Heyy,

Ich möchte mehr auf Wachstum setzen und verkaufe daher den $FGEQ (-0,74 %)

Trotzdem lege ich Wert auf Dividenden für den visuellen Anreiz. 😉

Daher bin ich am überlegen die Gewichtung meiner ETF’s zu verändern.

Schreibt mir gerne eure Meinungen und Ansichten dazu. 💡

Neue Strategie:

$IWDA (-0,01 %) 40%

$TDIV (-0,01 %) 40%

Einzelaktien bleiben bei:

$NVDA (-0,14 %) 10%

$AMZN (-0,39 %) 5%

$V (+0,47 %) 5%

Hallo! 😃

Ich bin 21 Jahre alt und habe eine monatliche Sparrate von ca. 800€.

zum Depot:

meine Basis (40% vom Gesamtdepot) bilden der $VWRL (+0,01 %) zu 60%, $TDIV (-0,01 %) zu 20%, sowie je 10% $EWG2 (+0,35 %) & $BTC (-0,06 %)

Mein zusätzlicher Booster/Grow (30% v. G.) bilden zu

je 20% $NVDA (-0,14 %)
$AVGO (+0,09 %)
$AMZN (-0,39 %)

je 15% $STLAM (-1,04 %)
$AER (+2,36 %)

-) dann sollen zu je 5% dazukommen $IDCC (+0 %) sowie $CBRAIN (-7,04 %) (empfinde ich als sehr spannende Unternehmen)

mein „Langfrist-Depot“ (30% v. G.) bilden die restlichen Unternehmen. (diese sollen langfristig bespart werden)

Wollte ich schon lange im Depot

Hallo Getquin Community,

ich wollte mal fragen, ob ihr momentan eine Aktie habt, die ihr als enorm unterbewertet betrachtet. Ist momentan ja alles wieder sehr stark gelaufen, deswegen freue ich mich auf eure Ideen. Gerne, Aktien die nicht in der ersten Reihe herum schweben wie $NOVO B (+2,36 %) , $ASML (-1,39 %) , $MSFT (+0,14 %) , $NVDA (-0,14 %) und co.

Als kleine Inspiration, bei mir ist momentan $BUR (-1,09 %) wieder relativ hoch gewichtet, weil die Bewertung gerade sehr fair ist, selbst ohne einen großen Einmaleffekt der jetzt in den nächsten ein bis zwei Jahren wahrscheinlich immer mehr monetarisiert wird. An sich ist Litigation Finance aber auch einfach ein sehr interessanter und nieschiger Bereich. Es wird im nächsten Monat hierzu aber auch eine Aktienanalyse kommen, darauf könnt ihr euch freuen :)

Folgt gerne wenn Ihr die nicht verpassen wollt!

Euer Basti

• $AVGO (+0,09 %)
  : Die Aktie war zuletzt volatil und stand unter Druck. Sie notiert unter ihrem 52-Wochen-Hoch, aber das AI-Geschäft bleibt ein wichtiger Anlegerfokus.
• $NVDA (-0,14 %)
  ): Immer noch ein Liebling des Marktes, hat NVIDIA in den letzten Wochen einige Einbrüche erlebt, wahrscheinlich durch Gewinnmitnahmen. Trotzdem bleibt die Analystenstimmung sehr positiv, und die Aktie hält sich in der Nähe ihres 52-Wochen-Hochs.
• $UNH (+1,74 %)
  : Diese Aktie hat sich zuletzt stark erholt. Ihr jüngstes Momentum ist bemerkenswert und macht sie zu einem herausragenden Performer im Gesundheitssektor.

Hey zusammen 👋

Ich bin 21 und investiere seit Ende letzten Jahres. Mein Ziel ist es, langfristig ein solides Portfolio aufzubauen und dabei dazuzulernen. Freue mich über Feedback, Tipps oder Denkanstöße zu meiner Strategie – alles hilft, um besser zu werden! 💡

Zur Strategie/Zielgewichtung:

Basis/Dividenden:

$IWDA (-0,01 %) zu 30%

$TDIV (-0,01 %) zu 30%

$FGEQ (-0,74 %) zu 20%

Einzelaktien als zusätzlichen Boost:

$NVDA (-0,14 %) 10%

$AMZN (-0,39 %) 5%

$V (+0,47 %) 5%

Monatlich investiere ich 400€ zur Zielgewichtung.

Hallo, ich überlege derzeit mein portfolio umzustellen und auf eine Core- Satelite Strategie zu wechseln.

Mein Hauptteil soll der $SPPW (-0,07 %) mit ca 45% werden. Danach sollen Dividenden Aktien kommen: $NOVO B (+2,36 %) mit 10%, $O (-0,1 %) mit 5%, $MO (+0,36 %) mit 5%, $MAIN (+0,75 %) mit 5% und $PG (-0,15 %) mit 10%.

