Hier findest du einfache Erklärungen zu wichtigen Finanzbegriffen
Künstliche Intelligenz (KI) ist die Fähigkeit von Computern, menschliches Denken und Lernen nachzuahmen. Sie können selbstständig Probleme lösen und aus Erfahrungen klüger werden.
Die Marktkapitalisierung ist der Gesamtwert aller im Umlauf befindlichen Aktien eines börsennotierten Unternehmens. Sie wird berechnet, indem der aktuelle Aktienkurs mit der Gesamtzahl der ausstehenden Aktien multipliziert wird.
Volatilität misst, wie stark und schnell sich der Preis einer Anlage ändert. Sie zeigt die Schwankungsbreite von Kursen um ihren Mittelwert an.
Inflation ist ein anhaltender Anstieg des allgemeinen Preisniveaus für Waren und Dienstleistungen in einer Volkswirtschaft über einen bestimmten Zeitraum. Dies führt zu einer Abnahme der Kaufkraft des Geldes, da für dieselbe Geldeinheit weniger Güter und Dienstleistungen erworben werden können.
Zölle sind staatliche Abgaben, die beim physischen Verbringen von Waren über eine Zollgrenze, typischerweise bei der Einfuhr, erhoben werden. Sie stellen eine Form der Steuer dar, die den Preis importierter Güter erhöht.
Das Federal Reserve System, oft als Federal Reserve oder kurz Fed bezeichnet, ist das Zentralbank-System der Vereinigten Staaten von Amerika. Es wurde 1913 gegründet, um die Finanzstabilität zu gewährleisten und die Geldpolitik in den USA zu zentralisieren.
Der S&P 500 (Standard & Poor's 500) ist ein nach Marktkapitalisierung gewichteter Aktienindex, der die Wertentwicklung von 500 der größten börsennotierten Unternehmen in den Vereinigten Staaten abbildet. Er gilt als eines der wichtigsten Barometer für die Gesundheit des US-Aktienmarktes und der Gesamtwirtschaft.
Ein Kursziel ist der künftig erwartete Börsenkurs eines Wertpapiers, der auf dessen innerem Wert oder einem charttechnischen Trend basiert. Es stellt eine Prognose der zukünftigen Wertentwicklung einer Aktie dar, oft mit einem Zeithorizont von 1 bis 12 Monaten.
Die Straße von Hormus ist eine strategisch wichtige Meerenge zwischen dem Persischen Golf und dem Golf von Oman, die als entscheidender maritimer Engpass für den globalen Energiehandel dient. Sie ist der primäre Seeweg für den Export eines erheblichen Teils des weltweiten Rohöls und Flüssigerdgases (LNG) aus den ölreichen Golfstaaten.
Nachbörslicher Handel bezeichnet den Kauf und Verkauf von Wertpapieren außerhalb der regulären Öffnungszeiten einer Börse. Er ermöglicht es Marktteilnehmern, auf Nachrichten und Ereignisse zu reagieren, die nach offiziellem Handelsschluss veröffentlicht werden.
Der Gewinn pro Aktie (EPS, englisch: Earnings Per Share) ist eine zentrale Finanzkennzahl, die den Anteil des Unternehmensgewinns angibt, der auf jede einzelne ausstehende Stammaktie entfällt. Er dient als Indikator für die Rentabilität eines Unternehmens und dessen Ertragskraft pro Anteilsschein.
Bewertung ist im Finanzbereich die Einschätzung des Geldwertes von Dingen wie Unternehmen, Aktien oder Immobilien. Es ist der Vorgang, einen Preis oder Wert für etwas festzulegen.
Zuletzt aktualisiert: 12. Februar 2026
Algorithmus-Bias bezeichnet systematische Verzerrungen in den Ergebnissen von Computer-Algorithmen, die zu unfairen oder diskriminierenden Entscheidungen führen. Im Finanzwesen äußert sich dies, wenn automatisierte Systeme aufgrund voreingenommener Daten oder fehlerhaften Designs bestimmte Gruppen benachteiligen und historische Ungleichheiten fortschreiben.
