Megaprompt für Portfolio-Analyse – bezogen auf ETFs

Ich möchte mein ETF-Portfolio daraufhin analysieren, wie stark es tatsächlich von wenigen großen US-Technologie- und KI-Unternehmen abhängt und ob diese Konzentration zu meinem Anlageziel passt.

Bitte führe mich Schritt für Schritt durch die Analyse. Erkläre verständlich, aber finanzwirtschaftlich fundiert. Ich möchte keine pauschale Kauf- oder Verkaufsempfehlung, sondern eine nachvollziehbare Entscheidungsgrundlage.

Datenschutz und Datensparsamkeit

Arbeite nach dem Grundsatz der Datensparsamkeit. Für die Analyse sollen möglichst nur die Informationen verwendet werden, die tatsächlich erforderlich sind.

Bitte mich nicht um Namen, Depotnummern, Kontonummern, Adressen oder andere personenbezogene Daten. Absolute Depotwerte sind grundsätzlich nicht erforderlich; ETF-Bezeichnungen bzw. ISINs und ungefähre prozentuale Portfolioanteile reichen aus.

Falls ich einen Screenshot, Depotauszug, eine PDF- oder Excel-Datei verwenden möchte, weise mich vorher darauf hin, personenbezogene Angaben und nicht benötigte Finanzinformationen zu entfernen oder zu schwärzen.

Beginne mit der Frage:

„Welche ETFs hast Du derzeit im Portfolio – und wie groß sind ihre ungefähren prozentualen Anteile?“

Falls ich nur Produktnamen, ISINs oder lediglich den Index kenne, arbeite damit weiter. Wenn nur der Index bekannt ist, nutze dessen aktuelle Zusammensetzung als Näherung und kennzeichne ausdrücklich, dass der konkrete ETF davon geringfügig abweichen kann.

Analyse

Untersuche anschließend:

  • wie hoch mein tatsächlicher Anteil an großen US-Tech- und KI-Unternehmen wie Microsoft, Nvidia, Alphabet, Amazon, Meta, Apple und Tesla ist,
  • ob sich dieselben Unternehmen über mehrere ETFs mehrfach im Portfolio finden,
  • wie stark mein Portfolio nach Unternehmen, Branchen, Regionen und Geschäftsmodellen wirklich diversifiziert ist,
  • wie die Marktkapitalisierungsgewichtung großer Indizes zu einer stärkeren Konzentration auf wenige Mega-Caps führen kann.

Analysiere außerdem meine indirekte KI-Abhängigkeit. Unterscheide dabei insbesondere zwischen Halbleitern und Rechenleistung, Cloud und Rechenzentren, Plattformunternehmen, KI-Software, industrieller KI sowie Energie- und Infrastrukturbedarf.

Stelle danach Chancen und Risiken einer hohen US-Tech-Gewichtung gegenüber. Berücksichtige auf der Chancenseite insbesondere hohe Cashflows, Skaleneffekte, technologische Führungsposition, Daten- und Plattformmacht sowie Investitionskraft. Prüfe auf der Risikoseite unter anderem Bewertung, hohe Korrelationen, Regulierung, technologische Disruption, geopolitische Risiken und mögliche KI-Euphorie.

Prüfe auch, welche Rolle Europa als Ergänzung spielen könnte, etwa über europäische Aktien-, Industrie-, Finanz-, Technologie- oder Infrastruktur-ETFs. Behandle die Frage ausdrücklich nicht als „USA oder Europa“, sondern als Frage einer sinnvollen Gewichtung.

Drei mögliche Strategien

Vergleiche:

  1. Marktgewichtung beibehalten – die hohe US-Tech-Gewichtung akzeptieren.
  2. Konzentration moderat reduzieren – globale ETFs beibehalten, aber Europa oder andere Regionen gezielt ergänzen.
  3. Aktiver diversifizieren – die Abhängigkeit von den größten US-Technologiewerten deutlich verringern.

Zeige mir zusätzlich kurz sinnvolle Alternativen zu klassischen marktkapitalisierungsgewichteten ETFs, etwa Equal Weight, Value, Quality oder regionale Beimischungen, und erkläre deren Vor- und Nachteile.

Persönliche Situation

Beziehe anschließend meine persönliche Situation ein. Frage dazu gebündelt und knapp nach Anlagehorizont, Risikobereitschaft, Liquiditätsbedarf, gewünschter Aktienquote und Lebensphase. Stelle dabei insgesamt höchstens drei bis vier kurze Rückfragen, bevor Du mit transparenten Annahmen weiterarbeitest.

Prüfe dabei ausdrücklich, ob Anlagehorizont, Aktienquote und tatsächliche Verlusttoleranz zueinander passen. Weise darauf hin, wenn dieses Gesamtrisiko wichtiger sein könnte als die untersuchte US-Tech-Konzentration.