Die Wachstumswerte sollen aus $NVDA (-0,14 %) , $AAPL (-0,02 %) , $2330 und $ASML (-1,39 %) mit jeweils 5% bestehen.

Würded ihr das so unterzeichen oder würded ihr was ändern?

Tabelle mit Werten für einfachere Übersicht:

MSCI World SPDR - 45%

Novo Nordisk - 10 %

Realty Income - 5 %

Altria - 5 %

Main Street Capital - 5 %

Procter & Gamble - 10 %

Nvidia - 5%

Apple - 5%

TSMC - 5%

ASML - 5%

Änderungen die ich bis jetzt vorgenommen habe:

Novo nordisk und procter & gamble auf 5% rzu reduzieren und dafür jeweils 5% Gold und btc aufzunehmen.

Der Hype dreht sich um humanoide Roboter, aber die stetigen Gewinner sitzen im Hintergrund.

Ich habe die Analyse in zwei Blickwinkel getrennt. 1. Die komplette Wertschöpfungskette humanoider Roboter, die alle Player vom Chip bis zum fertigen Roboter zeigt und 2. die Schaufelhersteller im Hintergrund, die als Enabler immer verdienen, egal welcher Hersteller das Rennen macht.

In der Fertigungstechnologie dominieren ASML, Applied Materials und Tokyo Electron. Qualitätssicherung kommt von Keysight, Advantest und Teradyne. Das Chipdesign stützen Synopsys, Cadence und ARM. Datenströme sichern Arista Networks, Cisco und Equinix. Die Rechenbasis entsteht in der Cloud bei Amazon, Microsoft und Alphabet. Bei Rohstoffen und Batteriematerialien spielen Albemarle, Lynas und Umicore eine zentrale Rolle. Diese Firmen monetarisieren die Investitionswellen ihrer Kunden, besitzen hohe Eintrittsbarrieren, Serviceumsätze und Preissetzungsmacht, bleiben aber zyklisch mit Risiken durch Exportregeln, Capex-Kürzungen und Währungsbewegungen.

🌐 Wertschöpfungskette humanoider Roboter Sektorübersicht

1. Forschung & Chipdesign (IP / EDA)

$ARM (+2,23 %)
ARM Holdings (ARM, UK/USA) – CPU-Architekturen

$SNPS (-0,95 %)
Synopsys (SNPS, USA) – Chip-Designsoftware

$CDNS (+1,11 %)
Cadence Design Systems (CDNS, USA) – EDA & Simulation

2. Fertigungstechnologie & Equipment

$ASML (-1,39 %)
ASML (ASML, NL) – EUV-Lithographie, Schlüsselmonopol

$AMAT (-0,2 %)
Applied Materials (AMAT, USA) – Prozess-Equipment

$8035 (-3,37 %)
Tokyo Electron (8035.T, JP) – Wafer-Equipment

$KEYS (+1,98 %)
Keysight Technologies (KEYS, USA) – Test & HF-Messtechnik

$6857 (+1,97 %)
Advantest (6857.T, JP) – Halbleitertestsysteme

$TER (-0,22 %)
Teradyne (TER, USA) – Testsysteme + Robotik (Universal Robots)

