Strategien analysieren.
Systeme automatisieren.
Mit Disziplin handeln.
Seit fast 10 Jahren entwickle ich — gemeinsam mit meinem Team aus Quant-Entwicklern und KI-Spezialisten — automatisierte Handelssysteme für MetaTrader 5, Interactive Brokers und ICM. Von der ersten Idee über das Backtest-Setup bis zum produktiven Live-Betrieb. Aktien, Futures, Derivate. Diszipliniert, dokumentiert, datengetrieben.
Vier Säulen. Ein Ziel.
Strategien aus den Finanzmärkten in robuste, automatisierte Systeme überführen — und Unternehmen mit KI auf ein neues Niveau bringen: in der Umsetzung wie in der Schulung. Persönlich verantwortet, mit einem erfahrenen Team im Rücken.
Trading-Automatisierung
Vom diskretionären Ansatz zur regelbasierten Maschine: Expert Advisors für MT5, Python-Bots für Interactive Brokers, FIX-Anbindung über ICM.
- MQL5 Expert Advisors & Indikatoren
- Backtesting & Walk-Forward-Analyse
- Risk-Management & Position-Sizing
- Live-Deployment & Monitoring
Investieren mit System
Langfristig orientierte, regelbasierte Anlagestrategien: Aktien, ETFs, Futures, Derivate. Diversifiziert. Diszipliniert. Dokumentiert.
- Portfolio-Konstruktion & Rebalancing
- Trend- & Momentum-Modelle
- Optionsstrategien für Income
- Steuerlich saubere Umsetzung
KI-Beratung für den Mittelstand
KI als echter Hebel im Tagesgeschäft — vom KI-Audit über den Proof of Concept bis zur produktiven Umsetzung. Praxiserprobt im Trading, übertragen auf Ihr Unternehmen. Gemeinsam mit der Crowd Solution GmbH.
- Prozesse automatisieren: Rechnungen, E-Mails, Reports
- Eigene KI-Assistenten & RAG-Systeme (DSGVO-konform)
- KI-Audit: wo sich KI wirklich rechnet
- Strategie-Workshops & Coaching für Führungskräfte
KI-Schulungen & Workshops
KI verständlich ins Team bringen — vom kompakten Impuls-Workshop über die mehrtägige KMU-Einführung bis zum 1:1-Coaching für Entscheider. Ohne Fachjargon, an Ihren eigenen Abläufen.
- Impuls-Workshops & Hands-on-Trainings
- KI-Einführung für ganze Teams & KMU
- Prompt-Engineering in der Praxis
- Executive-Coaching für Führungskräfte
Sprechen wir über Ihr Vorhaben.
Ob Strategie-Automatisierung, ein belastbarer Backtest oder KI im Trading bzw. im Unternehmen — schildern Sie kurz Ihr Anliegen. Das erste Gespräch ist kostenfrei und unverbindlich.
Unverbindlich anfragen →Aus einer Idee wird ein funktionierendes System.
Jede Strategie beginnt mit einer Hypothese. Ich übersetze sie in Code, teste sie auf historischen Daten, härte sie gegen Overfitting ab — und bringe sie sauber in den Live-Betrieb.
Plattformen, mit denen ich arbeite
-
M5
MetaTrader 5 · MQL5 Expert Advisors, eigene Indikatoren, Strategy-Tester mit Multi-Symbol & Multi-Timeframe.
-
IB
Interactive Brokers · IBKR API Python-Bots über ib_insync und TWS-API. Aktien, Optionen, Futures global.
-
IC
ICM Capital · FIX-Anbindung Direkter Marktzugang für institutionelle Setups und Multi-Account-Management.
-
PY
Python-Ökosystem pandas, NumPy, vectorbt, backtrader, scikit-learn, PyTorch — der ganze Quant-Stack.
// Trend-Breakout · adaptive ATR-Stops input int LookbackBars = 55; input double RiskPercent = 0.75; input double AtrMultiplier = 2.4; int atrHandle; int OnInit() { atrHandle = iATR(_Symbol, PERIOD_H1, 14); return INIT_SUCCEEDED; } void OnTick() { double hi = iHigh(_Symbol, PERIOD_H1, iHighest(_Symbol, PERIOD_H1, MODE_HIGH, LookbackBars, 1)); double atr[1]; CopyBuffer(atrHandle, 0, 0, 1, atr); double bid = SymbolInfoDouble(_Symbol, SYMBOL_BID); if (bid > hi && !PositionOpen()) { double lots = CalcLots(RiskPercent, atr[0]); OpenBuy(lots, bid - atr[0] * AtrMultiplier); } }
Vier Phasen. Klar definiert.
Strategie analysieren
Wir nehmen Ihre Idee auseinander: Edge, Marktbedingungen, statistische Signifikanz. Was ist regelfähig? Wo entstehen Bias-Risiken? Welches Instrument passt?
Backtest aufsetzen
Sauberer Backtest mit echten Spreads, Slippage und Kommissionen — kein Wunschdenken. Walk-Forward-Optimierung statt Curve-Fitting. Robustheits-Checks über Symbole und Regime.
Automatisieren
Implementierung als Expert Advisor (MT5) oder Python-Bot (IBKR/ICM). Risk-Management, Logging, Fail-Safe-Logik und saubere Error-Behandlung gehören dazu.
Live betreiben
Deployment auf VPS, Monitoring, Performance-Reports, kontinuierliches Re-Evaluieren. Wenn der Markt sich ändert, ändert sich das System mit.
Breit aufgestellt, fokussiert umgesetzt.
Aktien
Einzelwerte und Indizes, global. Trend- und Mean-Reversion-Ansätze, Earnings-Plays, Pair-Trading.
Futures
Index-, Zins-, Energie- und Agrarfutures. Spreads, Trendfolge, Saisonalitäten.
Derivate & Optionen
Strukturen für Income, Volatilität und Absicherung. Greeks-bewusste Ausführung.
FX & Krypto
Major- und Minor-Paare auf MT5. BTC/ETH für 24/7-Strategien.
Keine Blackbox. Ein System, das Ihnen gehört.
Am Ende steht kein mysteriöser Bot, den nur ich verstehe — sondern ein dokumentiertes, nachvollziehbares System in Ihrer Hand.
Lauffähiges System
Ein einsatzbereiter Expert Advisor (MT5) oder Python-Bot (IBKR/ICM) — installiert, getestet und im Live-Betrieb erprobt.
Kommentierter Quellcode
Sie erhalten den Code, nicht nur eine Blackbox. Vollständig kommentiert, dokumentiert und Ihr Eigentum.
Ehrlicher Backtest-Report
Mit echten Spreads, Slippage und Kommissionen — inklusive Drawdown, Sharpe und Trade-Statistik. Keine geschönten Kurven.
Risk- & Money-Management
Positionsgrößen, Stops und Fail-Safe-Logik — konfiguriert auf Ihr Risikoprofil, nicht auf vollmundige Renditeversprechen.
Doku & Einarbeitung
Wie das System tickt, wann es eingreift, was zu überwachen ist — plus gemeinsamer Walk-through, bis Sie sich sicher fühlen.
Betreuung nach Go-Live
Monitoring-Setup und ein Ansprechpartner, der bleibt — auch wenn der Markt sich dreht und das System nachjustiert werden muss.
Vermögen aufbauen — nicht hoffen.
Wer langfristig investiert, braucht keine Vorhersagen. Sondern Regeln, die er auch in schlechten Jahren befolgt. Ich helfe dabei, ein System zu bauen, dem Sie in jeder Marktphase folgen können.
Portfolio-Konstruktion
Asset-Allocation, die zu Ziel, Horizont und Risikotragfähigkeit passt — nicht zu Bauchgefühl. Aktien, Anleihen, Rohstoffe, Alternatives in transparenter Gewichtung.
Rebalancing & Regelwerk
Klare Regeln, wann gekauft, verkauft und umgeschichtet wird — automatisiert, wo es Sinn macht. Disziplin schlägt Disposition Effect.
Trend & Momentum
Systematische Trendfolge auf Indizes und Sektoren. Risk-Off-Mechanismen, die in Krisen Ihre Drawdowns begrenzen — ohne in jedem Wackler auszusteigen.
Optionen für Income
Cash-Secured Puts, Covered Calls, Wheel-Strategien. Zusätzlicher Cashflow auf Bestände, sauber dokumentiert für Steuerberater und Depotbank.
Hinweis: Ich erbringe keine Anlageberatung und keine Vermögensverwaltung im Sinne des KWG/WpIG. Ich helfe Ihnen, ein System für Ihre eigenen Anlageentscheidungen zu bauen — die Entscheidungen treffen Sie selbst.
Drei Prinzipien, die alles tragen.
Regeln vor Bauchgefühl.
Jede Entscheidung folgt einem dokumentierten Regelwerk. Das macht Performance nachvollziehbar, Drawdowns aushaltbar und Verbesserungen messbar. Wer ohne Regeln investiert, ist nicht Investor — sondern Spieler.
Diversifikation, die wirkt.
Echte Diversifikation entsteht nicht durch viele Positionen, sondern durch unkorrelierte Positionen. Aktien + Anleihen + Rohstoffe + Trend — vier Quellen, vier Charakteristiken, ein Portfolio, das jeden Sturm übersteht.
Steuern sind Performance.
Eine Strategie mit 8 % Rendite und sauberer steuerlicher Umsetzung schlägt eine mit 10 % Rendite und ständigen Realisierungen. Wir denken Brutto und Netto gleichzeitig — von Anfang an.
Für wen ein System-Ansatz Sinn ergibt.
Der Aktive, der ein System will
Sie investieren seit Jahren, haben schon einiges ausprobiert und merken: ohne System bleiben Sie in der Schleife aus Hoffnung und Bereuen. Sie wollen eine klare Regel, der Sie folgen — auch wenn die Märkte gerade gegen Sie laufen.
Der Unternehmer mit Liquidität
Sie haben Geld auf dem Geschäftskonto, das arbeiten sollte — aber nicht im klassischen Bank-Beratungs-Setup, wo Sie immer wieder die gleichen Fonds vorgeschlagen bekommen. Sie wollen ein eigenes, transparentes Setup.
Die Familie mit Generationen-Horizont
Vermögen über Generationen zu erhalten, ist eine andere Aufgabe als kurzfristige Performance. Wir bauen Strukturen, die nicht von einer einzelnen Person abhängig sind — und die auch in zwanzig Jahren noch nachvollziehbar funktionieren.
Der Trader, der diversifizieren will
Aktives Trading + langfristiges Investieren sind zwei verschiedene Spiele. Wer beides macht, braucht klare Trennung der Konten, Strategien und mentalen Modi. Wir helfen dabei, die Linie sauber zu ziehen.
Am Ende halten Sie ein Regelwerk in der Hand.
Keine Vollmacht, kein Depotzugriff — sondern ein System, dem Sie selbst folgen können. Das bekommen Sie konkret:
Schriftliches Regelwerk
Ihre Strategie als klares, nachvollziehbares Dokument — wann gekauft, verkauft und umgeschichtet wird. Schluss mit Bauchentscheidungen.
Asset-Allocation
Eine Aufteilung über Aktien, Anleihen, Rohstoffe und Alternatives, die zu Ihrem Ziel, Horizont und Ihrer Risikotragfähigkeit passt.
Rebalancing-Plan
Feste Regeln, wann das Portfolio wieder ins Lot gebracht wird — automatisiert, wo es sinnvoll ist. Disziplin statt Disposition Effect.
Tracking & Reporting
Eine einfache Möglichkeit, dem System zu folgen und die Entwicklung zu sehen — ohne täglich aufs Depot starren zu müssen.
Steuer-saubere Struktur
Dokumentation, die Ihr Steuerberater versteht. Brutto und Netto von Anfang an mitgedacht — denn Steuern sind Performance.
Sie behalten die Kontrolle
Ich baue das System — die Entscheidungen treffen Sie. Keine Abhängigkeit, volle Transparenz, jederzeit anpassbar.
KI als Werkzeug. Nicht als Schlagwort.
Ich helfe mittelständischen Unternehmen, KI dort einzusetzen, wo sie messbar Zeit und Kosten spart — nicht als Prestige-Projekt, sondern als konkretes Werkzeug im Tagesgeschäft. Vom KI-Audit über den Proof of Concept bis zur produktiven Umsetzung. Persönlich verantwortet, mit der Crowd Solution GmbH und ihrem 500+-Partner-Netzwerk im Rücken.
Den Vorteil bringe ich aus erster Hand mit: Ich entwickle KI-Systeme seit Jahren produktiv im Trading — dort, wo Modelle nicht nur im Pilot, sondern unter echtem Druck und mit echtem Geld funktionieren müssen. Diese Praxis-Härte fließt in jedes Unternehmens-Mandat ein.
KI im Trading
- ML-basierte Signal-Modelle
- News- & Sentiment-Analyse mit LLMs
- Regime-Detection
- Feature-Engineering aus Marktdaten
KI im Unternehmen
- KI-Audit: Wo lohnt sich KI wirklich?
- Prozess-Automatisierung
- Eigene Assistenten & RAG-Systeme
- DSGVO-konforme Umsetzung
Coaching & Workshops
- KI-Grundlagen für Führungskräfte
- Prompt-Engineering in der Praxis
- Tool-Auswahl: ChatGPT, Claude, Gemini
- Sparring für Eigenentwicklungen
Wo KI im Mittelstand sofort Wirkung zeigt
KI muss kein Großprojekt sein. Die größten Hebel liegen oft in alltäglichen, wiederkehrenden Abläufen. Eine Auswahl typischer Einsatzfelder — nach Unternehmensbereich. Alle Details zur KI-Beratung →
Verwaltung & Buchhaltung
- Eingangsrechnungen automatisch erfassen & vorkontieren
- E-Mail-Postfächer triagieren & vorformulierte Antworten
- Reports & Auswertungen auf Knopfdruck
Vertrieb & Marketing
- Leads automatisch qualifizieren & priorisieren
- Angebote & Exposés in Minuten statt Stunden
- Content für Web, Social & Newsletter generieren
Kundenservice
- 24/7-Assistent für wiederkehrende Anfragen
- Tickets automatisch einordnen & weiterleiten
- Wissensdatenbank, die mitdenkt statt zu suchen
Produktion & Technik
- Predictive Maintenance: Ausfälle vorhersehen
- Bildbasierte Qualitätskontrolle
- Prozess- & Energieoptimierung mit Daten
Wissen & Dokumente
- RAG-System über Ihre firmeneigenen Dokumente
- Interner Chatbot statt endloser Datei-Suche
- DSGVO-konform, in Ihrer eigenen Infrastruktur
Geschäftsführung
- Datenanalyse & Entscheidungs-Dashboards
- KI-Strategie & Roadmap mit klarem ROI-Fokus
- Sparring auf Augenhöhe — vertraulich
Für tiefere KI-Beratung im Mittelstand: Crowd Solution.
Bei Unternehmens-Projekten mit Finanzierung, Strategie und KI-Implementation arbeite ich eng mit der Crowd Solution GmbH zusammen — über 500 vernetzte Partner und 10+ Jahre Mittelstands-Erfahrung.
Wie KI-Projekte wirklich funktionieren.
Die meisten KI-Initiativen scheitern nicht an der Technologie, sondern am Setup. So gehen wir vor — egal ob im Trading-Kontext oder in einem Mittelstandsunternehmen.
Use-Case-Audit
Wir identifizieren in Ihrem Unternehmen (oder Ihrem Trading-Setup) die drei Bereiche, in denen KI messbaren Nutzen bringt — und filtern die aus, in denen es nur Aufwand ohne Ertrag wäre. Das spart drei bis sechs Monate Lehrgeld.
Proof of Concept
Ein konkreter Anwendungsfall wird umgesetzt — schlank, in zwei bis vier Wochen. Ziel ist nicht Perfektion, sondern Erkenntnis: funktioniert das? Wo sind die Datenlücken? Wer im Team muss eingebunden werden? Wie reagieren Nutzer?
Skalierung
Funktioniert der PoC, kommt die produktive Ausrollung. Mit klaren Prozessen, Monitoring, Datenschutz-Konzept (DSGVO-konform) und einer Roadmap für die nächsten zwölf Monate. Funktioniert er nicht, wissen wir es früh — und sparen ein teures Großprojekt.
Befähigung
Ein KI-System, das nur einer im Unternehmen versteht, ist ein Klumpenrisiko. Wir bauen Wissen im Team auf — Workshops, Dokumentation, Sparring. Damit Sie in 12 Monaten nicht mehr von uns abhängig sind als unbedingt nötig.
Welche Tools ich selbst einsetze.
Sprachmodelle
Claude (Anthropic) für tiefere analytische Arbeit, GPT-5 für Tagesgeschäft, Gemini für Long-Context-Aufgaben. Im Trading-Kontext: Claude API für Earnings-Call-Parsing und News-Sentiment.
ML-Stack
Python mit XGBoost und LightGBM für Tabellendaten, scikit-learn für klassische Modelle, PyTorch für Deep Learning, SHAP für Erklärbarkeit. Standard im professionellen Quant-Bereich.
Automatisierung
n8n für KI-Workflows in Unternehmen (DSGVO-konform Self-hosted), Make für schnelle SaaS-Integrationen, eigene Python-Pipelines für trading-spezifische Datenflüsse.
Daten
Norgate für saubere Aktien-Historien (inkl. Survivorship-bereinigt), Refinitiv für institutionelle Setups, Polygon und Alpha Vantage für API-Pipelines, IBKR für Live-Daten.
Development
Cursor als KI-IDE, GitHub für Code-Verwaltung, Jupyter für Forschung, VPS-Setups für Live-Strategien. Dokumentation in Notion oder direkt im Code.
RAG & Wissens-Systeme
Für Unternehmens-Mandate: maßgeschneiderte RAG-Systeme über firmeneigene Dokumente — sicher, DSGVO-konform und in der eigenen Infrastruktur. Keine Daten an externe SaaS-Anbieter.
Was Unternehmen zuerst fragen.
Lohnt sich KI für mein Unternehmen überhaupt?
Das klären wir im KI-Audit, bevor Geld fließt. Oft liegen die größten Hebel in alltäglichen, wiederkehrenden Abläufen — nicht in teuren Großprojekten.
Bleiben meine Daten sicher?
Ja. Auf Wunsch DSGVO-konform in Ihrer eigenen Infrastruktur, ohne dass Daten an externe SaaS-Anbieter abfließen.
Wie schnell sehe ich Ergebnisse?
Ein erster Proof of Concept steht meist in zwei bis vier Wochen. Ziel ist früh Klarheit, ob sich der Fall lohnt — nicht ein teures Jahresprojekt.
Brauche ich technisches Vorwissen?
Nein. Ich erkläre alles ohne Fachjargon und baue Wissen im Team auf — damit Sie nicht dauerhaft von mir oder einem Tool abhängig sind.
Mehr Details? Zur ausführlichen KI-Beratungsseite →
KI, die Ihr Team wirklich nutzt.
Die meisten KI-Schulungen bleiben in der Theorie stecken. Meine nicht. Ich zeige Ihrem Team an seinen eigenen Abläufen, wo KI heute schon Zeit spart — verständlich, ohne Fachjargon, mit Werkzeugen, die am nächsten Arbeitstag einsatzbereit sind. Vom Handwerksbetrieb über den Mittelstand bis zur Geschäftsführung, in Präsenz oder remote. Alle Details zu den KI-Schulungen →
KI-Impuls-Workshop
Der kompakte Einstieg für Teams, die KI endlich greifbar machen wollen.
- Grundlagen ohne Fachjargon — was KI heute kann (und was nicht)
- Live-Demos der wichtigsten Tools an echten Beispielen
- Sofort nutzbare Quick-Wins für den Arbeitsalltag
- Erste Use-Cases direkt aus Ihrem Unternehmen
Ergebnis: Ihr Team versteht, welche Tools sich für welche Aufgabe lohnen — und legt sofort los.
Workshop anfragen →KI-Einführung für KMU
Das Komplettprogramm, wenn KI strukturiert ins ganze Unternehmen soll.
- Maßgeschneiderte KI-Roadmap für Ihr Unternehmen
- Prozess-Analyse: wo lohnt sich KI, wo nicht?
- Hands-on-Training & Change-Management im Team
- Datenschutz, EU AI Act & klare Spielregeln
Ergebnis: Ein klarer Fahrplan mit Prioritäten — und ein Team, das ihn umsetzen kann.
Einführung anfragen →Executive-Coaching
Vertrauliches Sparring für Entscheider, die KI strategisch nutzen wollen.
- Klarheit statt Überforderung: was KI für Sie bedeutet
- Konkrete Strategie mit Reihenfolge & ROI-Blick
- Sparring auf Augenhöhe — ehrliches Feedback
- Wettbewerbsvorteil durch messbare Automatisierung
Ergebnis: Sie treffen KI-Investitionen mit Überblick statt aus dem Bauch.
Coaching anfragen →Kein passendes Format dabei? Jede Schulung wird an Branche, Vorkenntnisse und Ziele angepasst — vom 2-Stunden-Impuls auf einer Teamtagung bis zur mehrteiligen Schulungsreihe. Sagen Sie mir, was Sie brauchen.
Was wir konkret durchgehen.
Die Themen sind Bausteine — für Ihre Schulung stelle ich genau die zusammen, die zu Ihrem Alltag passen.
KI-Grundlagen verständlich
Wie KI & Sprachmodelle funktionieren, was sie heute leisten — und wo ihre Grenzen und Risiken liegen. Ganz ohne Technik-Vorkenntnisse.
Die richtigen Tools
ChatGPT, Claude, Gemini, Copilot & Co. — welches Werkzeug für welche Aufgabe taugt und worin sie sich konkret unterscheiden.
Prompt-Engineering
Wie Sie aus KI verlässliche, brauchbare Ergebnisse holen statt Zufallstreffer. Die Technik dahinter — praktisch geübt.
KI im Arbeitsalltag
E-Mails, Texte, Recherche, Protokolle, Auswertungen, Angebote — geübt an echten Aufgaben aus Ihrem Unternehmen.
Datenschutz & Recht
DSGVO, EU AI Act, Betriebsvereinbarung: was im Unternehmen erlaubt ist und wie Sie KI rechtssicher einsetzen.
Ihre eigenen Use-Cases
Wir finden gemeinsam die Abläufe in Ihrem Betrieb, in denen KI sofort messbar Zeit spart — und priorisieren sie.
Praxis statt Folien-Theorie.
Ich bin Marcel Gautsche, Quant-Entwickler aus Stuttgart. Seit fast zehn Jahren baue ich KI- und Automatisierungssysteme, die unter echtem Druck funktionieren müssen — im algorithmischen Trading, wo ein Modell nicht im Pilotprojekt, sondern mit echtem Geld bestehen muss.
Diese Praxis bringe ich in jede Schulung: keine abstrakte Theorie, sondern Werkzeuge, die Ihr Team am nächsten Tag einsetzt. Ich erkläre KI ohne Fachjargon und immer an Ihren eigenen Abläufen — vom Handwerksbetrieb über den Mittelstand bis zur Geschäftsführung. Wo es für Unternehmen tiefer gehen soll, arbeite ich mit der Crowd Solution GmbH und ihrem 500+-Partner-Netzwerk zusammen.
Mein Anspruch: Sie und Ihr Team sollen die Schulung nicht mit Notizen verlassen, sondern mit Routinen, die bleiben.
-
10+
Jahre mit KI & Systematik Produktive KI-Systeme im algorithmischen Trading — unter echtem Druck, mit echtem Geld.
-
∑
Quant-Entwickler, kein Theoretiker Python, ML-Stack, LLMs — selbst gebaut und produktiv betrieben, nicht nur erklärt.
-
◇
Crowd-Solution-Partner 500+ Partner-Netzwerk im Rücken für tiefere Mittelstands-Mandate.
-
⌖
Stuttgart & bundesweit Schulungen vor Ort in ganz Deutschland oder bequem remote.
Von der Anfrage zur Routine.
Kostenloses Vorgespräch
Wir klären in 20–30 Minuten Ziel, Vorkenntnisse, Branche und Rahmen. Unverbindlich — damit ich weiß, was Ihr Team wirklich braucht.
Maßgeschneidertes Konzept
Sie bekommen eine Agenda, die an Ihren Alltag angepasst ist — nicht von der Stange. Module, Beispiele und Tempo passen zu Ihrem Team, nicht umgekehrt.
Die Schulung
Interaktiv, mit Live-Demos und Übungen an echten Beispielen aus Ihrem Unternehmen. Kein Frontalunterricht — Ihr Team arbeitet von der ersten Stunde an mit.
Nachbereitung
Cheatsheet, Tool-Liste und die wichtigsten Prompts zum Mitnehmen. Auf Wunsch eine Follow-up-Session nach einigen Wochen, um Fragen aus der Praxis zu klären.
Bringen wir KI in Ihr Team.
Erzählen Sie mir kurz von Ihrem Unternehmen und was Sie erreichen wollen — ich melde mich mit einem passenden Schulungsvorschlag. Das Vorgespräch ist kostenlos und unverbindlich.
Schulung anfragen →Investor Relations.
Hinter den öffentlichen Inhalten dieser Seite laufen mehrere automatisierte Portfolios — Forex-Trendfolge, Multi-Asset-Trend, Optionen-Income und ein KI-gestütztes US-Equity-Modell. Dieser Bereich ist Investoren und Kapitalgebern vorbehalten und nur nach Freischaltung zugänglich.
Investoren-Login
Bitte melden Sie sich mit Ihren Zugangsdaten an. Sie haben noch keinen Zugang? Schreiben Sie uns kurz — wir prüfen jede Anfrage individuell.
Live-Performance der Portfolios
Aktuelle Live-Positionen
Volle Transparenz. Echte Zahlen.
Nach Freischaltung haben Sie Zugriff auf alle Daten, die institutionelle Investoren erwarten — von Live-NAVs bis zu kompletten Backtest-Reports und Risk-Disclosures.
Live-NAVs & Performance
Tägliche NAVs aller laufenden Strategien, monatliche Reports mit Drawdown, Sharpe, Sortino, Max-DD und Recovery-Time. Vergleich gegen Benchmark.
Vollständige Backtests
10+ Jahre Backtest-Daten je Strategie mit Walk-Forward-Validierung, Monte-Carlo-Simulationen und Stress-Tests gegen historische Krisenszenarien.
Live-Positionsdaten
Aktuelle Positionen je Strategie inklusive Einstiegskurs, Stop-Loss, Take-Profit, erwarteter Restlaufzeit und Risk-Exposure.
Risk-Disclosures
Aktuelle Margin-Auslastung, Value-at-Risk, Korrelations-Matrix der Strategien, Worst-Case-Szenarien und Stress-Test-Ergebnisse.
Strategie-Dokumentation
Vollständige White-Paper zu jeder Strategie — Hypothese, Edge, Implementation, Risiko-Charakteristik. Alles, was Sie für eine eigene Due Diligence brauchen.
Direkter Kontakt
Persönliche Sprechstunde alle 4 Wochen, Quartals-Calls für aktive Investoren, Ad-hoc-Zugang bei Markt-Events und Strategie-Anpassungen.
Kein öffentliches Angebot.
Der Investor-Bereich richtet sich ausschließlich an professionelle und semi-professionelle Kapitalgeber. Es handelt sich nicht um ein öffentliches Angebot von Finanzinstrumenten im Sinne des WpPG. Konkrete Investitionsmöglichkeiten werden ausschließlich nach individueller Prüfung und unter Beachtung der jeweils geltenden regulatorischen Rahmenbedingungen erörtert.
Zugang anfragen →Gedanken zu Trading, Systemen & KI.
Notizen aus der Praxis — was funktioniert, was nicht, und warum. Keine Trading-Tipps, sondern Handwerk: Backtest-Fallen, Plattform-Vergleiche, Risk-Management, der ehrliche Stand von KI im Trading.
Note: all 858 in-depth articles are written in German. Use the search below or contact me for English summaries of any topic.
Gradient Boosting im Trading XGBoost & LightGBM als Signal-Engine.
Warum Gradient-Boosting-Modelle auf Feature-Tabellen Deep Learning im Trading regelmaessig schlagen. Konkret zu Hyperparametern, Leakage-Fallen und Out-of-Sample-Verhalten.
Artikel lesenConformal Prediction Vorhersage-Intervalle mit Garantie.
Wie Conformal Prediction Punktprognosen in kalibrierte Intervalle mit nachweisbarer Abdeckung verwandelt. Der Nutzen: Position-Sizing auf Basis ehrlicher Unsicherheit statt blindem Vertrauen.
Artikel lesenQuantile Regression die ganze Verteilung statt nur den Mittelwert.
Warum der erwartete Return die unwichtigste Zahl ist und Quantile (5%, 50%, 95%) das Trade-Sizing tragen. Mit Gradient-Boosting-Quantilen und Pinball-Loss in der Praxis.
Artikel lesenSHAP & Feature-Attribution warum das Modell wirklich kauft.
Wie SHAP-Werte zeigen, welche Features ein Trading-Modell tatsaechlich antreiben - und wie man damit Look-Ahead-Leakage und Scheinmuster aufdeckt, bevor Geld fliesst.
Artikel lesenTemporal Convolutional Networks die leise Alternative zu LSTM.
Warum dilatierte 1D-Faltungen bei Finanzzeitreihen oft robuster und deutlich schneller trainieren als rekurrente Netze. Konkret zu Receptive Field, Causal Padding und Overfitting.
Artikel lesenWahrscheinlichkeits-Kalibrierung wenn 70 Prozent auch 70 Prozent bedeuten.
Warum die meisten Classifier ueberzeugte, aber falsch kalibrierte Wahrscheinlichkeiten ausgeben - und wie Platt-Scaling, Isotonic Regression und Reliability-Diagramme das Sizing retten.
Artikel lesenFractional Differentiation Stationaritaet ohne Memory-Verlust.
Wie man Preisreihen gerade so weit differenziert, dass sie stationaer werden, aber die Vorhersage-Information erhalten bleibt - der unterschaetzte Feature-Engineering-Schritt vor jedem ML-Modell.
Artikel lesenGaussian Processes Prognose plus Unsicherheits-Band.
Warum Gaussian Processes dort glaenzen, wo Daten knapp und Unsicherheit teuer ist - mit Kernel-Wahl, dem O(n-hoch-3)-Problem und realistischen Trading-Einsatzfeldern.
Artikel lesenMixture Density Networks multimodale Renditen modellieren.
Wie ein neuronales Netz die Parameter einer Mischverteilung ausgibt und damit bimodale Marktphasen abbildet, die jede Punktprognose verfehlt. Inklusive Trainings-Instabilitaeten.
Artikel lesenAutoencoder für Anomalie-Erkennung: wenn der Markt sich anders verhält.
Wie ein Autoencoder normale Marktstruktur lernt und über hohen Rekonstruktionsfehler Anomalien meldet - nutzbar als Risk-Switch und Strategie-Filter, mit klaren Fehlalarm-Grenzen.
Artikel lesenSelf-Supervised Learning Lernen ohne Label-Mangel.
Warum Labels im Trading rar und verrauscht sind - und wie kontrastives Pretraining aus unbeschrifteten Kursen Repraesentationen zieht, die downstream-Modelle dateneffizienter machen.
Artikel lesenSymbolic Regression lesbare Formeln statt Black Box.
Wie genetische Programmierung kompakte, lesbare Signal-Formeln entdeckt, die man verstehen und stress-testen kann. Mit dem ehrlichen Overfitting-Risiko bei Millionen getesteter Ausdruecke.
Artikel lesenDouble Machine Learning Ursache statt Korrelation.
Wie Double ML mit Neyman-Orthogonalitaet und Cross-Fitting den kausalen Effekt eines Signals schaetzt, frei von Stoervariablen. Der Schritt von Pattern-Mining zu belastbaren Treibern.
Artikel lesenOnline Learning & Concept Drift Modelle, die mit dem Markt mitlernen.
Warum statische Modelle altern, sobald sich das Regime dreht - und wie inkrementelles Lernen plus Drift-Detektoren (ADWIN, Page-Hinkley) das Modell adaptiv halten, ohne ins Rauschen zu kippen.
Artikel lesenStacking-Ensembles viele schwache Signale, ein starkes.
Wie ein Meta-Learner die Prognosen unterschiedlicher Basismodelle gewichtet und so robuster wird als jedes Einzelmodell. Mit der zentralen Falle: Leakage durch falsches Out-of-Fold-Stacking.
Artikel lesenKlassen-Imbalance bei Trading-Labels wenn das seltene Signal zaehlt.
Warum 95 Prozent Accuracy nichts wert sind, wenn das profitable Setup nur 5 Prozent der Faelle ausmacht - und welche Sampling-, Loss- und Threshold-Techniken wirklich helfen.
Artikel lesenFeature-Selection im Trading weniger Features, mehr Signal.
Wie man aus einem Wust korrelierter Indikatoren die wenigen unabhaengig nuetzlichen herausschaelt - mit Boruta, MRMR und Permutation Importance gegen das Fluch-der-Dimensionalitaet-Problem.
Artikel lesenPath Signatures die Geometrie der Kursbewegung.
Wie die Signatur-Methode den gesamten Verlauf eines Preispfads in geordnete Feature-Vektoren verdichtet, die jedes ML-Modell verarbeiten kann. Mathematisch elegant, mit handfesten Praxis-Huerden.
Artikel lesenN-BEATS & N-HiTS reine Deep-Forecasting-Architekturen.
Wie N-BEATS und das effizientere N-HiTS ueber Basis-Expansion Trend und Saisonalitaet zerlegen und so erklaerbare Multi-Horizont-Prognosen liefern. Mit dem ueblichen Finanz-Vorbehalt.
Artikel lesenTime-Series-Clustering Assets nach Verhalten gruppieren.
Wie Dynamic Time Warping und Shape-Clustering Wertpapiere nach ihrem dynamischen Verhalten buendeln und so bessere Pairs-Kandidaten und stabilere Sektor-Definitionen liefern als reine Korrelation.
Artikel lesenBayesian Hyperparameter-Optimization klueger suchen, weniger overfitten.
Warum Grid-Search bei teuren Backtests verschwendet und wie Bayesian Optimization mit Surrogat-Modellen gezielter sucht - inklusive des Risikos, sich genau in die Backtest-Historie hineinzuoptimieren.
Artikel lesenMixture of Experts je Regime ein Spezialist.
Wie ein Gating-Netzwerk dynamisch entscheidet, welcher spezialisierte Sub-Experte gerade zustaendig ist - ein natuerlicher Rahmen, um Trend- und Mean-Reversion-Modelle regimeabhaengig zu mischen.
Artikel lesenExtreme Value Theory trifft ML die Tails sauber modellieren.
Wie Extreme Value Theory mit Peaks-over-Threshold und Generalized Pareto die extremen Verlust-Quantile modelliert, die historische Simulation systematisch unterschaetzt - und wo ML-Features andocken.
Artikel lesenTransfer Learning im Trading: Wissen über Märkte hinweg nutzen.
Wie man ein auf liquiden Märkten vortrainiertes Modell auf ein datenarmes Instrument oder ein neues Regime feinjustiert - mit dem zentralen Risiko des Negative Transfer bei zu fremden Domains.
Artikel lesenMulti-Task Learning mehrere Ziele, ein Modell.
Warum es hilft, Return-Richtung, Volatilitaet und Risiko gleichzeitig zu lernen: geteilte Repraesentationen regularisieren und nutzen knappe Daten besser - solange die Tasks zusammenpassen.
Artikel lesenFeature-Importance mit Purging ehrliche Wichtigkeit bei Zeitreihen.
Warum naive Feature-Importance bei ueberlappenden Labels luegt und wie Mean-Decrease-Accuracy mit Purging, Embargo und Clustering belastbare Rankings liefert - die Basis fuer jede Feature-Entscheidung.
Artikel lesenSample-Weights & Label-Uniqueness: überlappende Labels richtig gewichten.
Warum gleichzeitig laufende Trade-Labels ein Modell systematisch verzerren und wie Average-Uniqueness-Gewichte plus Sequential Bootstrap jede Beobachtung fair gewichten - oft unterschätzt, aber entscheidend.
Artikel lesenReservoir Computing rekurrent ohne teures Training.
Wie Echo State Networks ein zufaelliges, fixes Reservoir nutzen und nur die lineare Ausgabe trainieren - extrem schnell und datensparsam, eine ernsthafte Option fuer kleine Trading-Datensaetze.
