Methodik
Ein Analyst, der mehr weiß und schneller liest, als ein Mensch es kann. Und ein System, das seine Schwächen auffängt.
Nicht die Berichte.
Die Rechenmaschine dahinter.
Was auf dieser Seite als Research erscheint, ist das sichtbare Ergebnis einer Maschine, die unabhängig davon existiert. Sie nimmt einen Geschäftsbericht entgegen und liefert ein nachvollziehbares Bewertungsmodell samt Text.
Ihr Gerüst, Kapitalkosten, Szenarien, Endwerte und die Regeln darum, bildet eine Risikohaltung ab. Genau die lässt sich austauschen: ein Haus auf der Kaufseite oder auf der Verkaufsseite hinterlegt seine eigene Linie, seine Sektorlogik und seine Formate, und bekommt dieselbe Verarbeitungskette unter seinen Vorgaben.
Was hier standardisiert wird, ist finanzielle Urteilsfindung: nachvollziehbare Bewertungen, Szenarien und Risikoanalysen aus Geschäftsberichten und Finanzdaten. Equity Research ist der erste Anwendungsfall dieser Infrastruktur. Kreditanalyse, Bewertung nicht notierter Unternehmen und Schnittstellen für Finanzdaten folgen auf derselben Kette.
Ein Pitch lebt von der Frage, was passiert, wenn die Annahme kippt. Die Maschine liefert das vollständige Modell samt Sensitivitäten über Kapitalkosten, Wachstum, Margen und Endwert, statt einer Zahl mit Bauchgefühl daneben.
Abdeckung in der Breite, ohne dass jede Firma einen eigenen Analysten bindet: Erstbewertung, Quartals-Nachführung und fertiger Notentext in gleichbleibender Form und Tiefe.
Das Haus hinterlegt seine eigene Linie: Kapitalkosten-Aufbau, Szenario-Logik, Sektor-Vorgaben, Layout und Sprache. Die Verarbeitungskette bleibt dieselbe, die Handschrift wird die des Hauses.
Vermögensverwalter, Family Offices und kleinere Häuser bekommen eine Bewertungstiefe, die sonst eine besetzte Abteilung voraussetzt, zu den Kosten einer Software.
Die künstliche Intelligenz als Analystin
Als Leserin eines Geschäftsberichts ist sie jedem Menschen überlegen. Als Bewerterin ist sie unzuverlässig. Beides gehört zur ehrlichen Beschreibung dessen, was hier arbeitet.
- Wissensbreite
- Ein Sprachmodell trägt Rechnungslegung, Branchenlogik und Bewertungspraxis gleichzeitig im Kopf. Es liest den Geschäftsbericht eines Chemiekonzerns mit demselben Fachwissen wie den eines Softwarehauses.
- Gedächtnis über den ganzen Bericht
- Es behält die Segmentnotiz von Seite 180, während es die Bilanz von Seite 90 einordnet. Menschliche Leser verlieren genau hier Zusammenhänge.
- Tempo bei Zusammenhängen
- Der Abgleich zwischen Managementaussage, Segmentzahlen und Kapitalflussrechnung dauert Minuten statt Tage. Das macht Tiefe bezahlbar, die sonst großen Häusern vorbehalten ist.
- Halluzination
- Fehlt eine Zahl, erfindet ein Sprachmodell sie im Zweifel plausibel. Ein Ticker, eine Beteiligungsquote, eine Segmentmarge: erfunden sieht aus wie abgelesen.
- Einordnung ohne Kontext
- Eine bereinigte Marge ohne den passenden Vergleichsanker wird zur Dauerannahme. Ein Boomjahr wird zum Normalfall, ein Krisenjahr zum Strukturbruch, weil der Maßstab fehlt.
- Drift zwischen Läufen
- Zweimal derselbe Bericht, zweimal ein anderes Ergebnis. Das ist kein Fehler des Modells, sondern seine Natur: jeder Lauf ist wie ein anderer Analyst am selben Schreibtisch.