3. Chipfertigung (Foundries)

$TSM (-0,2 %)
TSMC (TSM, TW) – größter Auftragsfertiger

$005930
Samsung Electronics (005930.KQ, KR) – Speicher + Foundry

$GFS (-0,74 %)
GlobalFoundries (GFS, USA) – spezialisierte Produktion

4. Rechen- & Steuerungseinheit („Gehirn“)

$NVDA (-0,14 %)
Nvidia (NVDA, USA) – GPUs, KI-Beschleuniger

$INTC (+0,45 %)
Intel (INTC, USA) – CPUs, FPGAs

$AMD (-0,8 %)
AMD (AMD, USA) – CPUs/GPUs

$MRVL (+0,49 %)
Marvell Technology (MRVL, USA) – Netzwerk-/Rechenzentrums-Chips

5. Sensorik („Sinne“)

$6758 (-0,94 %)
Sony (6758.T, JP) – CMOS-Bildsensoren

$6861 (-0,23 %)
Keyence (6861.T, JP) – Vision-Systeme, Sensorik

$STM (+0 %)
STMicroelectronics (STM, CH/FR) – MEMS-Sensoren

6. Aktuatoren & Leistungselektronik („Muskeln“)

$IFX (-0,84 %)
Infineon (IFX, DE) – Leistungshalbleiter, SiC

$ON (-0,92 %)
N Semiconductor (ON, USA) – SiC/Power Chips

$STM (+0 %)
STMicroelectronics (STM, CH/FR) – Motorsteuerung & Power

$TXN (+0,57 %)
Texas Instruments (TXN, USA) – Motorsteuerung, Power-ICs

$ADI (+1,92 %)
Analog Devices (ADI, USA) – Energie- & BMS-Chips

7. Kommunikation & Vernetzung („Nerven“)

$QCOM (-0,11 %)
Qualcomm (QCOM, USA) – 5G/SoCs

$AVGO (+0,09 %)
Broadcom (AVGO, USA) – Netzwerk- & Funkchips

$SWKS (-0,43 %)
Skyworks Solutions (SWKS, USA) – RF-Komponenten

8. Energieversorgung

$300750
CATL (300750.SZ, CN) – Batterien

$6752 (-0,02 %)
Panasonic (6752.T, JP) – Batterien für Automotive/Robotik

$373220
LG Energy Solution (373220.KQ, KR) – Batterien

9. Cloud & Infrastruktur

$AMZN (-0,39 %)
Amazon (AMZN, USA) – AWS

$MSFT (+0,14 %)
Microsoft (MSFT, USA) – Azure

$GOOG (+0,66 %)
Alphabet (GOOGL, USA) – Google Cloud

$EQIX (-1,09 %)
Equinix (EQIX, USA) – Rechenzentrumsbetreiber

$ANET (+0,84 %)
Arista Networks (ANET, USA) – Netzwerk-Infrastruktur

$CSCO (+0,25 %)
Cisco Systems (CSCO, USA) – Edge- & Datacenter-Netzwerke

10. Software & Datenplattformen

$PLTR (-0,48 %)
Palantir (PLTR, USA) – Datenintegration, Entscheidungssoftware

$DDOG (+1,04 %)
Datadog (DDOG, USA) – Cloud-Monitoring / Observability

$SNOW (+0,38 %)
Snowflake (SNOW, USA) – Cloud-native Datenplattform

$ORCL (-0,43 %)
Oracle (ORCL, USA) – Datenbanken, ERP

$SAP (-0,83 %)
SAP (SAP, DE) – ERP/Cloud-Systeme

$PATH (-0,43 %)
UiPath (PATH, USA) – Automatisierungssoftware (RPA)

$AI (-0,34 %)
C3.ai (AI, USA) – Enterprise-AI-Plattform

11. Endanwendungen / Roboter

$ABB
ABB (ABB, CH) – Industrieroboter

$6954 (-1,08 %)
Fanuc (6954.T, JP) – Industrieroboter, CNC

$TSLA (-0,69 %)
Tesla (TSLA, USA) – humanoider Roboter „Optimus“

$9618 (+0,45 %)
JD.com (JD, CN) – E-Commerce & automatisierte Logistik

🛠️ Schaufelhersteller für humanoide Roboter

🔹 Hardtech (physische „Schaufeln“)

Diese Firmen liefern die materielle Grundlage: Fertigungsmaschinen, Rohstoffe, Halbleiter-Basis.

Halbleiter-Equipment & Fertigung

$ASML (-1,39 %)
ASML (ASML, NL) – EUV-Lithographie (Monopol).

$AMAT (-0,2 %)
Applied Materials (AMAT, USA) – Wafer-Equipment.

$8035 (-3,37 %)
Tokyo Electron (8035.T, JP) – Prozess-Equipment.

Testsysteme (Hardware-seitig)

$6857 (+1,97 %)
Advantest (6857.T, JP) – Halbleitertest.

$TER (-0,22 %)
Teradyne (TER, USA) – Testsysteme + Industrieroboter.

Materialien & Rohstoffe

$ALB (+0,95 %)
Albemarle (ALB, USA) – Lithium (Batterien).

$LYC (+6,22 %)
Lynas Rare Earths (LYC.AX, AUS) – Seltene Erden für Magnete.

$UMICY (-1,82 %)
Umicore (UMI.BR, BE) – Kathodenmaterialien, Recycling.

🔹 Soft-/Infra (digitale „Schaufeln“)

Diese Firmen liefern die Infrastruktur & Tools, ohne die Entwicklung, Training und Betrieb unmöglich wären.

Design-Software & IP

$SNPS (-0,95 %)
Synopsys (SNPS, USA) – EDA-Software.

$CDNS (+1,11 %)
Cadence Design Systems (CDNS, USA) – Chipdesign & Simulation.

$ARM (+2,23 %)
ARM Holdings (ARM, UK/USA) – CPU-Architekturen (Lizenzmodell).

Test & Messtechnik (Software-/Signalebene)

$KEYS (+1,98 %)
Keysight Technologies (KEYS, USA) – Elektronik- & HF-Testsysteme.