Artikel lesenPoint-in-Time-Datenbanken die Look-Ahead-Bias an der Wurzel verhindern.
Bilanz-Restatements und Index-Rekonstitutionen vergiften jeden naiven Backtest. Point-in-Time-Architektur speichert, was wann bekannt war - und macht Ergebnisse erst belastbar.
Artikel lesenBitemporale Datenmodelle für Marktdaten: valid time und transaction time sauber trennen.
Wann galt ein Wert, wann wurde er gespeichert? Bitemporale Tabellen beantworten beide Fragen - und ermöglichen exakte As-of-Backtests ohne nachträgliche Datenverfälschung.
Artikel lesenData Contracts für Trading-Pipelines: bevor stille Schema-Drift Ihr Modell killt.
Ein umbenanntes Feld beim Datenanbieter, und Ihr Live-Modell rechnet mit Müll. Data Contracts machen Erwartungen explizit und brechen Pipelines kontrolliert ab statt leise falsch zu laufen.
Artikel lesenAutomatische Datenvalidierung mit Expectation-Frameworks im Trading-Stack.
Negative Volumina, fehlende Handelstage, Dezimal-Verschiebungen: deklarative Validierungsregeln fangen kaputte Daten am Pipeline-Eingang ab, statt im Backtest-Ergebnis.
Artikel lesenCorporate Actions korrekt adjustieren warum Splits und Dividenden Backtests verzerren.
Ein nicht adjustierter Aktiensplit erzeugt ueber Nacht einen scheinbaren 50-Prozent-Crash im Datensatz. Wer Corporate Actions falsch verarbeitet, baut Strategien auf Phantom-Signalen.
Artikel lesenSurvivorship-Bias-freie Aktienuniversen die Toten gehoeren in den Datensatz.
Datensaetze, die nur ueberlebende Firmen enthalten, schoenen jede Strategie systematisch. Ein vollstaendiges Universum inklusive Pleiten zeigt die wahre Renditeverteilung.
Artikel lesenTick-Daten bereinigen Bad Prints, Outlier und Zeitstempel-Chaos beherrschen.
Ein einzelner Fat-Finger-Print von 0,01 Euro ruiniert jede Volatilitaetsberechnung. Robuste Filter trennen echte Extreme von Datenmuell - ohne den Markt glattzubuegeln.
Artikel lesenFeature-Engineering ohne Leakage: die unsichtbaren Lecks in Zeitreihen schließen.
Ein global skaliertes Feature nutzt die Zukunft - und macht Backtests unrealistisch gut. Diszipliniertes, kausal sauberes Feature-Engineering ist die Basis jedes belastbaren Modells.
Artikel lesenPoint-in-Time-Joins im Feature-Store: Training-Serving-Skew technisch ausschalten.
Wenn Ihr Backtest andere Feature-Werte sieht als das Live-System, ist jede Kennzahl wertlos. Point-in-Time-Joins erzwingen Konsistenz zwischen Offline- und Online-Welt.
Artikel lesenData Lineage für Trading-Strategien: jeden Zahlenwert bis zur Quelle zurückverfolgen.
Wenn ein Modell plötzlich verrückt spielt, müssen Sie in Minuten wissen, welche Datenquelle schuld ist. Lineage-Tracking macht die gesamte Kette nachvollziehbar.
Artikel lesenModel-Registry für Trading-Modelle: welches Modell handelt gerade Ihr Geld?
Ohne zentrale Registry weiss niemand genau, welches Modell mit welchen Daten gerade Orders schickt. Versionierung und Staging machen Rollbacks und Audits zur Routine.
Artikel lesenShadow-Deployment von Trading-Modellen live mitlaufen lassen, ohne Geld zu riskieren.
Ein Backtest sieht nie die echte Latenz, Slippage und Datenfeeds. Shadow-Mode laesst das neue Modell live entscheiden und vergleicht - bevor auch nur ein Euro bewegt wird.
Artikel lesenCanary-Rollouts für neue Strategien: mit 5 Prozent Kapital anfangen, nicht 100.
Eine neue Strategie sofort voll zu allokieren ist Wahnsinn. Canary-Deployment begrenzt den Schaden eines stillen Bugs und liefert echte Live-Evidenz vor der Skalierung.
Artikel lesenConcept Drift vs. Data Drift warum Ihr Modell aufhoert zu funktionieren.
Drift ist nicht gleich Drift: harmlose Verteilungsverschiebung oder fundamentaler Regimewechsel erfordern voellig andere Antworten. Wer beides verwechselt, retrainiert falsch.
Artikel lesenDrift-Detection mit statistischen Tests KS, PSI und MMD im Produktiv-Monitoring.
Drift braucht objektive Schwellen, nicht Bauchgefuehl. Dieser Beitrag vergleicht KS-Test, PSI und MMD an realen Feature-Verteilungen - inklusive ihrer blinden Flecken.
Artikel lesenAutomatisierte Retraining-Pipelines wann nachtrainieren hilft und wann es schadet.
Modelle blind auf den neuesten Daten nachzutrainieren jagt oft nur Rauschen. Saubere Retraining-Pipelines brauchen Trigger, Validierungs-Gates und ein manuelles Veto.
Artikel lesenLow-Latency-Inferenz für ML-Modelle: wenn das Modell schneller sein muss als der Markt.
Ein Modell, das 50 Millisekunden braucht, ist für manche Strategien nutzlos. Inferenz-Optimierung von ONNX bis Feature-Caching macht ML auch latenzkritisch einsetzbar.
Artikel lesenOrder-Flow-Imbalance als ML-Feature: das Orderbuch in Vorhersagekraft übersetzen.
Das Ungleichgewicht zwischen Kauf- und Verkaufsdruck im Orderbuch sagt kurzfristige Bewegungen voraus - aber nur sauber konstruiert und ehrlich validiert.
Artikel lesenAlternative Daten richtig onboarden von der Trial-Lieferung zum belastbaren Signal.
Die meisten Alt-Data-Sets sind ihr Geld nicht wert - aber das erkennt man nur mit Prozess. Entity-Mapping, Bias-Check und Alpha-Decay-Test trennen Signal von Verkaufsfolie.
Artikel lesenEntity-Resolution und Ticker-Mapping warum dieselbe Firma fuenf Namen hat.
Ohne sauberes Mapping verknuepfen Sie Nachrichten der falschen Firma mit Kursen. Entity-Resolution loest Ticker-Wechsel, Duplikate und Identifier-Chaos auf.
Artikel lesenSEC-EDGAR-Filings als Datenpipeline strukturiertes Alpha aus Pflichtveroeffentlichungen.
Pflicht-Filings bei der SEC enthalten zeitnahe, harte Information - frei verfuegbar. Eine robuste Ingestion- und Parsing-Pipeline macht aus EDGAR ein systematisches Signal.
Artikel lesenBackfilling historischer Daten die Falle der nachtraeglich gefuellten Luecken.
Daten, die erst spaeter rueckwirkend ergaenzt wurden, taeuschen eine Kenntnis vor, die es live nie gab. Sauberes Backfilling unterscheidet Original- von Revisionsstand.
Artikel lesenEvent-Time vs. Processing-Time warum Out-of-Order-Daten Signale verfaelschen.
Wenn ein Tick spaeter ankommt als ein juengerer, rechnet eine naive Pipeline falsch. Event-Time-Semantik mit Watermarks stellt die wahre Reihenfolge wieder her.
Artikel lesenReproduzierbare Backtest-Umgebungen dasselbe Ergebnis auch in zwei Jahren.
Ein Backtest, den niemand reproduzieren kann, ist nur eine Behauptung. Fixierte Seeds, gepinnte Dependencies und versionierte Daten-Snapshots machen Ergebnisse pruefbar.
Artikel lesenDaten-Snapshots versionieren: unveränderliche Parquet-Stände für ehrliche Backtests.
Wenn sich der zugrunde liegende Datensatz still ändert, vergleichen Sie Aepfel mit Birnen. Unveränderliche, versionierte Snapshots geben jedem Backtest einen festen Boden.
Artikel lesenMonitoring-Dashboards für Live-Modelle: die Kennzahlen, die wirklich Alarm schlagen.
Ein hübsches Dashboard ohne die richtigen Metriken ist gefährlich. Prediction-Drift, Feature-Health und PnL-Attribution sind die Signale, die rechtzeitig warnen.
Artikel lesenDaten-Vendor-Failover und Redundanz wenn der einzige Feed mitten im Handel ausfaellt.
Faellt Ihr einziger Datenfeed aus oder liefert Muell, handelt Ihr System blind. Redundante Quellen mit automatischem Failover und Abgleich verhindern den stillen GAU.
Artikel lesenSEC-Filings mit LLMs auswerten von 10-K bis 8-K.
Ein praxisnaher Bauplan, um SEC-Pflichtveröffentlichungen automatisch zu zerlegen: Risikofaktoren, Segment-Zahlen, Sprachänderungen. Wo der Edge liegt und wo die Halluzinationsfallen lauern.
Artikel lesenEarnings-Call-Tonalität messen mit LLMs statt Wörterbuch.
Management-Sprache in Earnings-Calls trägt Signal: Ausweichmanöver, Übersicherheit, Hedging. So quantifiziert ein LLM Tonalität verlässlicher als klassische Wörterbücher - inklusive Backtest-Logik.
Artikel lesenLLM-Signale ehrlich backtesten ohne Look-Ahead-Leakage.
Ein LLM kennt Ereignisse, die zum Backtest-Zeitpunkt noch nicht passiert waren. Dieser Artikel zeigt, wie Knowledge-Cutoff, Point-in-Time-Texte und Vintage-Daten ein ehrliches Bild liefern.
Artikel lesenReasoning-Modelle in der Marktanalyse wann sich das Nachdenken lohnt.
Reasoning-Modelle rechnen länger und teurer. Bei mehrstufigen Finanzfragen - Verschachtelte Bilanzlogik, Szenarien - zahlt sich das aus. Wann der Aufwand den Nutzen rechtfertigt, mit konkreten Beispielen.
Artikel lesenLLM-as-Judge im Strategie-Research Hypothesen automatisch bewerten.
Statt Dutzende Strategie-Ideen manuell zu sichten, bewertet ein LLM-Judge sie nach Plausibilität, Datenverfügbarkeit und Overfitting-Risiko. Aufbau, Rubric-Design und die Bias-Fallen.
Artikel lesenAgentische Due Diligence für einzelne Aktien.
Ein Agenten-Workflow, der für eine Aktie selbstständig Filings zieht, Peers vergleicht und ein Memo entwirft. Wie Tool-Use, Quellenprüfung und Mensch-im-Loop zusammenspielen - ehrlich inklusive Fehlerquoten.
Artikel lesenLLM-Kosten im Research kontrollieren bevor die API-Rechnung explodiert.
Wer täglich Hunderte Dokumente durch ein LLM jagt, zahlt schnell vierstellig. Prompt-Caching, Batch-APIs, Modell-Routing und Vorfilterung halten die Kosten im Rahmen - mit Rechenbeispielen.
Artikel lesenStructured Output für Finanzdaten JSON statt Freitext-Chaos.
Freitext aus LLMs ist im Backtest unbrauchbar. Mit Schema-erzwungenem Output, Pydantic-Validierung und Retry-Logik werden Kennzahlen, Sentiment und Events maschinenlesbar und reproduzierbar.
Artikel lesenNotenbank-Statements mit LLMs lesen den Hawkish-Dovish-Shift quantifizieren.
Jedes Wort in einem FOMC-Statement zählt. Ein LLM erkennt subtile Tonverschiebungen gegenüber der Vorsitzung und ordnet sie ein. Methodik, Vergleich zu Hawk-Dove-Indizes und die Latenz-Frage.
Artikel lesenEvent-Extraktion aus News strukturierte Ereignisse statt Sentiment.
Sentiment allein ist zu grob. Event-Extraktion liefert strukturierte Ereignisse - wer, was, wann, welche Richtung. So entstehen handelbare News-Signale jenseits von Positiv-Negativ-Scores.
Artikel lesenLLMs für Finanz-Tasks evaluieren bevor Sie ihm Kapital anvertrauen.
Öffentliche Benchmarks sagen wenig über Ihre Aufgabe. Dieser Leitfaden baut ein eigenes Golden-Set, misst Halluzinationsrate und Konsistenz und macht die Modellwahl belastbar.
Artikel lesenTranscript-Diffing über Quartale was das Management nicht mehr sagt.
Das Signal liegt oft im Verschwiegenen: Ein Thema, das letztes Quartal prominent war und jetzt fehlt. LLM-gestütztes Transcript-Diffing macht solche Auslassungen sichtbar und vergleichbar.
Artikel lesenAgenten-Orchestrierung am Research-Desk Spezialisten statt Alleskönner.
Statt eines überladenen Mega-Prompts arbeiten spezialisierte Agenten zusammen - einer für Fundamentals, einer für News, ein Koordinator. Wie Handoffs, geteilter Speicher und Eskalation funktionieren.
Artikel lesenFaktoren aus LLM-Textsignalen bauen vom Text zum cross-sektionalen Score.
Ein Textsignal pro Aktie ist noch kein Faktor. Dieser Artikel zeigt Ranking, Sektor-Neutralisierung, Decay-Analyse und Faktor-Tests, um LLM-Text in ein handelbares Querschnitts-Signal zu verwandeln.
Artikel lesenRAG für Finanzdaten richtig bauen wo die Abrufkette bricht.
Tabellen, Fußnoten und Stichtage machen Finanz-RAG schwer. Dieser Leitfaden behandelt Chunking-Strategien, Tabellen-Handling und temporale Filter, damit der Abruf das Richtige findet - praxisnah und ehrlich.
Artikel lesenLLM-Determinismus im Trading wenn dieselbe Frage zwei Antworten gibt.
Nicht-determinismus ist im Trading gefährlich: dasselbe Filing, zwei Signale. Temperatur-Kontrolle, Self-Consistency-Voting und Versionierung schaffen die Reproduzierbarkeit, die ein Backtest braucht.
Artikel lesenGuardrails für Trading-Agenten damit der Agent keine Order auslöst.
Ein autonomer Agent am Markt ist ein Haftungsrisiko. Dieser Artikel zeigt Read-only-Defaults, menschliche Freigaben, harte Limits und lückenlose Audit-Logs - die Architektur, bevor Kapital im Spiel ist.
Artikel lesenAlternative Textquellen mit LLMs von Patenten bis Stellenanzeigen.
Jenseits von News verstecken sich Signale in Patenten, Job-Postings und Produktbewertungen. LLMs strukturieren diese Quellen zu Wachstums- und Wettbewerbsindikatoren - mit klarer Sicht auf Rauschen und Bias.
Artikel lesenWenn das LLM falsch klassifiziert Fehlerkosten im Trading verstehen.
Ein übersehener Gewinnwarnungs-Hinweis kostet mehr als ein Fehlalarm. Dieser Artikel entwickelt asymmetrische Fehlerkosten, Konfidenz-Schwellen und Abstain-Logik für LLM-Klassifikation im Handel.
Artikel lesenWarum LLMs nicht rechnen sollten Zahlenarbeit gehört in den Code.
Margen, Wachstumsraten, Multiples: Sobald gerechnet wird, irrt das LLM. Die Lösung ist Arbeitsteilung - Text versteht das Modell, Zahlen rechnet der Code via Tool-Use. Konkrete Muster und Fallstricke.
Artikel lesenPrompts versionieren wie Code reproduzierbares LLM-Research.
Ein geänderter Prompt verändert still alle Ergebnisse. Versionierung, Regressionstests gegen ein Golden-Set und die Kopplung an Modell-Versionen machen LLM-Research nachvollziehbar und revisionssicher.
Artikel lesenMultimodale LLMs für Charts und Tabellen wenn Zahlen als Bild kommen.
Viele Finanzdaten stecken in Bildern - Investor-Decks, gescannte Reports, Chart-Grafiken. Multimodale LLMs extrahieren sie, doch die Genauigkeit schwankt. Wann sich der Ansatz lohnt und wie man validiert.
Artikel lesenMarkt-Narrative mit LLMs tracken welche Story gerade den Kurs treibt.
Märkte folgen Geschichten - KI als Erlöser, Rezessionsangst, Soft-Landing. LLMs clustern Narrative aus dem Nachrichtenstrom und messen, wann eine Story kippt. Methodik, Visualisierung und die Überinterpretations-Falle.
Artikel lesenOpen-Weight-LLMs für Finanz-Research On-Premise statt Cloud-API.
Sensible Positions- und Research-Daten müssen oft im Haus bleiben. Dieser Artikel wiegt Open-Weight-Modelle gegen Cloud-APIs ab: GPU-Kosten, Qualitätslücke bei Finanz-Tasks und der Datenschutz-Vorteil.
Artikel lesenLLM-Features in ML-Zeitreihenmodelle Text trifft auf klassische Quant-Pipeline.
LLM-Textsignale entfalten ihre Kraft erst im Verbund mit Preis- und Volumendaten. Dieser Artikel zeigt Alignment der Zeitstempel, Feature-Selektion und die Vermeidung von Leakage in der hybriden Pipeline.
Artikel lesenAudit-Trail für LLM-Research jede Anlageempfehlung nachvollziehbar.
Wer mit LLM-Unterstützung Anlageempfehlungen erstellt, braucht einen lückenlosen Audit-Trail. Welche Quellen, welcher Prompt, welche Modellversion - dieser Artikel zeigt die Dokumentation für Aufsicht und eigene Absicherung.
Artikel lesenWarenkorbabbrüche zurückholen mit KI.
KI erkennt Abbruch-Muster und spielt passgenaue Erinnerungen, Anreize und Kanäle aus. Wo echte Mehrumsätze entstehen und wo die Quoten überschätzt werden.
Artikel lesenProduktempfehlungen und Cross-Selling mit KI steuern.
Von der simplen Wenn-dann-Regel zur lernenden Empfehlungslogik im Shop. Konkrete Hebel für Warenkorbwert und Marge - inklusive Cold-Start-Problem.
Artikel lesenRetouren im E-Commerce senken mit KI.
Wo Retouren wirklich entstehen und wie KI an Größenfindung, Beschreibung und Risiko-Kunden ansetzt. Rechnung, ab wann sich der Aufwand auszahlt.
Artikel lesenAngebote nachfassen die der Vertrieb sonst vergisst.
Liegengebliebene Angebote sind verschenkter Umsatz. KI scort Abschlusswahrscheinlichkeit, erinnert automatisch und schreibt den Nachfass-Entwurf.
Artikel lesenVertriebsprognosen die endlich stimmen.
Warum klassische Pipeline-Schätzungen danebenliegen und wie KI aus Deal-Historie verlässlichere Forecasts baut. Inklusive Datenanforderungen und Grenzen.
Artikel lesenKündigungen vorhersagen bevor der Kunde geht.
KI erkennt Warnsignale für Kundenabwanderung Wochen im Voraus. Welche Daten nötig sind, welche Rückhol-Aktionen wirken - und wann das Modell trügt.
Artikel lesenLeads scoren damit der Vertrieb die richtigen anruft.
Nicht jeder Lead ist gleich viel wert. KI bewertet Abschlusspotenzial aus Verhalten und Firmendaten - damit knappe Vertriebszeit zählt.
Artikel lesenWebsite-Personalisierung die mehr verkauft.
Jedem Besucher das passende Angebot zeigen, ohne Heerscharen an Redakteuren. Was KI-Personalisierung bringt - und wo der Aufwand den Nutzen frisst.
Artikel lesenA/B-Tests und Conversion-Optimierung mit KI beschleunigen.
KI generiert Test-Hypothesen und wertet Ergebnisse statistisch sauberer aus. Wo Bandit-Verfahren klassische A/B-Tests schlagen - und wo nicht.
Artikel lesenKundensegmentierung jenseits von Alter und Postleitzahl.
KI-Clustering findet Kundengruppen, die kein Mensch im Excel sieht. So werden Kampagnen relevanter und das Budget effizienter eingesetzt.
Artikel lesenE-Mail-Betreffzeilen und Sendezeit die KI optimiert.
Kleine Stellschrauben, große Wirkung: KI optimiert Betreff, Timing und Tonalität im E-Mail-Marketing. Was messbar wirkt und was Spielerei bleibt.
Artikel lesenEingehende Anfragen sortieren und sofort dem Richtigen zuspielen.
Anfragen aus Web, E-Mail und Telefon landen oft im falschen Postfach. KI erkennt Anliegen und Dringlichkeit und verteilt sie ohne manuelle Triage.
Artikel lesenAccount-Based Marketing mit KI im Mittelstand.
ABM galt als teuer und aufwendig. KI macht Account-Auswahl, Signal-Erkennung und personalisierte Ansprache auch für den Mittelstand machbar.
Artikel lesenVerkaufsgespräche auswerten die niemand mitschreibt.
KI analysiert aufgezeichnete Calls auf Redeanteile, Einwände und Erfolgsmuster. So lernt das ganze Team von den besten Gesprächen - datenschutzkonform.
Artikel lesenProduktbilder für den Shop die KI aufwertet.
Statt teurer Foto-Shootings generiert und optimiert KI Produktbilder, Hintergründe und Varianten. Wo das überzeugt - und wo rechtliche Grenzen liegen.
Artikel lesenWerbeanzeigen schalten und skalieren die KI optimiert.
KI steuert Gebote, testet Creatives und verschiebt Budget zwischen Kanälen in Echtzeit. Was die Plattform-KI schon kann - und wo Hand anlegen nötig bleibt.
Artikel lesenBewertungen managen ohne dass jemand jede Rezension liest.
Bewertungen entscheiden über Kaufabschlüsse. KI sammelt sie plattformübergreifend, erkennt Muster und liefert markenkonforme Antwort-Vorschläge.
Artikel lesenSelf-Service-Portale für Kunden die wirklich entlasten.
Ein gutes Self-Service-Portal nimmt dem Team Routinefragen ab und bedient Kunden rund um die Uhr. Wo KI hilft - und wo sie Frust statt Lösung liefert.
Artikel lesenWissensbasis für den Service die sich selbst aktuell hält.
Veraltete Hilfe-Artikel kosten Zeit und Nerven. KI erkennt Wissenslücken aus echten Tickets und schlägt neue oder aktualisierte Beiträge vor.
Artikel lesenKundenkommunikation über alle Kanäle konsistent mit KI.
Kunden wechseln den Kanal, der Kontext geht verloren. KI führt Verläufe zusammen und sorgt für konsistente Antworten über alle Touchpoints hinweg.
Artikel lesenWettbewerbspreise beobachten und automatisch reagieren.
Wer Marktpreise nicht kennt, verschenkt Marge oder Umsatz. KI beobachtet Wettbewerber automatisch und liefert Preisempfehlungen - rechtlich sauber.
Artikel lesenShop und Content lokalisieren für neue Märkte.
Neue Märkte scheitern oft an der Übersetzung von tausenden Produkttexten. KI lokalisiert Shop und Content skalierbar - mit Kontrolle an den richtigen Stellen.
Artikel lesenAus Servicekontakten Umsatz machen ohne aufdringlich zu sein.
Jeder Servicekontakt ist eine Chance. KI erkennt, wann ein Upgrade oder Zubehör wirklich passt, und liefert dem Agenten den richtigen Aufschlag.
Artikel lesenMarketing-Wirkung messen jenseits von Last-Click.
Last-Click belohnt den falschen Kanal und verbrennt Budget. KI-Attribution zeigt, welche Touchpoints den Abschluss wirklich bewirken - mit klaren Grenzen.
Artikel lesenPassende Zielfirmen finden die Sie noch nicht kennen.
Look-alike statt Gießkanne: KI lernt aus Ihren profitabelsten Kunden und findet vergleichbare Firmen am Markt - eine gefüllte Akquise-Liste statt Kaltstart.
Artikel lesenSchlafende Kunden reaktivieren mit KI.
Inaktive Kunden zurückzuholen ist günstiger als Neukunden. KI findet die mit echtem Potenzial und liefert für jeden den passenden Reaktivierungs-Anstoß.
Artikel lesenKI im Mahnwesen das Geld schneller hereinholt.
KI sortiert offene Posten nach Ausfallrisiko und Zahlungswahrscheinlichkeit, formuliert eskalierende Mahnstufen tonrichtig und verkürzt so die Forderungslaufzeit. Mit ehrlichem Blick auf rechtliche Grenzen.
Artikel lesenBonitätsprüfung von Kunden mit KI absichern.
KI bündelt Auskunfteidaten, eigene Zahlungshistorie und öffentliche Signale zu einem laufenden Bonitäts-Frühwarnsystem für Bestandskunden. Der Beitrag zeigt Nutzen, Datenquellen und die DSGVO-Fallstricke beim Scoring.
Artikel lesenSpesen- und Reisekosten die KI vorprüft.
KI extrahiert Belegdaten, gleicht sie gegen die Reisekostenrichtlinie ab und markiert Ausreißer wie Doubletten oder fehlende Pflichtangaben vor der Freigabe. Spart Sachbearbeitung und beschleunigt die Erstattung spürbar.
Artikel lesenZahlungsabgleich den KI automatisiert.
KI matcht Kontoauszüge gegen offene Posten, auch bei kryptischem Verwendungszweck, Teil- und Sammelzahlungen, und schlägt die Buchung vor. Das entlastet die Debitorenbuchhaltung im Tagesgeschäft erheblich.
Artikel lesenBudgetabweichungen die KI früh meldet.
Statt Monatsabschluss-Schock überwacht KI Kostenstellen laufend, erklärt Soll-Ist-Abweichungen in Klartext und warnt rechtzeitig vor Budgetüberschreitungen. Der Beitrag grenzt das ehrlich gegen klassische BI-Dashboards ab.
Artikel lesenLieferanten-Onboarding das die KI abkürzt.
KI prüft beim Anlegen neuer Lieferanten Stammdaten, Zertifikate, Bankdaten und Sanktionslisten und meldet Lücken vor der Freigabe. Das verkürzt das Onboarding und senkt das Risiko von Betrug und Compliance-Verstößen.
Artikel lesenBedarfsbündelung im Einkauf die KI sichtbar macht.
KI durchsucht Bestell- und Kreditorendaten nach verstreuten Einzelkäufen, identischen Artikeln unter anderem Namen und Maverick-Buying. Daraus entstehen bündelbare Bedarfe und konkrete Verhandlungshebel für den Einkauf.
Artikel lesenVertragsfristen die KI nie vergisst.
KI extrahiert Laufzeiten, Kündigungsfristen und automatische Verlängerungen aus dem Vertragsbestand und legt ein Fristenkataster mit Erinnerungen an. So entgehen Unternehmen teuren ungewollten Verlängerungen.
Artikel lesenInterne Richtlinien die die KI verständlich beantwortet.
Statt PDF-Wust beantwortet ein KI-Assistent Mitarbeiterfragen zu Reise-, Spesen-, Urlaubs- und IT-Richtlinien mit Verweis auf die Originalstelle. Das entlastet HR, Recht und IT von Routineauskünften.
Artikel lesenSchicht- und Urlaubsplanung die KI fair ausbalanciert.
KI baut Schicht- und Urlaubspläne, die Qualifikationen, Mitarbeiterwünsche, Arbeitszeitgesetz und Mindestbesetzung gleichzeitig austarieren. Der Beitrag zeigt den Nutzen und wo der Mensch zwingend final entscheidet.
Artikel lesenFluktuation die KI früh erklärt.
KI verdichtet Exit-Interviews, Befragungen und HR-Signale zu Mustern, die echte Kündigungsgründe und gefährdete Teams sichtbar machen. So wird Retention steuerbar, statt erst beim Abgang zu reagieren.
Artikel lesenStellenanzeigen die die KI wirksamer macht.
KI formuliert Stellenanzeigen präziser, diskriminierungsärmer und kanalgerecht und testet Varianten gegeneinander. Das Ergebnis: mehr passende Bewerbungen und weniger Streuverlust im Recruiting.
Artikel lesenArbeitszeugnisse die KI rechtssicher entwirft.
KI erstellt aus Position, Aufgaben und Leistungsnotizen Zeugnisentwürfe in korrekter Zeugnissprache und Notenstufe. Der Beitrag zeigt den Zeitgewinn und die rechtlichen Stolperfallen, die ein Mensch prüfen muss.
Artikel lesenSoftware-Lizenzen die KI im Griff behält.
KI gleicht Lizenzbestand, tatsächliche Nutzung und Verträge ab und deckt ungenutzte Seats, Doppelabos und Audit-Risiken auf. Das senkt IT-Kosten und schützt vor teuren Lizenz-Nachforderungen.
Artikel lesenBerechtigungen die KI regelmäßig aufräumt.
KI analysiert Berechtigungen über Systeme hinweg, findet überzogene, verwaiste und toxische Rechtekombinationen und bereitet die Rezertifizierung vor. Das senkt das Sicherheitsrisiko und erleichtert IT-Audits.
Artikel lesenPhishing-Meldungen die KI in Sekunden einordnet.
KI bewertet von Mitarbeitern gemeldete Verdachtsmails nach Phishing-Indikatoren, gruppiert Kampagnen und priorisiert echte Vorfälle. So reagiert das überlastete Security-Team schneller auf das, was wirklich zählt.
Artikel lesenIT-Störungen aus denen die KI lernen lässt.
KI rekonstruiert aus Logs, Chat-Verläufen und Tickets die Zeitleiste eines Vorfalls und entwirft ein nüchternes, schuldfreies Post-mortem. Das beschleunigt die Aufarbeitung und verhindert Wiederholungsfehler.
Artikel lesenAufbewahrungspflichten die KI sauber durchsetzt.
KI ordnet Dokumente automatisch den richtigen Aufbewahrungs- und Löschfristen nach GoBD, HGB und DSGVO zu und steuert Archivierung wie Löschung. Das schafft Rechtssicherheit ohne wuchernden Datenfriedhof.
Artikel lesenBetriebs- und Arbeitsanweisungen die KI aktuell hält.
KI entwirft Betriebs-, Arbeits- und Verfahrensanweisungen aus Rechtsvorgaben und vorhandenem Praxiswissen und hält sie bei Änderungen konsistent. Das spart Dokumentationsaufwand und erleichtert Audits.
Artikel lesenEingangsrechnungen die KI umsatzsteuerlich prüft.
KI prüft Eingangsrechnungen auf die Pflichtangaben nach UStG, korrekte Steuersätze und Reverse-Charge-Fälle, bevor gebucht wird. Das sichert den Vorsteuerabzug und reduziert teure Korrekturen.
Artikel lesenVerrechnungspreis-Dokumentation die KI vorstrukturiert.
KI sammelt Transaktionsdaten, ordnet sie Verrechnungspreismethoden zu und entwirft Local- und Masterfile-Bausteine für konzerninterne Geschäfte. Das senkt den Aufwand und das Risiko vor der Betriebsprüfung.
Artikel lesenHinweisgeber-Meldungen die KI vertraulich vorsortiert.
KI kategorisiert eingehende Meldungen im Hinweisgebersystem, prüft Fristen nach HinSchG und bereitet Fälle vertraulich für die Ombudsstelle auf. Der Beitrag betont strikt die Grenzen: keine automatische Bewertung von Schuld.
Artikel lesenLiquiditätsplanung die die KI realistischer macht.
KI leitet aus Zahlungshistorie, offenen Posten und Auftragsbestand eine rollierende 13-Wochen-Liquiditätsplanung ab und zeigt Engpässe vorab. Das gibt der Geschäftsführung Handlungszeit statt Überraschungen.
Artikel lesenFreitext aus Mitarbeiterbefragungen die KI hörbar macht.
KI fasst hunderte oder tausende offene Kommentare aus Mitarbeiterbefragungen zu klaren Themen mit Originalzitaten zusammen, ohne Schönfärberei. So wird die qualitative Stimme der Belegschaft für HR wirklich nutzbar.
Artikel lesenWareneingang den die KI gegen die Bestellung prüft.
KI führt den Drei-Wege-Abgleich aus Bestellung, Lieferschein und Rechnung durch und markiert Mengen-, Preis- und Konditionsabweichungen automatisch. Das beschleunigt Wareneingang und Rechnungsfreigabe spürbar.
Artikel lesenBehördliche Meldepflichten die KI im Blick behält.
KI führt einen Kalender wiederkehrender Meldepflichten wie Intrastat, statistischen Erhebungen und Umweltmeldungen, sammelt die nötigen Daten und erinnert rechtzeitig. Das verhindert Bußgelder durch verpasste Fristen.
Artikel lesenKI in der Zahnarztpraxis Befund, Planung, Abrechnung.
Von der KI-gestuetzten Befundung auf Bissfluegel-Roentgen bis zur sauberen GOZ-Abrechnung: realistische Anwendungsfaelle fuer die Praxis. Inklusive Haftungs- und Datenschutzfragen.
Artikel lesenKI in der Apotheke Beratung, Lager, Rezeptur.
Wie Apotheken mit KI Wechselwirkungen schneller pruefen, Bestaende praeziser disponieren und Beratungsgespraeche entlasten. Mit Blick auf Apothekenrecht und Verantwortung des Personals.
Artikel lesenKI in der Physiotherapie Dokumentation, Termine, Uebungsplaene.
KI schreibt aus dem Behandlungsgespraech den Bericht vor, fuellt Terminluecken automatisch und generiert patientenspezifische Uebungsplaene. Konkret fuer kleine Praxen gedacht.
Artikel lesenKI in der Tierarztpraxis Diagnose, Doku, Tierhalter-Kommunikation.
Von der KI-Unterstuetzung bei Roentgen und Labor bis zur automatischen Besuchsdoku und verstaendlichen Halter-Information. Was Tierarztpraxen heute realistisch nutzen koennen.
Artikel lesenKI bei Optikern und in der Hoerakustik Beratung, Anpassung, Nachsorge.
KI hilft bei Produktberatung, Versorgungs-Dokumentation und automatisierten Nachsorge-Erinnerungen. Konkrete Use-Cases fuer Augenoptik und Hoergeraete-Akustik im Fachgeschaeft.
Artikel lesenKI im SHK-Betrieb Angebot, Disposition, Heizungstausch.
Wie SHK-Betriebe mit KI Angebote aus Vor-Ort-Notizen erstellen, Monteure effizienter einplanen und Foerderprogramme fuer Waermepumpen schneller pruefen. Praxisnah und ehrlich.
Artikel lesenKI im Elektrohandwerk Kalkulation, Doku, Normen.
Von der Material-Kalkulation ueber Pruefprotokolle bis zur schnellen Recherche in VDE-Normen: realistische KI-Anwendungen fuer Elektrobetriebe. Inklusive Grenzen bei sicherheitsrelevanten Aussagen.
Artikel lesenKI bei Dachdeckern und Zimmereien: Aufmaß, Angebot, Wetterrisiko.
Wie Dachdecker und Zimmereien mit KI aus Fotos und Notizen Angebote erstellen, Materialmengen abschätzen und Baustellen wettersicher planen. Bodenständig und konkret.
Artikel lesenKI im Malerbetrieb: Aufmaß, Farbberatung, Kalkulation.
KI schätzt Flächen und Materialbedarf aus Fotos, erstellt Angebote und visualisiert Farbkonzepte für Kunden. Konkrete Anwendungen für das Maler- und Lackiererhandwerk.
Artikel lesenKI in der Tischlerei Entwurf, Zuschnitt, Kalkulation.
Wie Tischlereien mit KI Kundenwuensche in Entwuerfe uebersetzen, Plattenmaterial verschnittarm zuschneiden und Einzelstuecke verlaesslich kalkulieren. Mit ehrlichem Blick auf die Grenzen.
Artikel lesenKI in der Baeckerei Bedarfsprognose, Retouren, Filialen.
KI prognostiziert pro Filiale und Wochentag, wie viel gebacken werden sollte, und reduziert so Ueberproduktion und Retouren spuerbar. Praxisnah fuer Handwerksbaeckereien mit mehreren Standorten.
Artikel lesenKI in der Metzgerei Einkauf, Marge, Frischeplanung.
Wie Metzgereien mit KI Einkaufsmengen an die erwartete Nachfrage anpassen, Margen je Produkt im Blick behalten und Verderb reduzieren. Bodenstaendige Use-Cases fuers Fleischerhandwerk.
Artikel lesenKI im Weinbau Lese, Keller, Vermarktung.
Wie Winzer mit Wetter- und Sensordaten den Lesezeitpunkt besser treffen, Gaerverlaeufe dokumentieren und ihre Direktvermarktung mit KI-Texten und Empfehlungen staerken.
Artikel lesenKI in der Landwirtschaft: Ackerbau präziser machen.