Ergebnis

Fasse am Ende zusammen:

  • wie hoch meine tatsächliche US-Tech-/KI-Konzentration ist,
  • wo die wichtigsten Chancen und Risiken liegen,
  • welche Rolle Europa spielen könnte,
  • welche der drei Strategien zu meiner Situation am besten passt,
  • ob neben der Konzentration einzelner Unternehmen oder Regionen ein grundlegenderes Portfoliorisiko erkennbar ist.

Methodische Regeln

  • Hinterfrage meine Annahmen und weise auf versteckte Konzentrationen hin.
  • Trenne klar zwischen Fakten, Annahmen und Einschätzungen.
  • Kennzeichne jede aktuelle Zahl mit Datenstand und Quelle.
  • Wenn keine hinreichend aktuellen oder verlässlichen Daten verfügbar sind, sage das ausdrücklich.
  • Verwende Schätzungen nur, wenn sie klar als solche gekennzeichnet sind und ihre Grundlage erläutert wird.
  • Erfinde keine exakten Prozentwerte.
  • Berechne Überschneidungen zwischen ETFs nur auf Basis nachvollziehbarer aktueller Holdings- oder Indexdaten. Wenn diese fehlen, beschreibe die Überschneidung qualitativ statt eine scheinpräzise Zahl zu nennen.
  • Nutze möglichst Primärquellen wie ETF-Factsheets, Indexanbieter und offizielle Fondsdokumente.
  • Erkläre Fachbegriffe knapp und verständlich.
  • Verlange keine personenbezogenen Daten, die für die Analyse nicht notwendig sind.
  • Weise bei hochgeladenen Dokumenten darauf hin, nicht benötigte persönliche und finanzielle Angaben vorher zu entfernen.
  • Führe mich wie ein sachlicher finanzwirtschaftlicher Sparringspartner durch die Analyse.

Datenschutz: Was der Prompt leisten kann – und was nicht

Der Prompt ist bewusst nach dem Prinzip der Datensparsamkeit aufgebaut. Für eine Analyse der ETF-Struktur benötigt die KI weder den Namen des Anlegers noch Depot- oder Kontonummern und im Regelfall auch keine absoluten Vermögensbeträge. ETF-Bezeichnung oder ISIN sowie die ungefähren prozentualen Anteile am Portfolio reichen aus.

Wer einen Screenshot, einen Depotauszug oder eine Excel-Datei verwendet, sollte deshalb vorher alle nicht benötigten persönlichen Angaben entfernen oder schwärzen.

Damit ist das grundsätzliche Datenschutzproblem einer cloudbasierten KI allerdings nicht vollständig beseitigt. Die eingegebenen Daten werden bei solchen Diensten grundsätzlich nicht ausschließlich auf dem eigenen Rechner verarbeitet. Welche Regeln für Verarbeitung und Speicherung gelten, hängt vom jeweiligen Anbieter, Produkt und Tarif ab.

Wer sensible Finanzdaten grundsätzlich nicht an eine Cloud-KI übertragen möchte, kann inzwischen lokale KI-Modelle einsetzen. Programme wie LM Studio oder Ollama ermöglichen es, geeignete Sprachmodelle direkt auf dem eigenen Computer auszuführen. Depotdaten können dann lokal eingelesen und ausgewertet werden, ohne dass sie für die KI-Verarbeitung den eigenen Rechner verlassen müssen.

Besonders sinnvoll wäre eine hybride Lösung: Die persönlichen Depotdaten bleiben lokal. Aus ihnen werden lediglich ETF-Bezeichnungen, ISINs und Portfolioanteile ermittelt. Aktuelle öffentliche Informationen über die Zusammensetzung der ETFs oder Indizes können anschließend aus dem Internet bezogen werden. Die Berechnung von Überschneidungen und Konzentrationen erfolgt wieder lokal.

Dabei muss nicht jede Aufgabe von einer KI erledigt werden. Prozentwerte, Gewichtungen und ETF-Überschneidungen lassen sich mit klassischer Software zuverlässig berechnen. Die lokale KI kann sich auf das konzentrieren, was sie besonders gut kann: Ergebnisse erklären, Zusammenhänge erkennen und mit dem Anleger unterschiedliche Strategien diskutieren.

Die sinnvolle Prozesslogik lautet damit:

Depotdaten lokal erfassen → notwendige Informationen extrahieren → aktuelle öffentliche Marktdaten ergänzen → Konzentrationen berechnen → KI unterstützt bei Interpretation und Diskussion → der Anleger entscheidet.

Der hier vorgestellte Prompt ist daher vor allem eine einfach nutzbare Einstiegslösung. Wer regelmäßig größere oder vertrauliche Portfolios analysiert, kann denselben Analyseprozess auch lokal oder hybrid aufbauen und damit den Datenschutz erheblich verbessern.