zu generieren, müssen Daten automatisiert und digital in die eigenen Systeme einfließen. Vor allem aber müssen sie verlässlich sein.

Wenn fehlerhafte oder unvollständige Zahlen im System landen, verfälschen sie Risikomanagement und Produktplatzierung – und schaden damit mehr, als sie nützen.“

Für die Datenaufbereitung und die komplexen Herausforderungen einer echten Marktbeobachtung von Bankprodukten ist KI daher noch keine wirkliche Unterstützung. Und selbst wenn sich die Technik weiter verbessern wird, heißt das nicht unbedingt, dass die KI-generierte Recherchen deshalb besser werden: Paywalls und Datensilos werden in Zukunft noch häufiger vorkommen, als heute. Die (technisch verbesserte) KI wird dann noch weniger neutrale Informationen finden aber dafür mehr Daten, die durch Marketing gepusht werden.

Für mich bedeutet das: Unsere Arbeitsweise mit menschlichem Sachverstand, manueller Recherche und kooperativem Zusammenarbeiten mit Banken wird die nächsten Jahre gut überstehen und vermutlich sogar an Attraktivität gewinnen. Max Herbst, FMH