Notenbank-Statements mit LLMs lesen den Hawkish-Dovish-Shift quantifizieren.

Wenn die US-Notenbank oder die EZB ihr geldpolitisches Statement veröffentlicht, geht es nicht um die Schlagzeile — die Zinsentscheidung ist meist erwartet. Es geht um die feinen Verschiebungen im Wortlaut: Ein gestrichenes „geduldig“, ein neu eingefügtes „wachsam“, ein von „angemessen“ zu „weiterhin angemessen“ gewandelter Halbsatz. Diese Nuancen entscheiden, ob der Markt das Statement als hawkish oder dovish liest — und sie zu erkennen, war lange die Domäne weniger spezialisierter Analysten, die Statement gegen Vorgängerversion akribisch vergleichen. Ein Sprachmodell kann diesen Vergleich in Sekunden leisten und dabei tiefer gehen als ein simples Diff-Werkzeug: Es erkennt nicht nur, dass sich Wörter geändert haben, sondern ordnet die Bedeutung der Änderung ein. Dieser Beitrag zeigt, wie man FOMC- und EZB-Statements per LLM auf den Hawkish-Dovish-Shift analysiert, wie sich die Methode gegen klassische Hawk-Dove-Indizes schlägt und warum die Latenz-Frage über den praktischen Nutzen entscheidet. Es geht um ein Werkzeug für Verständnis und Geschwindigkeit — mit klar benannten Grenzen.

Warum jedes Wort in einem Statement zählt.

Geldpolitische Kommunikation ist hochgradig kuratiert. Notenbanken wählen ihre Worte mit Bedacht, weil sie wissen, dass Märkte jeden Halbsatz sezieren. Genau deshalb sind Änderungen gegenüber dem vorherigen Statement so aussagekräftig: Wenn ein etabliertes Wort verschwindet oder ein neues auftaucht, ist das fast nie Zufall.

Die klassische Methode ist der direkte Vergleich Statement gegen Vorgängerversion — ein Diff, das zeigt, was hinzugefügt, gestrichen oder umformuliert wurde. Das ist nützlich, aber stumpf: Ein Diff sagt, dass sich „moderat“ zu „solide“ geändert hat, nicht, was das bedeutet. Die Bedeutung — hawkish oder dovish, relevant oder kosmetisch — muss ein Mensch hinzudenken.

Hier liegt der Mehrwert eines Sprachmodells: Es kennt den Kontext geldpolitischer Sprache und kann eine Wortänderung nicht nur registrieren, sondern interpretieren. Ob das verlässlich genug für Handelsentscheidungen ist, ist die eigentliche Frage — und sie verdient eine ehrliche Antwort.

Was ein LLM besser kann als ein Diff-Werkzeug.

Ein Diff-Werkzeug arbeitet auf der Ebene von Zeichen und Wörtern. Es sieht Übereinstimmung und Abweichung, aber kein Verständnis. Drei Dinge bringt ein Sprachmodell darüber hinaus ein.

Erstens semantische statt textueller Gleichheit: Eine Umformulierung, die wortwörtlich anders ist, aber dasselbe meint, erkennt das Modell als bedeutungsgleich — ein Diff würde sie fälschlich als Änderung markieren. Umgekehrt erkennt es, wenn eine kleine Wortänderung eine große Bedeutungsverschiebung trägt.

Zweitens Einordnung in die Tonrichtung: Das Modell kann eine Änderung als hawkish, dovish oder neutral klassifizieren und begründen, warum. Diese Begründung ist entscheidend — sie macht das Ergebnis nachvollziehbar, statt eine Zahl ohne Erklärung zu liefern.

Drittens Kontextbewusstsein über mehrere Sitzungen: Das Modell kann berücksichtigen, dass ein bestimmter Begriff schon seit Monaten im Statement steht und sein Verschwinden deshalb besonders bedeutsam ist. Diese historische Perspektive ist mit einem reinen Zwei-Versionen-Diff nicht zu haben.

Die Methodik: Vergleich, Klassifikation, Begründung.

Ein belastbarer Aufbau arbeitet in klar getrennten Schritten. Zunächst werden das aktuelle und das vorherige Statement Abschnitt für Abschnitt gegenübergestellt — Konjunkturbewertung, Inflationseinschätzung, Arbeitsmarkt, Ausblick. Diese Strukturierung verhindert, dass das Modell Änderungen in einem Bereich mit denen in einem anderen vermischt.

Im zweiten Schritt klassifiziert das Modell jede identifizierte Änderung auf einer Skala von klar dovish bis klar hawkish und liefert für jede eine kurze Begründung samt Verweis auf die betroffene Textstelle. Die Ausgabe gehört in ein festes Schema — Bereich, Richtung, Stärke, Begründung — damit das Ergebnis prüfbar und vergleichbar bleibt.