Netzwerk & Rechenzentrums-Backbone

$ANET (+0,84 %)
Arista Networks (ANET, USA) – High-Speed-Netzwerke.

$CSCO (+0,25 %)
Cisco Systems (CSCO, USA) – Datacenter/Edge-Netzwerke.

$EQIX (-1,09 %)
Equinix (EQIX, USA) – Rechenzentren (Colocation).

Cloud-Infrastruktur

$AMZN (-0,39 %)
Amazon (AMZN, USA) – AWS (Cloud, AI-Training).

$MSFT (+0,14 %)
Microsoft (MSFT, USA) – Azure.

$GOOG (+0,66 %)
Alphabet (GOOGL, USA) – Google Cloud.

Takeaway: Wer auf den Infrastrukturstack setzt, partizipiert am Robotiktrend unabhängig vom späteren Produktgewinner und reduziert das Einzelproduktrisiko, muss aber mit Zyklen leben. Welche Stufe der Kette bietet aus eurer Sicht die beste Risiko Rendite Kombination und passt in ein diszipliniertes Portfolio?

Quelle: Eigene Analyse auf Basis öffentlich zugänglicher Unternehmensangaben und IR Materialien der genannten Firmen.

KI-getriebener Flash Crash

Ein KI Flash-Crash entsteht, wenn moderne Handelsalgorithmen in Sekundenschnelle massive Verkaufswellen auslösen.

meist sind diese Systeme so programmiert, dass sie auf Kursänderungen oder Daten Signale reagieren, etwa Stop Loss Limits oder kurzzeitige Kursstürze.

Erreicht eine Aktie einen kritischen Preis, feuern darauf programmierte Algorithmen automatisch Verkäufe ab.

Diese Order treiben den Kurs weiter hinunter, wodurch weitere Algorithmen mit ähnlichen Mechanismen auch verkaufen („Sell Side Momentum“).

Durch diesen sogenannten Kaskaden Effekt kann der Preis innerhalb von Minuten extrem einbrechen.

(Beispiel: Kaskaden Effekt der Kritischen Infrastruktur bei Starkniederschlag)

(https://link.springer.com)

Die Handelsgeschwindigkeit der KI Modelle ist heute so hoch, dass kleinste Auslöser (bsp. Fehlsignale) blitzschnell in einem Sturm aus Trades enden.

Experten warnen, dass viele KI Modelle auf ähnlichen Daten basieren und daher ein „Schwarmdenken“ entstehen kann:

Wenn mehrere Systeme gleichzeitig die selben Signale falsch interpretieren, kann aus einem kleinen Kursrutsch sehr schnell ein riesiger Ausverkauf werden.

(Beispiel: Der Flash Crash vom 6. Mai 2010 begann damit, dass ein großes Verkaufsprogramm für S&P-500-Futures ausgelöst wurde.)

(https://www.advisorperspectives.com)

Zwar erholten sich die Märkte bis Handelsschluss wieder, doch das Beispiel zeigt, wie Dominoeffekte durch automatisierte Orders entstehen können.

Zusätzlich kann KI selbst mitreden:

Moderne Systeme lesen Nachrichten und soziale Medien in Echtzeit aus und reagieren eigenständig.

So können Bots auch völlig neue Informationen einbeziehen (Tweets oder Nachrichten) und daraus Kauf oder Verkaufssignale generieren.

Fälschlicherweise generierte oder falsch interpretierte Nachrichten können daher sofort zu Verkäufen führen.

1.

Mögliche Trigger

Datenfehler oder Manipulation:

Fehlerhafte Marktdaten (Preise, Volumen) oder Cyber Angriffe auf Daten können falsche Signale auslösen.

Algorithmen, die blind auf Daten reagieren, könnten fälschlicherweise Verkäufe oder Käufe auslösen.

Der Begriff:

„Simulation Deception“

(https://www.tencentcloud.com/techpedia/118834)

beschreibt künstliche Muster im Markt, die durch manipulierte Daten entstehen.

So könnte ein Angreifer mit gefälschten Kauf­/ Verkaufsaufträgen (Spoofing) künstlich Liquidität vorspielen woraufhin KI Systeme panisch in die Gegenrichtung handeln.

Fake News und Deepfakes:

Künstliche Intelligenz erlaubt inzwischen täuschend echte Falschmeldungen (Deepfake Video, gefälschte Tweets etc.).

(Beispiel: am 16. Juli 2025 schrieb das Kongressmitglied Anna Paulina Luna aus Florida auf X (Twitter), sie habe von Präsident Trump gehört, dass Fed Chef Powell sofort entlassen werde.)

