Über uns
Hinter FinSurf steht kein Analystenhaus. Es steht eine Person dahinter, die so lange daran gearbeitet hat, bis die Maschine verlässlich genug rechnete, um ihre Ergebnisse zu veröffentlichen.
Jannick Wrage
Volkswirt mit quantitativem Schwerpunkt, gut zwei Jahre Kapitalmarkt, ein Jahr Entwicklungsarbeit an der Engine.
Die Verbindung aus wissenschaftlicher Ausbildung und Kapitalmarktpraxis ist der Grund, warum dieses System so aussieht, wie es aussieht. Aus der Universität kommt der Anspruch, dass eine Schätzung ihren Standardfehler kennt und eine Annahme ihren Anker. Aus der Bank kommt das Wissen, wo in einem Research-Prozess die Stunden verschwinden.
Bachelor Economics an der Universität Mannheim, Schwerpunkt Financial Economics und angewandte Ökonometrie. Der nächste Schritt ist ein Master in Philosophy and Economics.
Gut zwei Jahre in den Kapitalmarktabteilungen von Commerzbank und LBBW, als Praktikant und als Werkstudent. Dort entsteht der Blick dafür, welche Schritte in einem Research-Prozess tatsächlich Zeit kosten und welche nur so aussehen.
Ökonometrie ist hier keine Zierde. Wo sich eine Größe messen lässt, wird sie gemessen statt geschätzt: Betas als Regression mit Signifikanzprüfung und Schrumpfung, Kapitalkosten aus beobachtbaren Marktgrößen, Beteiligungen aus Kursdaten.
Die teuersten Stunden
flossen in die einfachsten Aufgaben.
Schreiben, Daten erfassen, Daten einpflegen. In den Kapitalmarktabteilungen, in denen ich gearbeitet habe, ging ein erheblicher Teil der Arbeitszeit für genau diese drei Dinge drauf. Und zwar bei Leuten, deren Qualifikation an einer ganz anderen Stelle liegt.
Das ist keine Kritik an der Organisation, sondern die Struktur dieser Arbeit: Bevor jemand ein Urteil bilden kann, müssen die Zahlen zusammengetragen, übertragen und in eine lesbare Form gebracht werden. Diese Vorarbeit skaliert schlecht, und sie bindet ausgerechnet die teuersten Stunden.
Daraus ist zunächst ein einfaches Ziel entstanden: diese Prozesse zu automatisieren. Erfassen, Übertragen, Aufbereiten, das alles folgt festen Regeln und muss niemanden beschäftigen, der dafür überqualifiziert ist.
Mit den Fortschritten der künstlichen Intelligenz kam ein zweiter Schritt hinzu, der sich daraus logisch ergab. Auch das Erkennen von Mustern in der Entwicklung von Kennzahlen, also der Teil, der bisher Erfahrung und viele gelesene Berichte voraussetzte, lässt sich übertragen.
Damit stand die eigentliche Aufgabe fest: die künstliche Intelligenz nicht als Werkzeug danebenzustellen, sondern sie als Analystin in ein System einzusetzen, das ihre Ergebnisse prüft.
Das Ergebnis sind Bewertungen, die auch Monate später noch nachvollziehbar sind, weil jede Änderung festgehalten ist, mitsamt der Begründung, die zu ihr geführt hat.
Ein Prototyp entsteht in Tagen. Ein System, auf das man sich verlassen kann, hat ein Jahr gedauert.
Es ist leicht zu behaupten, mit künstlicher Intelligenz baue man komplexe Systeme. Es stimmt sogar. Bis zu dem Punkt, an dem man sich zu hundert Prozent darauf verlassen muss.
Der Abstand zwischen einem Ergebnis, das im Normalfall stimmt, und einem, das man bei jedem Bericht verantworten kann, ist der eigentliche Aufwand. Er wird fast immer unterschätzt, und das liegt an der Art der Fehler: Ein Modell, das eine Zahl erfindet statt sie abzulesen, erzeugt keine Fehlermeldung. Es erzeugt eine plausible Zahl.
Aus dieser Erfahrung sind vier Grundsätze geworden, nach denen hier gearbeitet wird.
Keine der hinterlegten Prüfungen stammt aus einem Konzept. Jede geht auf einen Lauf zurück, der ein falsches Ergebnis geliefert hat, und auf die Frage, wie sich genau dieser Fehler dauerhaft ausschließen lässt. Das Regelwerk ist deshalb kein Entwurf, sondern eine Sammlung von Antworten.
Ein System, das an einem ausgewählten Beispiel funktioniert, sagt wenig. Entwickelt wird gegen echte Geschäftsberichte über Monate, und jeder Abweichung wird nachgegangen, bis feststeht, ob sie ein Urteil war oder ein Defekt.
Zu jeder Änderung gehört die Notiz, was tatsächlich nachgerechnet wurde und was nicht. Eine Verbesserung, die niemand gemessen hat, bleibt eine Vermutung, und sie wird auch so bezeichnet.
Was bewusst nicht gebaut wurde, ist ebenso dokumentiert wie das Gebaute. Ein naheliegender Mechanismus, der aus gutem Grund fehlt, wird sonst früher oder später von jemandem nachgerüstet, der den Grund nicht kennt.
Der Aufwand steckt kaum in den Bewertungsformeln, die stehen im Lehrbuch. Er steckt in dem Regelwerk, das entscheidet, wann man ihnen glauben darf.
Wie das System im Einzelnen arbeitet,
steht in der Methodik.
Wer die Engine unter eigenen Vorgaben einsetzen will oder eine Frage zur Methodik hat, schreibt mir am besten direkt.
Ihre E-Mail wird ausschließlich zur Bearbeitung Ihres Anliegens verwendet und nicht weitergegeben. Näheres in der Datenschutzerklärung.