Im dritten Schritt entsteht eine aggregierte Einschätzung über alle Bereiche. Wichtig ist, dass die aggregierte Zahl die Einzelbegründungen nicht ersetzt: Eine Gesamtbewertung „leicht hawkish“ ist nur dann nützlich, wenn man nachvollziehen kann, woher sie kommt. Die Begründungsschicht ist kein Beiwerk, sondern der eigentliche Wert.

Vergleich zu klassischen Hawk-Dove-Indizes.

Es gibt etablierte, regelbasierte Methoden, geldpolitische Texte zu quantifizieren — Wörterbuch-Ansätze, die hawkish und dovish konnotierte Begriffe zählen und gegeneinander aufrechnen. Diese Indizes sind transparent, schnell und reproduzierbar. Sie haben aber zwei Schwächen.

Erstens sind sie kontextblind: Sie zählen „stark“ als hawkish, egal ob es um einen starken Arbeitsmarkt (hawkish) oder starke Abwärtsrisiken (dovish) geht. Zweitens sind sie starr — sie erkennen keine neuen Formulierungen, die das Wörterbuch nicht kennt.

Ein LLM löst beide Probleme, handelt sich dafür aber neue ein: Es ist weniger reproduzierbar, schwerer zu auditieren und gelegentlich überinterpretiert es eine kosmetische Änderung. Der pragmatische Weg ist deshalb oft die Kombination: Der Wörterbuch-Index liefert eine schnelle, reproduzierbare Grundlinie, das LLM die nuancierte Einordnung der konkreten Änderungen. Wo beide übereinstimmen, ist das Signal robust; wo sie auseinanderlaufen, lohnt der menschliche Blick.

Die Latenz-Frage entscheidet über den Nutzen.

Geldpolitische Statements werden zu einem festen Zeitpunkt veröffentlicht, und der Markt reagiert in Sekunden. Für eine reine Handelsreaktion auf die ersten Sekunden ist ein LLM zu langsam — bis die Analyse vorliegt, hat der Markt sich längst bewegt. Wer hier mit dem Modell konkurrieren will, verliert das Rennen.

Der Nutzen liegt deshalb nicht im Millisekunden-Wettlauf, sondern eine Ebene darüber: in der gründlichen, nachvollziehbaren Einordnung, die in den Minuten und Stunden nach der Veröffentlichung trägt. Wenn der erste Knall verklungen ist, beginnt die eigentliche Interpretation — und dort ist eine fundierte, begründete LLM-Analyse wertvoller als die schnellste Reaktion.

Für wer es dennoch schnell braucht, lässt sich die Latenz drücken: Vorausberechnete Vergleiche der wahrscheinlichen Änderungen, ein vorbereiteter, gecachter Kontext und kompakte Ausgaben verkürzen die Verarbeitungszeit erheblich. Aber gegen einen latenzoptimierten regelbasierten Trigger gewinnt das Modell im Geschwindigkeitsrennen nicht — und sollte es auch nicht müssen.

Grenzen und Fehlinterpretationen.

Drei Grenzen sind ehrlich zu benennen. Erstens neigt das Modell gelegentlich dazu, Bedeutung in eine Änderung hineinzulesen, die der Notenbank gar nicht so wichtig war — eine stilistische Glättung wird als Tonverschiebung überinterpretiert. Die Begründungsschicht hilft, solche Fälle zu erkennen, eliminiert sie aber nicht.

Zweitens ist die Reaktion des Marktes nicht allein vom Statement getrieben, sondern auch von der Pressekonferenz, den Projektionen und der Vorab-Erwartung. Eine isolierte Statement-Analyse kann den Ton korrekt erfassen und trotzdem die Marktbewegung verfehlen, weil andere Faktoren dominierten.

Drittens ist die Einordnung nur so gut wie das Verständnis des Modells für den jeweiligen Notenbank-Kontext. FOMC und EZB kommunizieren unterschiedlich; ein Modell, das die Eigenheiten der einen Institution gut kennt, kann bei der anderen danebenliegen. Die Konsequenz: Die LLM-Analyse ist ein Werkzeug zur schnelleren, fundierteren Einordnung — kein Ersatz für das Urteil von jemandem, der die Institution und ihre Sprache kennt.

Sie wollen geldpolitische Kommunikation systematisch und nachvollziehbar auswerten, statt jedes Statement von Hand zu vergleichen? Unverbindlich anfragen — wir bauen gemeinsam einen Analyse-Ablauf aus strukturiertem Vergleich, begründeter Klassifikation und sinnvoller Verzahnung mit Ihren bestehenden Indizes.