(https://www.advisorperspectives.com)

(https://www.advisorperspectives.com)

KI durchsuchte alle Social Media Beiträge gezielt nach handelbaren Nachrichten. Es wurde fündig und eine heftige Reaktion an den Anleihen und Aktienmärkten folgte, wie oben dargestellt.

In früheren Fällen wäre die Wirkung möglicherweise abgeschwächt gewesen, da der Präsident schneller hätte reagieren und die Aussagen zurückweisen können, noch bevor viele Marktteilnehmer das Gerücht überhaupt wahrgenommen hätten.

Selbst wenig bekannte Posts können durch KI Aufmerksamkeit binnen Minuten zu starken Marktbewegungen führen.

Weltwirtschaftsforum Analysen warnen explizit:

Maschinengenerierte Fake News können wie ein Flash Crash-Auslöser wirken.

Immer mehr Bots können solche Falschinformationen gezielt verbreiten, um Handelsalgorithmen zu täuschen.

KI Fehlinterpretation:

Selbst wenn die Daten korrekt sind, können KI Modelle sie falsch deuten.

Handelsalgorithmen, die komplexe Daten (News, technische Indikatoren) verarbeiten, laufen Gefahr, irrelevanten Lärm als Signal zu deuten.

Lawfare nennt als Beispiel, dass KI gestützte Systeme schon 2010 und 2016 den Markt „falsch gelesen“ haben und unbegründete Verkaufswellen starteten.

"A few algorithms in use simply misread
the market. The unwarranted sell-off initiated by those mistaken models then caused other programs to respond in kind. The $1 trillion lost in that half hour period was eventually made up thanks to human intervention. "

In Zukunft sind solche Fehlinterpretationen umso kritischer, da KI Modelle riesige Datenmengen aus sozialen Medien und Nachrichten auswerten.

Paniksignale/ Kaskaden:

In einem angeschlagenen Markt können automatisierte Risikoabschaltungen (Stopp Sales nach festem Verlustlimit) ein Wettrennen auslösen.

Erreicht etwa eine Kennzahl ($VIX, Index-Level) einen kritischen Wert, schalten viele Systeme gleichzeitig auf Sicherheit – was als künstlicher Panikimpuls den Niederschlag einer Sorte gleichartiger Vermögenswerte bewirken kann.

2.

Betroffene Anlageklassen

Ein KI Flash Crash wirkt sich über verschiedene Anlageklassen aus:

Aktien:

Dies ist oft der erste Anstoß eines Crashs.

Weltweit gelistete Aktien (Indizes wie S&P 500, DAX, Nikkei) sehen in Sekundenschnelle massive Kursverluste.

Ein Shutdown einer großen Position etwa kann andere Algorithmen zum panikartigen Verkauf veranlassen.

Historisch hat der Aktienmarkt solche Ausverkaufs Wellen mehrfach erlebt.

2010 Dow $DJIA

(https://en.wikipedia.org)

2014 US bonds

(https://www.ft.com)

Ein KI gestützter Flash Crash würde diesen Mechanismus noch beschleunigen. Nach einem starken Einbruch folgt meist eine teilweise Erholung innerhalb weniger Tage oder Wochen.

Anleihen:

Auch Rentenmärkte können "flashen".

Im berühmten Treasury Flash Crash 2014 stürzte in zwölf Minuten die Rendite der US 10-Year U.S. Treasury Yield um 1,6 % mit anschließender Erholung – ausgelöst durch algorithmische Verkaufsorders auf Rekordniveau.

(https://www.researchgate.net)

(Theoretisch können KI hier gegen agieren:

In einer Aktienpanik flüchten Investoren oft in Bonds (Kurs steigt, Rendite fällt).

Aber KI gesteuerte Bondfonds könnten gleichzeitig, automatisch bestimmte Schwellenwerte erreichen und zum Verkauf von Anleihen oder Anleihen Futures auslösen.

Dadurch könnten sich kurzfristig starke Zinsausschläge einstellen, auch wenn die Fundamentaldaten dies nicht rechtfertigen.)

Rohstoffe:

Bei großer Unsicherheit kippen oft auch Rohstoffpreise.

Typischerweise fallen Öl ($IOIL00 (+0,99 %) ), Gas ($NGS ) und Industriemetallpreise ($COPA (+0,71 %) , $ALUM (+0,55 %) , $ZINC (-0,38 %) ) in einer Crash Phase wegen erwarteter schwächerer Nachfrage.

KI Programme am Rohstoffmarkt (z. B. im Öl oder Goldfutures Handel) könnten diesen Absturz verstärken oder sogar einen „mini Flash Crash“ in einzelnen Rohstoffen auslösen.

(Beispiel: der Silber Futures Einbruch im Juli 2017:

Preissturz um über 11 % während Asienschluss, als dünner Handel durch Algorithmenverschiebungen schuldgemacht wurde.)