Wie landwirtschaftliche Betriebe mit Satelliten-, Drohnen- und Sensordaten Dünger und Pflanzenschutz gezielter einsetzen und Erträge stabilisieren. Mit Blick auf Kosten und reale Hürden.
Artikel lesenKI in der Forstwirtschaft Bestand, Schadholz, Planung.
Wie Forstbetriebe mit KI Waldbestaende aus Luft- und Satellitenbildern erfassen, Borkenkaefer- und Trockenschaeden frueh erkennen und den Holzeinschlag planen. Praxisnah und ehrlich.
Artikel lesenKI bei Stadtwerken Last, Netz, Kundenservice.
Wie Stadtwerke mit KI Strom- und Waermelast praeziser prognostizieren, Netze besser ueberwachen und den Kundenservice rund um Tarife und Abrechnung entlasten.
Artikel lesenKI im Betrieb von Solar- und Windparks Ertrag, Wartung, Vermarktung.
Wie Betreiber von PV- und Windanlagen mit KI Ertraege prognostizieren, Stoerungen frueh erkennen und die Vermarktung am Strommarkt optimieren. Mit ehrlichem Blick auf Datenqualitaet.
Artikel lesenKI in Recycling und Entsorgung Sortierung, Touren, Quoten.
Wie Entsorger mit Bilderkennung Wertstoffe besser sortieren, Sammeltouren dynamisch planen und Recyclingquoten sauber dokumentieren. Konkrete Anwendungen mit realistischen Grenzen.
Artikel lesenKI in der Chemieindustrie: Prozess, Qualität, Sicherheit.
Wie Chemiebetriebe mit KI Anlagenparameter optimieren, Qualitätsabweichungen früh vorhersagen und sicherheitskritische Ereignisse besser erkennen. Praxisnah für Mittelstaendler der Branche.
Artikel lesenKI in der Textil- und Modebranche: Kollektion, Größen, Retouren.
Wie Textil- und Modeunternehmen mit KI Kollektionen planen, Groessenberatung verbessern und die teure Retourenquote senken. Praxisnahe Use-Cases entlang der Wertschoepfungskette.
Artikel lesenKI im Bestattungsunternehmen Organisation, Formalitaeten, Wuerde.
KI hilft Bestattern bei Behoerdengaengen, Textentwuerfen fuer Traueranzeigen und der Ablauforganisation - damit mehr Zeit fuer die persoenliche Begleitung der Angehoerigen bleibt.
Artikel lesenKI im Sicherheitsdienst Disposition, Auswertung, Berichte.
Wie Sicherheitsdienste mit KI Schichtplaene optimieren, Videomaterial gezielter auswerten und Wachberichte schneller erstellen. Mit ehrlichem Blick auf Datenschutz und Verantwortung.
Artikel lesenKI in der Wasserwirtschaft Netz, Leckage, Klaerwerk.
Wie Wasserversorger und Klaerwerke mit Sensordaten und KI Rohrnetz-Leckagen frueh aufspueren, Klaerprozesse stabilisieren und Pumpen vorausschauend warten. Mit realistischer Einordnung.
Artikel lesenKI-Kompetenz als Pflicht was Artikel 4 EU AI Act verlangt.
Artikel 4 EU AI Act schreibt seit Februar 2025 ausreichende KI-Kompetenz der Belegschaft vor. Was das praktisch heißt, wer betroffen ist und wie ein pragmatischer Nachweis aussieht.
Artikel lesenIst mein KI-System hochriskant? Die Einstufung sauber prüfen.
Die meisten Mittelständler überschätzen oder unterschätzen, ob ihr KI-System hochriskant ist. Ein Entscheidungsbaum entlang Anhang III und Artikel 6, der Klarheit schafft.
Artikel lesenKI-Kennzeichnung die Transparenzpflicht nach Artikel 50.
Wer Chatbots, synthetische Medien oder KI-generierte Inhalte einsetzt, muss kennzeichnen. Welche Fälle Artikel 50 erfasst und wie eine rechtssichere Umsetzung aussieht.
Artikel lesenDSFA für KI-Systeme wann sie Pflicht ist und wie sie gelingt.
Bei KI mit personenbezogenen Daten ist oft eine DSFA nach Artikel 35 DSGVO Pflicht. Auslöser, Aufbau und ein realistischer Weg, sie selbst zu erstellen.
Artikel lesenTrainingsdaten und Urheberrecht was Sie nutzen dürfen.
Zwischen Text-und-Data-Mining-Schranke, Opt-out-Vorbehalt und Lizenzpflicht: Was Unternehmen beim Training und Feintuning mit Inhalten rechtlich beachten müssen.
Artikel lesenGeschäftsgeheimnisse und KI den Wissensabfluss verhindern.
Wer vertrauliche Daten in fremde KI-Tools tippt, riskiert den Schutz nach dem Geschäftsgeheimnisgesetz. Welche angemessenen Schutzmaßnahmen den Status bewahren.
Artikel lesenVom Pilot in die Fläche warum die Skalierung das Geld kostet.
Erfolgreiche KI-Pilotprojekte scheitern oft am Rollout. Welche Kostentreiber zwischen Proof und Produktion lauern und wie eine belastbare Skalierungsrechnung aussieht.
Artikel lesenDie Kosten des Nichthandelns KI-Opportunitätskosten beziffern.
Was kostet es, ein KI-Projekt nicht zu starten? Ein Rechenrahmen, der entgangene Effizienz, Wettbewerbsverlust und Verzögerungskosten konkret sichtbar macht.
Artikel lesenÜberlebt mein KI-Anbieter? Bonität und Stabilität prüfen.
Setzen Sie kritische Prozesse auf einen Anbieter, der bald insolvent ist? Ein Due-Diligence-Raster für Finanzlage, Geschäftsmodell und Ausfallrisiko von KI-Anbietern.
Artikel lesenKI-Verträge verhandeln die Klauseln, die wirklich zählen.
Standard-AGB von KI-Anbietern sichern nur den Anbieter ab. Welche Vertragsklauseln zu Haftung, IP-Rechten, Datennutzung und Ausstieg Sie aktiv verhandeln müssen.
Artikel lesenSauber aus dem KI-Anbieter raus die Exit-Strategie vor dem Einstieg.
Den Ausstieg plant man vor dem Einstieg. Welche Daten-, Modell- und Prozessabhängigkeiten einen späteren Wechsel blockieren und wie eine echte Exit-Klausel aussieht.
Artikel lesenDen KI-Erfolg messbar machen KPIs, die nicht lügen.
Time-Saved-Schätzungen sind oft Wunschdenken. Ein KPI-Set, das Adoption, Output-Qualität und harte Wertbeiträge von KI-Initiativen belastbar misst.
Artikel lesenZweiter sein zahlt sich aus der Second-Mover-Vorteil bei KI.
First Mover zahlen Lehrgeld. Wann es klug ist, KI-Trends bewusst hinterherzulaufen, von den Fehlern anderer zu lernen und trotzdem nicht abgehängt zu werden.
Artikel lesenKI-Systeme angreifen lassen Red-Teaming für den Mittelstand.
Prompt-Injection, Jailbreaks, Datenlecks: Wie Sie KI-Anwendungen vor dem Go-live systematisch selbst angreifen und die gefundenen Lücken schließen.
Artikel lesenWenn der KI-Agent handelt Haftung und Kontrolle agentischer KI.
KI-Agenten buchen, bestellen und antworten eigenständig. Wie Sie Verantwortung, Freigabe-Grenzen und Haftung klären, bevor ein Agent realen Schaden anrichtet.
Artikel lesenDaten in der EU halten Souveränität als KI-Standortvorteil.
Zwischen US-Cloud-Act und EU-Anforderungen: Welche Wege zu datensouveräner KI es gibt, was sie kosten und für wen sich der Aufwand wirklich lohnt.
Artikel lesenEine KI-Nutzungsrichtlinie die Mitarbeiter wirklich lesen.
Eine 30-seitige Richtlinie liest niemand. Wie eine einseitige, klare KI-Nutzungsrichtlinie aussieht, die erlaubt statt nur verbietet und Schatten-KI verhindert.
Artikel lesenKI im Lieferkettengesetz Sorgfaltspflichten effizient erfüllen.
Lieferkettengesetz und CSRD binden Ressourcen. Wo KI bei Risikoanalyse, Lieferanten-Screening und Berichtspflichten echte Entlastung bringt und wo nicht.
Artikel lesenDeckt meine Versicherung KI-Schäden? Die Lücke vor dem Schaden schließen.
Wenn KI einen Fehler verursacht, zahlt die Versicherung womöglich nicht. Welche Deckungslücken in Standardpolicen bestehen und welche Klauseln Sie ergänzen sollten.
Artikel lesenGPAI-Modelle nutzen welche Pflichten auf Anwender zukommen.
Allzweck-KI unterliegt seit August 2025 eigenen Pflichten. Was der GPAI-Verhaltenskodex regelt und welche Informations- und Dokumentationspflichten an Anwender durchschlagen.
Artikel lesenWelches KI-Projekt zuerst? Eine Priorisierungsmatrix, die trägt.
Bei begrenztem Budget entscheidet die Reihenfolge über den Erfolg. Eine bewertbare Matrix aus Wertbeitrag, Umsetzbarkeit, Risiko und Datenreife für die Projektauswahl.
Artikel lesenMensch im Entscheidungs-Loop Kontrolle sinnvoll einbauen.
Ein durchgewinkter Freigabe-Klick schützt niemanden. Wie wirksame menschliche Kontrolle über KI-Entscheidungen aussieht und wo sie Pflicht statt Kür ist.
Artikel lesenMCP-Protokoll im Mittelstand KI-Agenten an eigene Systeme anbinden.
Das Model Context Protocol standardisiert, wie KI-Assistenten auf Ihre Tools und Daten zugreifen. Welche Connectoren es gibt, was der Aufwand ist und wo die Grenzen liegen.
Artikel lesenRAG-Qualität messen bevor der Assistent falsch antwortet.
Ein RAG-System fühlt sich gut an, bis es vor Kunden danebenliegt. Wie Sie Retrieval- und Antwortqualität mit Test-Sets, Faithfulness-Scores und LLM-as-Judge belastbar messen.
Artikel lesenChunking-Strategien für RAG warum die Aufteilung über alles entscheidet.
Die meiste schlechte RAG-Qualität entsteht beim Chunking, nicht beim Modell. Welche Aufteilungsstrategie für Verträge, Handbücher und Tabellen funktioniert - und welche Fehler teuer werden.
Artikel lesenHybrid Search wenn reine Vektorsuche nicht reicht.
Reine semantische Suche scheitert an Artikelnummern, Eigennamen und exakten Begriffen. Wie Sie BM25 und Vektorsuche kombinieren und mit Reranking die Trefferqualität spürbar heben.
Artikel lesenStrukturierte KI-Ausgaben verlässliches JSON statt Freitext.
Freitext lässt sich nicht weiterverarbeiten. Mit JSON-Schemas, Structured Outputs und Validierung bekommen Sie maschinenlesbare Ergebnisse, die direkt in Datenbanken und Systeme fließen.
Artikel lesenKI-Massenverarbeitung tausende Dokumente günstig durchschleusen.
Wenn Sie nicht in Echtzeit antworten müssen, halbiert die Batch-Verarbeitung oft die Kosten. Für Klassifikation, Extraktion und Anreicherung großer Datenbestände - mit Fehler-Handling und Wiederaufnahme.
Artikel lesenPrompt-Caching den gleichen Kontext nicht zweimal bezahlen.
Wer denselben langen System-Prompt oder dasselbe Dokument immer wieder schickt, zahlt unnötig. Prompt-Caching reduziert Kosten und Latenz erheblich - wenn man die Spielregeln kennt.
Artikel lesenLLM-Gateway ein zentraler Zugang für alle KI-Modelle.
Statt jede Abteilung eigene API-Keys verwalten zu lassen, zentralisiert ein Gateway Zugriff, Limits, Logging und Modell-Routing. Die unterschätzte Infrastruktur für kontrollierten KI-Einsatz.
Artikel lesenGuardrails für KI-Assistenten damit der Bot im Rahmen bleibt.
Ein Kunden-Bot, der Rabatte zusagt oder über Wettbewerber lästert, wird zum Risiko. Welche Input- und Output-Filter, Themen-Grenzen und Freigabe-Stufen wirklich schützen.
Artikel lesenHuman-in-the-Loop wo der Mensch zustimmen muss.
Volle Automatisierung ist selten die richtige Antwort. Wo ein menschlicher Freigabe-Schritt Haftung und Vertrauen sichert und wie Sie ihn so designen, dass er nicht zum Flaschenhals wird.
Artikel lesenKI-Wildwuchs konsolidieren von zehn Insellösungen zu einer Plattform.
Nach der Experimentierphase haben viele Mittelständler ein Dutzend überlappender KI-Tools. Wie Sie konsolidieren, ohne funktionierende Lösungen zu zerstören, und was die Plattform-Entscheidung kostet.
Artikel lesenKI auf Tabellen loslassen Fragen an Excel-Daten in Klartext.
Mitarbeiter stellen Fragen, die KI rechnet auf der Tabelle. Wie Text-to-SQL und Code-Ausführung verlässliche Zahlen liefern, wo das reine Sprachmodell bei Mathematik zuverlässig danebengreift.
Artikel lesenWissensgraphen plus KI wenn Beziehungen wichtiger sind als Text.
Manche Fragen brauchen Zusammenhänge, keine Textschnipsel: Wer hängt mit wem zusammen? Wie ein Wissensgraph als Fundament für KI Antworten ermöglicht, an denen reines Dokumenten-RAG scheitert.
Artikel lesenVom Meeting zur Aufgabenliste KI schließt die Lücke nach dem Gespräch.
Das Protokoll ist nur der halbe Nutzen. Wie KI aus Besprechungen Aufgaben, Zuständigkeiten und Termine extrahiert und sie automatisch ins Aufgabensystem einträgt - mit Kontrolle gegen Fehlinterpretation.
Artikel lesenIntelligente Posteingangs-Triage jede Anfrage landet beim Richtigen.
Zentrale Postfächer wie info@ und service@ verschlingen Zeit. Wie KI Anliegen erkennt, Dringlichkeit einschätzt und sauber weiterleitet - mit Eskalation, wo sie unsicher ist.
Artikel lesenKontext über Schichten hinweg KI gegen den Übergabe-Verlust.
Schichtwechsel, Vertretung, Eskalation: jede Übergabe kostet Kontext. Wie KI den Stand eines Vorgangs verlässlich zusammenfasst und dem Nachfolger Einarbeitung erspart.
Artikel lesenAnforderungen statt Prompts KI-Verhalten wartbar beschreiben.
Wenn niemand mehr weiß, warum der Bot so antwortet, ist der Prompt außer Kontrolle geraten. Wie Sie KI-Verhalten als versionierte, testbare Spezifikation behandeln statt als Bastel-Text.
Artikel lesenDie Lücke zwischen Pilot und Produktion warum 80 % im Demo-Status hängen.
Eine Demo, die 90 Prozent der Fälle löst, ist im Echtbetrieb oft unbrauchbar. Welche Hürden - Edge-Cases, Integration, Betrieb, Akzeptanz - die letzten Meter ausmachen und wie Sie sie planen.
Artikel lesenBeleg-Abgleich mit KI Bestellung, Lieferschein und Rechnung automatisch matchen.
Der manuelle Abgleich von Bestellung, Wareneingang und Rechnung bindet die Buchhaltung. Wie KI Positionen, Mengen und Preise zusammenführt und nur die echten Diskrepanzen eskaliert.
Artikel lesenModellwechsel ohne Reue wenn das neue LLM Altes kaputtmacht.
Jede neue Modellversion ändert subtil das Verhalten. Wie Sie mit gespeicherten Test-Fällen und automatischen Vergleichen erkennen, ob ein Upgrade Ihre Anwendungen verbessert oder heimlich verschlechtert.
Artikel lesenToken-Kosten im Griff die Rechnung lesen, bevor sie explodiert.
Ohne Transparenz wird die KI-Rechnung schnell zur Überraschung. Wie Sie Token-Verbrauch nach Abteilung und Anwendungsfall messen, Budgets durchsetzen und die größten Kostentreiber gezielt entschärfen.
Artikel lesenFormulare und PDFs verstehen KI liest, was OCR nur abtippt.
Antragsformulare, Datenblätter und Tabellen-PDFs sind der Albtraum klassischer Texterkennung. Wie multimodale KI Layout und Inhalt versteht und verlässliche Felder ausgibt - inklusive Konfidenz-Prüfung.
Artikel lesenVom Backtest zur Live-Strategie: die fünf häufigsten Fallen.
Warum Strategien im Backtest brillieren und live versagen — Overfitting, Look-Ahead-Bias, Survivorship, Slippage und der Liquiditäts-Killer. Mit konkreten Gegenmitteln.
Artikel lesenMetaTrader 5 oder Python: welche Plattform für welche Strategie?
MT5 für Forex und CFDs, Python für Aktien, Optionen und alles, was nicht in MQL5 passt. Ein ehrlicher Vergleich — inkl. Hybrid-Setups, die das Beste aus beiden Welten nutzen.
Artikel lesenWarum 90 % der Trading-Bots scheitern — und was die anderen anders machen.
Es liegt selten an der Strategie und fast nie am Code. Sondern an Position-Sizing, Regime-Drift, fehlender Disziplin und dem fatalen „Re-Optimieren". Die wichtigsten sechs Gründe.
Artikel lesenKI im Trading: Realität vs. Marketing-Versprechen.
Was Machine Learning, LLMs und Reinforcement Learning im Trading wirklich leisten — und wo der Bullshit anfängt. Mit konkreten Anwendungsfällen, die heute funktionieren.
Artikel lesenRisk-Management mit System: Position-Sizing in der Praxis.
Fixed-Fractional, Volatility-Adjusted, Kelly — was wann sinnvoll ist. Mit Formeln und Code-Snippets für MT5 und Python. Und: warum 1 % Risiko pro Trade meist die falsche Antwort ist.
Artikel lesenInteractive Brokers, ICM oder MT5: welcher Broker für welchen Trader?
Kosten, Hebel, Instrumente, API-Qualität, Steuer-Themen. Ein ehrlicher Vergleich — und welche Kombination ich selbst für welche Strategie nutze.
Artikel lesenOptionen-Income: Cash-Secured Puts, Covered Calls und die Wheel-Strategie.
Wie Optionen-Income wirklich funktioniert, was es brutto und netto einbringt — und welche steuerlichen Fallen in Deutschland lauern.
Artikel lesenWalk-Forward in der Praxis: so testen Sie Strategien ehrlich.
Die Walk-Forward-Effizienz trennt funktionierende Strategien von gefitteten Illusionen. Mit konkretem Setup für MT5 und Python — und den häufigsten Stolperfallen.
Artikel lesenDatenqualität: warum „kostenlos" teuer wird.
Splits, Dividenden, Survivorship, Tickqualität — was bei kostenlosen Daten alles schiefgeht und wann sich saubere Daten wirklich lohnen. Mit Anbieter-Empfehlungen je Asset-Klasse.
Artikel lesenDrawdown verstehen: Mathematik und Psychologie.
Was mathematisch und mental während eines Drawdowns passiert. Recovery-Asymmetrie, die fünf Drawdown-Phasen und konkrete Schutzmechanismen gegen Panik-Reaktionen.
Artikel lesenMulti-Strategie-Portfolios: Risk-Budgeting in der Praxis.
Wie mehrere unkorrelierte Strategien kombiniert werden, welche Allokations-Modelle funktionieren und wie ein 250-k-€-Setup mit Sharpe 1,6 konkret aussieht.
Artikel lesenNews-Trading mit LLMs: was wirklich funktioniert.
Sprachmodelle für strukturierte Sentiment-Analyse, die Latenz-Falle und realistische Performance-Erwartung. Mit konkretem Stack und Kosten-Beispiel aus der Praxis.
Artikel lesenVPS-Deployment: Trading-Bots wirklich stabil betreiben.
Anbieter, Latenz, Co-Location, Monitoring, Backup. Wie Sie EAs und Python-Bots 24/7 zuverlässig laufen lassen — mit konkreter Hetzner-Setup-Anleitung.
Artikel lesenSteuern für Trader in Deutschland: was Sie 2026 wirklich wissen müssen.
§20 EStG, die 2024 rückwirkend abgeschaffte 20.000-Euro-Grenze bei Termingeschäften, Krypto unter §23 — und welche Setup-Entscheidungen die Netto-Rendite verdoppeln können.
Artikel lesenDie Korrelations-Illusion: warum Diversifikation in Krisen versagt.
2008, 2020, 2022 — in jeder Krise gingen unkorrelierte Assets im Gleichschritt nach unten. Warum das passiert und wie echte Diversifikation aussieht.
Artikel lesenSlippage, Spread & Kommissionen: was Trading wirklich kostet.
Die vier Kosten-Komponenten, warum fixe Backtest-Spreads lügen und ein ehrliches Cost-Modell mit ATR-basiertem Slippage-Faktor — mit Cost-Sensitivity-Test.
Artikel lesenRegime Detection: Strategien an Marktphasen anpassen.
Vier Wege, Marktregime zu erkennen — von Trend-Filter bis Hidden Markov Models. Wie Sie Strategien je Regime aktivieren, ohne sich Look-Ahead-Bias einzukaufen.
Artikel lesenStop-Loss-Strategien: welcher Stop wann Sinn ergibt.
Fixer Stop, ATR-Stop, Trailing-Stop, Time-Stop — und warum manche Strategien durch Stops verbessert und andere zerstört werden. Mit konkretem MAE-Test.
Artikel lesenMental Capital: warum 80 % der Trader am Kopf scheitern.
Die fünf häufigsten Selbstsabotage-Muster — Revenge Trading, FOMO, Drawdown-Panik, Glanz-Bias, Strategie-Hopping. Und warum Automatisierung vor allem mentale Hygiene ist.
Artikel lesenKrypto-Strategien 2026: was wirklich funktioniert.
Trendfolge, Cross-Exchange-Arbitrage, Funding-Rate-Capture, Vola-Strategien — was nach Jahren noch profitabel ist. Plus die Risiken, die kein Aktien-Trader kennt.
Artikel lesenMein Trading-Setup: Hardware, Software, Workflows.
Was ich nach 10 Jahren wirklich brauche: MacBook + Hetzner-VPS, Python-Stack, IBKR/MT5, Routine. Plus die Tools, von denen ich mich verabschiedet habe.
Artikel lesenVom Hobby zum Beruf: Wege in den professionellen Quant-Trading.
Hedgefonds, Selbstständigkeit mit Eigenkapital, Mandantenbetreuung, Prop-Trading, Trader + Beratung — die fünf realistischen Pfade. Und die drei Faktoren, die wirklich entscheiden.
Artikel lesenAI-Agents im Trading: was 2026 wirklich funktioniert.
Was Agents heute können (Research, Code, Earnings-Parsing) und was nicht (Live-Trading, neue Edges entdecken). Drei produktive Architekturen mit Kostenrechnung.
Artikel lesenOptionen-Greeks für Algo-Trader: Delta bis Vega systematisch.
Delta, Gamma, Theta, Vega, Rho — was die Greeks für systematische Optionsstrategien bedeuten, mit Python-Code zur Berechnung und Portfolio-Risk-Aggregation.
Artikel lesenTrading-Journal mit Python: vom CSV zur Erkenntnis.
SQLite-Datenmodell, Broker-Import, Performance-Attribution und Verzerrungs-Detection. Wie aus einer Trade-Liste ein Werkzeug wird, das echte Fragen beantwortet.
Artikel lesenMarktmikrostruktur: was zwischen den Charts wirklich passiert.
Orderbuch, Market Maker, HFT, Dark Pools — wer im Markt sitzt und was das für Retail- und Algo-Trader bedeutet. Mit vier konkreten Filtern, die Slippage halbieren.
Artikel lesenAlgo-Trading mit kleinen Konten: was mit 10.000 € realistisch geht.
Welche Strategien mit 5k–25k funktionieren, welche nicht. Position-Sizing-Mathematik, Broker-Wahl und ehrliche Erwartungen für die Lehrjahre.
Artikel lesenTrendfolge vs. Mean-Reversion: welcher Stil wann gewinnt.
Wo Trendfolge funktioniert (Rohstoffe, FX, lange Bull-Phasen), wo Mean-Reversion (Aktien, Spreads) — und warum diversifizierte Portfolios immer beides brauchen.
Artikel lesenVIX & Volatilitäts-Indikatoren: systematisch nutzen statt nur anschauen.
Term-Structure, Implied vs. Realized Vola, VVIX, MOVE — wie systematische Trader Volatilität als Regime-Signal und Entry-Filter nutzen.
Artikel lesenEarnings-Trading mit Algorithmen: was systematisch funktioniert.
Pre-Announcement-Drift, Post-Earnings-Drift, Vola-Crush — drei dokumentierte Anomalien rund um Quartalsberichte. Plus vier konkrete Strategie-Setups.
Artikel lesenPair-Trading & Stat-Arb: marktneutral systematisch.
Kointegration, Z-Score, Half-Life — wie Sie passende Paare finden und marktneutrale Spreads handeln. Mit Python-Code und realistischer Performance-Erwartung.
Artikel lesenReinforcement Learning im Trading: Hype und Realität.
Wo RL funktioniert (Execution-Optimierung, Allokation) und wo es 5 Jahre zu früh ist (autonomes Trading). Mit ehrlicher Bewertung gängiger Frameworks.
Artikel lesenSektoren-Rotation: systematisch Long-Only investieren.
11 SPDR-ETFs, monatliches Rebalancing, Trend-Filter — die zugänglichste systematische Strategie. Mit historischer Performance und Verfeinerungen, die wirklich helfen.
Artikel lesenForex-Trading: was wirklich funktioniert.
Welche Strategien jenseits der Influencer-Versprechen Geld verdienen, welche Sessions zählen, warum 1:500-Hebel Casino ist und welche Broker für Algo-Trading taugen.
Artikel lesenRisk-Parity & 60/40 reloaded: Portfolio-Konstruktion 2027.
Warum 2022 sowohl 60/40 als auch Risk-Parity zerbrochen sind — und was nach dem Reset funktioniert: All-Weather 2.0, Permanent Portfolio und Trendfolge als Krisen-Hedge.
Artikel lesenMQL5 Praxis-Tipps: stabile Expert Advisors bauen.
CTrade-Klasse, ArraySetAsSeries, NormalizeDouble, OnTimer vs. OnTick, saubere Fehlerbehandlung — zehn Lektionen aus zehn Jahren MQL5-Entwicklung.
Artikel lesenBacktesting mit Python: Frameworks und eigene Lösungen.
Pandas-vektorisiert für Discovery, vectorbt für Validierung, eigene Event-Driven-Backtester für komplexe Strategien — wann welcher Ansatz richtig ist.
Artikel lesenBreakout-Strategien: was die Daten wirklich sagen.
Donchian, Turtle, Opening-Range — die klassischen Breakout-Setups, ihre Expectancy-Mathematik und die Filter, mit denen Sie False-Breakouts deutlich reduzieren.
Artikel lesenSaisonalitäten im Trading: was wirklich profitabel ist.
Sell-in-May, Santa Rally, Turn-of-Month, NFP-Drift — was nach sauberem Out-of-Sample-Test übrig bleibt und wie Sie Saisonalitäten ohne Overfit nutzen.
Artikel lesenGap-Trading: die statistischen Wahrheiten hinter Overnight-Gaps.
Gap-and-Go, Gap-Fade, Gap-Fill — drei Strategien mit konkreten Wahrscheinlichkeiten je Gap-Größe und Marktphase. Plus die Continuation-Gaps, die Fader killen.
Artikel lesenVolatilitäts-Arbitrage: die Vola-Risiko-Prämie systematisch ernten.
Short-Strangles, VIX-Term-Structure, Variance-Replikation — drei Wege, die VRP zu monetarisieren. Plus die Crash-Risiken, die Februar 2018 und März 2020 gezeigt haben.
Artikel lesenCross-Sectional Momentum: einer der ältesten Faktoren im Trading.
12M-1M-Ranking, Long Top-Dezil, Short Bottom-Dezil — die akademisch dokumentierte Anomalie, ihre Crashes und wie Sie Momentum mit Vola-Skalierung robuster machen.
Artikel lesenTail-Hedging: realistischer Schutz gegen Black-Swan-Events.
OTM-Puts, VIX-Calls, Trendfolge als Krisen-Alpha — was Tail-Hedging wirklich kostet (0,5–1,5 % p. a.), wann es sich lohnt und wann es nur Performance frisst.
Artikel lesenCalendar-Spreads & Futures-Roll: die unterschätzten Renditequellen.
Contango, Backwardation, Roll-Yield — wie Calendar-Spreads in Crude Oil, Heating Oil und Mais saisonal funktionieren. Plus VIX-Term-Structure-Trades.
Artikel lesenVolume-Profile & OrderFlow: was wirklich im Buch passiert.
POC, Value Area, VWAP-Anchored, Delta, Footprint — was die Mikrostruktur-Tools für Retail wirklich bringen und wann sie nur Komplexität ohne Edge bedeuten.
Artikel lesenTradingView Pine Script: wann sinnvoll, wann limitiert.
Sweet-Spot für schnelle Indikator-Entwicklung und Alerts — Grenzen bei Multi-Asset, Live-Trading und Vendor-Lock-in. Plus Webhook-Anbindung an eigene Bot-Infrastruktur.
Artikel lesenDocker für Trading-Bots: Deployment ohne Drama.
Reproduzierbare Container, docker-compose-Setup für Bot + Postgres + Monitoring, Secrets-Management, Update-Strategien. Plus wann Docker nicht passt.
Artikel lesenDatenbank-Architektur für Marktdaten: TimescaleDB, ClickHouse, kdb+.
Wann CSV/Parquet nicht mehr reicht und welche der drei Hauptkandidaten zu welchem Setup passt — mit Schema-Empfehlungen für Ticks, Bars und Orderbook-Snapshots.
Artikel lesenLatency-Optimierung: was zählt, was nur Marketing ist.
Tick-to-Trade, Code-Latenz, Network-Path — wo Retail-Trader realistisch 10–50 ms sparen können. Plus warum Co-Location für 99,9 % Geldverschwendung ist.
Artikel lesenTrading als Geschäftsmodell: Erlösströme jenseits der eigenen Strategie.
Fünf parallele Einnahmequellen — Eigenkapital, Mandanten-Beratung, Coaching, Content, Performance-Sharing. Mit wirtschaftlicher Modellrechnung und Skalierungs-Hürden.
Artikel lesenCompliance & Versicherung für selbstständige Trader: was Sie wirklich brauchen.
BaFin-Lizenz wann nötig, was Sie ohne Lizenz dürfen, Berufshaftpflicht, DSGVO bei Mandanten-Daten, Steuer-Compliance. Eigene Praxis-Erfahrung, kein Rechtsrat.
Artikel lesenTrading-Coaching & Mentor-Auswahl: was wirklich hilft.
Wie Sie seriöse Mentoren von Affiliate-Marketern unterscheiden, realistische Preise, Coaching-Formate. Plus wann Coaching nicht hilft — und welche Bücher Sie statt dessen lesen sollten.
Artikel lesenRSI im Algo-Trading: was wirklich funktioniert.
Warum 70/30 fast nie der richtige Trigger ist, Divergenzen statistisch testen, Connors-RSI, Multi-Timeframe-Setups — plus ein konkretes Mean-Reversion-Setup mit RSI(2) auf SPY.
Artikel lesenMACD systematisch: jenseits des Crossover-Signals.
Histogramm und Slope, MACD-Divergenzen testen, MACD als Filter statt Trigger — Trendfolge auf DAX mit konkretem MQL5-Code und ehrlicher Bewertung der Crossover-Fallen.
Artikel lesenMoving Averages: SMA, EMA, WMA, HMA im Vergleich.
Lag-vs-Glätte-Trade-off, 200-Tage-Linie als Regime-Filter, warum HMA bei Trendfolge oft besser ist als SMA — Golden Cross zwischen Marketing und Realität.
Artikel lesenBollinger-Bänder-Strategien: Mean-Reversion und Breakout.
Warum Standard (20, 2.0) überoptimiert ist, Bollinger-Squeeze, adaptive Multiplikatoren in Vola-Regimes — direkter Vergleich Bollinger vs. Keltner-Channels.
Artikel lesenStochastik-Oszillator: was er kann, was er nicht kann.
Warum 80/20-Trigger allein nicht reichen, Stochastik in Trend-Märkten als gefährliche Falle, Multi-Timeframe-Setups und ehrliche Einordnung gegenüber RSI.
Artikel lesenADX & DMI: Trend-Stärke systematisch messen.
Wilders ADX als Regime-Filter, der „ADX über 25"-Mythos, +DI/−DI für Richtungs-Signale — meine Praxis: ADX nur als Filter, nie als Trigger.
Artikel lesenATR: der wichtigste Indikator, den niemand richtig nutzt.
Position-Sizing über ATR, 1.5x/2x/3x ATR-Stops, Chandelier-Exit, Cross-Asset-Normalisierung — die konkrete Sizing-Formel aus zehn Jahren Praxis.
Artikel lesenIchimoku Cloud: kompletter Trading-Stack in einem Indikator?
Die fünf Komponenten erklärt, Kumo-Breakout-Setup, warum Ichimoku in FX und Krypto besser funktioniert als bei US-Aktien — ehrliche Bewertung des Konzepts.
Artikel lesenPivot Points & Fibonacci: statistisch geprüft.
Floor-Pivots, Camarilla, Fib 38.2/50/61.8 — was die Daten zu „selbst erfüllenden Levels" wirklich sagen. Plus warum diese Levels nur Filter und nie Trigger sein sollten.
Artikel lesenCommodity Channel Index: Lambert's Übersehener.
±100 und ±200-Trigger, warum CCI für Rohstoffe besser als für Aktien designed wurde, kombiniert mit Trend-Filter — und direkter Vergleich zu RSI und Stochastik.
Artikel lesenWilliams %R: der Stochastik-Verwandte mit eigenen Stärken.
Vorteile durch fehlende Glättung, Anwendung bei Krypto-Volatilität, klassische Trend-Falle — und die ehrliche Frage: braucht man %R, wenn man Stochastik hat?
Artikel lesenOn-Balance Volume: liest der wirklich Smart-Money-Aktivität?
Granvilles OBV-Mechanik, Divergenzen als Frühwarnung, Probleme in FX und modernen Märkten — statistisch geprüft, ob OBV Preisbewegungen leitet.
Artikel lesenMoney Flow Index: RSI mit Volume-Komponente.
Wann der Volume-Anteil wirklich einen Unterschied macht, Divergenzen als Frühwarnung bei Tops/Bottoms — und die statistische Frage: schlägt MFI den RSI?
Artikel lesenChaikin Money Flow & A/D-Line: Akkumulation messbar machen.
Zero-Line als Trend-Filter, CMF-Divergenzen, Anwendung auf Einzelaktien und ETF-Sektoren — und warum CMF immer Filter und nie Stand-Alone-Trigger sein sollte.
Artikel lesenKeltner Channel vs. Bollinger: welcher Band-Indikator wann?
ATR-basierte Bänder als stabilere Wahl in volatilen Märkten, TTM-Squeeze nach John Carter — und meine klare Empfehlung: Keltner für Trendfolge, Bollinger für Mean-Reversion.
Artikel lesenParabolic SAR: Wilders Klassiker — robust oder veraltet?
SAR als Trailing-Stop vs. Signal-Generator, Whipsaw-Statistik in Range-Märkten, ADX-Filter-Kombination — als Trailing-Stop solide, als Entry-Trigger zu reaktiv.
Artikel lesenHeikin-Ashi & Renko: alternative Chart-Darstellungen kritisch.
Was Heikin-Ashi-Candles verbergen, Backtest-Verzerrung durch Glättung, Renko-Bricks — wann die Darstellungen wirklich Sinn machen und wann sie täuschen.
Artikel lesenVWAP-Anchored & Volume-Weighted-Tools: wo institutionelle Trader hinschauen.
Standard-VWAP vs. Anchored VWAP (Brian Shannon), Multiple-Anchor-Points um News/Earnings, VWAP-Bands — drei konkrete Setups mit Python-Code.
Artikel lesenTime-Series-Forecasting im Trading: ARIMA, Prophet, LSTM und die ehrliche Realität.
