ChatGPT für Finanzdienstleister: Recherche, Excel-Modelle und Pitchbooks mit KI

OpenAI richtet sich mit ChatGPT for Financial Services gezielt an Finanzinstitute. Das am 10. September vorgestellte Angebot ist eine angepasste Version von ChatGPT Work: GPT-6 Astra wird mit integrierten Finanzdaten, zentraler Administration und Werkzeugen für Teams im Investmentbanking und Equity Research kombiniert. Morgan Stanley und Evercore waren Entwicklungspartner. 15

Wofür die KI gedacht ist

Im Mittelpunkt stehen dokumentenintensive Aufgaben, die in Banken und Research-Häusern oft bei Analystinnen und Analysten liegen. OpenAI positioniert das Produkt als Hilfe für Research, Finanzmodelle und maßgeschneiderte Kundenunterlagen – nicht als Ersatz für professionelles Urteil oder die Verantwortung der Bank. 56

Zu den vorgesehenen Einsatzfeldern gehören:

• Unternehmens- und Marktanalyse: Informationen aus Finanzquellen zusammenführen, etwa Zahlen aus Geschäftsberichten, Transkripten von Analystenkonferenzen und weiteren Originalunterlagen.
• Finanzmodellierung in Excel: komplexe Arbeitsmappen erstellen, aktualisieren und auswerten, ohne bestehende Formeln und Strukturen aufzugeben. OpenAI nennt insbesondere Bewertungen, Szenarioanalysen und die Nachverfolgung von Werttreibern. 2
• M&A- und Akquisitionsanalyse: potenzielle Käufer oder Übernahmeziele identifizieren, Vergleichsunternehmen auswählen, Finanzdaten auswerten und daraus eine Präsentation vorbereiten.
• Pitchbooks und Kundenmaterial: Research-Notizen, Diagramme, Dokumente und PowerPoint-Unterlagen auf Basis freigegebener Excel-, Word- und PowerPoint-Vorlagen sowie interner Gestaltungsvorgaben erstellen. 5

Das Versprechen lautet vor allem: weniger manuelles Zusammentragen, Umformatieren und Erstellen von Erstentwürfen. Für Modell, Beratung, Kundenbeziehung und die Entscheidung, einem Ergebnis zu vertrauen, bleibt jedoch das Institut verantwortlich.

Finanzdaten mit nachvollziehbaren Quellen

Ein Kernpunkt des Angebots ist, Premium-Finanzinformationen und KI-gestützte Analyse in einem Arbeitsbereich zusammenzubringen. OpenAI spricht von integrierten Finanzdaten; in Berichten zur Einführung werden Daloopa, PitchBook und LSEG als Datenanbieter genannt. 12

Hinzu kommen detaillierte Quellenangaben. Nutzerinnen und Nutzer sollen eine generierte Zahl oder Aussage bis zum zugrunde liegenden Material zurückverfolgen können, statt eine Antwort ohne Beleg übernehmen zu müssen. Gerade im Finanzbereich kann bereits ein abweichender Berichtszeitraum, eine andere Definition oder eine Anpassung die Bewertung oder Empfehlung erheblich verändern. 5

Sichtbare Quellen verbessern die Prüfbarkeit, garantieren aber keine Richtigkeit. Teams müssen weiterhin kontrollieren, ob der zitierte Abschnitt die Aussage tatsächlich deckt, ob Einheiten und Zeiträume stimmen und ob Modellergebnisse mit den Quelldaten übereinstimmen.