(https://finance.yahoo.com)

KI in Rohstoffmärkten kann also sowohl Verkaufsspitzen auslösen als auch durch Nachkaufprogramme eine schnelle Gegenbewegung einleiten.

Kryptowährungen:

Diese gelten als besonders volatil.

KI Trading Bots gibt es überall, so sind Kryptowährungen also im Freien Fall, wenn viele Bots gleichzeitig „Fear“ Signale erkennen.

(Beispiel: Im Mai 2021 stürzte $BTC (-0,06 %)

innerhalb von Stunden um etwa 30 % ab unter anderem, weil viele Algorithmen nach Signalen zu Chinas Bitcoin Verbot massenhaft verkauften.)

(https://www.brokerdeal.de)

$ETH (-0,09 %) erlebte 2017 einen Flash Crash auf einer Plattform, weil eine riesige Verkaufsorder viele automatisierte Trades auslöste.

(https://www.ubergizmo.com)

Krypto Märkte laufen 24/7, sind unregulierter und somit anfälliger für algorithmische Kettenreaktionen.

3.

Risiko Matrix nach Region

Die Eintrittswahrscheinlichkeit und das Schadensausmaß eines Crashs unterscheiden sich regional:

USA:

• Sehr hohes Handelsvolumen und dominanter Einsatz von KI Algorithmen in New York und Chicago.
• Große Index-Futures können als Initiatoren wirken.
• Wahrscheinlichkeit eines Crashs wird als moderat bis hoch eingeschätzt, da hier viel automatisiert gehandelt wird.
• Schaden wäre extrem hoch, da die US-Märkte global systemrelevant sind.
• Handelsstopps mildern am Handelstag, aber ein Crash-Effekt auf weltweite Investorenstimmung wäre gewaltig.

Europa:

• Starke Abhängigkeit von passiven Fonds und ETFs (u.a von $BLK (-0,97 %) iShares).
• Algorithmen sind verbreitet, aber etwas geringer als in den USA.
• Wahrscheinlichkeit eher mittel, Schaden hoch.
• ETF-Crashs zeigen, dass plötzliche Panik auch hier zu Kettenreaktionen in Aktien führen kann.
• Europäische Bankenkrise könnte entstehen, falls Kreditmärkte durch US-Schocks belastet werden.

Asien:

• Regulations- und Handelszeiten unterscheiden sich.
• Flash-Crashs können sich schnell auf Asien auswirken (Nikkei, SSE), insbesondere wenn sie nachts bei dünnem Handel starten.
• 
  Mittlere Wahrscheinlichkeit und mittlerer Schaden – weil Asiatische Märkte schneller schließen und zumeist später reagieren.
• Crashs in Asien könnten z.B. die Yen- oder Euro-Entwicklung beeinflussen.

Krypto:

• Markt rund um die Uhr offen, wenig Regulierung, große Hebel.
• Wahrscheinlichkeitsmäßig ist ein großer Crash in Crypto sehr hoch, da Preisstürze hier häufiger und von KI-Bots getrieben werden.
• Schaden bleibt oft auf Krypto-Anleger beschränkt, kann aber über verknüpfte Finanzielle Mittel (Bitcoin-ETFs, gehebelte Krypto-Produkte) auch traditionelle Märkte belasten.

Die Matrix-Übersicht könnte also zeigen:

• Kurzfristig (Minuten bis Tage):

Ein plötzlicher Flash Crash würde Sekunden bis Minuten dauern.

Kurse stürzen ab, viele Stop Loss Orders werden ausgelöst.

Börsen schalten automatische Handelspausen ein, um Algorithmus Spiralen zu stoppen.

Anleger verlieren in kürzester Zeit Milliarden, viele Märkte sind zeitweise illiquide.

Das Vertrauen bricht ein, viele Investoren panisch und uninformiert.

• Mittelfristig (Wochen bis Monate):

In den folgenden Tagen bis Wochen sollten sich die Märkte wieder stabilisieren, da Antizyklische KI und manuelle Orders eingreifen.

Mittelfristig könnten Wirtschaftsdaten beeinträchtigt werden, falls ein Crash sich auf Finanzierungsbedingungen auswirkt.

Medien und Öffentlichkeit werden über Monate hinweg das Vertrauen in digitale Märkte hinterfragen.

Anleger berichten über Konsequenzen wie erhöhter Nachfrage nach sicheren Anlagen (Gold, Staatsanleihen).

• Langfristig (Jahre):

Regulierung und Marktmechanismen würden sich anpassen.