Warum klassische Methoden bei Kurs-Forecasts versagen, wo sie funktionieren (Vola, Volume), LSTM/Transformer-Hype, Survivorship-Bias in ML-Trading-Papers.
Artikel lesenChart-Patterns systematisch: Head-and-Shoulders, Triangles, Flags algorithmisch.
Algorithmische Pattern-Detection mit Pivots und Zigzag, die Studie von Lo/Mamaysky/Wang, Performance-Vergleich Pattern-basiert vs. Indikator-basiert — Patterns funktionieren, aber brauchen Filter.
Artikel lesenLangfristig investieren vs. aktiv traden: kein Entweder-oder.
9 % Buy-and-Hold vs. 12 % aktiv mit höherer Vola — Mathematik plus Drei-Konten-Modell (Core/Tactical/Speculative) und mein eigenes 70/30-Setup.
Artikel lesenRobo-Advisors vs. eigene Strategie: was passt zu wem?
Scalable, Quirion, Liqid & Co. — Kosten, Performance-Realität gegenüber S&P 500, ab welchem Vermögen eigene systematische Strategien wirtschaftlicher sind.
Artikel lesenFamily Office für Trader-Vermögen: ab wann sinnvoll?
SFO ab 50–100 Mio., MFO ab 5 Mio., Outsourced-FO als Mittelweg — und warum bei kleineren Vermögen Steuerberater plus Bankberater meist die ehrlichere Lösung sind.
Artikel lesenESG & Sustainable Investing: was die Studien wirklich sagen.
Rating-Inkonsistenzen (MSCI vs. Sustainalytics ~0.5 Korrelation), akademische Evidenz neutral, Greenwashing — warum „doing good" und „doing better" nicht dasselbe sind.
Artikel lesenSmart-Beta-ETFs: zwischen Marketing und echtem Faktor-Exposure.
Value, Size, Momentum, Quality, Low-Vola — was Smart Beta wirklich liefert (oft Faktor-Diversifikation, selten Outperformance) und wo Crowding zuschlägt.
Artikel lesenFaktor-Investing systematisch: Value, Quality, Size, Profitability.
Fama-French Drei- und Fünf-Faktor, das „Faktor-Zoo"-Problem, Faktor-Crashes (Value 2017–2020, Momentum 2009) — Multi-Faktor mit Volatilitäts-Skalierung als Praxis-Antwort.
Artikel lesenInflations-Schutz Portfolios: was 2022 bewiesen hat.
TIPS, Rohstoffe, kurzfristige Anleihen, gemanagte Trendfolge — was 2022 wirklich gehedget hat und warum Gold underperformed hat. Plus konkretes 50/30/20-Setup.
Artikel lesenAnleihen-Strategien systematisch: jenseits von Buy-and-Hold.
Yield-Curve-Trading, Credit-Spreads, Bund-Futures, Bond-Ladders, Duration-Management — warum klassisches Anleihen-Halten seit 2022 nicht mehr ausreicht.
Artikel lesenCurrency-Hedging für deutsche Investoren: wann hedgen, wann nicht.
Hedged vs. Unhedged ETFs, Performance-Daten, Active Hedging mit Forwards — meine Empfehlung: Aktien unhedged, Anleihen meist hedgen, aber Detail-abhängig.
Artikel lesenSteueroptimiertes ETF-Sparen in Deutschland: was wirklich zählt.
Teilfreistellung (30 % Aktien-ETF), thesaurierend vs. ausschüttend, Sparerpauschbetrag optimal verteilen, Vorabpauschale, LIFO/FIFO-Wahl bei Verkäufen.
Artikel lesenSchenkung & Erbschaft bei Trader-Vermögen: Strukturen, die helfen.
Freibeträge, 10-Jahres-Schenkungs-Rhythmus, Nießbrauch, Übertragung von Trading-Geschäften — ab welcher Vermögensgröße Strukturierung sich lohnt.
Artikel lesenFamilien-Stiftung als Vermögensstruktur: Praxis-Realität jenseits der Werbung.
Errichtungskosten, laufende Verwaltung, Erbersatzsteuer, Vergleich zu GmbH und Schenkungen — ehrliche Bewertung: selten die beste Lösung unter 5 Mio.
Artikel lesenAuswandern aus Deutschland als Trader: was Sie steuerlich beachten müssen.
Wegzugsbesteuerung §6 AStG, 183-Tage-Regel, klassische Ziele (Schweiz, Portugal, Zypern, VAE), Erweiterte Beschränkte Steuerpflicht — und ab welchem Einkommen es sich rechnet.
Artikel lesenDrawdown-Recovery: psychologisch und mathematisch.
Recovery-Asymmetrie, fünf Drawdown-Phasen, Halbierungs-Regel beim Risiko, Pause vs. Beendung — Mandanten kennen ihre erwarteten Drawdowns vor Start.
Artikel lesenPosition-Sizing-Modelle: Optimal-f, Kelly, Fixed-Ratio im Vergleich.
Fixed-Fractional, Optimal-f (toxisch in der Praxis), Half-Kelly als Kompromiss, ATR-Sizing — direkter Vergleich über dieselbe Strategie mit 4 Sizing-Modellen.
Artikel lesenFonds-Replikation systematisch: warum man teure Fonds selbst nachbauen kann.
Linear-Cloning, Faktor-Replikation, ETF-Replikate von Hedgefonds-Strategien (KMLM, DBMF, MAXR) — 80 % der Premium-Fonds sind replizierbar, die restlichen 20 % unzugänglich.
Artikel lesenETF-Sparpläne strategisch: jenseits von „MSCI World per Sparplan".
Klumpenrisiken im MSCI World, 70/30 vs. 60/30/10, Faktor-Tilts, Sparplan-Anpassungen bei Markt-Stress — konkrete Setups für 100€/1.000€/5.000€ pro Monat.
Artikel lesenDividenden-Strategien systematisch: zwischen Mythos und Mathematik.
Dividend-Aristocrats vs. High-Yield-Fallen, Wheel-Strategie auf Dividenden-Aktien, deutsche Quellensteuer — meine Praxis: Dividenden als psychologischer Cash-Flow, nicht als Optimierungsziel.
Artikel lesenSustainable Investing Real-Talk: was wirklich Impact hat.
ESG-Filter vs. Impact-Investing vs. Active Engagement, mathematische Realität von Ausschluss-Strategien, thematische Strategien (Clean Energy, Water) — und warum Spenden oft mehr Impact bringen.
Artikel lesenTrading-Coaching aus Coach-Sicht: was Mandanten wirklich brauchen.
Drei häufigste Mandanten-Probleme, Code-Reviews als Standard-Anfrage, Fall-Vignetten anonymisiert — und warum ich Mandanten manchmal ablehne.
Artikel lesenAnthropic Claude API: Praxis-Patterns für Trader-Tooling.
Zwei Jahre, in denen ich Claude in fast jedes Mandanten-Projekt eingebaut habe — von Code-Reviews für Strategie-Code bis zu Earnings-Call-Pipelines.
Artikel lesenAroon-Indikator: Trend-Anfang und Trend-Ende systematisch.
Tushar Chande hat den Aroon 1995 vorgestellt, weil er ein Werkzeug wollte, das nicht nur sagt „es trendet", sondern „seit wie vielen Tagen es trendet".
Artikel lesenAwesome Oscillator: Bill Williams' simpler Momentum-Klassiker.
Der Awesome Oscillator ist mathematisch fast peinlich simpel: zwei gleitende Durchschnitte auf dem Median-Preis, voneinander abgezogen. Trotzdem hält sich der Indikator seit den 1990ern hartnäckig.
Artikel lesenBull Power & Bear Power: Alexander Elders Verdrängungs-Indikator.
Alexander Elder hat Bull Power und Bear Power 1993 in „Trading for a Living" eingeführt. Die Idee ist hübsch: messe, wie weit Bullen den Preis intraday vom „fairen" EMA-Wert nach oben, und Bären ihn n…
Artikel lesenChande Momentum Oscillator: bessere Antwort als RSI?
Tushar Chande hat den CMO 1994 in „The New Technical Trader" als bewusste Alternative zum RSI vorgestellt.
Artikel lesenCup-and-Handle: William O'Neils Lieblings-Pattern algorithmisch.
Das Cup-and-Handle ist das vielleicht bekannteste Pattern aus der CANSLIM-Schule von William O'Neil — und gleichzeitig eines der am schwersten algorithmisch zu fassenden.
Artikel lesenDetrended Price Oscillator: Zyklen ohne Trend-Verzerrung.
Der DPO macht etwas Ungewöhnliches: er entfernt den Trend aus der Preisreihe, damit reine Zyklen sichtbar werden.
Artikel lesenDoji-Trading: Indecision-Candles richtig lesen.
Der Doji gilt im Candlestick-Lexikon als das klassische Unentschlossenheits-Signal. Eröffnungs- und Schlusskurs liegen praktisch identisch, der Markt findet keine Richtung.
Artikel lesenDonchian Channels in der Tiefe: vom Turtle-System zu heute.
Donchian Channels gehören zu den ältesten quantitativen Trading-Werkzeugen überhaupt. Richard Donchian hat sie in den späten 1950ern entwickelt, das Turtle-Programm hat sie in den 1980ern weltberühmt …
Artikel lesenDouble Top und Double Bottom: statistisch geprüft.
Double Top und Double Bottom zählen zu den meistzitierten Reversal-Patterns der klassischen Chart-Analyse.
Artikel lesenDrei-Bar-Patterns: 3-Bar-Reversal und 3-Bar-Play.
Drei-Bar-Patterns sind in der Lehrbuch-Literatur omnipräsent und in der ehrlichen Backtest-Praxis stiefmütterlich behandelt.
Artikel lesenEase of Movement: Volumen-Preis-Beziehung kompakt.
Richard Arms hat 1989 einen Indikator vorgestellt, der mit zwei Zeilen Mathematik etwas recht Elegantes leistet: er beantwortet die Frage, wie viel Volumen es gebraucht hat, um den Preis um eine besti…
Artikel lesenElder-Ray Index: das ganze Elder-System in einem Artikel.
Alexander Elder ist einer der wenigen Trading-Autoren, die nicht nur einen Indikator, sondern ein komplettes Handlungssystem entworfen haben — mit klarer Trennung von Trendrichtung, Entry-Triggern und…
Artikel lesenEmbeddings im Trading: Asset-Similarity ohne Korrelationen.
Korrelation ist seit Jahrzehnten das Standard-Werkzeug, um Ähnlichkeit zwischen Assets zu messen. Sie ist linear, oft instabil und blind für alles, was in qualitativen Daten steckt.
Artikel lesenEnd-of-Day-Strategien (EOD): warum die letzten 30 Minuten zählen.
Wenn ich Trader nach ihren produktivsten Stunden des Tages frage, kommt fast immer die Antwort: die Stunde nach dem Open. Statistisch ist das nicht falsch — viel Volumen, viele Setups.
Artikel lesenForce Index: Elders Volumen-Power-Maß.
Der Force Index ist Elders kompaktestes Indikator-Werkzeug: eine Multiplikation aus Preisveränderung und Volumen, geglättet mit einer EMA.
Artikel lesenFractals nach Bill Williams: Markt-Strukturen erkennen.
Bill Williams hat in „Trading Chaos" (1995) eine ganze Indikatoren-Familie populär gemacht. Fractals sind der einfachste Baustein davon — fünf Bars, ein Hoch oder Tief in der Mitte, fertig ist der Piv…
Artikel lesenGann-Tools im Trading: zwischen Mathematik und Mystik.
William Delbert Gann war ein Trader des frühen 20. Jahrhunderts, der angeblich Millionen verdient und ein geometrisch-astrologisches System hinterlassen hat, das bis heute Anhänger findet.
Artikel lesenGap-Day-Strategien in der Tiefe: was nach Gaps wirklich passiert.
Gaps werden in der populären Trading-Literatur fast immer als eine homogene Klasse behandelt — alles, was zwischen Schluss und nächstem Open eine Lücke hinterlässt, wird gleich gehandelt.
Artikel lesenHarami-Pattern: das japanische „Schwanger"-Signal.
Harami heißt im Japanischen „schwanger". Die Bildsprache ist klar: eine große Bar „trägt" eine kleinere in sich.
Artikel lesenHolt-Winters für Trader: klassische Forecasting-Methode neu betrachtet.
Holt-Winters Exponential Smoothing ist ein Klassiker aus den 1960ern, der heute in jeder Forecasting-Vorlesung auftaucht.
Artikel lesenInside-Day-Strategien: nach Konsolidierung kommt Bewegung.
Inside-Days sind eines der schlichtesten Patterns der Preis-Aktion und gleichzeitig eines der am stärksten unterschätzten.
Artikel lesenKAMA: der MA, der sich anpasst.
Perry Kaufman hat 1995 mit dem Kaufman Adaptive Moving Average eine elegante Antwort auf das klassische MA-Dilemma vorgeschlagen: kurze MAs sind schnell, aber zappelig; lange sind glatt, aber träge.
Artikel lesenKI für Alpha-Discovery: kann ML neue Strategien finden?
Die Vorstellung ist verführerisch: Sie werfen 20 Jahre Marktdaten in ein Modell, drücken den Knopf, und am Ende fällt eine neue, profitable Strategie heraus. So funktioniert es in der Realität nicht.
Artikel lesenKI für Bond-Markets: was bei Anleihen wirklich funktioniert.
Die meisten KI-Trading-Beiträge handeln von Aktien. Bonds bekommen einen Bruchteil der Aufmerksamkeit — und das, obwohl der globale Anleihenmarkt rund doppelt so groß ist wie der Aktienmarkt.
Artikel lesenKI für Krypto-Forecasting: Hype, Realität und was 24/7-Daten ermöglichen.
Krypto ist für Machine-Learning-Trader eine seltsame Mischung aus Goldgrube und Sackgasse. Die Märkte laufen rund um die Uhr, generieren Daten in einem Volumen, das klassische Equity-Quants neidisch m…
Artikel lesenEarnings-Calls mit LLMs parsen: vom Transkript zur Trade-Idee.
Earnings-Calls sind die wertvollste regelmäßige Informationsquelle, die ein börsennotiertes Unternehmen freiwillig liefert. Vorher waren sie unstrukturiert und nur mit echtem Lese-Aufwand auswertbar.
Artikel lesenKI-Halluzinationen im Trading: warum LLMs niemals direkt traden sollten.
Ein LLM, das überzeugt etwas Falsches sagt, ist kein Bug. Es ist Architektur. Wer das verstanden hat, baut robuste KI-Trading-Workflows.
Artikel lesenLiquiditäts-Forecasting mit ML: wann der Markt eng wird.
Volatilität bekommt die Schlagzeilen. Aber wer große Positionen bewegt, zahlt fast immer für Liquidität — nicht für Volatilität.
Artikel lesenKI im Market-Making: warum Retail das nicht repliziert.
Akademische Papers zu Reinforcement Learning im Market-Making füllen Bände. Die praktische Realität ist nüchterner: Market-Making ist ein Geschäft, das nicht am Algorithmus, sondern an Infrastruktur u…
Artikel lesenNews-Analyse mit KI in der Tiefe: jenseits einfacher Sentiment-Scores.
„Sentiment positiv, Sentiment negativ" — das war News-Analyse 2018. 2029 ist die Schwelle höher. Echte Edge entsteht aus Topic, Entitäten, Events und Kontext.
Artikel lesenKI im Order-Routing: wie Banken Ihre Trades wirklich ausführen.
Sie drücken auf „Kaufen". Zwischen diesem Klick und dem Fill liegen Algorithmen, die Milliarden bewegen, Venues vergleichen, Marketmaker bezahlen und Spreads optimieren — oder vermasseln.
Artikel lesenKI für Portfolio-Optimierung: jenseits von Markowitz.
Mean-Variance-Optimierung ist 1952 erfunden worden und steht in jedem Lehrbuch. Sie funktioniert in der Praxis trotzdem schlecht — nicht, weil die Mathematik falsch wäre, sondern weil die Inputs es si…
Artikel lesenKI für Risk-Forecasting: Volatilität, VaR und Tail-Risk vorhersagen.
Wenn mich jemand fragt, wo Machine Learning im Trading am verlässlichsten Mehrwert liefert, ist meine Antwort seit Jahren dieselbe: Risk-Forecasting.
Artikel lesenTail-Risk mit ML detektieren: bevor der Markt fällt.
„Predict the next crash" — kein Versprechen ist gefährlicher. Tail-Risk-Detection sagt nicht Crashes voraus. Sie schätzt Wahrscheinlichkeiten für extreme Bewegungen.
Artikel lesenVolatility-Surface-Modeling mit ML: Implied Vol als Datensatz.
Die Volatility-Surface ist eines der reichsten Datensätze, die im Optionsmarkt täglich entstehen. ML-Methoden helfen, sie konsistent zu modellieren und Mispricings zu erkennen.
Artikel lesenKlinger Volume Oscillator: Volumen-Trends ehrlich gemessen.
Stephen Klinger hat 1977 einen Indikator vorgestellt, der versucht, Volumen nicht nur zu summieren, sondern in eine Trend-konforme „Volume Force" zu übersetzen.
Artikel lesenKST-Indikator: Martin Prings vergessene Momentum-Komposition.
Der „Know Sure Thing" — KST — ist einer der elegantesten Momentum-Indikatoren überhaupt. Martin Pring hat ihn in den späten 1980ern entwickelt mit dem Ziel, Multi-Timeframe-Momentum in einem einzigen …
Artikel lesenLinear Regression Channels: Statistik im Chart sichtbar.
Linear Regression Channels sind einer der wenigen „Indikatoren", die ihren Namen verdienen — sie zeigen eine echte statistische Größe direkt im Chart.
Artikel lesenLokale LLMs vs. Cloud-APIs: wann sich Eigenbetrieb wirklich lohnt.
„Wir hosten unser LLM selbst" klingt souverän. In den meisten Fällen ist es das nicht. In manchen schon.
Artikel lesenMarubozu-Candles: starke Trend-Tage erkennen und nutzen.
Der Marubozu ist die unkomplizierteste aller Candlestick-Formationen — ein langer Body, keine oder nur winzige Dochte, eine klare Richtung von Open bis Close.
Artikel lesenMass Index: Donald Dorseys Reversal-Indikator.
Donald Dorsey hat 1992 den Mass Index vorgestellt — einen Indikator, der nicht Richtung, sondern Range-Expansion misst, und der genau ein klares Signal kennt: den „Reversal Bulge".
Artikel lesenMorning Star und Evening Star: 3-Bar-Reversal-Klassiker.
Morning Star und Evening Star gehören zum Standardrepertoire jedes Candlestick-Buchs. Drei Bars, eine klare Geschichte: Trend, Unentschlossenheit, Wende.
Artikel lesenMulti-Agent-Systems im Trading: orchestrierte KI-Workflows.
Statt einem LLM eine komplexe Aufgabe zu geben, koordinieren mehrere spezialisierte Agenten. Klingt elegant, ist faszinierend zu sehen — und in 2030 für produktives Trading immer noch grenzwertig.
Artikel lesenNegative Volume Index: das Smart-Money-Indikator-Versprechen.
Der Negative Volume Index ist einer dieser Indikatoren, die mit einer großartigen Geschichte ankommen — und mit einer Trefferquote, die zu schön ist, um wahr zu sein.
Artikel lesenNR4 und NR7: Toby Crabels Volatilitäts-Kontraktion.
NR4 und NR7 sind die wahrscheinlich elegantesten Pattern, die Toby Crabel beschrieben hat. Die Idee ist denkbar einfach: Wenn die Tages-Range über mehrere Tage extrem kontrahiert, folgt überdurchschni…
Artikel lesenOpenAI Agents API für Trading: was geht, was ist Marketing.
Seit OpenAI die Assistants-API zur Agents-Plattform ausgebaut hat, ist „Agent" das Lieblings-Buzzword in jedem Pitch-Deck. Ich nutze die API täglich, parallel zu Anthropic.
Artikel lesenOpening Range Breakout in der Tiefe: ORB systematisch.
Der Opening Range Breakout ist eine der wenigen Daytrading-Strategien mit echter dokumentierter Historie.
Artikel lesenPercentage Price Oscillator: MACD's prozentualer Vetter.
Der PPO ist der ungeliebte kleine Bruder des MACD: gleiche Logik, andere Skala. Trotzdem ist er für eine ganz bestimmte Anwendung dem MACD klar überlegen — und für die meisten anderen praktisch identi…
Artikel lesenPrice Channels: einfacher als Bollinger, robuster als gedacht.
Price Channels sind so unspektakulär, dass sie in vielen Indikator-Kompendien hinten in der Fußnote landen. Höchster Hoch- und tiefster Tiefkurs der letzten N Perioden — fertig.
Artikel lesenPrompt-Engineering für Marktanalyse: Patterns aus der Praxis.
Das beste Modell mit einem schlechten Prompt liefert mittelmäßige Ergebnisse. Ein mittelmäßiges Modell mit einem guten Prompt liefert oft überraschend gute.
Artikel lesenRAG-Systeme für Trader: eigene Wissensbasis mit LLMs.
Über die Jahre sammelt sich an: hunderte Strategie-Notizen, archivierte Earnings-Calls, Research-PDFs, eigene Backtest-Reports, Compliance-Dokumente. Niemand liest das je wieder vollständig durch.
Artikel lesenRelative Vigor Index: Eröffnungs- und Schlusskurse als Edge.
Der Relative Vigor Index ist einer dieser Indikatoren, die fast jeder im Lehrbuch stehen sieht und kaum jemand wirklich benutzt.
Artikel lesenSpinning Tops: das Gegenstück zu Marubozus.
Wenn der Marubozu die sauberste Trendkerze ist, ist der Spinning Top sein Gegenstück: kleiner Body, lange Wicks auf beiden Seiten — eine Tageskerze, die nach erbittertem Hin und Her dort schließt, wo …
Artikel lesenSuperTrend: der populärste Indikator nach 2015.
Wenn man sich heute in Crypto- und FX-Communities umsieht, ist der SuperTrend wahrscheinlich der Indikator mit der höchsten Sichtbarkeit.
Artikel lesenThree Black Crows und Three White Soldiers: starke Reversal-Sequenzen.
Drei aufeinanderfolgende, gleichgerichtete Candles mit klarer Eigenschaft — das ist mehr Information als ein einzelner Bar.
Artikel lesenTriple Top und Triple Bottom: die seltenen Reversal-Patterns.
Triple Tops und Triple Bottoms gelten als die stärkeren Geschwister der Double-Patterns. Drei Versuche, ein Niveau zu durchbrechen, scheitern — dann dreht der Markt.
Artikel lesenTRIX: Triple-Smoothed EMA für Trend-Reinheit.
Der TRIX ist einer der ältesten technischen Indikatoren, die heute kaum jemand mehr aktiv erwähnt — und das ist schade, weil er ein bemerkenswert sauberes Werkzeug für Longer-Term-Trendfolge ist.
Artikel lesenUltimate Oscillator: Williams' Multi-Timeframe-Antwort.
Larry Williams hat 1976 versucht, ein klassisches Problem von Oszillatoren zu lösen: ihre Empfindlichkeit gegenüber dem gewählten Lookback.
Artikel lesenVolume Oscillator: Volumen-Trends in einer Linie.
Volumen ist die Variable, die viele Trader in ihren Charts dabei haben und am wenigsten ernst nehmen. Der Volume Oscillator versucht, aus dieser Variable eine eigene Trendlinie zu machen — durch die D…
Artikel lesenVortex Indicator: Trend-Wechsel präziser timen.
Etienne Botes und Douglas Siepman haben 2010 in „Technical Analysis of Stocks & Commodities" einen Indikator vorgestellt, der explizit auf Trendwechsel zielt: den Vortex Indicator.
Artikel lesenRising Wedge und Falling Wedge: konvergierende Trend-Reversals.
Wedges sind die unbeliebten Verwandten der Triangles. Beide Trendlinien zeigen in dieselbe Richtung, beide konvergieren.
Artikel lesenWilliams Alligator: schläft der Markt oder frisst er?
Bill Williams hat 1995 in „Trading Chaos" einen Indikator vorgestellt, der mit einer charmanten Metapher arbeitet: drei verschobene gleitende Durchschnitte als Kiefer (Jaw), Zähne (Teeth) und Lippen (…
Artikel lesenZigzag-Indikator: Markt-Struktur algorithmisch erkennen.
Der Zigzag ist einer der häufigsten Indikatoren in Chart-Analyse-Tools — und einer der am häufigsten missbrauchten.
Artikel lesenActivist Investing: wenn Investoren Unternehmens-Strategie diktieren.
Aktivistische Investoren — Icahn, Ackman, Singer, Loeb, Engine No. 1 — sind ein eigenes Segment des Marktes. Sie kaufen sich ein, drohen oder kämpfen, und verändern Unternehmens-Strategien aktiv.
Artikel lesenAfter-Hours-Trading: Earnings, Gaps und die Mikrostruktur nach 16:00 ET.
After-Hours ist nicht das Spiegelbild des Pre-Markets. Es ist eine eigene Phase mit eigenem Charakter — getrieben fast ausschliesslich durch Earnings-Releases und späte Corporate-News.
Artikel lesenAlternative Investments für Trader: PE, Real Estate, Krypto-Beyond.
Wer als Trader nur Aktien und Anleihen hält, lässt einen erheblichen Teil des Investierbaren liegen. Alternative Investments sind weder Wundermittel noch Diversifikations-Allheilmittel — aber sie habe…
Artikel lesenAnalyst-Revision-Trading: dem Konsens-Drift voraus.
Analysten ändern ihre Earnings-Schätzungen nicht zufällig. Wenn ein Analyst seine EPS-Prognose nach oben korrigiert, ist das meistens Folge einer fundamentalen Information — Branchen-Daten, Management…
Artikel lesenApache Kafka für Tick-Daten: Streaming-Architektur für Trading.
Solange ein Skript an einem WebSocket hängt, reicht ein WebSocket. Sobald drei Komponenten parallel auf denselben Tick-Stream zugreifen wollen — Live-Strategie, Backtest-Recorder, Monitoring — wird di…
Artikel lesenAPI-Edge-Cases bei Brokern: was Sie aus der Doku nie erfahren.
Jede Broker-API hat eine offizielle Doku — und eine zweite, ungeschriebene, die man erst durch Schaden lernt. Rate-Limits, die niedriger sind als dokumentiert.
Artikel lesenBroadening Formations: Megaphone-Patterns als Volatilitäts-Signal.
Das Megaphone-Pattern ist das unbequemste Kapitel der klassischen Chart-Lehre. Ein Markt, dessen Hochs immer höher und dessen Tiefs gleichzeitig immer tiefer werden, lässt sich kaum sinnvoll handeln —…
Artikel lesenBitcoin-Trading-Strategien: was nach Jahren noch funktioniert.
Bitcoin ist 16 Jahre alt, hat vier Halving-Zyklen hinter sich, einen Spot-ETF in den USA und eine Marktkapitalisierung in Billionenhöhe. Vieles, was 2017 funktionierte, tut es heute nicht mehr.
Artikel lesenWarren Buffett systematisch: kann Value-Investing in Code gegossen werden?
Berkshire Hathaway hat 2025 eine Marktkapitalisierung von rund 900 Milliarden Dollar und sechs Jahrzehnte Outperformance.
Artikel lesenBund Futures (FGBL): das europäische Pendant zu US-Treasuries.
Der Bund-Future ist das europäische Benchmark-Instrument im Zinsmarkt — vergleichbar in Liquidität und Bedeutung mit dem US-amerikanischen ZN.
Artikel lesenBurnout im Trading erkennen — und früh genug gegensteuern.
Trading-Burnout sieht anders aus als Office-Burnout. Er kommt schleichend, oft kaschiert durch gute Zahlen, und er trifft besonders die Disziplinierten.
Artikel lesenBuyback-Yield-Strategien: das vergessene Faktor-Investing.
Dividenden bekommen Aufmerksamkeit. Buybacks bekommen Kritik. Dabei sind beide ökonomisch dieselbe Sache: Rückgabe von Kapital an Aktionäre.
Artikel lesenCI/CD für Trading-Strategien: Continuous Integration meets Trading.
Software-Teams haben in den letzten 15 Jahren gelernt, dass Code, der nicht automatisch getestet und deployed wird, in Produktion zu Risiken führt.
Artikel lesenCitadel: was Ken Griffins Multi-Strategy-Approach uns lehrt.
Citadel ist mit rund 60 Milliarden Dollar AUM einer der größten Hedgefonds der Welt — und der wohl konsequenteste Multi-Manager-Player.
Artikel lesenClosed-End Fund Discounts: eine der ältesten Markt-Anomalien.
Closed-End Funds handeln seit über fünfzig Jahren strukturell unter ihrem inneren Wert. Akademiker streiten darüber, warum.
Artikel lesenCloud für Trading-Bots: AWS/GCP statt VPS — wann lohnt's?
AWS und Google Cloud klingen für viele Trader nach Profi-Setup. Für 90 % der Strategien sind sie aber teurer und komplexer, ohne dass sie etwas liefern, das ein guter Hetzner-Server nicht auch könnte.
Artikel lesenCoffee Futures (KC): der vergessene Volatilitäts-Markt.
Coffee ist der Markt, von dem viele Trader hören — und an den die wenigsten herangehen. Zu Recht. KC-Futures gehören zu den volatilsten Kontrakten an Terminbörsen überhaupt, mit Tagesbewegungen von 5–…
Artikel lesenConvertible Arbitrage: Anleihen-Optionalität systematisch ernten.
Ed Thorp hat zwischen 1969 und 1988 mit Princeton-Newport Partners einen Sharpe von über 1,5 geliefert — der Hauptmotor war Convertible Arbitrage.
Artikel lesenC++ für Latenz-kritisches Trading: wann es sich wirklich lohnt.
C++ ist die Standardsprache der Hochfrequenz-Branche. Jane Street, Hudson River Trading, Citadel Securities, Optiver — sie alle schreiben ihre Order-Engines, Market-Maker und Risk-Modules in C++.
Artikel lesenCrude Oil WTI (CL): der schwierigste Rohstoff-Future.
WTI Crude Oil ist der Future, den ich am häufigsten Retail-Tradern abrate. Nicht weil er unprofitabel wäre — sondern weil er Eigenschaften kombiniert, die alle anderen Rohstoffe nicht haben: extreme V…
Artikel lesenDAX systematisch handeln: was über CFDs hinausgeht.
Der DAX ist für deutsche Trader oft der erste Index, den sie handeln — meist über CFDs. Das funktioniert für den Einstieg, lässt aber viel auf dem Tisch liegen: bessere Instrumente, eindeutige Trading…
Artikel lesenDeFi Liquidity Mining: Yield-Quellen jenseits von Stablecoin-Lending.
Stablecoin-Lending bringt heute 4–6 % — solide, aber unspektakulär. Liquidity Mining auf Automated Market Makern verspricht deutlich mehr.
Artikel lesenDistressed Debt Investing: in Konkurs-Schuldverschreibungen investieren.
Distressed Debt ist eine der spannendsten institutionellen Strategien — und eine der unzugänglichsten für Privatanleger.
Artikel lesenDoji-Varianten in der Tiefe: Long-Legged, Dragonfly, Gravestone.
Der Standard-Doji — Open gleich Close, kleines Kreuz auf dem Chart — wird in Einführungstexten als „Entscheidungslosigkeit" beschrieben. Das ist richtig, aber unvollständig.
Artikel lesenEarnings-Whisper-Numbers: die Schatten-Konsensschätzung.
Vor jedem großen Earnings-Termin gibt es zwei Zahlen: die offizielle, die Sie in den Finanznachrichten lesen, und die inoffizielle, die in den Trader-Chats kursiert. Letztere heißt Whisper-Number.
Artikel lesenEdward Thorp: was wir vom Vater des Quant-Trading lernen können.
Bevor Renaissance, bevor D.E. Shaw, bevor Citadel — gab es Edward Thorp. Mathematiker, Spieler, Hedgefonds-Manager. Sein Princeton-Newport-Fund hat von 1969 bis 1988 rund 20 % p.a.
Artikel lesenEngulfing-Candles: Bullish und Bearish Reversal systematisch.
Das Engulfing-Pattern gehört zu den populärsten Reversal-Signalen der Candlestick-Lehre. Eine Kerze verschluckt die vorangegangene komplett.
Artikel lesenETF-Arbitrage: was Authorised Participants die ganze Zeit tun.
Ein ETF wirkt wie eine Aktie, ist aber etwas grundsätzlich anderes. Hinter jedem Kurs steht ein Arbitrage-Mechanismus, der den Preis an den inneren Wert koppelt — solange er funktioniert.
Artikel lesenEthereum-Trading-Strategien: höhere Vola, höhere Komplexität.
Ethereum ist nicht „der Altcoin Nummer eins" — es ist eine eigene Asset-Klasse. Smart- Contract-Plattform, Staking-Asset mit nativer Rendite, Substrat für DeFi und NFTs.
Artikel lesenEuroStoxx 50 Futures (FESX): europäisches Pendant zum ES.
Der FESX ist für europäische Trader, was der ES für amerikanische ist — nur dass er ein anderes Tier ist.
Artikel lesenExcel für Quant-Trader: was geht, was nicht — und wann Sie wechseln sollten.
Excel ist im professionellen Trading totgesagt — und überlebt seit zwanzig Jahren jeden Nachruf. Der Grund ist banal: für bestimmte Aufgaben gibt es bis heute kein schnelleres Werkzeug.
Artikel lesenFalse Breakouts: das vergessene Bullish-Bearish-Signal.
Statistisch ist der False-Breakout in vielen Märkten ein stärkeres Signal als der ursprüngliche Breakout selbst.
Artikel lesenFamilie und Trading: was Partner und Kinder verstehen müssen.
Trading ist eine der unsichtbarsten Professionen, die ich kenne. Kein Büro, kein Team, keine Produkte zum Anfassen. Wer mit einem Trader zusammenlebt, sieht nur den Bildschirm und das Gesicht davor.
Artikel lesenFlag-Patterns in der Tiefe: Bull-Flag vs. Bear-Flag systematisch.
Flags sind die nahen Verwandten der Pennants — und in vielen Trading-Büchern wird der Unterschied unscharf gehalten. Das ist ein Fehler.
Artikel lesenFrauen im Trading: warum die Branche dramatisch unterrepräsentiert ist.
Weniger als 10 Prozent der professionellen Trader sind Frauen — und der Anteil sinkt mit jedem Senioritäts-Schritt weiter.
Artikel lesenGap-Classification in der Tiefe: Common, Breakaway, Runaway, Exhaustion.
„Alle Gaps werden gefüllt" ist eine der zähesten Halbwahrheiten im Trading. Sie stimmt für eine Gap-Kategorie sehr gut, für eine andere praktisch nie.
Artikel lesenGit-Workflows für Trader-Teams: was aus Software-Engineering hilft.
Trader sind selten Software-Entwickler, und das merkt man ihren Codebasen an: Backup-Dateien mit Namen wie strategy_final_v2_wirklich_final.mq5 lauern in jedem Mandanten-Setup. Git-Workflows mit klarer Branching-Strategie machen den Unterschied.
Artikel lesenGlobal Carry Trades: die zweitälteste Quant-Strategie der Welt.
Nach Trend-Following ist Carry die älteste systematische Strategie der Finanzmärkte — und nach jeder Krise totgesagt. Die Mechanik: Long-Hochzins, Short-Niedrigzins, über Asset-Klassen hinweg.
Artikel lesenGold-Trading (GC): das älteste Hedge-Asset systematisch.
Gold ist das Asset mit den meisten Erzählungen pro Unze. „Inflations-Hedge", „Krisen-Versicherung", „digitales Anti-Gold".
Artikel lesenHammer & Hanging Man: derselbe Body, zwei verschiedene Geschichten.
Zwei Patterns, eine identische Form: kleiner Body am oberen Ende der Range, lange untere Wick, kaum oberer Schatten. Trotzdem bedeuten Hammer und Hanging Man das Gegenteil voneinander.
Artikel lesenIndex-Inclusion-Effekte: die Performance-Anomalie um Index-Beitritte.
Wenn eine Aktie in den S&P 500 oder MSCI World aufgenommen wird, kaufen Indexfonds sie zwangsweise. Das erzeugt seit Jahrzehnten einen messbaren Performance-Effekt.
Artikel lesenInsider-Transaktionen legal nutzen: was die SEC-Filings verraten.
Wenn ein CEO Aktien seines eigenen Unternehmens kauft, hat das einen Informationsgehalt, den niemand sonst hat.
