KI analysiert Tonfall von CEOs in Analystenkonferenzen
Neue Studie zeigt: Stimmliche Merkmale von Führungskräften verraten mehr als Worte – mit messbaren Folgen für den Aktienkurs.

Eine neue Studie im „Journal of Portfolio Management" sorgt in der Finanzwelt für Aufsehen: Algorithmen können aus der Stimme von CEOs und CFOs während Analystenkonferenzen Rückschlüsse auf deren inneren Zustand, kognitive Belastung und Überzeugung ziehen – und das mit direkten Auswirkungen auf den Aktienkurs. Was Führungskräfte sagen, reicht offenbar längst nicht mehr aus. Wie sie es sagen, wird zunehmend zum Marktfaktor.
Die Forschungsarbeit, die maßgeblich von David Pope erarbeitet wurde – heute Leiter von Speech Craft Analytics und ehemaliger Leiter der Quant-Forschung bei S&P Global Market Intelligence –, analysiert sogenannte „paralinguistische akustische Merkmale" aus Audioaufnahmen von Unternehmenschefs. Besonders im Fokus stehen dabei die ungeskripteten Frage-und-Antwort-Runden in Telefonkonferenzen, in denen Führungskräfte spontan auf Analystenfragen reagieren müssen. Eine frühere Version des Papers ist auf der Forschungsplattform SSRN frei zugänglich.
Was die Algorithmen messen
Die Studie bewertet Stimmmerkmale nach einer Reihe von Kategorien: Durchsetzungsfähigkeit, Nervosität, Ausgewogenheit, Valenz, Entropie sowie das sogenannte Erregungsniveau – womit in diesem wissenschaftlichen Kontext das Aktivierungs- oder Intensitätsniveau der Stimme gemeint ist, also erhöhte stimmliche Energie, die je nach Situation Aufregung oder Angst signalisieren kann.
Die Kernaussage der Studie ist eindeutig: Stimmliche Signale enthalten Informationen, die sich weder in Textveröffentlichungen noch in traditionellen Finanzkennzahlen widerspiegeln. Diese Signale stehen im Zusammenhang mit anschließenden Kursanpassungen – ein Hinweis darauf, dass der Markt die im Tonfall ausgedrückte Unsicherheit oder das Vertrauen des Managements zunächst systematisch unterschätzt.
Die Autoren schlussfolgern, dass Unternehmensberichterstattung von Natur aus multimodal ist. Wer sich als Investor allein auf Transkripte verlässt, verpasst demnach eine eigenständige und ökonomisch bedeutsame Informationsquelle. Die Einbeziehung des stimmlichen Vortrags verbessere die Risikomessung zum Zeitpunkt der Veröffentlichung erheblich.
Zusätzlicher Druck auf Unternehmenslenker
Für CEOs und CFOs bedeutet diese Entwicklung eine weitere Belastung in einem ohnehin schon anspruchsvollen Kommunikationsumfeld. Bislang mussten Führungskräfte bei Quartalspräsentationen bereits darauf achten, ihre vorbereiteten Statements und spontanen Antworten in einer mühsamen Balance zu halten: informativ genug, um Vertrauen zu schaffen, aber nicht so konkret, dass ungewollte Erwartungen geweckt werden.
Lesen Sie alles zur aktuellen Aktie der Stunde
Erfahren Sie, worum es geht und warum sich ein genauer Blick jetzt lohnt.
Zur AktienanalyseNun kommt eine zusätzliche Dimension hinzu: der Klang der eigenen Stimme. Selbst wenn die Worte sorgfältig gewählt sind, können Tonhöhe, Sprechrhythmus oder stimmliche Energie Signale aussenden, die von Algorithmen aufgegriffen und in Handelsentscheidungen übersetzt werden. Die Forschung zeigt damit, wie weit die algorithmische Überwachung von Managementkommunikation bereits fortgeschritten ist.
Das Phänomen ist kein völlig neues Terrain: Bereits frühere Studien und Berichte, unter anderem von der Financial Times, haben dokumentiert, wie die zunehmende Robo-Überwachung den Tonfall von CEO-Telefonkonferenzen verändert. Die neue Studie liefert nun erstmals einen robusten empirischen Beleg dafür, dass diese stimmlichen Signale tatsächlich Marktrelevanz besitzen – und nicht nur ein theoretisches Konstrukt sind.
Für Privatanleger ist die Erkenntnis ebenfalls relevant: Wer Earnings Calls nur als Text liest oder zusammengefasst konsumiert, erhält möglicherweise ein unvollständiges Bild der tatsächlichen Managementzuversicht. Die Stimme des CEOs könnte künftig zu einem eigenständigen Analyseinstrument werden – zumindest für jene, die Zugang zu entsprechenden Auswertungstools haben.