Integrationen und Kontrollen für regulierte Arbeit

Unternehmen können Zugriffe und Datenverbindungen laut OpenAI zentral über die Enterprise-Plattform verwalten. Das Angebot hebt die Arbeit in Excel hervor und soll bestehende Beziehungen zu Finanzdatenanbietern nutzbar machen, statt einen vollständig separaten Recherche-Stack zu erzwingen. 25

OpenAI nennt Verbindungen zu Anbietern wie S&P Global, FactSet und LSEG sowie ein breiteres Connector-Ökosystem. In der Berichterstattung werden zudem Datasite, Box, Preqin und Intapp als Connector-Beispiele erwähnt. 78

Wichtig ist die Abgrenzung: Die vorliegenden Informationen stützen Intapp als Teil des Connector-Ökosystems, aber kein separat dokumentiertes Intapp-Plug-in mit eindeutig beschriebenem Funktionsumfang. Institute sollten Datenlizenzen, Informationsbarrieren, Aufbewahrungseinstellungen und das Verhalten einzelner Connectoren vor dem Einsatz direkt mit OpenAI klären.

Für regulierte Prozesse baut das Produkt auf Enterprise-Kontrollen auf, darunter Identitäts- und Zugriffsverwaltung, rollenbasierte Berechtigungen, konfigurierbare Aufbewahrung, Verschlüsselung, prüfungsorientierte Protokolle und getrennte Arbeitsbereiche für Informationsbarrieren. OpenAI erklärt außerdem, Geschäftsdaten von Kunden würden standardmäßig nicht zum Training der Modelle verwendet. 5

Zugang und Preis

ChatGPT for Financial Services ist für berechtigte Finanzinstitute über den OpenAI-Vertrieb oder bestehende Account-Teams erhältlich. Einen Standardpreis pro Nutzer, eine Mindestabnahme oder ein eigenständiges Produktpaket hatte OpenAI zum Start nicht öffentlich genannt. 39

Damit ist das Angebot keine gewöhnliche ChatGPT-Mitgliedschaft für Einzelpersonen, sondern eine Beschaffungs- und Governance-Entscheidung für Unternehmen. Zu prüfen sind auch bestehende Marktdatenlizenzen, interne Regeln für Daten und die erforderlichen Freigabeprozesse.

Konkurrenz durch Anthropic

Als sichtbarster direkter Wettbewerber gilt Anthropic mit Claude for Financial Services. Das Angebot umfasst Agenten für Aufgaben wie die Erstellung von Pitch-Materialien, die Auswertung von Quartalszahlen, Modellarbeit und compliance-orientierte Abläufe.

Beide Anbieter verfolgen ein ähnliches Ziel: Ein allgemeines KI-System soll zu einem kontrollierten Arbeitsbereich werden, der mit proprietären Daten, Office-Dateien und Finanzprozessen umgehen kann. OpenAI setzt dabei auf GPT-6 Astra, integrierte Daten, Quellenangaben und die angepasste ChatGPT-Work-Umgebung. Ob dies besser passt als Claude, hängt für Käufer vor allem vom vorhandenen Daten-Stack, den Kontrollmechanismen und der Dokumentenerstellung ab. 5

Produktivitätsgewinn oder Verlust des Lernprozesses?

Kurzfristig dürfte es weniger um das Verschwinden von Bankern gehen als um die Verdichtung wiederkehrender Arbeit: Informationen sammeln, Research-Entwürfe schreiben, Arbeitsmappen aktualisieren, Folien formatieren und erste Kundenunterlagen zusammenstellen. Das könnte Zeit für Beurteilung, Kundentermine und tiefergehende Analyse freimachen.

Die Gegenposition: Gerade diese Junior-Aufgaben sind Teil der Ausbildung. Zahlen abzustimmen, ein Modell selbst aufzubauen, fragwürdige Annahmen zu erkennen und eine Schlussfolgerung zu verteidigen, schult finanzwirtschaftliche Intuition. Werden KI-Ergebnisse ohne eigenständige Prüfung akzeptiert, könnte der Geschwindigkeitsgewinn zulasten dieses Lernprozesses gehen.

Ein sinnvoller Ansatz ist daher die beaufsichtigte Nutzung: Quellen prüfen, Formeln und Annahmen jedes Modells verstehen, zentrale Resultate abstimmen und die abschließende Empfehlung erklären können. Nachvollziehbare Quellen können diese Disziplin erleichtern – entscheidend bleibt aber der Kontrollprozess des Unternehmens, nicht das Werkzeug allein.