Artikel lesenInverted Cup-and-Handle: das vergessene Bearish-Pattern.
Jeder Trader kennt das klassische Cup-and-Handle von William O'Neil. Kaum jemand spricht über sein Spiegelbild — das Inverted Cup-and-Handle als Bearish-Pattern.
Artikel lesenIPO-Strategien: zwischen Hype und Anomalie.
Initial Public Offerings sind eines der besser erforschten Themen der akademischen Finance — und gleichzeitig eines der am schlechtesten verstandenen unter Privatanlegern.
Artikel lesenJulia für Backtesting: Performance-Vorteil oder Nische?
Julia verspricht das, wovon jeder Quant einmal geträumt hat: die Syntax von Python, die Geschwindigkeit von C. Seit zehn Jahren wird das versprochen, und seit fünf Jahren stimmt es technisch.
Artikel lesenKarriere-Pivot in den Quant-Bereich: für wen es funktioniert.
Der Quant-Bereich gilt als Karriere-Eldorado: hohe Gehälter, intellektuell anspruchsvolle Arbeit, beste Daten und Technik. Doch nicht jeder Hintergrund eignet sich gleichermaßen für den Pivot.
Artikel lesenM&A-Spread-Trading: Cash-Deal vs. Stock-Deal systematisch.
Merger-Arbitrage ist eine der ältesten Event-Driven-Strategien und gleichzeitig eine der missverstandensten.
Artikel lesenWie eine Beratung bei Marcel Gautsche abläuft.
Ich werde regelmäßig gefragt, wie eine Zusammenarbeit konkret aussieht — was im ersten Gespräch passiert, wie ein Mandat strukturiert ist, wie abgerechnet wird, was ich mache und was nicht.
Artikel lesenMcGinley Dynamic: der vergessene adaptive Moving-Average.
1990 veröffentlichte John R. McGinley in Technical Analysis of Stocks & Commodities einen Moving-Average, der das chronische Lag-Problem klassischer Glättungen lösen sollte — automatisch,…
Artikel lesenMental Training für Trader: was aus Sportpsychologie hilft.
Profi-Sportler trainieren ihren Kopf so systematisch wie ihren Körper. Trader nicht. Dabei haben beide das gleiche Problem: in Hochdruck-Momenten unter Unsicherheit klare Entscheidungen treffen.
Artikel lesenMerger Arbitrage: den Spread auf angekündigte Übernahmen ernten.
Merger Arbitrage ist eine der ältesten Event-Driven-Strategien überhaupt — Goldman Sachs hat sie unter Robert Rubin in den 70er Jahren institutionalisiert.
Artikel lesenMondays-Fridays-Pattern: Wochenende-Effekte im Markt.
Kaum eine Klasse von Marktanomalien hat eine längere und gleichzeitig zerfasertere Geschichte als die Wochentag-Effekte.
Artikel lesenNasdaq-100 E-Mini Futures (NQ): Tech-Beta in einem Instrument.
Der NQ ist der schnellste der großen US-Index-Futures. Höhere Volatilität als der ES, Tech-Konzentration durch die Top-7-Aktien, und eine Mikrostruktur, die in den letzten Jahren zunehmend von Mega-Ca…
Artikel lesenNatural Gas (NG): der volatilste Future auf der CME.
Wenn ein erfahrener Trader von einem Instrument ausdrücklich abrät, hat das einen Grund. Natural Gas ist genau so ein Instrument.
Artikel lesenObservability für Trading-Systeme: Logs, Metrics, Traces.
Ein Trading-System ohne Observability ist eine Blackbox mit Echtgeld-Risiko. Wenn der Bot um 03:14 Uhr keine Order mehr abschickt, wollen Sie nicht raten — Sie wollen die Zeile sehen, in der es passie…
Artikel lesenOptionen auf SPX und NDX: warum Index-Optionen oft die bessere Wahl sind.
SPY und QQQ sind die Retail-Standards. SPX und NDX sind das, was institutionelle Trader tatsächlich nutzen.
Artikel lesenOptionen auf SPY und QQQ: der Retail-Standard für Index-Exposure.
SPY und QQQ sind die meistgehandelten Optionen-Underlyings weltweit. Tiefes Buch, wöchentliche Verfälle, mittlerweile sogar tägliche Expirations.
Artikel lesenOptionen auf US-Aktien: das mit Abstand liquideste Optionen-Universum.
Wer ernsthaft Optionen handeln will, kommt um den US-Markt nicht herum. Tiefe Bücher, enge Spreads, wöchentliche Laufzeiten auf hunderten Underlyings — nichts davon existiert in dieser Qualität in Eur…
Artikel lesenPennants in der Tiefe: kurze Konsolidierungen im Trend.
Ein Pennant ist eines der unscheinbarsten Patterns der klassischen Chart-Lehre — und gleichzeitig eines der wenigen, das nach Bulkowski mit über 60 Prozent Win-Rate messbar liefert.
Artikel lesenPre-Announcement Drift in der Tiefe: Information-Leakage systematisch ausnutzen.
In einem früheren Artikel habe ich den klassischen Post-Earnings-Announcement-Drift (PEAD) behandelt. Hier geht es um sein weniger bekanntes Geschwister: den Pre-Announcement-Drift.
Artikel lesenPre-Market-Trading: was vor der Eröffnung wirklich passiert.
Wenn ich morgens um sechs den IBKR-TWS öffne, sehe ich auf den US-Tickern bereits Bewegung — manchmal heftige. Anfänger ziehen daraus oft den Schluss, der "echte Markt" laufe schon. Das stimmt nicht.
Artikel lesenProperty-Based Testing: Bugs finden, die Sie nicht erwartet haben.
Example-Based-Tests prüfen, was Sie sich beim Schreiben vorgestellt haben. Property-Based-Tests prüfen das, was Ihnen nicht eingefallen ist — und genau dort sitzen die Bugs, die ein Live-System um dre…
Artikel lesenR für Quant-Trading: warum Statistiker es lieben, aber Python gewonnen hat.
R ist die Sprache, in der man am elegantesten eine GARCH-Familie schätzt, einen Cointegration-Test schreibt und einen ggplot-Plot baut, der publikationsreif ist — ohne dass man dafür eine Zeile zusätz…
Artikel lesenRange-Day-Identification: erkennen, wann der Markt seitwärts läuft.
Etwa 60 % aller Handelstage sind Range-Tage — also Tage, an denen sich der Preis den ganzen Tag in einer relativ engen Spanne bewegt, ohne klare Richtung.
Artikel lesenRate of Change (ROC): Momentum in seiner reinsten Form.
Wenn ich einen einzigen Indikator behalten dürfte, wäre es der Rate of Change. Keine Glättung, keine Skalierung, keine versteckten Annahmen — nur die prozentuale Preisänderung über N Perioden.
Artikel lesenRectangle-Patterns: Range-Konsolidierung systematisch handeln.
Das Rectangle ist das vielleicht ehrlichste Pattern der technischen Analyse: zwei horizontale Linien, dazwischen Preis, irgendwann ein Breakout.
Artikel lesenRenaissance Medallion: was wir wissen und was nicht.
Der Medallion Fund von Renaissance Technologies ist die beste dokumentierte Anlage-Performance der Geschichte: ca. 66 % p.a. brutto, ~39 % p.a. netto nach 5/44-Fees, seit 1988. Über drei Jahrzehnte.
Artikel lesenReversal-Day-Pattern: die Wende erkennen, bevor sie offensichtlich ist.
Reversal-Days sind die seltensten und schwierigsten Setups im Daytrading. Sie versprechen exzellente Risk-Reward-Verhältnisse, weil sie Wendepunkte markieren — und sie bestrafen leichtsinnige Counter-…
Artikel lesenRisk Arbitrage: das Bigger Picture jenseits von Merger Arb.
Merger Arbitrage ist nur ein Teilbereich. Risk Arbitrage ist der Überbegriff für eine ganze Familie von Event-Driven-Strategien — vom klassischen Übernahme-Spread über Spin-Offs und Stub-Trading bis z…
Artikel lesenRounded Bottom & Top: die langsamen Reversals.
Rounded Bottoms und Tops sind die geduldigste Variante eines Reversal-Patterns. Keine scharfe V-Wende, kein aggressives Doppeltief — sondern ein langsamer Drehpunkt, der sich über Wochen oder Monate h…
Artikel lesenRussell 2000 E-Mini Futures (RTY): Small-Cap-Exposure systematisch.
Der RTY ist das US-Small-Cap-Pendant zu ES und NQ — und im Multi-Strategie-Portfolio ein deutlich wertvolleres Diversifikations-Instrument, als es seine Schlagzeilen- Präsenz vermuten lässt.
Artikel lesenRust für Trading-Bots: Memory-Safety und Performance.
Rust ist die Sprache, die in der Backend-Welt der letzten zehn Jahre die kompromisslose Performance-Nische besetzt hat — ohne den scharfkantigen Werkzeugkasten von C++.
Artikel lesenSchlaf und Trading-Performance: die unterschätzte Variable.
Wenn ich in eine Trade-Analyse meiner schlechtesten Tage schaue, finde ich kein Strategie-Problem. Ich finde Schlaf-Defizit.
Artikel lesenShort Squeezes: GameStop war keine Ausnahme — die Statistik dahinter.
Im Januar 2021 stieg GameStop in zwei Wochen um über 1.700 %. Für viele wirkte das wie ein historisches Einzelereignis — getragen von Reddit, Robinhood und einer Generation langweiliger Lockdown-Woche…
Artikel lesenSilber (SI): die volatilere Schwester von Gold.
Silber ist Gold mit Industrie-Komponente und der doppelten Vola. Es bewegt sich grob in dieselbe Richtung wie Gold — nur stärker, ungestümer und mit zwei Squeeze-Episoden in der Geschichte, die jeder …
Artikel lesenSin Stocks: warum ESG-Ausschlüsse statistisch Renditen lassen.
Tabak, Alkohol, Glücksspiel, Waffen — die klassischen „Sin Stocks" werden von immer mehr ESG-Mandaten ausgeschlossen.
Artikel lesenSingle-Stock-Futures: das vergessene Derivat.
Optionen kennt jeder, Index-Futures auch. Single-Stock-Futures dagegen sind in den letzten zehn Jahren aus dem Bewusstsein der meisten retail-Trader verschwunden.
Artikel lesenSoybean Futures (ZS): Saisonalität und Wetter als Trading-Faktor.
Soybeans sind der heimlich wichtigste Agrar-Rohstoff der Welt — Proteinquelle für die globale Tierfutter-Industrie, Basis für Speiseöl, Treibstoff über Biodiesel.
Artikel lesenS&P 500 E-Mini Futures (ES): der wichtigste Future für systematische Trader.
Wenn es einen Future gibt, den jeder systematische Trader kennen sollte, dann ist es der ES. Höchste Liquidität aller Index-Futures weltweit, 23-Stunden-Handel, eine saubere Quartalsroll-Logik und ein…
Artikel lesenSPAC-Mechaniken: warum die 2021er-Welle gescheitert ist.
In den achtzehn Monaten zwischen Mitte 2020 und Ende 2021 wurden in den USA über 600 SPACs gegründet, die zusammen rund 160 Milliarden USD einsammelten.
Artikel lesenSpin-Off-Strategien: warum die Forgotten Children outperformen.
Es gibt wenige Anomalien am Aktienmarkt, die so robust und so wenig systematisch ausgenutzt sind wie Spin-Offs.
Artikel lesenSport und Trading-Disziplin: die Verbindung, die mehr Trader übersehen.
Trading ist eine sitzende Tätigkeit mit hoher mentaler Belastung. Genau die Kombination, die der Körper schlecht verträgt — und die in der Performance teurer wird, je länger man es ignoriert.
Artikel lesenSQL für Marktdaten: jenseits von SELECT * FROM.
Die meisten Quants schreiben Backtest-Code in Python und Datenbank-Queries als SELECT * FROM bars.
Stablecoin-Strategien: Yield ohne Volatilität (mit Risiken).
Stablecoins sind das Arbeitstier des Krypto-Ökosystems. Sie bilden den Dollar auf einer Blockchain ab und ermöglichen Strategien, die in der traditionellen Welt unmöglich sind: 3–15 % p. a.
Artikel lesenThree-Line Strike: das statistisch stärkste Candle-Pattern?
Thomas Bulkowski hat in seiner „Encyclopedia of Candlestick Charts" den Three-Line Strike als das statistisch stärkste Single-Candle-Pattern markiert: 84 % Trefferquote für die Bullish-Variante.
Artikel lesenTrader-Communities & Meetups: warum Sie nicht allein bleiben sollten.
Trading ist von Natur aus eine einsame Tätigkeit. Und Einsamkeit macht Drawdowns doppelt so schwer, wie sie sein müssten. Aber die Wahl der falschen Community ist schlimmer als gar keine.
Artikel lesenTrader-Routine systematisch aufbauen: was wirklich Performance bringt.
Die meisten Trader optimieren an der falschen Stelle. Sie suchen nach der nächsten Strategie, dem nächsten Indikator, dem besseren Backtest.
Artikel lesenTrading-Buchempfehlungen: meine 15 wichtigsten Bücher.
Ich werde regelmäßig gefragt, welche Bücher man als angehender oder fortgeschrittener Trader lesen sollte.
Artikel lesenTrading mit 50+: was sich ändert, was nicht.
Trading ist eine der wenigen Berufe, in denen Alter eher Vorteil als Nachteil ist. Während in der Tech-Industrie der Karriere-Höhepunkt oft mit 35 erreicht ist, beginnen viele der besten Investoren ih…
Artikel lesenTrading neben dem Vollzeit-Job: was realistisch geht.
Die häufigste Frage, die mir Berufseinsteiger stellen: „Kann ich neben meinem Vollzeit-Job traden?" Die kurze Antwort: ja, aber nicht so, wie es Trading-Influencer im Netz darstellen.
Artikel lesen10-Year Treasury Notes (ZN): das Rückgrat des Fixed-Income-Marktes.
Wenn der globale Anleihen-Markt eine einzige Referenz hat, dann ist es der 10-jährige US-Treasury. Seine Rendite ist der Diskontierungs-Faktor für nahezu jedes risikobehaftete Asset auf der Welt.
Artikel lesenTrend-Day-Trading: starke direktionale Tage erkennen und nutzen.
Etwa jeder vierte Handelstag ist ein Trend-Day — ein Tag, an dem der Markt nahe seinem Tageshoch oder Tagestief schließt und kaum tiefere Pullbacks zulässt.
Artikel lesenTwo Sigma: Daten-Wissenschaft als Trading-Vorteil.
Two Sigma ist mit rund 60 Milliarden Dollar AUM einer der größten systematischen Hedgefonds der Welt — und vermutlich der mit der offensten Forschungs-Kultur.
Artikel lesenUnit-Tests für Trading-Strategien: warum die meisten Trader nie welche schreiben.
In zehn Jahren Mandantenarbeit habe ich in vielleicht 5 % der bestehenden Trading-Codebases echte Tests gefunden.
Artikel lesenWebSocket-APIs für Echtzeit-Marktdaten: was bei der Integration schiefgeht.
REST-Polling fühlt sich einfach an, ist aber für Live-Trading meist die falsche Wahl. WebSocket-APIs liefern Marktdaten in Echtzeit per persistent connection — bringen dafür eine eigene Klasse von Bug…
Artikel lesenTrading als zweites Standbein: realistische Erwartungen.
Die meisten Trader, mit denen ich arbeite, haben einen Hauptberuf. Sie wollen nicht Vollzeit-Trader werden — sie wollen ein zweites, kapitalbasiertes Standbein.
Artikel lesenBootstrap-Resampling: die ehrlichere Alternative zu Monte-Carlo?
Bootstrap braucht keine Verteilungsannahme. Es sampelt aus dem, was tatsächlich passiert ist. Das macht es in vielen Trading-Anwendungen sauberer als Monte-Carlo — wenn man die Stolperfallen kennt.
Artikel lesenMax-Drawdown via Monte-Carlo: was Sie wirklich aushalten müssen.
Wer auf einen historischen Maximum-Drawdown von 18 % blickt und denkt „das halte ich aus", übersieht den entscheidenden Punkt: dieser Wert ist ein einziger Pfad.
Artikel lesenMonte-Carlo-Simulation für Trading-Strategien: was die Verteilung wirklich sagt.
Ein Backtest zeigt einen Pfad. Ein einziger. Monte-Carlo zeigt die Wolke aller Pfade, die die gleiche Strategie hätte zeichnen können — und macht damit sichtbar, was man im Backtest systematisch übers…
Artikel lesenRisk-Budgeting im Portfolio: Allokation nach Risiko, nicht nach Kapital.
Vier Strategien mit jeweils 25 % Kapital — das fühlt sich diversifiziert an. Es ist es nicht. Wenn eine Strategie dreifache Volatilität der anderen hat, dominiert sie das Portfolio-Risiko vollständig.
Artikel lesenRisk of Ruin berechnen: die wichtigste Kennzahl, die niemand benutzt.
Sharpe, Sortino, Calmar — diese Zahlen kennt jeder. Risk of Ruin dagegen taucht in kaum einem Strategie-Pitch auf.
Artikel lesenStress-Testing mit historischen Szenarien: was hätte 2008/2020/2022 passiert?
Backtests zeigen, wie eine Strategie in der Vergangenheit gelaufen wäre. Stress-Tests zeigen, wie das heutige Portfolio in der Vergangenheit gelaufen wäre — und zwar in genau jenen Phasen, in…
Artikel lesenTail-Risk-Management in der Tiefe: was nach VaR und CVaR kommt.
Vola, VaR und CVaR beschreiben die Welt, in der Märkte sich gut benehmen. Tail-Risk ist genau das Gegenteil: das, was passiert, wenn die Verteilung versagt.
Artikel lesenValue-at-Risk und CVaR: was die Bankenwelt seit 1990 falsch macht.
Value-at-Risk wurde in den 1990ern bei JPMorgan zur Standard-Risikokennzahl der Finanzwelt. 2008 hat sie blamiert versagt.
Artikel lesenAutoML für Trading-Strategien: was funktioniert, was Bullshit ist.
„Lade deine Daten hoch, klicke ‚Train', und in einer Stunde hast du eine profitable Handelsstrategie." So verkauft sich AutoML — auf Tabellen-Daten in sauber abgegrenzten Aufgaben funktioniert es tats…
Artikel lesenBayesian Neural Networks: Unsicherheits-Schätzung im Trading.
Ein klassisches neuronales Netz sagt: „Aktie steigt um 0,8 % bis morgen." Es sagt nicht, ob es sich da sicher ist. Genau dieses fehlende Unsicherheits-Signal kostet in der Praxis Geld.
Artikel lesenBias-Korrektur in Backtests: Survivorship, Look-Ahead, Selection systematisch eliminieren.
Ein Backtest sagt nur dann etwas Brauchbares aus, wenn er die vier großen Bias-Quellen kennt und korrigiert. Tut er es nicht, ist er Marketing — kein Test.
Artikel lesenCombinatorial Purged Cross-Validation: der CV-Standard für Zeitreihen-Backtests.
Klassische k-fold Cross-Validation ist bei Zeitreihen eine Einladung zum Look-Ahead-Bias. Walk-Forward liefert genau einen Pfad — zu wenig für ernste Inferenz.
Artikel lesenDark Pool Routing: warum 30 % des Aktien-Volumens nicht im Orderbuch erscheinen.
Wenn Sie auf das Level-2-Orderbuch von Apple oder Microsoft schauen, sehen Sie nicht den Markt. Sie sehen einen Ausschnitt — und der wird kleiner.
Artikel lesenData Versioning mit DVC: reproduzierbare Backtests auf Wochen-Skala.
„Können Sie den Backtest von vor sechs Wochen noch einmal laufen lassen?" — eine harmlose Frage, die in vielen Quant-Setups ein halber Albtraum ist. Code ist versioniert. Daten meistens nicht.
Artikel lesenDeflated Sharpe Ratio: die ehrliche Korrektur für Backtest-Overfitting.
Eine nackte Sharpe Ratio sagt nichts über Overfitting. Sie ignoriert nicht-normale Returns, sie ignoriert die Anzahl getesteter Varianten — und genau diese beiden Dinge bestimmen, ob die Zahl real ist…
Artikel lesenDiffusion Models für Marktdaten: Sampling aus erlernten Verteilungen.
Diffusion Models haben die Bild- und Audio-Welt umgekrempelt. In der Finanzmodellierung sind sie kein Forecasting-Wundermittel — aber ein erstaunlich gutes Werkzeug, um aus historischen Marktdaten pla…
Artikel lesenFeature Stores für Quant-Trading: Daten-Infrastruktur, die skaliert.
Eine Strategie mit drei Features kommt mit einem Notebook aus. Bei fünfzehn Strategien, die über Wochen, Monate und verschiedene Modelle dieselben rollierenden Volatilitäten, Order-Flow-Imbalances und…
Artikel lesenFederated Learning: Modell-Training über Mandanten ohne Daten-Sharing.
Mandanten teilen ihre Trade-Daten nicht. Aus guten Gründen — Compliance, Wettbewerb, interne Policies. Trotzdem entsteht beim gemeinsamen Modell-Training ein klarer statistischer Mehrwert.
Artikel lesenFlash Crash Mechaniken: 1987, 2010, 2015 und was wir gelernt haben.
Märkte können in Minuten zusammenbrechen. Nicht in Krisenwochen, nicht in Bear-Markets — in Minuten. Die spektakulärsten Episoden der letzten Jahrzehnte folgten dabei einem erstaunlich konsistenten Mu…
Artikel lesenGraph Neural Networks im Trading: Asset-Beziehungen lernen.
Klassische ML-Modelle behandeln Aktien wie unabhängige Zeitreihen. Aber Märkte sind ein Netz — Apple und Foxconn hängen zusammen, Banken-Aktien teilen sich Zinsrisiko, Auto-Hersteller einen Halbleiter…
Artikel lesenHawkes Processes: selbsterregte Trade-Cluster verstehen.
Trades kommen nicht zufällig gleich verteilt. Sie kommen in Clustern: ein Stop-Loss triggert weitere Stop-Losses, eine Liquidation triggert die nächste, ein Nachrichten-Ereignis löst eine Welle korrel…
Artikel lesenHidden Markov Models in der Praxis: Regime-Detection ohne Overfitting.
Hidden Markov Models gelten als der elegante Weg, Marktregime zu identifizieren. In jedem zweiten Quant-Buch findet sich ein HMM-Kapitel, in jedem dritten Vortrag eine S&P-500-Grafik mit drei farbigen…
Artikel lesenKalman Filter im Trading: dynamische Hedge-Ratios und Pair-Trading-Signale.
Der Kalman-Filter ist eines der mächtigsten Werkzeuge, die Sie in Ihrem Quant-Werkzeugkasten haben sollten — und gleichzeitig eines der missverstandensten.
Artikel lesenLimit Order Book Modeling: was das Buch wirklich verrät.
Der Limit Order Book ist das Nervensystem moderner Märkte. Wer ihn lesen kann, sieht mehr als nur einen Preis: er sieht die Absichten der Marktteilnehmer, das echte Angebot und die echte Nachfrage, la…
Artikel lesenMarket Impact: das Square-Root-Law in der Praxis.
Jede Order bewegt den Preis. Diese Bewegung ist nicht linear, nicht konstant, und in den meisten Retail-Backtests schlicht ignoriert.
Artikel lesenMeta-Labeling: ML-Filter über klassische Trading-Strategien.
Die meisten ML-Trading-Modelle scheitern, weil sie versuchen, alles selbst zu entscheiden: Richtung, Timing, Größe.
Artikel lesenMLOps für Trading-Strategien: Modell-Drift, Re-Training, Production-Pipelines.
Ein Empfehlungssystem darf eine Woche schlechte Predictions liefern, ohne dass die Welt untergeht. Ein Trading-Modell kann an einem schlechten Tag eine Quartals- Performance vernichten.
Artikel lesenMonte Carlo Permutation Tests: ist Ihre Strategie besser als Zufall?
Ein Sharpe von 1,4 sieht beeindruckend aus — bis Sie testen, ob 1.000 zufällig permutierte Versionen derselben Returns nicht denselben Sharpe produzieren.
Artikel lesenNeural ODEs: Continuous-Time-Modeling für Finanzzeitreihen.
Klassische neuronale Netze denken in diskreten Schritten. Märkte tun das nicht. Trades kommen unregelmäßig, News-Events schlagen zwischen den Bars ein, Order-Books updaten sich mikrosekundenweise.
Artikel lesenOptimal Execution: Almgren-Chriss und seine Nachfolger.
Eine große Order in den Markt zu legen, ist kein triviales Problem. Zu schnell — man bewegt den Preis gegen sich selbst.
Artikel lesenRL in Production: TRPO, PPO, SAC für reales Trading.
Reinforcement-Learning-Papers zeigen beeindruckende Equity-Kurven. Im Live-Trading überlebt davon fast nichts.
Artikel lesenSmart Order Routing: wie Broker Ihre Order wirklich ausführen.
Sie klicken auf „Kaufen". 12 Millisekunden später ist die Order gefüllt. Dazwischen liegt eine Routing-Entscheidung, die über Spread, Slippage und manchmal über Hunderte Euro pro Trade entscheidet — g…
Artikel lesenState-Space-Models für Mean-Reversion: dynamisches Modeling des fairen Werts.
Wenn Sie Mean-Reversion handeln wollen, brauchen Sie eine Antwort auf eine schwierige Frage: was ist der faire Wert, zu dem zurückgekehrt wird? In der Praxis ist diese Referenz nie konstant.
Artikel lesenSynthetic Data für Backtests: GANs & Diffusion Models in der Praxis.
Historische Marktdaten sind begrenzt. Wer eine Strategie ehrlich auf Tail-Risk und Regime-Wechsel testen will, stößt schnell an die Wand.
Artikel lesenTransformer-Architekturen für Marktdaten: was nach RNNs kommt.
Seit „Attention Is All You Need" 2017 haben Transformer NLP, Vision und Audio neu definiert. Für Marktdaten ist das Bild deutlich nuancierter.
Artikel lesenTriple-Barrier-Methode: Label-Engineering für ML-Strategien.
Bevor ein ML-Modell auch nur einen Trade vorhersagen kann, müssen Sie ihm sagen, was ein „guter" Trade überhaupt ist.
Artikel lesenVision Transformers auf Charts: Bild-Erkennung im Trading.
Ein Trader sieht in zwei Sekunden, ob ein Chart „bullish aussieht". Kann ein Vision Transformer das auch — und ist daraus ein Edge zu machen? Die ehrliche Antwort liegt zwischen „faszinierend" und „se…
Artikel lesenWhite's Reality Check & Hansen's SPA: Multiple-Testing-Korrektur für Strategien.
Wer 500 Strategien testet und die beste live schickt, hat statistisch fast garantiert einen Zufallstreffer erzeugt. Bonferroni ist zu hart, einzelne P-Values zu lasch.
Artikel lesenAdverse Selection erkennen: Toxizität im Orderbuch.
Wenn ein Trade ausgeführt wird, gibt es zwei Möglichkeiten: Entweder die Gegenseite ist uninformiert (Liquidity-Taker, der einen Hedge braucht) oder informiert (jemand, der weiß, was Sie nicht wissen).
Artikel lesenAgrar-Futures & Saisonalität: Wenn der Pflanzkalender den Markt bewegt.
Agrar-Futures sind eine der wenigen Asset-Klassen, in denen Saisonalität nicht nur ein statistisches Artefakt ist, sondern auf einem harten physischen Zyklus beruht.
Artikel lesenAlpaca-API für Trading: REST, Streaming und Praxis.
Alpaca ist das, was IBKR nicht sein wollte: eine reine API-Broker-Plattform, die mit REST und Websocket in der Sprache moderner Entwickler spricht.
Artikel lesenAlternative-Data-Marktplätze: Edge oder Marketing?
Satellitenbilder von Parkplätzen, Kreditkarten-Transaktionen, Stellenanzeigen, Schiffs- bewegungen, App-Downloads, Wetterprognosen — die Welt der Alternative Data ist seit zehn Jahren ein eigenes …
Artikel lesenAnchoring Bias: warum der erste Kurs Ihre Sicht jahrelang verzerrt.
Sie haben eine Aktie zu 80 € gekauft. Heute steht sie bei 65 €. Für Sie wirkt sie „billig geworden" — obwohl der faire Wert vielleicht 50 € ist.
Artikel lesenApp-Downloads als Revenue-Signal.
Wenn Spotify oder DoorDash Quartalszahlen meldet, hängt die Marktreaktion an der Mobile-Umsatz-Komponente. Genau diese Komponente lässt sich aus App-Store-Daten — Downloads, Rankings, In-App-Purchase-Charts, …
Artikel lesenasyncio für Trading-Bots: Event-Loop, WebSockets, Order-Streams.
Ein Trading-Bot, der mehrere Märkte gleichzeitig beobachtet, auf WebSocket-Ticks reagiert und parallel Orders rausschickt, läuft sauber nur mit asyncio.
Artikel lesenAuslandsbroker und Anlage KAP: warum IBKR, Tastytrade und Co. Mehrarbeit bedeuten.
Ausländische Broker wie Interactive Brokers, Tastytrade oder Lynx führen keine deutsche Abgeltungsteuer ab. Stattdessen müssen Sie als Trader sämtliche Erträge selbst in der Anlage KAP angeben — inklusive …
Artikel lesenAvellaneda-Stoikov-Modell: Optimale Market-Making-Quotes.
Wer 2008 ein akademisches Paper über Market-Making veröffentlicht, hofft auf hundert Zitate und einen Lehrstuhl. Marco Avellaneda und Sasha Stoikov bekamen beides — und zusätzlich den inoffiziellen Status, den …
Artikel lesenAWS-Architektur für systematisches Trading.
Cloud-Trading hat einen schlechten Ruf — zu Recht, wenn man die typischen Anfängerfehler sieht: Single-EC2-Instanz, ungesicherte API-Keys, keine Backups, keine Alerts.
Artikel lesenBitcoin-Options-Trading in der Praxis.
Der Bitcoin-Optionsmarkt ist erwachsen geworden. Deribit dominiert das offene Interesse, CME bedient die institutionellen Kunden, und seit Kurzem mischen ETF-Optionen auf BlackRocks IBIT die Marktstruktur auf.
Artikel lesenBlack-Litterman in der Praxis: Views mit Markt verbinden.
Klassische Mean-Variance-Optimierung scheitert in der Praxis, weil Erwartungsrenditen schwer zu schätzen sind und kleine Änderungen riesige Gewichtsverschiebungen erzeugen.
Artikel lesenBloomberg-Terminal: Alternativen, die wirklich liefern.
Ein Bloomberg-Terminal kostet rund 24 000 Euro pro Nutzer und Jahr — und ist für die meisten Trader, Quants und kleinen Vermögensverwalter ein Werkzeug, das 80 Prozent seiner Möglichkeiten ungenutzt lässt.
Artikel lesenBox-Spreads: synthetische Anleihe zum Brokerage-Zinssatz.
Ein Box-Spread ist mathematisch eine Anleihe — zusammengesetzt aus vier Options-Legs. Wer Cash im Margin-Konto liegen hat und davon keinen Zins bekommt, kann mit Boxes faktisch zum Geldmarkt-Zinssatz …
Artikel lesenBund-BTP-Spread: Eurozone-Risiko im Reinformat.
Der Spread zwischen deutschen Bundesanleihen und italienischen BTPs ist der wohl wichtigste Eurozone-Stress-Indikator. Er bündelt politisches Risiko, Schuldentragfähigkeit und das implizite Vertrauen der …
Artikel lesenBund-Future & Yieldcurve: Steepener, Flattener, Butterfly.
Der Bund-Future (FGBL) ist das wichtigste Zinsinstrument in Europa und einer der liquidesten Futures der Welt. Wer ihn isoliert handelt, lässt den eigentlichen Hebel liegen — denn der wahre Edge entsteht in …
Artikel lesenCalendar-Spreads bei Optionen: Theta-Decay systematisch ernten.
Ein Calendar-Spread ist die elegantere Income-Strategie. Statt blind Vega zu shorten, spielen Sie eine Asymmetrie zwischen kurz- und langlaufendem Theta — bezahlen weniger für den Schutz und gewinnen, solange …
Artikel lesenEM-Carry-Trade: TRY, BRL, ZAR — wenn 10 % Zinsen zur Falle werden.
Eine Währung mit 15 % Zinsen sieht im Vergleich zu Euro oder Dollar wie ein Geschenk aus. Aber im EM-Carry-Trade verdient man jeden Tag ein bisschen Zinsen — und verliert in einer einzelnen Woche das ganze …
Artikel lesenZentralbank-Watching: FOMC, EZB und BoJ systematisch lesen.
Eine veränderte Adjektiv-Reihenfolge im FOMC-Statement kann Treasury-Renditen um 15 Basispunkte bewegen. Wer Zentralbank-Kommunikation als Show wahrnimmt, übersieht den wichtigsten strukturellen Markt-Treiber …
Artikel lesenCointegration und Pairs-Strategien: stationäre Spreads finden.
Pairs-Trading ist die älteste statistische Arbitrage-Strategie — und sie funktioniert bis heute, wenn man sie sauber aufsetzt.
Artikel lesenCommitment of Traders (COT) Reports: was die großen Player wirklich tun.
Jeden Freitag um 15:30 Uhr ET veröffentlicht die CFTC ein Datendokument, das in kaum einem Mainstream-Medium auftaucht — und das viele Profis als wichtigsten Sentiment-Indikator für Futures-Märkte betrachten.
Artikel lesenConfirmation Bias: warum Sie nur die Charts sehen, die Ihre These bestätigen.
Sobald Sie Long sind, ist die Welt bullisch. Plötzlich sind die News-Schlagzeilen positiv, die Indikatoren grün, die Twitter-Posts in Ihrem Feed optimistisch.
Artikel lesenConvertible Bond Arbitrage.
Wandelanleihen sind das Schweizer Taschenmesser unter den Bonds: Anleihen mit einer eingebetteten Aktienoption. Genau diese hybride Natur macht sie zu einem der ältesten und konsistentesten Hedgefonds-Trades …
Artikel lesenCorporate Bond Spread Trading.
Credit Spreads sind die Renditeentschädigung dafür, dass Unternehmensanleihen ausfallen können. Sie systematisch zu handeln ist anspruchsvoller als Aktien — illiquide Sekundärmärkte, fragmentierte …
Artikel lesenC++ Low-Latency Orderbook: Architektur und Messung.
Ein Orderbook ist das Herz jeder Matching-Engine und jeder ernsthaften Market-Making- Strategie. In Low-Latency-Umgebungen entscheidet die Qualität dieses einen Datenobjekts über Mikrosekunden — und damit über …
Artikel lesenCrack-Spread: das Profitabilitäts-Maß für Raffinerien handeln.
Eine Raffinerie verdient nicht am Öl, sondern an der Differenz: Crude rein, Gasoline und Heating Oil raus. Diese Differenz heißt Crack-Spread und ist einer der ältesten Spreads im Energiehandel.
Artikel lesenCurrency Strength Index: relative Stärke im Forex messen.
Forex-Paare sind immer relativ. EUR/USD steigt nicht, weil „der Euro stark ist" — sondern weil der Euro relativ zum Dollar stark ist.
Artikel lesenDark-Pool-Execution: Im Verborgenen handeln.
Dark Pools haben einen schlechten Ruf — oft zu Unrecht, manchmal zu Recht. Für institutionelle Trader sind sie ein essenzielles Werkzeug, um große Orders ohne Information Leakage in den Markt zu bringen.
Artikel lesenDAX Futures Overnight: Was die Statistik wirklich sagt.
Der Overnight-Effekt — Aktien-Indizes haben einen überproportionalen Teil ihrer langfristigen Rendite außerhalb der regulären Handelszeiten — ist am US-Markt extrem gut dokumentiert.
Artikel lesenDeFi Options Vaults: Systematische Optionsstrategien on-chain.
DOVs — Decentralized Options Vaults — automatisieren Strategien, die in der TradFi-Welt Hedgefonds-Material sind: wöchentlich Covered Calls schreiben, Puts cash-secured verkaufen, Iron Condors aufbauen.
Artikel lesenDiagonal-Spreads: die Kombination aus Vertical und Calendar.