Wir könnten einen Regulierungs Boost erwarten:

• Strengere Regeln für KI im Handel
• Transparenzpflichten für Algorithmus Modelle
• Überwachung von Finanz KI durch Aufsichten (SEC, BaFin, ESMA etc.).

Schon in der Vergangenheit führte der 2010er Flash Crash zu neuen Handelsunterbrechungen und Überlegungen zu Handelssystem Anforderungen.

Ein KI Crash würde wahrscheinlich disziplinierende Wirkung haben:

Anbieter müssen robustere KI Modelle entwickeln, und Notfall Pläne (Kill Switches) könnten Pflicht werden.

Langfristig könnte sich das Vertrauen nur langsam erholen:

Institutionelle Investoren würden KI Systemen nur noch bedingtes Vertrauen schenken, und viele Privatanleger könnten sich zeitweilig zurückhalten oder alternative Strategien bevorzugen.

4.

Konkrete Akteure und Technologien

BlackRock Aladdin:

Das KI System Aladdin von BlackRock steuert heute mehr als 30.000 Portfolios und rebalanced permanent enorme Kapitalmengen.

Wird Aladdin für ETFs oder Fonds routinemäßig zu stark verkaufend programmiert, kann das Milliarden Order auslösen.

Nvidia & KI-Chips:

$NVDA (-0,14 %) liefert die Hardware für viele KI Modelle und ist selbst ein Marktstar.

Hohe Erwartungen an KI befeuern Nvidias Börsenkurs seit Jahren.

Algorithmen sind stark auf solche Aktien fixiert.

Fällt beispielsweise Nvidias Kurs abrupt, triggern viele Strategien Verkaufsprogramme.

Solch ein Dominoeffekt

$NVDA (-0,14 %) -> $SEMI (-0,62 %) -> $CSNDX (+0,03 %)

könnte einen Crash befeuern.

In der Praxis wurde gezeigt, dass Nvidia sehr volatil auf makroökonomische wie geopolitische Nachrichten reagiert die nächste KI Turbulenz könnte somit den gesamten Tech Sektor nach unten reißen.

KI Bots auf Binance (Crypto):

In Krypto Börsen wie Binance handeln viele Nutzer mit automatischen Bots.

Ein Großteil des Krypto Handelsvolumens stammt von KI gestützten Systemen.

Diese Bots können zeitgleich Verkaufs oder Kaufwellen erzeugen.

KI-gesteuertes ETF-Rebalancing:

Große Index ETFs und passive Fonds (BlackRock iShares, Vanguard etc.) nutzen automatisierte Systeme, um Indexänderungen umzusetzen.

Steigen oder fallen Indizes schnell, starten viele ETFs gleichzeitig Umschichtungen.

Bei negativer KI Signallage könnten alle KI basierten Fonds gleichzeitig verkaufen.

Dies schafft massive Verkaufsorder in kurzer Zeit.

Weil es sich um Milliardenvolumina handelt, kann allein das Rebalancing einen Crash weiter antreiben.

Sonstige Akteure:

Auch Nachrichtenagenturen, Indexbetreiber (bsp. $MSCI (-0,13 %) ), Hedgefonds mit KI Strategien und Social Trading Plattformen tragen bei.

Jeder plötzliche Ausfall (bsp. Stromausfall bei NYSE) oder Hackerangriff auf Börsensysteme könnte die KI Systeme am Aktienmarkt zusätzlich irritieren.

„Wenn Algorithmen aufeinanderprallen und Märkte in Sekundenbruchteilen erzittern, zeigt sich die neue Macht der KI: Geschwindigkeit ohne Gnade, Präzision ohne Emotion. Ein Funke reicht – und der Dominoeffekt rast durch Indizes, Derivate und Krypto-Sphären. Der KI-getriebene Flash Crash ist kein ferner Schatten mehr, sondern das Echo einer Zukunft, in der die Maschinen den Takt der Finanzwelt schlagen.“

Schreibt mir gern euer Feedback zu diesem Beitrag in die Kommentare und ob euch so etwas interessiert.

Mein plan war es heute morgen eigentlich nur, einen kleinen Post über dieses Thema zu schreiben, aber es wurde jetzt doch ein bisschen länger. So schnell sitzt man den ganzen Tag dran und schreibt.

@Kundenservice bitte die maximale Bildermenge für einen Post erhöhen, hab leider nicht alles an Bilder reinbekommen was ich rausgesucht hatte.