Ein Analyst, dessen Urteil von Tag zu Tag schwankt, ist kein Analyst. Er ist eine Meinung mit Zufallsgenerator.
Das Gerüst, das die Schwächen auffängt
Wir haben das Sprachmodell nicht gebändigt, indem wir ihm besser zugeredet haben. Wir haben ein System darum gebaut, das ihm dort das Urteil überlässt, wo Urteil gefragt ist, und das den Rest rechnet. Die Kunst liegt in der Dosierung: genug Regeln, damit ein Ergebnis nicht wandert, und genug Freiraum, damit am Ende die Analyse entscheidet und nicht das Regelwerk.
Jede Annahme bekommt ihren Maßstab mitgeliefert: die berichtete Marge neben die geschätzte, die Historie neben die Prognose, die Kapitalstruktur neben die Kapitalkosten. Wer ohne Anker urteilt, rät. Wer den Anker im Blick hat, muss jede Abweichung begründen.
Spezialisierte Agenten beschaffen genau definierte Informationen und reichen sie an der Stelle ein, an der sie gebraucht werden: Berichte von Tochtergesellschaften, Marktdaten, Vergleichswerte, neu erschienene Abschlüsse. Was sie bewusst nicht mitliefern, ist der Kurs der bewerteten Aktie. Ein Modell, das ihn kennt, rechnet auf ihn zu. Der Abstand zwischen Modellwert und Kurs soll das Ergebnis sein, nicht die Eingabe.
Kapitalkosten, Szenarien und Endwerte folgen einer festen Linie, die für jedes Unternehmen gleich gilt. Sie ist konservativ, wo Prognosen dünn werden, und sie ist offengelegt. Wer sie anders sieht, kann die Annahmen in unserer Sensitivitätsrechnung selbst verschieben.
Was messbar ist, wird gemessen und nicht geschätzt: Marktdaten, Kapitalstruktur, Beteiligungen. Was Urteil bleibt, muss belegt werden, sonst greift die hinterlegte Regel. Diese Prüfungen laufen bei jedem Durchgang, nicht nach Gutdünken.
Zwei Läufe über denselben Bericht sollen in einem vertretbaren Rahmen dasselbe Bild ergeben, nicht auf die zweite Nachkommastelle identisch sein. Die eigentliche Schwierigkeit liegt in der Dosierung: zu scharfe Regeln ersetzen die Analyse durch ihre eigenen Vorgaben, zu lockere lassen das Ergebnis wandern. Wir ziehen die Grenze dort, wo eine Abweichung nicht mehr aus dem Bericht erklärbar wäre.
Jede veröffentlichte Zahl steht in einem Modell, das man öffnen und nachrechnen kann. Nicht als Beleg dafür, dass wir recht haben, sondern damit widersprochen werden kann.
Jede Bewertung trägt den Stand des Regelwerks, mit dem sie gerechnet wurde. Ändert sich eine methodische Grundlage, erkennt das System betroffene Bestände selbst und rechnet sie neu.
Mehr als fünfhundert automatische Prüfungen laufen bei jeder Änderung am System gegen eingefrorene Referenzbewertungen. Verschiebt sich ein Ergebnis, muss die Verschiebung erklärt werden.
Dieselbe Formel gilt im Modell, in der Vorschau und in der Sensitivitätsrechnung der Website. Abweichungen zwischen diesen Wegen werden gegeneinander getestet, nicht gehofft.
Jeder Quartalsbericht wird gegen die bestehende Basis gemessen. Bewegt sich etwas, das die Annahmen betrifft, werden genau diese Stellen korrigiert, sichtbar markiert und begründet.
Künstliche Intelligenz liest und formuliert.
Gerechnet wird nach Regeln, die offenliegen.
Wer die Maschine für sein eigenes Haus einsetzen will, findet hier den Weg dorthin. Wer nur die Ergebnisse lesen will, findet sie im Research.