Wer Calendar verstanden hat, kommt automatisch zu Diagonal. Unterschiedliche Strikes UND unterschiedliche Laufzeiten — das öffnet die Tür zu PMCC, dem kapital-effizienten Aktien-Ersatz, der zu Recht zur …
Artikel lesenDocker für Strategien-Deployment.
Wer eine Trading-Strategie schreibt, sollte sie auch in fünf Jahren noch starten können — ohne dass eine kaputte Python-Version, ein verschwundenes Paket oder ein OS-Update zum Stolperstein wird.
Artikel lesenDrawdown mental bewältigen: durch Verlustphasen ohne Strategie-Schaden.
Jeder, der lange genug tradet, kennt das Gefühl: die Equity-Kurve zeigt seit vier Wochen nach unten, jede neue Position scheint zu scheitern, der Kontostand bleibt im Kopf hängen wie ein offener Browser-Tab.
Artikel lesenE-Mini S&P 500: Strategien, Sessions, Roll-Mechanik.
Der E-Mini S&P 500 Future (Kürzel ES) ist das wahrscheinlich am intensivsten gehandelte Spekulationsinstrument der Welt. Wer ihn systematisch handeln will, braucht weniger einen magischen Indikator als ein …
Artikel lesenEOD Historical Data: Ein ehrlicher Review nach drei Jahren.
EOD Historical Data — heute offiziell EODHD — ist seit Jahren mein erster Test, wenn Mandanten einen günstigen, breit aufgestellten Datenanbieter suchen.
Artikel lesenErdgas & Storage-Spreads: Volatilität, Saisonalität und Speicherlogik.
Erdgas ist der volatilste Rohstoff, den ein normaler Trader einigermaßen handhaben kann. Tagesbewegungen von 10% sind keine Seltenheit, Wochenbewegungen von 25% kommen vor.
Artikel lesenEUR/USD Mean-Reversion: das Hauptpaar systematisch handeln.
EUR/USD ist statistisch das mean-reverting-freundlichste Paar im FX-Markt. Über Stunden- und Tages-Horizonte kehrt der Kurs konsistent zu rollierenden Mittelwerten zurück.
Artikel lesenExpected Shortfall: die bessere VaR-Alternative.
Expected Shortfall — auch Conditional Value at Risk oder CVaR genannt — beantwortet genau die Frage, vor der sich VaR drückt: Wie schlimm ist es, wenn es schlimm wird? Seit Basel III bevorzugen Aufseher ES …
Artikel lesenFlash Loans & Arbitrage: Atomic Trades als Strategie.
Ein unbesicherter Kredit über 50 Millionen USD, der innerhalb einer einzigen Transaktion aufgenommen, eingesetzt und zurückgezahlt wird — auf jedem Bankenmarkt der Welt undenkbar.
Artikel lesenForex Carry-Basket: Zins-Differenzen systematisch ernten.
Carry-Trades sind eine der ältesten Strategien im Forex — und gleichzeitig eine der gefährlichsten, wenn man sie naiv handelt.
Artikel lesenForex London-Session: Volatilität systematisch nutzen.
Die London-Session liefert im Forex statistisch das beste Risk-Reward des Tages. Wer die ersten zwei Stunden nach dem London-Open systematisch handelt, nutzt die höchste Liquidität, die engsten Spreads und die …
Artikel lesenForex News-Trading NFP: systematischer Ansatz statt Würfeln.
Der Non-Farm-Payroll-Report ist das volatilste regelmäßige Forex-Event des Monats. Innerhalb von Sekunden bewegen sich Hauptpaare um 50–100 Pips.
Artikel lesenFPGA im Trading: Einstieg, Kosten, realistische Erwartungen.
FPGAs sind das Ende des Latenz-Wettrüstens. Wer Marktdaten in 100 Nanosekunden parsen und Orders im selben Atemzug senden will, kommt um programmierbare Logik nicht herum.
Artikel lesenFunding-Rate-Arbitrage mit Perpetuals.
Wer in Krypto eine planbare, marktneutrale Rendite sucht, kommt früher oder später bei der Funding-Rate-Arbitrage an. Sie ist die wahrscheinlich am besten dokumentierte Edge-Quelle im gesamten Krypto-Universum …
Artikel lesenFX-Carry und Zinsdifferenz: warum AUD/JPY 20 Jahre lang funktionierte.
Von 1987 bis 2007 war AUD/JPY einer der zuverlässigsten Geldautomaten der Welt. Zinsdifferenz 5 % bis 7 % pro Jahr, dazu eine fast permanent steigende Spot-Rate.
Artikel lesenGCP und BigQuery für Marktdaten in Größe.
Wer einmal versucht hat, ein Jahrzehnt an Tick-Daten in einer lokalen Postgres-Datenbank zu analysieren, weiß warum BigQuery existiert.
Artikel lesenGewerblicher Wertpapierhandel: wann das Finanzamt aus Tradern Gewerbetreibende macht.
Privates Trading ist Vermoegensverwaltung — solange das Finanzamt mitspielt. Werden Schwellen ueberschritten, kann der Wertpapierhandel ploetzlich als Gewerbe gelten: mit Gewerbesteuer, Bilanzierungspflicht, …
Artikel lesenGold-Silber-Ratio: Trading mit dem ältesten Spread der Welt.
Die Gold-Silber-Ratio misst, wie viele Unzen Silber Sie für eine Unze Gold bekommen. Klingt simpel und genau das ist die Stärke: ein Verhältnis, das seit der Antike beobachtet wird, das historisch zwischen 15 …
Artikel lesenGraph Neural Networks für Finanzmärkte.
Aktien bewegen sich nicht isoliert. Sie hängen an Sektoren, Lieferketten, gemeinsamen Faktor-Exposures. Klassische ML-Modelle behandeln jede Aktie als unabhängige Beobachtung — und werfen damit einen Großteil …
Artikel lesenHierarchical Risk Parity (HRP): Cluster-basierte Allokation.
Marcos López de Prado hat 2016 ein Verfahren publiziert, das die größte Schwäche der klassischen Portfoliooptimierung umgeht: die Inversion einer instabilen Kovarianzmatrix.
Artikel lesenHindsight Bias: der „wusste ich doch"-Effekt zerstört Ihre Lernkurve.
Nach jedem Crash weiß plötzlich jeder, dass er kommen musste. Die Signale waren angeblich offensichtlich, die Bewertungen schreiend hoch, die Sentiment-Daten klar.
Artikel lesenHolding-GmbH für Trader: wann sich der Aufwand lohnt — und wann nicht.
„Mach doch eine GmbH" — der Lieblingssatz auf Trader-Foren. Klingt einfach, ist es nicht. Eine Trading- oder Holding-GmbH kann steuerlich attraktiv sein, aber sie ist kein Selbstlaeufer.
Artikel lesenInteractive Brokers API mit Python: Praxis-Leitfaden.
Die IBKR-API ist mächtig — und gleichzeitig die unfreundlichste API, die ein Retail- oder Pro-Trader heute findet. Wer den Sprung schafft, bekommt Zugriff auf 150 Börsen, sämtliche Asset-Klassen und …
Artikel lesenIceberg-Orders erkennen: was sich hinter der Liquidität wirklich verbirgt.
Was Sie im Order-Book sehen, ist nur die Spitze. Iceberg-Orders verstecken den Großteil ihres Volumens vor anderen Marktteilnehmern — und genau das macht sie zu einem der stärksten Signale für institutionelle …
Artikel lesenImplementation Shortfall: Die wahren Execution-Kosten.
Eine Strategie generiert ein Signal: Kauf 50.000 Aktien zu 100,00 €. Bis die Order vollständig ausgeführt ist, hat sich der Preis auf 100,18 € bewegt — und ein Teil der nicht-ausgeführten Order musste ganz …
Artikel lesenIndex-Arbitrage und ETFs: NAV-Spreads, Rebalancings, Basis-Trades.
ETFs sind heute der Klebstoff der globalen Aktienmärkte — und genau deshalb sind sie für Statistical-Arbitrage-Strategien so interessant.
Artikel lesenInventory-Risk im Market-Making: Skew, Limits, Hedging.
Ein Market-Maker, der seinen Spread verdient, aber gleichzeitig eine massive Long-Position aufbaut, während der Markt fällt, verliert mehr Geld als er einnimmt.
Artikel lesenJournaling für Trader: das einzige Werkzeug, das wirklich verbessert.
Ein Trading-Journal ist nicht das Heft, in dem Sie Trades dokumentieren. Es ist die Schnittstelle zwischen Ihnen und Ihrer Strategie.
Artikel lesenKapitalertragsteuer für Trader: was Sie über die Abgeltungsteuer wissen müssen.
Wer in Deutschland privat handelt, zahlt auf Gewinne pauschal 25 Prozent Abgeltungsteuer plus Solidaritaetszuschlag und ggf. Kirchensteuer. Klingt einfach — ist es aber nur an der Oberflaeche.
Artikel lesenKelly-Criterion im Trading: optimale Positionsgrößen.
John Kelly hat 1956 in den Bell Labs eine Formel veröffentlicht, die das langfristige Wachstum eines wiederholt eingesetzten Kapitals maximiert.
Artikel lesenKernel-Bypass mit DPDK im Trading.
Der Linux-Netzwerkstack ist ein technisches Wunderwerk — aber für Trading-Latenzen im einstelligen Mikrosekundenbereich ein Hindernis.
Artikel lesenKreditkartendaten als Konsum-Frühindikator.
Wenn ein börsennotierter Einzelhändler Quartalszahlen veröffentlicht, wissen die großen quantitativen Fonds schon seit Wochen, was kommt — zumindest grob.
Artikel lesenKrypto-Arbitrage zwischen CEX und DEX.
Arbitrage klingt nach risikolosem Gewinn. In der Krypto-Welt zwischen zentralen Börsen wie Binance oder Bybit und dezentralen Protokollen wie Uniswap oder Curve ist sie aber ein hartes Spiel — die …
Artikel lesenKrypto-Momentum-Strategien in der Praxis.
Momentum ist einer der robustesten Faktoren der Finanzgeschichte — gut dokumentiert in Aktien, Anleihen, Rohstoffen und Währungen.
Artikel lesenKubernetes für Trading-Bots.
Kubernetes hat in der Trading-Community einen zwiespältigen Ruf — die einen halten es für übertriebene Komplexität, die anderen führen alles auf K8s aus, auch was nicht hingehört.
Artikel lesenKupfer & Dr. Copper: Der Metall-Markt als Makro-Sensor.
„Dr. Copper" — das Metall mit dem Doktorhut, weil sein Preis angeblich besser über den Zustand der Weltwirtschaft Auskunft gibt als jeder Volkswirt.
Artikel lesenLemon Markets API für deutsche Trader: Praxis-Leitfaden.
Lemon Markets ist ein Berliner Fintech, das eine moderne REST-API auf das deutsche Brokerage-System gelegt hat. Für alle, die in Deutschland steuerlich sauber bleiben und trotzdem automatisiert traden wollen, …
Artikel lesenLiquid Staking Derivatives: stETH, rETH und die LSD-Ökonomie.
Über ein Drittel allen gestakten Ethers steckt heute in Liquid Staking Derivatives. Was 2020 als Workaround für illiquides Validator-Staking begann, ist zur dominanten DeFi-Infrastruktur geworden — mit …
Artikel lesenLock-freie Datenstrukturen im Trading.
Locks sind in Low-Latency-Systemen das, was Stop-Schilder im Autobahnnetz wären: funktioniert irgendwie, aber zerstört den Durchsatz.
Artikel lesenLSTM für Preis-Prognose: Architektur, Training, Realität.
LSTMs sind das erste Werkzeug, zu dem viele Quants greifen, wenn sie Deep Learning ins Trading bringen. Recurrent, sequenzfähig, gut dokumentiert.
Artikel lesenMacroeconomic Surprises Trading: Bloomberg ECO und die Markt-Erwartungen-Lücke.
Märkte bewegen sich nicht durch Wirtschaftsdaten, sondern durch die Differenz zwischen Erwartung und Realität. Ein NFP-Wert von 250.000 ist hawkish, wenn der Markt 180.000 erwartet hat — und dovish, wenn er …
Artikel lesenMeditation und Fokus im Trading: ruhiger Geist, bessere Ausführung.
Meditation klingt nach Yoga-Studio, nicht nach Handelssaal. Trotzdem haben einige der disziplinierteren Trader, die ich kenne, eine tägliche Praxis — und sie lassen sich nicht auf esoterische Argumente ein.
Artikel lesenMEV — Maximal Extractable Value verstehen.
MEV ist der wichtigste Begriff, den Sie noch nicht kennen, wenn Sie regelmäßig on-chain handeln. Jede Transaktion, die Sie an einen DEX schicken, ist potenzielles Futter für ein hochkompetitives Ökosystem aus …
Artikel lesenMarket-Making auf Krypto-Exchanges: Praxis und Edge-Cases.
Krypto-Märkte sind anders. Sie sind 24/7 offen, fragmentiert über Dutzende Börsen, und die Gebührenstruktur ist so gebaut, dass Market-Making oft von der Börse selbst entlohnt wird.
Artikel lesenMonte-Carlo für Portfolios: Risiko mit simulierten Pfaden.
Monte-Carlo ist das mächtigste Werkzeug im Risk-Management — und das mit dem höchsten Missbrauchspotenzial. Wer ein paar Tausend Pfade simuliert, fühlt sich schnell sicher.
Artikel lesenNasdaq Futures: Momentum, das wirklich trägt.
Der Nasdaq-100 Future (NQ) wird oft als „aggressivere Variante" des ES beschrieben. Das ist nicht falsch, aber unterschätzt, wie unterschiedlich die statistischen Eigenschaften beider Instrumente wirklich …
Artikel lesenNumba JIT für Backtests: Python-Speed in C-Geschwindigkeit.
Manche Backtest-Logiken lassen sich einfach nicht vektorisieren. Stop-Loss-Logik mit Trailing-Stop, Order-Queue-Simulation, Event-Driven-Loops — alles Code, der natürlich als Schleife geschrieben wird.
Artikel lesenOANDA-FX-API in der Praxis: v20 REST und Streaming.
Für reines FX-Trading ist OANDA seit Jahren der Quasi-Standard auf der API-Seite. Die v20-API ist sauber dokumentiert, stabil und für 24/5-Engines ausgelegt.
Artikel lesenOrnstein-Uhlenbeck Mean Reversion: vom Modell zur Strategie.
Der Ornstein-Uhlenbeck-Prozess ist das mathematische Rückgrat fast jeder Mean-Reversion- Strategie. Wer ihn versteht, kann Halbwertszeiten korrekt schätzen, optimale Trading- Schwellen ableiten und vor allem …
Artikel lesenPandas-Performance für Trading: Vektorisierung, Speicher, Bottlenecks.
Pandas ist im Quant-Bereich allgegenwärtig — und gleichzeitig der häufigste Grund, warum Backtests stundenlang laufen. Die Bibliothek ist schnell, wenn man sie richtig benutzt.
Artikel lesenPCA-Faktor-Mining: Residuen-Strategien aus latenten Faktoren.
Pairs-Trading skaliert schlecht — irgendwann reichen Ihnen die paar Dutzend cointegrierten Pairs nicht mehr. Die natürliche Verallgemeinerung: ein statistisches Faktor-Modell auf das gesamte Universum, das …
Artikel lesenPolars vs Pandas bei Tickdaten: Benchmark und Migration.
Polars hat in den letzten Jahren den Pandas-Thron ernsthaft angegriffen. Schneller, parallelisiert, mit Lazy Evaluation und einer API, die Sie nach zwei Tagen lieben werden.
Artikel lesenPolygon.io vs. Databento: Marktdaten im Vergleich.
Wer eine systematische Strategie baut, verbringt überraschend viel Zeit damit, sich Gedanken über Datenquellen zu machen. Zwei Namen tauchen dabei seit Jahren immer wieder auf: Polygon.io und Databento.
Artikel lesenPOV: Percentage of Volume.
Während VWAP gegen ein historisches Volumenprofil handelt, orientiert sich POV am realen Marktvolumen — in Echtzeit. Der Trader gibt vor, wie viel Prozent des jeweils handelnden Volumens er ausmachen will, und …
Artikel lesenQuote-Stuffing-Defense: Manipulationsmuster erkennen.
Wer als Market-Maker quotet, ist ein Ziel. Nicht im paranoiden Sinn, sondern strukturell: Es gibt Marktteilnehmer, deren Strategie darin besteht, Ihre Quotes zu falschen Reaktionen zu provozieren — durch …
Artikel lesenRatio-Spreads & Backspreads: asymmetrische Vega/Theta-Profile.
Wenn ein Vertical-Spread Ihnen zu symmetrisch ist, sind Ratio-Spreads und Backspreads die nächste Stufe. Mit ungleicher Anzahl Long- und Short-Optionen bauen Sie sehr spezifische Vega- und Gamma-Profile — …
Artikel lesenRecency Bias: warum die letzten 5 Trades Ihr ganzes System dominieren.
Fünf Gewinne in Folge, und plötzlich ist Ihr System „on fire". Drei Verluste hintereinander, und es ist „kaputt". Recency Bias gewichtet die jüngste Erfahrung weit über ihre statistische Bedeutung hinaus — und …
Artikel lesenRefinitiv Elektron: Die Reuters-API in der Praxis.
Wenn jemand sagt „wir nutzen Refinitiv", meint er meist eines von drei Produkten: Eikon (das Terminal), Workspace (der Nachfolger) oder Elektron (die professionelle Daten-API, heute offiziell LSEG Real-Time).
Artikel lesenReinforcement Learning für Order-Execution.
Reinforcement Learning hat im Trading einen schweren Stand für reine Signal- Generierung. Für Order-Execution ist die Lage anders: Hier gibt es klare kurzfristige Rewards, eine wohldefinierte Episode und einen …
Artikel lesenREITs systematisch: Real Estate als Asset-Klasse für Quant-Setups.
REITs sind nicht Aktien und nicht Anleihen — sie sind eine eigenständige Asset-Klasse mit eigenen Bewertungsmetriken, eigener Sensitivität auf Zinsen und eigener Sektor-Logik.
Artikel lesenRepo-Trading: Der unsichtbare Anleihemarkt.
Der Repo-Markt ist der größte Finanzmarkt der Welt, den Sie nie sehen. Täglich werden global mehrere Billionen Dollar in Repo-Geschäften umgesetzt — und davon hängt ab, ob Banken funktionieren, ob Hedgefonds …
Artikel lesenRisk Parity Implementierung: gleiche Risikobeiträge im Portfolio.
Klassische 60/40-Portfolios klingen ausgewogen, sind es aber nicht. Die Aktienseite trägt typischerweise 90 % des Risikos.
Artikel lesenRoutine, Disziplin, Systematik: der Tagesablauf eines konsistenten Traders.
Disziplin ist kein Charakterzug, sondern das Resultat einer guten Routine. Wer sich auf Willenskraft verlässt, verliert. Wer das Verhalten in eine Routine einbettet, gewinnt jeden Tag ohne Kampf.
Artikel lesenRust für Trading-Systeme: Sicherheit ohne Performance-Verlust.
Lange galt C++ als unangefochtene Sprache für Low-Latency-Trading. Seit einigen Jahren wächst eine ernstzunehmende Alternative heran: Rust kombiniert die Performance einer systemnahen Sprache mit …
Artikel lesenSatellitenbilder & Öl-Lagerung als Edge.
Jeden Mittwoch um 16:30 deutscher Zeit veröffentlicht die US Energy Information Administration (EIA) ihre wöchentlichen Lagerbestände für Rohöl.
Artikel lesenShipping-Daten & der globale Handel.
Etwa 90 % des globalen Warenverkehrs läuft über das Meer. Fast jedes größere Handelsschiff sendet sekündlich seine Position über AIS — ursprünglich aus Sicherheitsgründen entwickelt, heute eine der …
Artikel lesenStress-Tests und Szenarien: jenseits der Standard-Kennzahlen.
VaR und ES sind statistische Aussagen über das, was die Verteilung schon kennt. Stress-Tests fragen, was passiert, wenn die Welt etwas tut, das die Verteilung noch nicht gesehen hat.
Artikel lesenTail-Hedging-Strategien: was wirklich schützt.
Tail-Hedging ist ein zweischneidiges Schwert. Wer einfach jeden Monat Out-of-the-money Puts kauft, blutet langsam aus — der berühmte „Hedge Drag".
Artikel lesenTerraform für Trading-Infrastruktur.
Infrastruktur per Klick im AWS- oder GCP-Konsole zusammenbauen geht schnell — und ist zwei Jahre später nicht mehr nachvollziehbar.
Artikel lesenTilt-Management für Trader: emotionale Eskalation stoppen, bevor sie das Konto frisst.
Tilt ist der Moment, in dem ein Trader aufhört, seinem Plan zu folgen, und beginnt, verlorenes Geld zurückzuholen. Aus dem Pokerspiel ist der Begriff längst ins Trading gewandert — und nirgends ist er teurer …
Artikel lesenTIPS und Linker: Inflations-geschützte Anleihen systematisch handeln.
Inflationsgeschützte Anleihen werden im Marketing als „Inflations-Hedge" verkauft. Das ist halb richtig. Die Mechanik macht sie tatsächlich zum besten direkten Inflations-Instrument am Markt — aber in 2022 …
Artikel lesenTradier-API für Optionen: Chains, Multi-Leg und Streaming.
Wer US-Optionen systematisch handeln will, hat zwei realistische API-Optionen: IBKR oder Tradier. Tradier ist der freundlichere Weg — schlankere API, deutlich kürzerer Onboarding-Pfad und eine …
Artikel lesenTransformer für Zeitreihen im Trading.
Seit Transformer die Sprachmodelle dominieren, ziehen sie auch in Zeitreihen-Analysen ein. Im Trading sind die Hoffnungen groß — und die Stolperfallen zahlreich.
Artikel lesenTreasury Basis Trade: Cash gegen Futures.
Der Treasury Basis Trade ist eine der bekanntesten Relative-Value-Strategien im US-Anleihemarkt. Hedgefonds verdienen damit seit Jahrzehnten Geld — und brachten 2020 den Markt an den Rand des Zusammenbruchs.
Artikel lesenUniswap V3 Liquidity Mining: Konzentrierte Liquidität in der Praxis.
Konzentrierte Liquidität war 2021 die größte AMM-Innovation seit Constant-Product-Pools. Sie verspricht Kapitaleffizienz um Größenordnungen — und liefert sie auch, wenn man die Mechanik wirklich verstanden …
Artikel lesenValue at Risk praktisch: VaR-Methoden im Vergleich.
Value at Risk ist die meistgenutzte Risikokennzahl der Finanzbranche — und gleichzeitig die am häufigsten missverstandene.
Artikel lesenvectorbt Pro: Features, Performance, Praxis.
vectorbt ist in der Open-Source-Version bereits eines der schnellsten Backtest- Frameworks für Python. vectorbt Pro geht deutlich weiter — Portfolio-Optimierung auf Tausenden Asset-Kombinationen, …
Artikel lesenVerlustaversion: warum Sie Verluste 2× stärker spüren als Gewinne.
Ein Verlust von 1.000 € fühlt sich schlimmer an, als ein Gewinn von 1.000 € sich gut anfühlt. Das ist nicht Schwäche, sondern messbare Psychologie — und sie ist der einzige größte Treiber von schlechten …
Artikel lesenVerlustverrechnung bei Termingeschäften: der 20.000-Euro-Deckel und sein Ende.
2021 eingeführt, Ende 2024 rückwirkend abgeschafft: wie der 20.000-Euro-Deckel funktionierte — und was Trader mit offenen Altjahren jetzt prüfen sollten.
Artikel lesenVIX Futures Rolling: Contango, Tail, Realität.
Der VIX ist kein Future. Der VIX ist ein Index, der die implizite 30-Tage-Volatilität des S&P 500 misst — und an sich nicht handelbar.
Artikel lesenVolatility Skew Trading: warum OTM-Puts mehr IV haben als OTM-Calls.
In einer idealen Black-Scholes-Welt hätten alle Strikes derselben Laufzeit dieselbe implizite Volatilität. In der Realität ist das nie der Fall — und der Unterschied zwischen den Strikes, der Skew, ist eine …
Artikel lesenVolatility Targeting: konstantes Risiko, bessere Sharpe.
Volatility Targeting ist eine der am einfachsten umzusetzenden Ideen mit dem größten Hebel auf die risikoadjustierte Performance.
Artikel lesenVWAP und TWAP: Execution-Algorithmen verstehen.
Wer eine größere Order in den Markt bringen will, hat ein Problem: Wird sie zu schnell ausgeführt, frisst der Market Impact die Marge. Wird sie zu langsam ausgeführt, läuft der Preis weg.
Artikel lesenWalk-Forward-Validierung für ML-Trading.
Wer ein ML-Modell im Trading mit klassischem k-fold-Cross-Validation evaluiert, betrügt sich selbst. Zeitreihen brauchen eine eigene Methodik: Walk-Forward.
Artikel lesenWeb Scraping von Jobpostings als Signal.
Unternehmen sagen viel in Earnings-Calls — aber die ehrlichste Aussage über ihre Pläne machen sie, wenn sie Stellen ausschreiben.
Artikel lesenWTI-Brent-Spread: Den Ölmarkt zwischen Cushing und Sullom Voe handeln.
Rohöl ist nicht gleich Rohöl. Die beiden global wichtigsten Benchmarks — West Texas Intermediate (WTI) aus den USA und Brent aus der Nordsee — notieren regelmäßig mit Differenzen von wenigen Dollar bis über …
Artikel lesenYield-Curve-Trading: Steepener und Flattener systematisch.
Die Zinskurve ist die meistgelesene und am häufigsten missverstandene Grafik des Finanzmarktes. Wer sie systematisch handelt, arbeitet nicht mit Bauchgefühl, sondern mit zwei Werten: Spread und DV01.
Artikel lesenYield Farming Strategien: Echte Erträge vs. Emissionen.
„Earn 240 % APR" — diese Plakate haben den DeFi-Sommer 2021 geprägt und Tausende Anleger später kalt erwischt. Die Lektion: Eine zweistellige Rendite ist kein Phänomen, sondern eine Frage der Quelle.
Artikel lesenAngebote & Exposés mit KI erstellen.
Ein gutes Angebot zu schreiben kostet Zeit: das Anliegen des Kunden verstehen, die passenden Leistungen heraussuchen, Preise zusammenstellen, den Text individuell wirken lassen und sauber formatieren.
Artikel lesenKI per API in bestehende Software integrieren.
Die meisten Unternehmen brauchen keine eigene KI und auch kein neues Tool mit KI-Logo. Sie haben bereits funktionierende Software — ein ERP, ein CRM, ein Ticketsystem, eine interne Webanwendung — und wollen an …
Artikel lesenBildgenerierung rechtssicher nutzen.
KI-Bildgeneratoren machen es verführerisch einfach: ein Satz als Prompt, Sekunden später ein fertiges Motiv für die Website, den Newsletter oder die Anzeige.
Artikel lesenContent-Erstellung mit KI: skalierbar und markenkonform.
Kaum ein Einsatzgebiet von KI im Unternehmen wirkt so naheliegend wie das Schreiben von Texten: Blogartikel, Produktbeschreibungen, Newsletter, Landingpages. Und kaum ein Bereich wird so oft unterschätzt.
Artikel lesenKI ins CRM integrieren.
Das CRM ist das Gedächtnis des Vertriebs — aber nur, wenn es gepflegt ist. In der Praxis ist es oft das Gegenteil: halbleere Felder, vergessene Notizen, doppelte Kontakte, veraltete Daten.
Artikel lesenDokumenten-Extraktion: OCR + LLM in der Praxis.
In fast jedem Unternehmen liegt wertvolle Information in unstrukturierter Form vor: Verträge, Lieferscheine, Formulare, Behördenbescheide, handschriftliche Notizen, gescannte Altakten.
Artikel lesenE-Mail-Triage und Antwort-Entwürfe mit KI.
Ein überfülltes Postfach ist kein Wissensproblem, sondern ein Sortierproblem. Die meiste Zeit geht nicht für das Schreiben von Antworten drauf, sondern für das ständige Hin-und-her-Springen: Was ist wichtig? …
Artikel lesenEU AI Act: was der Mittelstand wissen muss.
Mit der KI-Verordnung der EU — dem AI Act — gibt es erstmals einen umfassenden Rechtsrahmen für künstliche Intelligenz. Viele mittelständische Unternehmen fragen sich verunsichert: Betrifft uns das überhaupt? …
Artikel lesenEinen internen Wissens-Chatbot bauen.
In jedem gewachsenen Unternehmen steckt Wissen in verstreuten Dokumenten — Handbüchern, Wikis, Richtlinien, alten E-Mails, Präsentationen.
Artikel lesenKI-Agenten im Unternehmen: Stand, Chancen und Grenzen.
Kaum ein Begriff wird derzeit so aufgeladen wie „KI-Agent". Die Versprechen reichen vom digitalen Mitarbeiter, der ganze Abteilungen ersetzt, bis zur autonomen Software, die das Geschäft selbst steuert.
Artikel lesenKI-Audit: Anwendungsfälle systematisch finden & priorisieren.
Die meisten Unternehmen scheitern nicht an der Technik, sondern an der Frage davor: Wo soll KI überhaupt eingesetzt werden? Wer diese Frage dem Zufall oder dem lautesten Abteilungsleiter überlässt, verbrennt …
Artikel lesenKI-Anbieter und Auftragsverarbeitung.
Sobald ein Unternehmen einen KI-Dienst nutzt, in den personenbezogene Daten fließen — und das passiert schneller, als viele denken — wird der KI-Anbieter in der Regel zum Auftragsverarbeiter.
Artikel lesenChange-Management bei der KI-Einführung.
Eine KI einzuführen ist ein technisches Projekt. Sie im Unternehmen zu verankern ist ein Veränderungsprojekt. Der Unterschied ist riesig — und er erklärt, warum so viele KI-Initiativen technisch gelingen und …
Artikel lesenKI-Chatbot für den Kundenservice richtig aufsetzen.
Kaum ein KI-Thema wird so unterschätzt und gleichzeitig so überschätzt wie der Support-Chatbot. Überschätzt von denen, die glauben, ein Bot ersetzt das halbe Team.
Artikel lesenKI DSGVO-konform im Unternehmen einsetzen.
Kaum ein Thema bremst KI-Projekte im Mittelstand so verlässlich aus wie die Frage: „Dürfen wir das datenschutzrechtlich überhaupt?" Die gute Nachricht ist, dass die Datenschutz-Grundverordnung KI nicht …
Artikel lesenKI-Governance im Unternehmen.
In den meisten Unternehmen ist KI längst im Einsatz — nur selten geordnet. Mitarbeitende nutzen Chatbots für Texte, Tabellen und Recherche, oft mit privaten Accounts und ohne dass jemand den Überblick hat.
Artikel lesenKI-Halluzinationen im Unternehmen beherrschen.
Sprachmodelle können Antworten erzeugen, die überzeugend klingen, professionell formuliert sind — und trotzdem schlicht falsch.
Artikel lesenKI im Handwerk: realistische Anwendungsfälle.
Im Handwerk ist die wertvolle Arbeit fast immer die am Werkstück, beim Kunden, auf der Baustelle — und genau die kann und soll KI nicht ersetzen.
Artikel lesenWie KI Jobs verändert: eine ehrliche Einordnung.
Kaum ein Thema ist so von Extremen geprägt wie die Frage, was KI mit unseren Jobs macht. Die einen verkünden den Wegfall halber Branchen, die anderen tun alles als Hype ab. Beides ist zu einfach.
Artikel lesenKI-Kompetenz im Team systematisch aufbauen.
Ein KI-Werkzeug bereitzustellen erzeugt noch keine Kompetenz. Die meisten Mitarbeitenden probieren ein neues Tool kurz aus, holen ein paar mittelmäßige Ergebnisse heraus und legen es enttäuscht wieder weg.
Artikel lesenWas kostet KI im Unternehmen wirklich?
„Was kostet uns das?" ist die berechtigte erste Frage jeder Geschäftsführung, sobald KI ins Spiel kommt. Die ehrliche Antwort ist unbequem: Es kommt darauf an — aber nicht auf das, worauf die meisten zuerst …
Artikel lesenKI in Logistik und Supply Chain.
Lieferketten sind ein Geflecht aus Prognosen, Beständen, Transporten und Störungen. Genau diese Mischung aus großen Datenmengen und vielen kleinen Entscheidungen macht Logistik zu einem natürlichen …
Artikel lesenKI selbst bauen oder kaufen? Die Make-or-Buy-Entscheidung.
Sobald ein Unternehmen einen sinnvollen KI-Anwendungsfall gefunden hat, stellt sich die nächste grundlegende Frage: Kaufen wir eine fertige Lösung, bauen wir selbst, oder etwas dazwischen? Diese …
Artikel lesenMarketing-Automation mit KI.
KI hat das Marketing schneller verändert als fast jeden anderen Bereich. Texte entstehen in Sekunden, Segmente lassen sich feiner schneiden, E-Mail-Strecken personalisieren sich scheinbar von selbst.
Artikel lesenKI-Akzeptanz im Team aufbauen.
Die meisten gescheiterten KI-Projekte scheitern nicht an der Technik. Sie scheitern daran, dass die Menschen, die mit dem neuen Werkzeug arbeiten sollen, es nicht annehmen.
Artikel lesenKI für schnelleres Onboarding.
Die ersten Wochen einer neuen Mitarbeiterin entscheiden viel: wie schnell sie produktiv wird, wie sicher sie sich fühlt, ob sie bleibt.
Artikel lesenKI in der Produktionsplanung.
Produktionsplanung ist ein ständiges Jonglieren: Welche Aufträge wann auf welcher Maschine, mit welchem Personal, welchem Material, in welcher Reihenfolge — und das alles bei schwankenden Bestellungen, knappen …
Artikel lesenWarum KI-Projekte scheitern — und wie man es vermeidet.
Kaum ein Technologiethema wird derzeit so euphorisch und gleichzeitig so frustriert diskutiert wie Künstliche Intelligenz im Unternehmen.
Artikel lesenVom Proof of Concept zur Produktion: KI-Projekte richtig aufsetzen.
Der Prototyp funktioniert, die Demo begeistert das Management, alle sind euphorisch — und dann passiert monatelang nichts.
Artikel lesenIst mein Unternehmen KI-bereit? Ein Readiness-Check.
Bevor man in KI investiert, lohnt eine nüchterne Frage: Ist der Betrieb überhaupt bereit dafür? KI-Readiness bedeutet nicht, das neueste Modell zu kennen, sondern die Grundlagen zu haben, auf denen KI …
Artikel lesenDen ROI von KI-Projekten ehrlich berechnen.
„Spart 30 Prozent der Arbeitszeit" — solche Zahlen stehen in jeder Produktbroschüre. In der Realität sieht die Rechnung oft anders aus, weil die Kosten unterschätzt und der Nutzen schöngerechnet wird.
Artikel lesenKI-Schulungen für Führungskräfte.
Führungskräfte müssen KI nicht selbst programmieren. Aber sie müssen sie gut genug verstehen, um Entscheidungen zu treffen, Erwartungen zu rahmen und Verantwortung zu übernehmen.
Artikel lesenKI-Strategie für den Mittelstand entwickeln.
Fast jedes mittelständische Unternehmen hat inzwischen „irgendetwas mit KI" gemacht — ein paar ChatGPT-Lizenzen, ein Pilotprojekt in der Buchhaltung, ein Chatbot auf der Website.
Artikel lesenDer KI-Tool-Stack für den Mittelstand.
Mittelständische Unternehmen stehen bei KI vor einem Dilemma: Die großen Beratungshäuser entwerfen Strategien für Konzernbudgets, während die Realität aus begrenzten IT-Ressourcen, gewachsenen Systemen und der …
Artikel lesenKI-Trends für den Mittelstand richtig einordnen.
Kaum ein Monat vergeht ohne eine neue KI-Schlagzeile, ein neues Modell, einen neuen angeblichen Durchbruch. Für mittelständische Unternehmen ist diese Geschwindigkeit verunsichernd: Verpassen wir gerade etwas …
Artikel lesenLead-Qualifizierung mit KI richtig aufsetzen.
Eine eingehende Anfrage über das Kontaktformular sagt zunächst wenig aus: Steckt dahinter ein ernsthafter Interessent mit Budget oder ein Student, der für eine Hausarbeit recherchiert? Lead-Qualifizierung …
Artikel lesenWelches LLM fürs Unternehmen? Claude, GPT, Gemini.