Die auf dieser Website bereitgestellten Informationen dienen ausschließlich zu Bildungs- und Informationszwecken. Sie stellen KEINE Finanzberatung, KEINE Anlageberatung gemäß § 63 WpHG und KEINE Empfehlung zum Kauf oder Verkauf von Wertpapieren dar.
Unsere Inhalte werden automatisiert erstellt und können Fehler, Ungenauigkeiten oder veraltete Informationen enthalten. Eine Gewähr für Vollständigkeit, Richtigkeit oder Aktualität wird nicht übernommen.
Wir sind ein Nachrichten-Aggregator und Bildungsressource – kein Finanzdienstleister. Bei finanziellen Entscheidungen konsultieren Sie bitte qualifizierte Finanzberater. Jede Anlageentscheidung erfolgt ausschließlich auf eigenes Risiko.
Als Amazon-Partner verdienen wir an qualifizierten Verkäufen. Wenn Sie auf einen Affiliate-Link klicken und über diesen Link einkaufen, erhalten wir eine Provision. Der Preis ändert sich für Sie nicht.
Zuletzt aktualisiert: 12. Februar 2026
Algorithmus-Bias bezeichnet systematische Verzerrungen in den Ergebnissen von Computer-Algorithmen, die zu unfairen oder diskriminierenden Entscheidungen führen. Im Finanzwesen äußert sich dies, wenn automatisierte Systeme aufgrund voreingenommener Daten oder fehlerhaften Designs bestimmte Gruppen benachteiligen und historische Ungleichheiten fortschreiben.
Algorithmus-Bias im Finanzsektor entsteht primär durch voreingenommene Dateninputs oder mangelhaftes Algorithmus-Design. Historische Finanzdaten, die zum Training dieser Algorithmen verwendet werden, können vergangene diskriminierende Praktiken bei der Kreditvergabe, der Kreditbewertung und dem Zugang zu Bankdienstleistungen widerspiegeln. Wenn Algorithmen aus solchen verzerrten Datensätzen lernen, können sie bestehende gesellschaftliche Ungleichheiten unbeabsichtigt perpetuieren und sogar verstärken.
Finanzinstitute setzen zunehmend auf automatisierte Systeme für kritische Aufgaben wie Kreditanträge, Kredit-Scoring, Anlageentscheidungen, Versicherungsprämienberechnung und Betrugserkennung. Sind die zugrunde liegenden Algorithmen voreingenommen, kann dies zu ungerechten Ergebnissen führen, beispielsweise zu niedrigeren Kredit-Scores für Bewohner historisch benachteiligter Gebiete, Schwierigkeiten beim Erhalt von Darlehen für bestimmte Gruppen oder höheren Versicherungsprämien, die auf Stellvertretermerkmale für geschützte Eigenschaften basieren.
Ein konkretes Beispiel ist ein Kreditvergabeverfahren, das auf historischen Daten trainiert wurde, in denen bestimmte demografische Gruppen seltener Kredite erhielten oder höhere Ausfallraten aufwiesen. Der Algorithmus könnte dann neuen Antragstellern aus diesen Gruppen unbewusst eine geringere Kreditwürdigkeit zuweisen, unabhängig von ihrer aktuellen finanziellen Situation. Ein weiteres Beispiel ist ein Investmentalgorithmus, der ausschließlich auf Gewinnmaximierung optimiert ist und ohne Fairness-Einschränkungen möglicherweise große, konventionelle Projekte gegenüber kleineren, gemeinschaftsbasierten Initiativen bevorzugt.
Die Auswirkungen von Algorithmus-Bias im Finanzwesen reichen über individuelle Ungerechtigkeit hinaus und bergen erhebliche ethische, rechtliche und reputationsbezogene Risiken für Finanzinstitute. Aufsichtsbehörden wie die BaFin betonen die Notwendigkeit klarer Verantwortlichkeiten, hoher Datenqualitätsstandards und spezifischer Regelungen zur Minimierung von Bias in KI/ML-Anwendungen. Minderungsstrategien umfassen die Analyse von Quelldaten auf Vielfalt, die Überprüfung der Repräsentation verschiedener Gruppen und die Implementierung von Fairness-orientiertem Design sowie kontinuierlicher Überwachung.