Quellen:

• https://www.ig.com/en/trading-strategies/flash-crashes-explained-190503#:~:text=speeds%20based%20on%20pre,as%20the%20prices%20go%20down
• https://www.advisorperspectives.com/articles/2025/07/28/ai-transforming-markets#:~:text=I%20started%20this%20article%20by,a%20flash%20crash%20or%20surge
• https://www.lawfaremedia.org/article/selling-spirals--avoiding-an-ai-flash-crash#:~:text=an%20otherwise%20normal%20trading%20day,up%20thanks%20to%20human%20intervention
• https://www.ig.com/en/trading-strategies/flash-crashes-explained-190503#:~:text=2010%20flash%20crash%3A%20Dow%20Jones
• https://www.advisorperspectives.com/articles/2025/07/28/ai-transforming-markets#:~:text=For%20example%2C%20on%20July%2016%2C,last%20week%20was%20lightning%20fast
• https://www.binance.com/en/square/post/22230680857314
• https://www.tencentcloud.com/techpedia/118834
• https://www.weforum.org/stories/2023/04/technology-vulnerabilities-financial-system/#:~:text=However%2C%20IoT%20botnets%2C%20which%20tamper,grid%20and%20influence%20market%20prices
• https://www.lawfaremedia.org/article/selling-spirals--avoiding-an-ai-flash-crash#:~:text=But%20this%20was%20not%20a,speed%20selling%20spirals.”
• https://corporatefinanceinstitute.com/resources/career-map/sell-side/capital-markets/flash-crashes/#:~:text=Using%20algorithms%20to%20trade%20has,plunge%20in%20the%20market%20occurs
• https://www.ig.com/en/trading-strategies/flash-crashes-explained-190503#:~:text=The%20flash%20crash%20of%20the,impact%20these%20events%20can%20have
• https://www.tastyfx.com/news/flash-crashes-explained-190503/#:~:text=The%20DJIA%20suffered%20yet%20another,NYSE
• https://www.occ.gov/news-issuances/speeches/2024/pub-speech-2024-61.pdf#:~:text=flash%20crashes%2C%20which%20have%20been,4
• https://www.zerodaylaw.com/blog/ai-compliance-safeguarding-financial-markets#:~:text=The%20reliance%20on%20AI%20for,reaching%20consequences
• https://www.nasdaq.com
• https://medium.com
• https://corporatefinanceinstitute.com
• https://www.tastyfx.com
• https://www.binance.com/en
• https://www.lawfaremedia.org
• https://www.weforum.org
• https://www.ig.com/de
• https://www.tencentcloud.com
• https://www.occ.gov
• https://www.ssrn.com/index.cfm/en
• https://www.advisorperspectives.com
• https://www.zerodaylaw.com
• https://www.curiousmonky.com

Ich habe heute mein Semi-ETF um 20% reduziert, um die Gewichtung von 15% auf 10% zu bringen.

Keine einzelne Position hat eine Gesamtgewichtung (ETF+Einzelaktie) über 5%, was auch meinem Threshold entspricht. Ich möchte immer unter 5% Exposure bleiben.

Mein Forward P/E des Portfolios ist ebenfalls auf 23 gefallen, also unter meinem Zielwert von <25, trotz der hohen Tech-Allokation.

Damit liegt meine Tech-Sektor-Gewichtung jetzt in Linie mit meinem Welt-ETF $QDEV (+0,33 %), der etwa 40-49% Tech enthält. Damit bin ich zufrieden. Bin halt weiterhin Tech-bullish.

Auch die USA-Region habe ich auf 63% reduziert, fast identisch mit dem meinem Welt-ETF (61%), und somit innerhalb meines Zielbereichs von 60-69%.

Meine Favoriten im Semi-Bereich bleiben ohnehin $TSM (-0,2 %) und $HY9H (-3,85 %) , die ich als Einzelpositionen günstig und undervalued gekauft hatte.

$NVDA (-0,14 %) ist und bleibt King, aber ich glaube nicht, dass die jährliche Rendite in den nächsten Jahren über 10% bleibt, dafür müsste die Market Cap jedes Jahr um 400 Mrd. wachsen, was ich für schwierig halte. $AVGO (+0,09 %) hat aktuell ein 5x größeres P/E als Forward P/E, was zeigt, dass Analysten extrem bullish bei den künftigen Einnahmen sind. Ich bin auch bullish, aber nicht so stark, die Aktie ist somit schon sehr heiß gelaufen.

Meine Top 10 Holdings mit 32% Gesamtgewichtung sind aktuell:

4.95% $TSM (-0,2 %) Taiwan Semi

4.65% $NVDA (-0,14 %) NVIDIA

4.55% $GOOG (+0,66 %) Google

4.47% $AVGO (+0,09 %) Broadcom

2.85% $MSFT (+0,14 %) Microsoft

2.63% $META (-0,56 %) Meta

2.37% $AAPL (-0,02 %) Apple

2.04% $ASML (-1,39 %) Asml

1.95% $HY9H (-3,85 %) SK Hynix

1.91% $JPM (+0,09 %) JPMorgan