„Welches KI-Modell sollen wir nehmen?" ist eine der ersten Fragen, die in fast jedem Projekt auftaucht — und eine der am häufigsten falsch gestellten.
Artikel lesenPredictive Maintenance mit KI.
Ungeplante Stillstände sind in der Produktion teuer: Eine Maschine, die mitten in der Schicht ausfällt, reißt Liefertermine, blockiert nachgelagerte Stationen und verlangt oft teure Express-Ersatzteile.
Artikel lesenPrompt-Engineering im Unternehmensalltag.
„Prompt-Engineering" klingt nach Geheimwissen, ist aber im Kern etwas sehr Bodenständiges: präzise formulieren, was man will.
Artikel lesenQualitätskontrolle mit Computer Vision.
Sichtprüfung ist in vielen Fertigungen der letzte Schritt vor dem Versand — und oft der anstrengendste: monoton, ermüdend, schwer durchzuhalten über eine ganze Schicht.
Artikel lesenRAG über firmeneigene Dokumente aufbauen.
In jedem Unternehmen schlummert Wissen in Handbüchern, Richtlinien, Angeboten, Protokollen und E-Mails — verstreut über Laufwerke, SharePoint und Postfächer.
Artikel lesenRechnungsverarbeitung mit KI automatisieren.
Eingangsrechnungen sind in fast jedem Unternehmen ein wiederkehrender, monotoner Aufwand: PDF öffnen, Beträge ablesen, Lieferant zuordnen, Kostenstelle vergeben, im ERP erfassen, zur Freigabe weiterleiten.
Artikel lesenReporting und Auswertungen mit KI automatisieren.
Jeden Monat dasselbe: Zahlen aus mehreren Systemen zusammensuchen, in eine Tabelle kippen, Abweichungen markieren, einen Kommentar schreiben, das Ganze ins gewohnte Berichtsformat bringen.
Artikel lesenSelf-hosted LLMs für mehr Datenschutz.
Viele Unternehmen würden KI gern intensiver nutzen, schrecken aber davor zurück, sensible Daten an einen Cloud-Dienst zu schicken.
Artikel lesenSEO mit KI: Chancen, Grenzen, Fallstricke.
Kaum ein Versprechen klingt verlockender, als mit KI „auf Knopfdruck" Hunderte Texte zu erzeugen und Google zu erobern. Die Realität ist nüchterner — und für alle, die es richtig angehen, sogar besser.
Artikel lesenSocial Media mit KI effizient bespielen.
Kontinuierlich auf Social Media präsent zu sein, scheitert in den meisten Unternehmen nicht am guten Willen, sondern an der Zeit: Themen finden, Texte schreiben, Bilder vorbereiten, Termine planen, auf …
Artikel lesenSupport-Tickets automatisch einordnen & weiterleiten.
In vielen Unternehmen landen Support-Anfragen zunächst in einem gemeinsamen Postfach, das ein Mensch sichten, einordnen und an die richtige Stelle verteilen muss.
Artikel lesenVektordatenbanken im Vergleich.
Sobald ein Unternehmen seine eigenen Dokumente für KI nutzbar machen will — sei es ein interner Wissens-Chatbot, eine semantische Suche oder ein RAG-System — fällt früher oder später der Begriff …
Artikel lesenWissensmanagement im Unternehmen mit KI.
In fast jedem Unternehmen liegt das Wissen verstreut: in Confluence-Seiten, alten PDF-Handbüchern, E-Mail-Verläufen, SharePoint-Ordnern und — am häufigsten — in den Köpfen erfahrener Mitarbeiter.
Artikel lesenWorkflow-Automatisierung mit n8n im Unternehmen.
Die meisten Unternehmen haben kein Mangel an Software, sondern ein Mangel an Verbindungen zwischen ihrer Software. Daten werden von Hand aus einem System ins nächste übertragen, E-Mails lösen manuelle …
Artikel lesenWettbewerbsvorteil durch KI im Mittelstand.
Wer als Mittelständler heute strategisch in KI investiert, baut nicht nur Effizienz auf — er sichert sich Optionen, die seine Wettbewerber später nicht mehr haben.
Artikel lesenKI-Disruption: welche Branchen es zuerst trifft.
Nicht alle Branchen werden von KI gleich getroffen. Eine ehrliche Einordnung, in welchen Sektoren KI tatsächlich Geschäftsmodelle verändert und wo sie nur Beiwerk bleibt.
Artikel lesenMit KI Marktanteile gewinnen — realistisch betrachtet.
Bessere interne Prozesse allein gewinnen noch keine Kunden. Wie KI sich vom internen Effizienzhebel zum sichtbaren Marktvorteil entwickelt — und woran das oft scheitert.
Artikel lesenKI als Innovationsmotor im Unternehmen.
KI ist mehr als Effizienzwerkzeug. Wie Unternehmen sie nutzen, um neue Produkte zu entwickeln, neue Services anzubieten und ihr Geschäftsmodell behutsam zu erweitern.
Artikel lesenZukunftsfähigkeit: warum kein KI keine Option ist.
Die Vorstellung, KI sei eine optionale Erweiterung, hält der Realität nicht mehr stand. Wie Unternehmen erkennen, wann „abwarten" zum strategischen Risiko wird.
Artikel lesenKI gegen Fachkräftemangel: Entlastung statt Ersatz.
Wo Mitarbeitende fehlen, übernimmt KI heute Aufgaben, die früher zwingend menschliche Hände brauchten. Eine ehrliche Einordnung, wo sie wirklich entlastet und wo nicht.
Artikel lesenSkalieren ohne lineares Personalwachstum.
Mehr Umsatz hieß früher fast immer: mehr Personal. KI verändert diese Gleichung — und macht Wachstum für Mittelständler erreichbar, die früher an ihrer Kapazitätsgrenze festsaßen.
Artikel lesenTime-to-Market durch KI verkürzen.
Wer früher am Markt ist, gewinnt oft den Markt. Wie KI die Phasen vor dem Launch dramatisch beschleunigt — und welche Phasen sie nicht beschleunigen kann.
Artikel lesenKI als Werthebel: Unternehmenswert steigern.
Käufer und Banken bewerten Unternehmen heute auch nach ihrer KI-Reife. Wie systematische KI-Einführung den Unternehmenswert nachhaltig erhöht — besonders bei Nachfolge.
Artikel lesenWas Warten bei KI wirklich kostet.
„Wir warten erstmal ab" klingt vorsichtig, ist aber selten kostenlos. Die unsichtbaren Kosten der KI-Zurückhaltung — und wann Abwarten doch die richtige Antwort ist.
Artikel lesenWarum KI-Investitionen jetzt Priorität haben.
Geschäftsführer kennen die Frage: Wohin fließt das nächste Investitionsbudget? Wie KI sich gegen andere Investitionen einordnet und wann sie wirklich Priorität verdient.
Artikel lesenProduktivität pro Mitarbeiter steigern.
Studien sprechen von 30, 40, 50 Prozent. Was davon wirklich auf der Strecke ankommt und wie Unternehmen es schaffen, KI-Produktivität in echten Geschäftserfolg umzumünzen.
Artikel lesenKonkrete Zeitersparnisse durch KI im Alltag.
Wie viel Zeit spart KI wirklich — in Mails, Recherche, Reports und Dokumenten? Ein Überblick mit ehrlichen Bandbreiten statt Marketing-Zahlen.
Artikel lesenRoutineaufgaben mit KI eliminieren.
Nicht jede Routineaufgabe lässt sich automatisieren — aber viele mehr, als die meisten ahnen. Welche sich heute zuverlässig an KI übergeben lassen, ohne Qualität zu verlieren.
Artikel lesenKreativität durch KI freisetzen.
Die schönste Erzählung lautet: KI nimmt die Routine ab, Menschen werden kreativ. Stimmt das in der Praxis? Und unter welchen Bedingungen entsteht diese Wirkung tatsächlich?
Artikel lesenEffiziente Meetingprotokolle mit KI.
Niemand schreibt gerne Protokoll, kaum jemand liest es. KI ändert das fundamental — wenn Datenschutz, Format und Akzeptanz stimmen.
Artikel lesenBurnout-Prävention durch KI-Entlastung.
KI kann Belastung reduzieren — oder sie erhöhen, wenn falsch eingeführt. Wie KI als Burnout-Prävention funktioniert und wo der Effekt sich ins Gegenteil verkehrt.
Artikel lesenProzess-Bottlenecks mit KI auflösen.
Jeder Prozess hat seine Engstellen — meistens immer dieselben. Wie KI Bottlenecks gezielt entschärft und warum sie an manchen schlicht nichts ändern kann.
Artikel lesenTiefes Arbeiten dank KI ermöglichen.
Tiefe Konzentration ist heute das knappste Gut im Büro. Wie KI Fokus ermöglicht — und unter welchen Umständen sie genau das Gegenteil bewirkt.
Artikel lesenMitarbeiterzufriedenheit durch KI steigern.
KI kann zur Begeisterung führen oder zur stillen Resignation. Wie Unternehmen sie als Werkzeug einführen, das Mitarbeitende wirklich entlastet — statt sie zu überwachen.
Artikel lesenKonkrete Kosteneinsparungen durch KI.
Wo lassen sich mit KI realistisch Kosten senken — und um wie viel? Konkrete Bereiche, ehrliche Bandbreiten, und wann Einsparungen nicht eintreten.
Artikel lesenAmortisationszeiten von KI-Projekten realistisch.
Anbieter sprechen von „Payback in sechs Monaten“ — wann das realistisch ist und wann es Wunschdenken bleibt. Eine nüchterne Einordnung der Amortisationsrechnung.
Artikel lesenTCO von KI-Projekten ehrlich rechnen.
Die Lizenzgebühr ist meist der kleinste Posten. Was zu den echten Gesamtkosten eines KI-Projekts gehört — und woran die meisten Kalkulationen scheitern.
Artikel lesenVersteckte Kosten in KI-Projekten.
Die meisten Budgetüberschreitungen bei KI haben dieselben Ursachen — und keine davon steht im Angebot. Die acht häufigsten versteckten Kostenposten und wie man sie einplant.
Artikel lesenKI-Budget richtig planen.
Wie groß sollte das KI-Budget eines Mittelständlers sein? Wie verteilt es sich auf Lizenz, Integration, Schulung? Eine praxistaugliche Aufteilung mit Bandbreiten.
Artikel lesenKI-Förderprogramme für deutsche Unternehmen.
Bund, Länder, EU — die Förderlandschaft für KI ist unübersichtlich. Welche Programme für Mittelständler wirklich infrage kommen und wie sich der Antragsaufwand einordnet.
Artikel lesenKI-Grundwissen für Führungskräfte.
Geschäftsführer müssen keine Datenwissenschaftler werden — aber sie sollten KI gut genug verstehen, um Entscheidungen zu treffen. Das essenzielle Mindestmaß an Wissen.
Artikel lesenKI-Buzzwords entschlüsselt.
LLM, RAG, Token, Embedding, Agent — die 20 wichtigsten KI-Begriffe verständlich erklärt, ohne Marketing-Pathos. Für Entscheider, die mitreden wollen.
Artikel lesenKI-Mythen vs. Realität.
„KI braucht Big Data“, „KI ist zu teuer für Mittelständler“, „KI ersetzt jeden Bürojob“ — die zehn häufigsten KI-Mythen und was wirklich stimmt.
Artikel lesenWie KI wirklich funktioniert — in 20 Minuten verstanden.
Tokens, Embeddings, Transformer — die wichtigsten Konzepte hinter modernen Sprachmodellen, erklärt für Entscheider. Ohne Mathe, aber präzise.
Artikel lesenKI lernen ohne IT-Hintergrund.
Sie sind kein Programmierer, wollen aber KI im Berufsalltag nutzen? Ein realistischer Lernpfad in vier Stufen, der ohne Code auskommt.
Artikel lesenMit KI experimentieren: die ersten 30 Tage.
Nicht lesen, machen. Ein konkreter 30-Tage-Plan, mit dem Sie KI in Ihren Arbeitsalltag bringen — eine Übung pro Tag, jede unter zehn Minuten.
Artikel lesenAus KI-Fehlern anderer Unternehmen lernen.
Die zehn häufigsten Stolperfallen aus echten Mittelstands-KI-Projekten — und wie sich diese Fehler aus zweiter Hand vermeiden lassen, ohne sie selbst zu erleben.
Artikel lesenKI im Vergleich zu früheren Technologiewellen.
Internet, Mobile, Cloud — jede Welle hatte ihre Erfolgs- und Misserfolgsmuster. Was sich für KI übernehmen lässt und wo sie fundamental anders ist.
Artikel lesenDie KI-Lernkurve realistisch einschätzen.
Vom ersten ChatGPT-Prompt bis zur produktiven Nutzung im Berufsalltag — die typische Lernkurve in Wochen, mit konkreten Etappen und Aha-Momenten.
Artikel lesenWelche KI-Kompetenzen ein Team wirklich braucht.
Brauchen Sie einen Data Scientist? Einen Prompt Engineer? Einen MLOps-Spezialisten? Eine pragmatische Einordnung, welche KI-Rollen im Mittelstand wirklich nötig sind.
Artikel lesenKI im Einzelhandel: vom Kassenbon bis zum Sortiment.
Welche KI-Anwendungen im stationären und Online-Handel heute schon funktionieren — und welche noch in der Demo-Phase stecken. Konkrete Anwendungsfälle für 50- bis 500-Mitarbeiter-Händler.
Artikel lesenKI in der Gastronomie: vom Wareneinsatz bis zur Reservierung.
Restaurants kämpfen mit knappen Margen und unsicherer Auslastung. Wie KI bei Bestellprognose, Personalplanung und Reservierungsmanagement reale Entlastung bringt.
Artikel lesenKI in der Hotellerie: vom Preis bis zur Bewertung.
Hotels stehen unter doppeltem Druck: Margenoptimierung und Gästeerwartung. Wie KI Revenue Management, Gästekommunikation und Personalplanung verbindet, ohne den Service zu entseelen.
Artikel lesenKI in der Arztpraxis: Entlastung im Praxisalltag.
Niedergelassene Ärzte arbeiten am Limit. Wo KI den Praxisalltag heute schon spürbar entlastet — und welche Bereiche dem Arzt selbst vorbehalten bleiben müssen.
Artikel lesenKI in der Anwaltskanzlei: Recherche, Schriftsatz, Mandant.
Anwälte stehen zwischen Mandantenerwartung und Stundensatzwirtschaft. Wie KI heute bei Recherche, Vertragsprüfung und Schriftsatz spürbar hilft — innerhalb klarer Grenzen.
Artikel lesenKI im Steuerbüro: Buchung, Beleg, Beratung.
Steuerkanzleien stehen unter Effizienzdruck wie kaum eine andere Branche. Wo KI bei Belegerfassung und Buchungsvorschlag heute schon entlastet — DATEV-kompatibel gedacht.
Artikel lesenKI für Immobilienmakler: Exposé, Bewertung, Akquise.
Maklergeschäft ist Vertrauensgeschäft — und unter starkem Effizienzdruck. Wie KI Exposés, Bewertungen und Akquise beschleunigt, ohne das Vertrauen zum Eigentümer zu beschädigen.
Artikel lesenKI in der Versicherung: vom Antrag bis zum Schaden.
Versicherungsmakler und Vermittler haben enorme Routineanteile. Wo KI heute schon Antrag, Police-Vergleich und Schadensregulierung effizienter macht — mit klaren Grenzen.
Artikel lesenKI im Bildungswesen: vom Lehrplan bis zur Korrektur.
Bildungsanbieter — Akademien, private Schulen, Sprachinstitute — kämpfen mit Lehrermangel und Korrekturlast. Wie KI Lehrkräfte entlastet, ohne den Lernprozess zu entseelen.
Artikel lesenKI in der Pflege: Dokumentation, Planung, Entlastung.
Pflegekräfte verbringen bis zu 30 Prozent der Zeit mit Dokumentation. Wie KI Dokumentation, Tourenplanung und Angehörigenkommunikation entlastet — ohne pflegerische Verantwortung zu verschieben.
Artikel lesenKI im Bauunternehmen: Angebot, Kalkulation, Bauleitung.
Bauunternehmen leiden unter Materialschwankungen und Fachkräftemangel. Wo KI bei Kalkulation, Materialbedarf und Bauleitungsdokumentation pragmatisch entlastet — baustellenfest umgesetzt.
Artikel lesenKI im Architekturbüro: Entwurf, Variation, Visualisierung.
Architekturbüros stehen zwischen Handwerk und Hightech. Wie KI bei Entwurfsvariationen, Visualisierungen und Genehmigungsunterlagen entlastet, ohne die Handschrift des Büros zu verwässern.
Artikel lesenKI in der Werbeagentur: Kreation, Variation, Tempo.
Werbeagenturen leben von Kreativität — und werden von ihren Kunden zur Lieferanten degradiert, wenn sie KI nur als Effizienzwerkzeug einsetzen. Eine Differenzierungs-Strategie.
Artikel lesenKI für Personaldienstleister: Matching, Kommunikation, Auswahl.
Personaldienstleister stehen unter doppeltem Druck: schnelle Besetzung und Compliance. Wie KI Matching, Kommunikation und Vorauswahl beschleunigt, ohne Diskriminierungsrisiken zu erzeugen.
Artikel lesenVertragsprüfung mit KI.
KI prüft Verträge in Minuten, nicht Stunden. Wie sie Risiken, Klauseln und Abweichungen identifiziert — und an welchen Stellen sie nie den Anwalt ersetzen wird.
Artikel lesenMehrsprachige Kommunikation mit KI.
Wo DeepL aufhört, fängt moderne KI-Übersetzung erst an. Wie Unternehmen mehrsprachig kommunizieren — mit ehrlichen Qualitätsbandbreiten je Sprache und Anwendungsfall.
Artikel lesenPräsentationen mit KI erstellen.
Präsentationen kosten oft mehr Zeit, als das Ergebnis wert ist. Wie KI Struktur, Texte und Visualisierung beschleunigt — und welche Schritte trotzdem beim Menschen bleiben.
Artikel lesenPersonalauswahl mit KI.
Bewerbungen durchforsten, Lebensläufe matchen, Pre-Interviews führen — KI kann viel im Bewerbungsprozess. Was sie darf, was sie nicht darf, und wo die Verantwortung bleibt.
Artikel lesenKundenfeedback-Analyse mit KI.
10.000 Rezensionen liest niemand mehr. Wie KI Stimmungen, Themen und versteckte Hinweise aus Kundenfeedback extrahiert — und woran man die Qualität der Analyse erkennt.
Artikel lesenNewsletter-Personalisierung mit KI.
Ein Newsletter, der für jeden Empfänger anders aussieht — und trotzdem authentisch wirkt. Wie KI Personalisierung skaliert, ohne den Charakter zu verlieren.
Artikel lesenMarktforschung mit KI beschleunigen.
Marktforschung dauerte früher Wochen. Mit KI sind erste belastbare Ergebnisse in Stunden möglich — aber nur unter bestimmten Bedingungen. Die wichtigsten KI-Werkzeuge im Vergleich.
Artikel lesenWettbewerbsanalyse mit KI.
Wettbewerber permanent zu beobachten war früher Konzern-Privileg. Wie KI das auch für Mittelständler bezahlbar macht — und wovon man trotzdem die Finger lassen sollte.
Artikel lesenKI-FAQ-Bot für die Website.
Ein Chatbot, der echte Fragen beantwortet — nicht ein Buttondialog mit fünf Pfaden. Wie ein KI-FAQ-Bot Kunden hilft, ohne aufdringlich oder peinlich zu wirken.
Artikel lesenInternes Handbuch als KI-Chat.
Das interne Handbuch liest niemand — aber alle hätten die Antworten gern parat. Wie aus PDFs, Confluence-Seiten und Verfahrensanweisungen ein durchsuchbarer KI-Chat wird.
Artikel lesenHaftung bei KI-Fehlern in Deutschland.
Wenn die KI einen teuren Fehler macht — wer zahlt? Eine nüchterne Einordnung der deutschen Rechtslage zu KI-Haftung, mit konkreten Beispielen aus der Geschäftspraxis.
Artikel lesenKI-Bias und Diskriminierung vermeiden.
KI-Bias ist kein theoretisches Problem — er kann teure AGG-Klagen produzieren. Wie Bias entsteht, woran man ihn erkennt und welche Schritte ihn praktisch reduzieren.
Artikel lesenEU AI Act in der Praxis.
Der EU AI Act ist da. Was er für Mittelständler konkret bedeutet, welche Anwendungen in welche Risikoklasse fallen — und welche Pflichten und Fristen Sie wirklich treffen.
Artikel lesenMitarbeiter-Datenschutz bei KI-Einsatz.
KI-Tools sammeln laufend Daten — auch über Mitarbeitende. Wie Unternehmen Datenschutz ernst nehmen, Vertrauen erhalten und der Betriebsrat zum Verbündeten wird.
Artikel lesenCybersecurity-Risiken bei KI-Einsatz.
KI ist nicht nur Schutz, sondern auch Angriffsfläche. Welche neuen Risiken sie ins Unternehmen bringt — und wie ein Mittelständler diese ohne Sicherheits-Großapparat kontrolliert.
Artikel lesenPrompt Injection: das unterschätzte Risiko.
Prompt Injection ist die SQL-Injection des KI-Zeitalters — und die meisten Unternehmen kennen sie nicht einmal. Was sie ist, was sie kann und wie man sich praxistauglich schützt.
Artikel lesenSchatten-KI im Unternehmen.
Mitarbeitende nutzen längst ChatGPT — auch ohne Genehmigung. Warum Verbote selten funktionieren und welche Strategie aus Schatten-KI ein produktives Werkzeug macht.
Artikel lesenTransparenz und Erklärbarkeit von KI.
Eine KI-Entscheidung, die niemand erklären kann, ist im Geschäftsalltag ein Problem. Wie sich Erklärbarkeit pragmatisch herstellen lässt — auch ohne Forschungsabteilung.
Artikel lesenAngst vor KI bei Mitarbeitern abbauen.
Die Angst vor Jobverlust durch KI ist real — und wird selten offen ausgesprochen. Wie Führung diese Angst ernst nimmt, ohne sie zu beschönigen oder zu ignorieren.
Artikel lesenKI und Führung: neue Verantwortung.
KI verändert nicht nur Prozesse, sondern Führungsverantwortung. Was Führungskräfte neu lernen müssen — und welche Verantwortung sich gerade nicht delegieren lässt.
Artikel lesenBetriebsrat und KI: Mitbestimmung pragmatisch.
Der Betriebsrat hat bei KI-Einführungen kräftige Mitbestimmungsrechte — und wird oft zum vermeintlichen Bremser. Wie aus der Pflicht ein produktives Bündnis wird.
Artikel lesenKI-Einsatz: Kommunikation an Kunden.
Wann muss ein Unternehmen Kunden sagen, dass es KI nutzt? Wann ist Schweigen ein Vertrauensbruch? Eine ehrliche Einordnung mit Branchenunterschieden und Beispielen.
Artikel lesenGenerationenkonflikt rund um KI.
„Die Jungen nutzen KI ständig, die Älteren wollen nicht ran“ — die einfache Lesart greift zu kurz. Wo KI in den Generationen wirklich polarisiert und wie Führung Brücken baut.
Artikel lesenKI in der Cloud vs. On-Premise.
Cloud klingt einfach, On-Premise klingt sicher — aber die Realität ist komplizierter. Eine Entscheidungsmatrix mit konkreten Kostenmodellen und Sicherheitsaspekten.
Artikel lesenKI-API vs. Eigenentwicklung.
Eigene Modelle trainieren? KI-API einkaufen? Die Frage ist falsch gestellt. Wann was wirklich Sinn ergibt — mit Kostenrechnungen für typische Mittelstandsbudgets.
Artikel lesenMulti-Modell-Strategie für KI im Unternehmen.
Nur OpenAI? Nur Claude? Nur Mistral? Wer auf ein Modell setzt, wird abhängig — und teuer. Wie eine Multi-Modell-Strategie aussieht, ohne in Komplexität zu ertrinken.
Artikel lesenModel-Routing: das richtige Modell pro Aufgabe.
Nicht jede Aufgabe braucht das teuerste Modell. Wie Model-Routing das passende Modell pro Aufgabe wählt — und damit Kosten halbiert, ohne Qualität zu verlieren.
Artikel lesenFine-Tuning vs. RAG: wann was?
Fine-Tuning, RAG, Prompt Engineering — drei Wege, ein Sprachmodell auf das eigene Unternehmen einzustellen. Wann was funktioniert, und wann sich der Aufwand wirklich lohnt.
Artikel lesenKI-Agenten: die nächste Welle.
Nach Sprachmodellen kommen Agenten — KI, die selbstständig mehrstufige Aufgaben erledigt. Was das heute schon kann, woran es noch scheitert und wo Mittelständler einsteigen sollten.
Artikel lesenMultimodale KI: Text, Bild, Audio, Video.
KI versteht nicht mehr nur Text. Wie multimodale Modelle Bilder, Audio und Video in den Workflow holen — und welche Anwendungen das im Mittelstand neu eröffnet.
Artikel lesenKI auf Edge-Devices: lokal, schnell, datenschutzfreundlich.
Manche KI muss vor Ort laufen — wegen Latenz, Datenschutz oder Offline-Fähigkeit. Wann Edge-KI heute schon Sinn ergibt und welche Hardware sich rechnet.
Artikel lesenKI-Roboter in der physischen Welt.
KI verlässt den Bildschirm und greift in die physische Welt. Wo Roboter heute schon Mehrwert bringen, wo sie noch in der Demo stecken — und welche Hürden im Mittelstand bestehen.
Artikel lesenKI mit AR und VR kombinieren.
KI plus AR/VR ist kein Spielzeug. Wo die Kombination heute schon im Mittelstand funktioniert — von der Servicetechniker-Brille bis zur Mitarbeiterschulung.
Artikel lesenKI-Prognose: wo Unternehmen 2030 stehen.
Wo wird der deutsche Mittelstand 2030 mit KI stehen? Eine Prognose ohne Hype, aber mit Substanz — was sich klar abzeichnet, was unklar bleibt und was bewusst noch offen ist.
Artikel lesenDas Tempo des KI-Wandels managen.
Alle drei Monate ein neues KI-Modell, jede Woche ein neuer Trend — wie Unternehmen mit dem Veränderungstempo umgehen, ohne in Aktionismus oder Lähmung zu verfallen.
Artikel lesenKI im B2B-Vertrieb: Recherche bis Abschluss.
Im B2B-Vertrieb entscheidet Vorbereitung. Wie KI Recherche, Akquise und Angebotserstellung beschleunigt — ohne dass der Kunde merkt, dass er mit einer Maschine spricht.
Artikel lesenKI in der Buchhaltung: vom Beleg zur Bilanz.
Kein Mittelständler will mehr Belege abtippen. Wie KI die Buchhaltung pragmatisch entlastet — von der Beleg-Erfassung über Buchungsvorschläge bis zur Auswertung.
Artikel lesenKI im Controlling: Analyse, Forecast, Reporting.
Controller verbringen 80 Prozent der Zeit mit Datensammeln, 20 mit Analyse. Wie KI das Verhältnis umdreht — und Controller endlich zu Beratern der Geschäftsführung macht.
Artikel lesenKI für den IT-Helpdesk: Ticket bis Lösung.
Der interne IT-Helpdesk ist die unterschätzte Kostenstelle. Wie KI Triage, Self-Service und Wissensdatenbank verbindet — und die IT von Routine entlastet.
Artikel lesenKI in der Personalentwicklung: Skill-Gap zum Lernpfad.
Personalentwicklung in Standard-Schulungen funktioniert nicht mehr. Wie KI individuelle Skill-Lücken erkennt, Lernpfade vorschlägt und Mitarbeitende dort abholt, wo sie stehen.
Artikel lesenKI im Recruiting: Sourcing, Matching, Ansprache.
Im Recruiting wird LinkedIn zur Massenware. Wie KI Active Sourcing und Erstansprache entlastet — ohne dass Kandidaten merken, dass sie eine standardisierte Nachricht erhalten.
Artikel lesenKI bei Mitarbeitergesprächen: Vorbereitung, Protokoll, Follow-up.
Mitarbeitergespräche sind Vertrauensraum — und werden durch KI schnell zur Überwachung. Wo KI sinnvoll unterstützt und wo sie der Beziehung zwischen Führung und Team schadet.
Artikel lesenKI im Onboarding-Prozess: schneller produktiv werden.
Neue Mitarbeitende brauchen im Schnitt drei bis sechs Monate, bis sie produktiv sind. Wie KI diese Phase halbieren kann — und welche Teile menschlich bleiben müssen.
Artikel lesenWissenstransfer vor dem Renteneintritt.
Die geburtenstarken Jahrgänge gehen — und nehmen ihr Wissen mit. Wie KI hilft, implizites Wissen vor dem Ausscheiden zu sichern und für die Nachfolge nutzbar zu machen.
Artikel lesenKI fürs Exportgeschäft: Märkte schneller erschließen.
Auslandsexpansion war früher teuer und langsam. Wie KI bei Sprache, Marktrecherche und Regulatorik den Markteintritt verkürzt — Beispiele aus der Mittelstands-Praxis.
Artikel lesenKI für Nachhaltigkeit und ESG-Reporting.
CSRD, Lieferkettengesetz, ESG-Reporting — die Compliance-Last wächst. Wie KI Daten sammelt, Berichte erstellt und Anomalien findet, ohne in Greenwashing zu kippen.
Artikel lesenKI für Energieeffizienz im Unternehmen.
Energie ist 2026 wieder ein Kostenfaktor. Wie KI Verbrauch optimiert, Lastspitzen glättet und Anlagen vorausschauend regelt — mit ehrlichen Einsparungs-Bandbreiten.
Artikel lesenCO2-Bilanzierung mit KI.
Scope 3 ist die Hölle für CO2-Reporting — eine Lieferkette, hunderte Lieferanten, schlechte Daten. Wie KI hilft, Bilanzen pragmatisch zu erstellen ohne in Greenwashing zu kippen.
Artikel lesenLieferantenbewertung mit KI.
Lieferanten zu kennen wird Pflicht — von Insolvenzrisiko bis ESG-Reporting. Wie KI ganzheitliche Bewertung ermöglicht und welche Fallstricke aus der Praxis lauern.
Artikel lesenKI als Krisen-Frühwarnsystem.
Insolvenzen kündigen sich Monate vorher an — Menschen sehen die Signale nur nicht. Wie KI Frühwarnsignale erkennt: bei Kunden, Lieferanten und im eigenen Unternehmen.
Artikel lesenKI-Voicebot in der Telefonie.
Voicebots können heute viel mehr als das alte IVR-Menü. Wo sie Kunden helfen, wo sie sie vergraulen — und wie ein Mittelständler den Einstieg schafft.
Artikel lesenVoice Cloning in der Praxis.
Eine geklonte Stimme spricht in beliebig vielen Sprachen — verlässlich und konsistent. Wo Voice Cloning im Mittelstand sinnvoll ist und wo das Persönlichkeitsrecht beginnt.
Artikel lesenKI für Cold-Email-Akquise im B2B.
Massen-Cold-Mails sind tot. Wie KI personalisierte Sequenzen schreibt, die geöffnet werden — und wie sich Spam-Beschwerden, Bounce-Rate und DSGVO im Zaum halten lassen.
Artikel lesenKI im Social Selling: LinkedIn richtig nutzen.
LinkedIn ist im B2B-Vertrieb längst Pflicht — aber nur, wenn es authentisch klingt. Wie KI Postings, Kommentare und Nachrichten skaliert, ohne dass der Empfänger den Bot riecht.
Artikel lesenKI im Customer Success: Kunden im Erfolg halten.
Customer Success ist mehr als Beschwerden bearbeiten. Wie KI Health-Scores berechnet, Churn-Risiken früh erkennt und CS-Teams mit individuellen Empfehlungen versorgt.
Artikel lesenKI für Retention und After-Sales.
Bestandskunden sind günstiger als Neukunden. Wie KI im After-Sales die richtigen Angebote zur richtigen Zeit erstellt — ohne den Kunden zu nerven.
Artikel lesenKI-Produktbeschreibungen im E-Commerce.
Hunderte Artikel pro Saison, jeder braucht zehn Sätze. Wie KI Produktbeschreibungen skaliert, ohne dass am Ende alles gleich klingt — und wie SEO trotz Massenproduktion sauber bleibt.
Artikel lesenKI im PIM: Produktinformationen pflegen.
Im PIM liegen Daten, die nirgendwo richtig konsistent gepflegt sind. Wie KI Attribute klassifiziert, fehlende Felder ergänzt und Texte in zwanzig Sprachen liefert.
Artikel lesenKI für Produktkonfiguratoren: individuell statt Katalog.
Variantenreiche Produkte sind heute noch oft Excel-Salesarbeit. Wie KI-gestützte Konfiguratoren beratungsähnlich führen, machbare von unmöglichen Varianten trennen und CPQ-Reibung reduzieren.
Artikel lesenDynamic Pricing im Mittelstand mit KI.
Dynamic Pricing ist mehr als Hotel-Buchung. Wie ein Mittelständler mit Vertragspreisen, Saisonschwankungen und Bestandskundenbindung KI-gestützte Preise einführt — ohne Kunden zu verprellen.
Artikel lesenTier-1 Service Desk mit KI lösen.
Tier-1-Anfragen verschlingen den meisten Support-Aufwand und sind doch oft repetitiv. Wie KI diese Fälle direkt löst, Eskalationen sauber übergibt und Tier-2 für die wirklich kniffligen Fälle freispielt.
Artikel lesenKI im Reklamationsmanagement: schneller und fairer.
Reklamationen sind teuer — und gleichzeitig wertvolle Lerngelegenheit. Wie KI Fälle klassifiziert, Kulanzentscheidungen vorbereitet und Muster sichtbar macht, die sonst niemand sehen würde.
Artikel lesenKI in der Garantieabwicklung: Prozesszeiten halbieren.
Garantiefälle binden enorm viel Personal — und der Kunde wartet währenddessen. Wie KI Belege prüft, Bestandsdaten verknüpft und Entscheidungen vorbereitet, ohne die Letztverantwortung zu verschieben.
Artikel lesenDemand Forecasting mit KI.
Bedarfsprognose entscheidet über Lagerbestände, Liquidität und Lieferfähigkeit. Wie KI saisonale Muster, Sonderaktionen und externe Einflüsse zusammenführt — mit realistischen Genauigkeiten.
Artikel lesenKI in der Disposition: Bestände im Griff.
Disposition ist Erfahrung plus Excel. Wie KI Bestellmengen, Sicherheitsbestand und Lieferantenwahl unterstützt — ohne dass der Mittelständler ein Konzern-Tool braucht.
Artikel lesenKI in der Tourenplanung: Wege, Zeit, Kosten.
Tourenplanung von Hand kostet im Servicebetrieb zehn Prozent Effizienz. Wie KI Reihenfolgen, Zeitfenster und Verkehrslage zusammenführt — mit realistischen Einsparungen aus der Mittelstandspraxis.
Artikel lesenKI im Flottenmanagement: Fahrzeuge effizient nutzen.
Eine Flotte von 20 Fahrzeugen lässt sich heute noch nach Bauchgefühl steuern — und kostet damit oft fünfstellig pro Jahr unnötig. Wie KI Auslastung, Wartung und Energiekosten verbindet.
Artikel lesenWartungsplanung mit KI vorausschauend.
Predictive Maintenance ist nicht erst seit gestern Thema. Wie ein Mittelständler ohne IoT-Großprojekt zu vorausschauender Wartung kommt — mit Daten, die ohnehin schon vorhanden sind.
Artikel lesenKI im strategischen Einkauf: Marktmacht und Margen.
Im Einkauf werden Margen verdient oder verschenkt. Wie KI Marktanalysen schneller, Lieferantenbewertungen objektiver und Verhandlungsvorbereitungen substanzieller macht.
Artikel lesenKI-Bots in Verhandlungen.
Verhandlungs-Bots klingen futuristisch, aber sind im Einkauf längst Realität. Wo sie heute funktionieren, wo Menschen unverzichtbar bleiben — mit konkreten Use Cases.
Artikel lesenRFP/RFQ-Analyse mit KI.
Vor jedem Angebot wartet die Ausschreibung mit 80 Seiten. Wie KI strukturierte Antworten und Angebotsgliederungen vorbereitet — und welche Fallstricke man bei vertraulichen Unterlagen beachten muss.
