KI-Aktienanalyse mit nachvollziehbaren Belegen

Stellen Sie eine Frage, die sich aus Belegen beantworten lässt

Beginnen Sie mit einer Frage, etwa ob ausgewiesene Margenänderungen mit den offengelegten operativen Treibern des Unternehmens übereinstimmen. Geben Sie Emittent und Informationsstichtag an, sammeln Sie vergleichbare Einreichungen, berechnen Sie die Veränderungen und bitten Sie das Modell um Erklärungen, die auf diese Eingaben verweisen. Definieren Sie die Ausgabe vor der Sammlung: ausgewiesene Fakten, berechnete Kennzahlen, plausible Treiber und offene Fragen. So erhält ein Prüfer eine konkrete Grundlage zur Bewertung des Ergebnisses und Sie können entscheiden, welche zusätzliche Quelle die Analyse verbessern würde, statt eine unbegrenzte Menge an Unternehmensmaterial zu sammeln.

Klären Sie Emittent und Informationsstichtag

Verwenden Sie neben dem börsenspezifischen Ticker stabile Emittentenkennungen. Erfassen Sie Wertpapierart, Handelswährung, Berichtswährung und Geschäftskalender. Der Jahresbericht eines Emittenten, ein lokaler Aktienkurs und ein US-Depositary-Receipt können verwandte, aber nicht identische Objekte beschreiben. Definieren Sie, ob die Frage das Unternehmen oder ein bestimmtes Wertpapier betrifft. Der Stichtag ist die letzte Information, die in das Research einfließen darf, und nicht einfach das Ende des Bilanzierungszeitraums. Spätere Neudarstellungen sollten als neue Evidenzversionen gespeichert werden, statt frühere Eingaben stillschweigend zu ersetzen.

Sammeln Sie ein Quellenpaket, bevor Sie eine Synthese anfordern

Beginnen Sie mit Offenlegungen des Emittenten, relevanten Einreichungen bei Aufsichtsbehörden und lizenziertem Ergänzungsmaterial. SEC-Einreichungen und XBRL-Schnittstellen können US-Emittenten unterstützen, ersetzen aber weder lokale Offenlegungsquellen noch den Kontext der Originaleinreichung. Bewahren Sie bei jedem extrahierten Element Quell-URL, Abrufzeit, Dokument-Hash und Abschnittsfundstelle auf. Ein Transkript belegt, was ein Sprecher gesagt hat; ein Marktkurs belegt einen Preis zu einem Zeitpunkt; keines von beiden verifiziert automatisch die Aussagen des jeweils anderen. Verlangen Sie einen klaren Grund für die Aufnahme jeder Quelle in das Paket.

Berechnen Sie zuerst und bitten Sie dann um eine Erklärung

Berechnen Sie Veränderungen und Quoten mit Code oder einer geprüften Tabellenkalkulation und bewahren Sie Eingabereferenzen und Nennerregeln auf. Senden Sie diese Ergebnisse zusammen mit den relevanten Quellenpassagen an das Modell. Bitten Sie es, plausible Treiber zu erklären, Widersprüche zu benennen und das weiterhin Unbewiesene aufzulisten. Geben Sie beispielsweise Umsatz- und Margenberechnungen zusammen mit der Segmentanmerkung weiter und fordern Sie dann eine Tabelle an, die jeden vorgeschlagenen Treiber den stützenden Passagen zuordnet. Wählen Sie ein aktuelles Modell nach dem benötigten Kontext und Ausgabeverhalten. Halten Sie den Berechnungsdatensatz getrennt, damit eine narrative Revision ihre Eingaben nicht stillschweigend ändert.

Verwenden Sie einen strukturierten Berichtskontrakt

Trennen Sie ausgewiesene Fakten, berechnete Kennzahlen, Interpretationen und Unbekannte. Jede wesentliche Interpretation sollte auf ihre stützenden Fakten verweisen und plausible Alternativen anerkennen. Verwenden Sie leere Sammlungen für nicht verfügbare Belege und keine erfundenen Beispiele, die wie echte Finanzergebnisse aussehen. Die unten skizzierte Struktur ist ein Anwendungsdesign und weder ein neues APIsRouter-Anfrageformat noch eine Konfiguration eines Service-Projekts. Ihr Validator sollte fehlende Quellenreferenzen ablehnen und das Artefakt auf ausstehend lassen, bis ein Mensch die Überlegung geprüft hat.

{
  "issuer_id": "REQUIRED",
  "as_of": "REQUIRED_ISO_TIMESTAMP",
  "question": "REQUIRED_RESEARCH_QUESTION",
  "facts": [],
  "computed_metrics": [],
  "interpretations": [],
  "counterevidence": [],
  "unknowns": [],
  "review_status": "pending"
}

Prüfen Sie Aussagen und nicht nur die Zitierformatierung

Öffnen Sie die zitierte Passage und prüfen Sie, ob sie den konkreten Satz stützt. Bestätigen Sie, dass Zeitraum, Einheit und Unternehmen übereinstimmen. Fragen Sie anschließend, ob die Interpretation aus den Belegen folgt oder eine unausgesprochene Annahme ergänzt. Ein zweites Modell kann beim Auffinden von Inkonsistenzen helfen, ist aber keine unabhängige Bestätigung, wenn es nur die Zusammenfassung des ersten Modells sieht. Geben Sie dem Prüfer das ursprüngliche Quellenpaket und eine klare Ablehnungsregel. Bewahren Sie Widerspruch auf, statt konkurrierende Erklärungen automatisch zu einem sicheren Konsens zusammenzuführen.

Erfassen Sie Kosten- und Fehlerbelege in jeder Stufe

Speichern Sie Sammlung, Parsing, Berechnung und Modellstufen getrennt, damit eine fehlgeschlagene Tabellenextraktion nicht den Neustart des gesamten Jobs erzwingt. Verfolgen Sie Anfragen und abrechenbare Wiederholungen nach Job und Modellidentität und gleichen Sie die Nutzung anschließend mit dem aktuellen Preisvertrag ab. Erfassen Sie ungeklärte Nutzung als unbekannt. Wenn eine Quelle nicht verfügbar ist, geben Sie einen partiellen Research-Status mit benanntem fehlendem Beleg zurück. Ein langer, vollständig aussehender Bericht sollte nicht als erfolgreich gelten, wenn seine zentrale Aussage auf einer ausgelassenen Einreichung oder einer ungeprüften numerischen Annahme beruht.

Belege und Modellzugriff

Dieser Leitfaden bietet einen quellenbasierten Workflow und eine beispielhafte Ausgabestruktur und keinen ausgeführten Unternehmensfall. Ein vollständiger Fall benötigt zulässige Eingaben, Quellen- und Codeversionen, die tatsächliche Modellidentität, Nutzungsdatensätze und geprüfte Aussagen. GPT-6 Astra existiert offiziell, aber die öffentliche Katalogprüfung von APIsRouter am 5. September 2026 führte es nicht auf. Verwenden Sie zur Modellauswahl für diesen Workflow den aktuellen Katalog; offizieller Modellzugriff und Gateway-Verfügbarkeit sind getrennt zu betrachten.

Häufige Fragen