Artikel lesenKI im Tendering: öffentliche Aufträge gewinnen.
Öffentliche Aufträge sind ein lohnender Markt — aber die Hürde liegt im Tendering-Prozess. Wie KI passende Ausschreibungen findet, Bewertungen vorbereitet und Angebote strukturiert.
Artikel lesenKI für Förderantragsstellung: Aufwand halbieren.
Förderanträge zu schreiben kostet jeden Mittelständler Wochen. Wie KI passende Programme erkennt, Anträge auf Basis bisheriger Unterlagen vorbereitet und Berichtspflichten dokumentiert.
Artikel lesenKI für Patentrecherche und IP-Strategie.
Patente sind im Mittelstand oft strategischer Hebel — und werden gleichzeitig zu wenig gepflegt. Wie KI Patentlandschaften aufzeigt, Wettbewerber beobachtet und eigene Anmeldungen vorbereitet.
Artikel lesenMarkenüberwachung mit KI.
Markenmissbrauch beginnt heute oft unbemerkt — bei Domain-Squatting, Fake-Shops oder Social-Media-Profilen. Wie KI Auffälligkeiten früh erkennt und eine pragmatische Eskalationskette ermöglicht.
Artikel lesenKI im Maschinenbau: vom Engineering bis zum Service.
Der deutsche Maschinenbau ist KI-Skeptiker und KI-Anwender zugleich. Wo KI im Engineering, in der Konfiguration und im Service realistisch Wert schafft — und welche Hürden bleiben.
Artikel lesenKI in der Metallverarbeitung: Schnittstelle Maschine-Mensch.
In der Metallverarbeitung trifft handwerkliches Können auf hochkomplexe Maschinen. Wie KI bei CNC-Programmierung, Materialausnutzung und Qualitätskontrolle pragmatisch entlastet.
Artikel lesenKI in der Kunststoffverarbeitung: Prozesse stabilisieren.
Kunststoffverarbeitung ist Prozesskunst. Wie KI Materialschwankungen, Anfahrkurven und Ausschussraten beherrschbar macht — auf Basis ohnehin vorhandener Maschinendaten.
Artikel lesenKI in der Lebensmittelindustrie: Sicherheit und Marge.
Lebensmittelhersteller balancieren Qualitätsanforderungen, knappe Margen und strenge Regulierung. Wie KI in Qualitätssicherung, Rückverfolgbarkeit und Rohstoffausnutzung Wert schafft.
Artikel lesenKI in der Pharmaindustrie: Compliance trifft Effizienz.
In der Pharma trifft KI auf strenge Regulierung. Wo sie heute realistisch Wert schafft — in Dokumentation, Pharmakovigilanz und Produktion — und welche GxP-Hürden bleiben.
Artikel lesenKI in der Elektroindustrie: Schaltschrank bis After-Sales.
In der Elektroindustrie wird viel Engineering-Zeit für Wiederholarbeiten verbraucht. Wie KI Schaltschrankbau, Stücklisten und Inbetriebnahme-Dokumentation beschleunigt.
Artikel lesenKI in der Möbelindustrie: von der Idee zum Stück.
Variantenreichtum und individuelle Wünsche sind das Geschäft der Möbelindustrie. Wie KI Konfiguration, Visualisierung und Stücklistenerstellung verbindet.
Artikel lesenKI im Verlagswesen: Redaktion und Vertrieb.
Verlage stehen unter doppeltem Druck: Qualität halten, Effizienz steigern. Wie KI in Recherche, Redaktion, Personalisierung und Vermarktung arbeitet, ohne den journalistischen Kern aufzulösen.
Artikel lesenKI im Tourismus: vom Angebot bis zum Service.
Tourismus ist Erlebnis und Service. Wie Reisebüros, Anbieter und Destinationen mit KI individuelle Angebote, Kommunikation und After-Travel-Service skalieren, ohne den persönlichen Charakter zu verlieren.
Artikel lesenKI in der Fitness-Branche: Studio, Trainer, Member.
Fitness-Studios leben von Bindung. Wie KI bei Trainingsplänen, Member-Kommunikation und Auslastungssteuerung hilft — und wo die persönliche Beratung Trainerinnen und Trainern überlassen bleibt.
Artikel lesenKI in der Beauty- und Friseurbranche.
In Salons fehlt selten Service, oft fehlt Zeit. Wie Friseur- und Kosmetikbetriebe KI für Buchung, Beratung und Marketing einsetzen — ohne dass die Inhaberin zum Tech-Profi werden muss.
Artikel lesenKI in der Kfz-Werkstatt: Diagnose, Termin, Beratung.
In der Werkstatt zählt jede Minute. Wie KI bei Diagnose, Terminkoordination und Kundenkommunikation pragmatisch hilft — auch ohne dass jeder Mitarbeiter Tablet-affin ist.
Artikel lesenKI im Autohaus: Vertrieb und After-Sales.
Die Autohaus-Branche durchläuft eine harte Strukturveränderung. Wie KI im Vertrieb (Konfiguration, Probefahrten, Finanzierung) und in After-Sales (Service-Termine, Kontaktstrecke) Stabilität liefert.
Artikel lesenKI in der Druckerei: Auftragsabwicklung neu gedacht.
Druckereien sind klassische Mittelständler unter Margendruck. Wie KI bei Datencheck, Web-to-Print-Workflows und Disposition Effizienz schafft — ohne Druckqualität zu kompromittieren.
Artikel lesenKI in der Eventbranche: Planung bis Nachbereitung.
In der Eventbranche entscheidet das Detail. Wie KI bei Planung, Teilnehmer-Kommunikation, Live-Übersetzung und Nachbereitung hilft — ohne dass das Event seelenlos wird.
Artikel lesenKI im Garten- und Landschaftsbau.
Galabau ist Handwerk mit hoher Saisonalität. Wie KI bei Angebotskalkulation, Tourenplanung und Materialdisposition hilft — und welche Tools sich für 5- bis 50-Mitarbeiter-Betriebe rechnen.
Artikel lesenKI in der Reinigungs- und Facility-Branche.
Gebäudereinigung lebt von zuverlässiger Personalsteuerung. Wie KI bei Schichtplanung, Qualitätskontrolle und Kundenkommunikation hilft — bei oft hoher Mitarbeiterfluktuation und Sprachvielfalt.
Artikel lesenKI in der Spedition: Disposition bis Frachtbrief.
Speditionen jonglieren mit knappen Margen, Fahrermangel und Brüssel-Bürokratie. Wie KI bei Disposition, Telematik, Zollabwicklung und Frachtbriefen pragmatisch entlastet — auch ohne Tech-Großprojekt.
Artikel lesenKI im B2B-Großhandel: Sortiment bis Kundenbindung.
Großhändler verdienen mit Sortimentstiefe und Service — und stehen unter Druck durch Plattformen. Wie KI bei Sortimentssteuerung, dynamischen Preisen und Kundenbindung Schlagkraft schafft.
Artikel lesenKI im Ingenieurbüro: vom Konzept bis zur Abrechnung.
Ingenieurbüros sind klassisch personenstark und stundensatzgetrieben. Wie KI bei Berechnungen, Dokumentation und Abrechnung Wert schafft — innerhalb der HOAI-Realität.
Artikel lesenDas KI-Reifegrad-Modell für den Mittelstand.
Wo steht Ihr Unternehmen wirklich? Ein Reifegrad-Modell in fünf Stufen — von ersten Pilotversuchen bis zur strategischen Verankerung. Mit Indikatoren, an denen Sie sich ehrlich einordnen können.
Artikel lesenKI-Backlog richtig priorisieren.
Ideen für KI gibt es überall — Umsetzungskapazität nirgends. Wie aus der Sammelliste ein priorisiertes Programm wird, das im nächsten Quartal wirklich liefert.
Artikel lesenKI-Team aufbauen: inhouse, hybrid, ausgelagert.
Soll der Mittelständler eigene KI-Spezialisten einstellen oder zukaufen? Drei Modelle mit ihren Stärken und Schwächen, sowie konkrete Rollenprofile, die wirklich gebraucht werden.
Artikel lesenKI-Champions-Programm im Unternehmen.
Wenige KI-Spezialisten allein bringen die Organisation nicht voran. Wie ein Champions-Programm Multiplikatoren in den Fachbereichen aufbaut — ohne dass Schatten-KI oder Wildwuchs entsteht.
Artikel lesenKI Center of Excellence im Mittelstand.
Konzerne bauen für KI eigene Center of Excellence. Wann das auch im Mittelstand sinnvoll ist — und wie es nicht zur abgekoppelten Stabsstelle wird, die niemand mehr ernst nimmt.
Artikel lesenKI-Steuerungsrunden etablieren.
Viele KI-Programme leiden an zu vielen Meetings mit zu wenig Entscheidungen. Wie eine schlanke Steuerungsrunde funktioniert, die wirklich steuert — Frequenz, Teilnehmer, Agenda.
Artikel lesenKI-Reporting an die Geschäftsführung.
Geschäftsführer wollen wissen: bringt die KI-Investition wirklich was? Wie ein KI-Reporting aussieht, das ehrlich Fortschritt zeigt, Risiken anspricht und Entscheidungen vorbereitet.
Artikel lesenKI-Vendor-Management professionell aufstellen.
KI-Anbieter wachsen schnell, manche verschwinden ebenso schnell. Wie ein Mittelständler Anbieter professionell auswählt, steuert und Wechsel vorbereitet — ohne in Abhängigkeit zu kippen.
Artikel lesenKI-SLA mit Anbietern verhandeln.
Standard-SLAs der großen KI-Anbieter reichen oft nicht. Welche Punkte ein Mittelständler wirklich verhandeln sollte — Verfügbarkeit, Latenz, Modellwechsel, Datenschutz, Exit-Klausel.
Artikel lesenMigration zwischen KI-Anbietern.
Der Wechsel von einem KI-Anbieter zum nächsten klingt einfach — bis man es versucht. Was tatsächlich an Migrationskosten anfällt: Daten, Prompts, Workflows, Eval-Suites, Integrationen.
Artikel lesenVendor-Lock-in bei KI vermeiden.
Wer heute alles in einen KI-Anbieter steckt, hat morgen vielleicht das Problem, dass dieser die Preise verdoppelt. Wie sich Mittelständler architektonisch, vertraglich und datentechnisch absichern.
Artikel lesenStammdaten als KI-Grundlage.
Ohne saubere Stammdaten ist jedes KI-Projekt zum Scheitern verurteilt. Wie ein Mittelständler Stammdaten pragmatisch verbessert, statt sie zu perfektionieren — mit klaren Prioritäten.
Artikel lesenKI-Datenqualität messen.
Datenqualität ist mehr als „die Daten sind sauber“. Welche konkreten Kennzahlen die Eignung für KI-Projekte messen — und wie man sie pragmatisch erhebt, ohne ein Data-Governance-Tool zu kaufen.
Artikel lesenKI-Monitoring und Observability.
Wer KI nur einsetzt, ohne sie zu überwachen, fliegt blind. Welche Metriken im Mittelstand wirklich gebraucht werden — Modellverhalten, Kosten pro Vorgang, Drift, Ausfallzeiten. Pragmatisch umgesetzt.
Artikel lesenKI-Drift erkennen und reagieren.
Ein KI-Modell, das heute funktioniert, kann in sechs Monaten schleichend an Qualität verlieren — ohne dass es jemand merkt. Wie man Drift erkennt und welche Reaktionen tatsächlich helfen.
Artikel lesenMicrosoft 365 Copilot in der Praxis.
Microsoft verspricht mit Copilot eine Produktivitätsrevolution. Was er im Mittelstand wirklich liefert, wo der Mehrwert kommt — und wie die Lizenz-Mathematik sich rechnet (oder eben nicht).
Artikel lesenGoogle Workspace mit Gemini.
Wer Google Workspace nutzt, bekommt Gemini direkt mit eingebaut. Was sich aus der Praxis heute lohnt — und wo das Tool hinter Microsoft 365 Copilot zurückbleibt.
Artikel lesenNotion AI im Unternehmen.
Wer mit Notion arbeitet, hat KI direkt im Werkzeug. Was Notion AI wirklich liefert, wo es enttäuscht, und wann der Wechsel zu spezialisierten Tools sinnvoll ist.
Artikel lesenWhisper für Audio-Transkripte.
Audio in Text zu verwandeln ist heute trivial — wenn man die richtige Variante wählt. Wie Whisper im Unternehmen läuft, welche Cloud- und Self-Hosting-Varianten welche Vorteile bringen.
Artikel lesenPower Automate mit KI verbinden.
Wer im Microsoft-Ökosystem arbeitet, kann mit Power Automate KI direkt in Workflows einbauen — ohne tiefe Programmierkenntnisse. Wie das funktioniert und wo die Grenzen liegen.
Artikel lesenNo-Code-KI für Fachbereiche.
Wenn der Fachbereich selbst eigene KI-Anwendungen baut, geht es schneller — und potenziell aus dem Ruder. Wie No-Code-Plattformen helfen und welche Leitplanken Governance verlangt.
Artikel lesenElevenLabs für Stimm-Generierung.
Synthetische Stimmen klingen heute kaum mehr von Menschen unterscheidbar. Wo ElevenLabs konkret im Unternehmen einsetzbar ist — bei Voiceovers, Schulungsvideos, mehrsprachigen Inhalten.
Artikel lesenKI-Videogenerierung mit Runway und Sora.
KI-Videogenerierung hat in den letzten zwei Jahren riesige Sprünge gemacht. Wo sie heute schon im Marketing taugt — und wo der Aufwand für Konsistenz und Qualität noch zu hoch ist.
Artikel lesenStable Diffusion und Flux im Unternehmen.
Offene Bildgenerierungsmodelle bringen Flexibilität — und Aufwand. Wann sich Stable Diffusion oder Flux im Unternehmen lohnen, und wann der Pragmatismus zu Midjourney und DALL-E ruft.
Artikel lesenVibe Coding im Mittelstand.
Vibe Coding ist mehr als ChatGPT-Hilfe beim Programmieren. Wie KI-gestütztes Coding mit Tools wie Cursor und Claude Code die Software-Eigenentwicklung im Mittelstand verändert — und wo die Grenzen liegen.
Artikel lesenKI Make-or-Buy: das Rechenmodell.
Eigenbau oder einkaufen? Diese Entscheidung lässt sich nicht aus dem Bauch heraus treffen. Ein Rechenmodell mit den Posten, die wirklich entscheiden — über fünf Jahre, nicht das erste Jahr.
Artikel lesenKI-Pricing-Modelle der Anbieter im Vergleich.
Token, Seats, Volumen, Premium-Features — KI-Anbieter haben verschiedene Pricing-Modelle. Ein Vergleich, der zeigt, welches Modell für welche Nutzung am günstigsten ist.
Artikel lesenLizenz vs. Nutzung: welches KI-Modell rechnet sich?
Pauschal-Lizenz oder nutzungsbasierte Abrechnung? Wie sich beide Modelle für unterschiedliche Anwendungsfälle im Mittelstand wirtschaftlich vergleichen lassen.
Artikel lesenHidden Fees bei KI-Anbietern.
Der Listenpreis ist nur die halbe Wahrheit. Welche versteckten Kosten bei KI-Anbietern wirklich anfallen — Integration, Support, Premium-Features, Datentransfer.
Artikel lesenRabattverhandlung mit KI-Anbietern.
Standardpreise von KI-Anbietern sind in den seltensten Fällen die wirklich gezahlten Preise. Welche Hebel ein Mittelständler bei Rabattverhandlungen wirklich hat — und welche Zeitfenster gut sind.
Artikel lesenVolumenrabatte bei KI-Anbietern.
Bei KI-Anbietern gibt es oft mehr Volumenrabatt, als die Webseite verrät. Wie ein Mittelständler die richtigen Schwellen plant — ohne in „use it or lose it“ zu rutschen.
Artikel lesenKonditionen-Benchmark KI-Anbieter.
„Was zahlen andere für die gleichen KI-Leistungen?“ ist eine berechtigte Frage. Wie sich Konditionen seriös benchmarken lassen, ohne in Apfel-und-Birne-Vergleiche zu fallen.
Artikel lesenKI-EBITDA-Effekte berechnen.
Wie sich KI-Ausgaben buchhalterisch behandeln lassen — als laufende Aufwendungen oder als Aktivierung — und welche Effekte das auf das EBITDA hat. Wichtig vor Bilanzgesprächen mit der Bank.
Artikel lesenKI in der Investorenkommunikation.
Banken, Investoren und Beiräte wollen wissen: Was macht ihr mit KI? Wie sich KI-Aktivitäten glaubwürdig und ehrlich kommunizieren lassen — ohne in Buzzword-Bingo zu kippen.
Artikel lesenKI in der Due Diligence.
Due-Diligence-Prüfungen sind zeitintensiv und stressig. Wie KI Datenraumanalyse, Vertragsdurchsicht und Risikoidentifikation beschleunigt — auf beiden Seiten der Transaktion.
Artikel lesenKI im Strategie-Workshop.
Strategie-Workshops sind oft zu wenig vorbereitet und zu wenig nachbereitet. Wie KI Marktanalysen, Szenarien und Dokumentation liefert, die das Team frei macht fürs eigentliche Denken.
Artikel lesenKI in Klausurtagungen.
Eine Klausurtagung ist teuer — sie sollte sich auch lohnen. Wie KI die Tagung schon im Vorfeld besser macht: Agenda-Schärfung, Marktdaten, Live-Visualisierung der Diskussion.
Artikel lesenKI in Pulsbefragungen.
Mitarbeiter-Pulsbefragungen scheitern oft an der Auswertung. Wie KI Freitext-Antworten analysiert, Trends erkennt und konkrete Maßnahmen vorschlägt — ohne in Überwachung zu kippen.
Artikel lesenKI und Werkstudenten: Lerngenerator nutzen.
Werkstudenten bringen oft mehr KI-Praxiserfahrung mit als Festangestellte. Wie ein Unternehmen sie als Lernmotor nutzt — mit klaren Verantwortlichkeiten statt als billige Hand.
Artikel lesenKI in der Azubi-Ausbildung.
Die Berufsschule hängt bei KI noch hinterher — der Betrieb kann das ausgleichen. Wie Mittelständler Azubis zu KI-erfahrenen Fachkräften machen, ohne die klassischen Ausbildungsinhalte zu vernachlässigen.
Artikel lesenKI bei der Auszubildenden-Auswahl.
Bewerber-Vorauswahl mit KI ist auch bei Azubis verlockend — und besonders sensibel. Wo KI hilft und wo das Jugendarbeitsschutzgesetz und das AGG Grenzen setzen.
Artikel lesenKI für Inklusion und Barrierefreiheit.
KI kann inklusiv wirken, wenn man es will. Wie Live-Untertitel, Spracheingabe und Echtzeitübersetzung den Berufsalltag von Mitarbeitenden mit Einschränkungen verbessern — wirtschaftlich gerechnet.
Artikel lesenKI im Employer Branding.
Im Kampf um Fachkräfte entscheidet das Employer Branding. Wie KI Inhalte, Anzeigentexte und Social-Media-Posts produziert, die authentisch wirken und nicht nach KI riechen.
Artikel lesenKI in der internen Kommunikation.
Interne Kommunikation wird im Mittelstand oft stiefmütterlich behandelt. Wie KI Newsletter, Intranet-Inhalte und Q&A-Sessions auf ein neues Niveau hebt, ohne dass jemand Vollzeit dafür arbeitet.
Artikel lesenKI als Coaching- und Mentoring-Werkzeug.
Coaching mit KI ist umstritten — und doch unterstützen Führungskräfte sich heute schon damit. Wo es Mehrwert bringt, wo es echtes Coaching nicht ersetzen kann.
Artikel lesenKI Business Continuity planen.
Was passiert, wenn die KI-API ausfällt — und Sie davon abhängig sind? Wie Mittelständler Business-Continuity-Pläne für KI-Anwendungen aufbauen, ohne in Vollabsicherung zu kippen.
Artikel lesenKI-Notfallpläne: wenn die API steht.
Eine KI-API kann fünf Minuten oder fünf Stunden ausfallen. Welche Notfallpläne sich lohnen — manuelle Rückfallebene, alternative Anbieter, Kommunikation an Kunden.
Artikel lesenKI und D&O-Versicherung.
Die D&O-Versicherung deckt Pflichtverletzungen der Geschäftsführer — auch im KI-Kontext. Wie sich KI-Risiken auf Deckung, Obliegenheiten und Prämien auswirken.
Artikel lesenKI und Cyber-Versicherung.
Cyber-Versicherungen passen sich an die KI-Realität an — manche schließen Prompt-Injection-Schäden explizit aus. Wie Mittelständler den Versicherungsschutz wirklich verstehen und anpassen.
Artikel lesenKI und Berufshaftpflicht.
Wer KI in beratender Funktion einsetzt — als Anwalt, Steuerberater, Architekt oder Ingenieur — sollte die Berufshaftpflicht prüfen. Was Versicherer heute decken und was nicht.
Artikel lesenKI im Familienunternehmen.
Familienunternehmen haben eine besondere Dynamik bei strategischen Themen. Wie KI sich einführen lässt — zwischen Senior, Junior, Familienkultur und Realität des operativen Geschäfts.
Artikel lesenKI bei der Unternehmensnachfolge.
Eine Nachfolge ist zugleich Chance und Risiko. Wie KI vor der Übergabe für Wertsteigerung und nach der Übergabe für eine ruckfreie Weiterführung sorgt — mit echten Beispielen aus dem Mittelstand.
Artikel lesenKI bei M&A und Integration.
M&A-Transaktionen scheitern meist nicht am Closing, sondern an der Integration danach. Wie KI bei Due Diligence, Datenharmonisierung und Synergieidentifikation hilft — auf beiden Seiten.
Artikel lesenKI in Sanierung und Restrukturierung.
In der Sanierung zählt jede Woche. Wie KI bei Liquiditätsprognose, Krisenidentifikation und Stakeholder-Kommunikation den Spielraum erweitert — wenn schon brennt.
Artikel lesenKI in Franchise-Systemen.
Franchise-Systeme leben von Standards — und werden durch KI auf neue Weise verbunden. Wie Geber und Nehmer KI für Schulung, Performance-Steuerung und Innovationsverteilung nutzen.
Artikel lesenKeine Artikel zu gefunden.
Insights direkt per E-Mail.
Wenn ein neuer Artikel online geht, gibt es einmal pro Monat eine kurze E-Mail. Keine Trading-Signale, kein Spam — nur die Insights selbst.
Anmelden →Rechner & Simulatoren
25 Werkzeuge und Spiele aus dem Alltag systematischer Trader und Investoren — Rechner, Simulatoren und interaktive Mini-Games, direkt im Browser, ohne Anmeldung. Parameter ändern, sofort sehen, was passiert.
Alle Tools dienen ausschließlich der Veranschaulichung und stellen keine Anlageberatung dar. Berechnungen sind vereinfacht.
Positionsgrößen-Rechner
Wie viele Einheiten dürfen Sie handeln, ohne mehr als Ihr definiertes Risiko zu verlieren?
Kelly-Kriterium-Rechner
Der mathematisch optimale Einsatz für maximales langfristiges Wachstum — mit Wachstumssimulation: warum Profis nur einen Bruchteil von Kelly riskieren.
Kontowachstums-Simulator
Zinseszins plus regelmäßige Einzahlungen über die Zeit — sichtbar gemacht.
Monte-Carlo-Drawdown-Simulator
Dieselbe Strategie, hunderte mögliche Zukünfte. Zeigt, wie breit die Ergebnisstreuung allein durch Zufall ist.
*Anteil der Verläufe, die zwischenzeitlich mehr als 50 % Kapital verloren haben. Histogramm: Verteilung aller Endkapitale.
Equity-Curve-Backtest-Playground
Moving-Average-Crossover auf Beispieldaten. Verschieben Sie die Regler — die Strategie rechnet sofort neu.
Black-Scholes-Optionsrechner
Fairer Optionspreis und Griechen — mit interaktivem Gewinn-/Verlust-Diagramm bei Verfall.
Sharpe-Lab
Rendite allein sagt nichts. Erst im Verhältnis zum Risiko zeigt sich, ob eine Strategie wirklich gut ist.
Korrelations-Lab
Warum Diversifikation der einzige „free lunch" am Markt ist — verschieben Sie die Korrelation und beobachten Sie das Portfolio-Risiko.
Recovery-Rechner
Die brutale Mathematik des Drawdowns: Verluste und nötige Gegenbewegung sind nicht symmetrisch — und das eskaliert.
Dividenden-Rechner
Der Dividenden-Schneeball: Wie aus reinvestierten Ausschüttungen über die Jahre ein passives Einkommen wird.
Vereinfachtes Modell, Reinvestition der Dividenden angenommen, vor Steuern.
ETF-Sparplan-Rechner
Was am Ende wirklich übrig bleibt — nach Kosten (TER) und nach Inflation.
CAGR- / Renditerechner
Die einzig ehrliche Rendite-Kennzahl: die geometrisch annualisierte Wachstumsrate.
Chance-Risiko-Rechner
Lohnt sich der Trade? CRV, die nötige Trefferquote zum Break-even und der Erwartungswert auf einen Blick.
Hebel- & Liquidations-Rechner
Wie nah ist die Liquidation? Bei gehebelten CFD-/Krypto-Positionen entscheidet das über alles.
🎮 Spike Trader
Der Kurs läuft live. Gehen Sie Long oder Short, schließen Sie zur richtigen Zeit. 45 Sekunden — wie viel holen Sie raus?
Tipp: Disziplin schlägt Aktionismus. Nicht jeder Tick muss gehandelt werden.
🔮 Bull vs. Bear
Sie sehen einen Chart. Geht die nächste Kerze hoch oder runter? Treffen Sie Ihre Serie — und merken Sie, wie schwer „Lesen" wirklich ist.
Über viele Runden landen die meisten nahe 50 % — genau deshalb braucht es ein System statt Bauchgefühl.
💀 Drawdown-Survival
Wählen Sie Ihr Risiko pro Trade und überstehen Sie 40 Trades mit leicht positivem Erwartungswert — ohne Ihr Konto zu sprengen. Gier wird hier bestraft.
Erwartungswert ist leicht positiv (52 % Trefferquote, 1:1). Trotzdem ruinieren zu große Einsätze fast jeden Lauf.
🧠 Pattern-Quiz
Welches klassische Chartmuster sehen Sie? Trainieren Sie Ihr Auge für Kopf-Schulter, Doppeltop, Flagge, Dreieck & Co.
Tipp: Muster sind Wahrscheinlichkeiten, keine Garantien — im Backtest zeigt sich, was wirklich trägt.
🎯 Zufall oder Trend?
Einer dieser Kurse ist reiner Zufall (Random Walk), der andere hat eine echte Struktur (Trend/Mean-Reversion). Erkennen Sie den Unterschied? Die meisten können es nicht — genau das ist die Lektion.
Lektion: Das menschliche Auge sieht Muster auch dort, wo nur Rauschen ist. Deshalb braucht es statistische Validierung statt Bauchgefühl.
🔥 Tilt-Test
Sie stecken in einer Verlustserie. Jede Entscheidung zählt: dem Plan folgen, pausieren — oder auf Rache gehen? 8 Runden, ein Disziplin-Score.
—
Revenge-Trading nach Verlusten ist der häufigste Konto-Killer. Dieses Spiel zeigt, warum „nichts tun" oft die beste Entscheidung ist.
🫧 Bubble-Timing
Der Kurs steigt parabolisch — pure Euphorie. Verkaufen Sie, bevor die Blase platzt. Je später, desto mehr Gewinn … bis nichts mehr übrig ist.
Lektion: „Diesmal ist es anders" war noch nie anders. Wer den exakten Top erwischen will, hält meist zu lange.
🧩 Portfolio-Challenge
Verteilen Sie 100 % auf vier Anlageklassen. Dann trifft ein zufälliges Marktszenario ein — wie robust ist Ihr Mix?
Tipp: Das beste Portfolio ist nicht das mit der höchsten Rendite, sondern das, das jedes Szenario übersteht.
📰 News-Trader
Eine Schlagzeile erscheint. Long oder Short — schnell entscheiden, bevor der Markt reagiert. 10 Runden.
Bereit?
Nachrichten-Trading wirkt einfach — ist es aber selten. Oft ist die Reaktion längst eingepreist.
🕯️ Candlestick-Quiz
Welche klassische Kerzenformation sehen Sie? Hammer, Doji, Engulfing & Co. — Pflichtwissen der technischen Analyse.
Einzelne Kerzen sind Hinweise, keine Signale — erst Kontext und Test machen daraus eine Strategie.
⚠️ Margin-Call
Wählen Sie Ihren Hebel und überstehen Sie 30 volatile Ticks, ohne liquidiert zu werden. Mehr Hebel = mehr Gewinn … oder Totalverlust.
Hebel vergrößert nicht den Gewinn — er verkleinert den Abstand zur Liquidation. Genau daran scheitern die meisten.
Solche Modelle in echt — auf Ihren Daten, mit echten Backtests und Live-Anbindung?
Unverbindlich anfragenMarcel Gautsche.
Ich bin Marcel Gautsche, Quant-Entwickler aus Stuttgart. Seit fast zehn Jahren beschäftige ich mich mit Finanzmärkten, Strategie-Automatisierung und — in den letzten Jahren immer stärker — mit der Frage, wie KI dabei ein echter Hebel wird, nicht nur ein Marketing-Begriff.
Ich programmiere, teste und schreibe selbst — ein kleines, spezialisiertes Team unterstützt mich da, wo ich nicht alles allein machen kann. Die Strategien, die Code-Reviews, die Insights-Artikel hier auf der Seite: das sind keine ghostgeschriebenen Texte und keine fremden Backtests. Das ist meine Handschrift. Für Skalierung, parallele Mandate und Spezial-Themen (KI-Infrastruktur, regulatorische Fragen, Mittelstands-Beratung) habe ich ein erfahrenes Team aus Quant-Entwicklern, KI-Spezialisten und Berater-Partnern im Hintergrund. Diese Kombination — persönliche Verantwortung plus echtes Team — ist das, was Mandate seriös macht.
In den letzten Jahren haben wir Trading-Systeme für MetaTrader 5, Interactive Brokers und ICM entwickelt — vom diskretionären Trader-Setup bis zu vollautomatisierten Multi-Strategie-Portfolios. Parallel berate ich Unternehmen zur Implementation von KI in operative Prozesse — gemeinsam mit der Crowd Solution GmbH und ihrem Partner-Netzwerk.
Was uns antreibt: die Verbindung von harter Statistik und ehrlicher Praxis. Märkte belohnen keine Meinungen — sie belohnen Disziplin, Tests und ein System, das auch bei Stress hält.
Was mich prägt.
Vom Trader zum Quant-Entwickler
Mein Einstieg in die Märkte war diskretionär — Charts lesen, News interpretieren, Trades nach Setup nehmen. Was ich gelernt habe: ich war an guten Tagen ein guter Trader und an schlechten Tagen ein schlechter. Die einzige Lösung war, das System aus dem Kopf in den Code zu bringen. Seitdem läuft es.
Von der Strategie zur Plattform
Erste Expert Advisors für MT4, dann MT5. Parallel Python-Stack aufgebaut für Aktien- und Optionsstrategien über Interactive Brokers. Dann Brücken zwischen beiden Welten — Python berechnet, MT5 führt aus, beste aus beiden Welten.
KI als nächste Stufe
Mit dem Sprung von ChatGPT 2022/23 wurde klar: das verändert nicht nur Bürotätigkeiten, sondern auch wie wir Marktdaten verarbeiten. Seitdem ML-Modelle für Signal-Erzeugung, LLMs für Sentiment-Analyse, und parallel KI-Beratung für Unternehmen — gemeinsam mit der Crowd Solution GmbH.
Was bleibt
Märkte interessieren mich nicht, weil sie spektakulär sind, sondern weil sie ehrlich sind. Eine Strategie funktioniert oder funktioniert nicht — kein „eigentlich", kein „auf lange Sicht ja". Diese Klarheit suche ich auch in der Arbeit mit Mandanten: was funktioniert, was nicht, und warum.
Wie ich arbeite.
Ehrlichkeit vor Aufträgen
Wenn Ihre Idee nicht funktioniert, sage ich es Ihnen. Wenn ein Tool nicht passt, lehne ich das Projekt ab. Nichts ist teurer als eine falsche Empfehlung, die nur deshalb kam, weil ich den Auftrag wollte.
Code, der Ihnen gehört
Alles, was ich für Sie baue, gehört Ihnen — Quellcode, Dokumentation, Modelle. Keine Black-Boxes, keine Vendor-Lock-Ins. Damit Sie auch nach dem Projekt eigenständig handlungsfähig bleiben.
Datenschutz ist nicht Beiwerk
DSGVO-Konformität ist Pflicht, nicht Kür. Bei Unternehmens-Mandaten Self-hosted-Setups, bei sensiblen Daten lokale Modelle, klare Verarbeitungsverzeichnisse. Compliance baut man vorher ein, nicht nachher.
Klein anfangen, schnell lernen
Lieber ein laufender PoC in vier Wochen als ein Lastenheft in sechs Monaten. Märkte und Technologien ändern sich zu schnell für klassische Großprojekt-Methoden. Iteration schlägt Planung.
Sie bleiben der Entscheider
Ich baue Systeme, Sie treffen Entscheidungen — bei Trades, bei Investments, bei Unternehmens-Strategie. Ich habe weder eine Vermögensverwaltungs-Lizenz noch will ich eine. Sie behalten die Kontrolle und Verantwortung.
Langfristige Beziehungen
Märkte verändern sich, Modelle altern, Strategien müssen nachjustiert werden. Die besten Setups entstehen aus mehrjähriger Zusammenarbeit — nicht aus einmaligen Beratungstagen. Ich arbeite langfristig oder gar nicht.
Was Leute oft fragen.
Sind Sie selbst aktiver Trader?
Ja. Ich handle eigene Strategien live — sonst hätte ich nicht den Realitäts-Check, den ich für Mandanten brauche. Konkrete Performance-Zahlen teile ich nicht öffentlich, im persönlichen Gespräch offen.
Bekomme ich „die“ Gewinn-Strategie?
Nein. Ich verkaufe keine Strategien — ich baue Ihnen Ihre. Mit Ihrer Risikotragfähigkeit, Ihrem Zeitbudget, Ihrem Kapital. Eine universelle Gewinn-Strategie wäre, sobald sie verbreitet wird, sofort wertlos.
Wie schnell kann ich live gehen?
Eine einfache MT5-Strategie inkl. Backtest: 2–4 Wochen. Komplexere Python-Setups mit ML-Komponenten: 6–12 Wochen. Größere Multi-Strategie-Portfolios: 3–6 Monate. Wir besprechen den Plan im ersten Gespräch.
Was kostet das?
Je nach Umfang. Für eine konkrete Strategie-Implementation typischerweise 3.000–12.000 €. Für laufende Betreuung Stundensätze oder Pauschalen. Im ersten, unverbindlichen Gespräch klären wir, welches Modell passt.
Übernehmen Sie Performance-Verantwortung?
Nein. Ich übernehme Verantwortung für sauber gebautes, getestetes System — nicht für Marktbewegungen. Performance-Garantien gibt es im seriösen Trading nicht, und wer sie verspricht, lügt.
Wo sind Sie erreichbar?
Per E-Mail unter info@marcelgautsche.de. Termine vor Ort in Stuttgart möglich, ansonsten Remote via Video — funktioniert in 90 % der Fälle besser als physische Treffen.
Sprechen wir über Ihr Vorhaben.
Schildern Sie Ihr Anliegen in wenigen Sätzen — Plattform, Instrument, Ziel. Sie erhalten innerhalb von 48 Stunden werktags eine fundierte erste Einschätzung. Kostenfrei und unverbindlich.
- info@marcelgautsche.de
- Adresse
- Rotweg 43
70437 Stuttgart - Antwortzeit
- Werktags innerhalb von 48 Stunden
Worüber wir sprechen können
- Eine Strategie automatisieren
- Bestehende EAs analysieren & verbessern
- Backtest- oder Walk-Forward-Setup
- KI in Trading oder Unternehmen integrieren
- Coaching & Sparring
Vielen Dank für Ihre Anfrage!
Ihre Nachricht ist angekommen. Ich melde mich in der Regel innerhalb von 48 Stunden persönlich bei Ihnen — meist schneller. Bei Eiligem erreichen Sie mich direkt unter info@marcelgautsche.de.