Earnings-Call-Tonalität messen mit LLMs statt Wörterbuch.

Earnings-Calls sind mehr als die Zahlen, die das Management vorträgt. Wie etwas gesagt wird — welche Worte vermieden werden, wo das Management ins Hedging kippt, wann es überzogen sicher klingt — trägt eigenes Signal. Jahrelang war die Standardmethode, diese Tonalität über Wörterbücher zu messen, allen voran das Loughran-McDonald-Lexikon, das speziell für Finanztexte entwickelt wurde und Wörter als positiv, negativ oder unsicher klassifiziert. Das funktioniert, hat aber strukturelle Schwächen: Wörterbücher kennen keinen Kontext, keine Verneinung, keine Ironie. LLMs versprechen hier einen Sprung — sie verstehen Sätze statt Wörter und können Ausweichmanöver oder Übersicherheit erkennen, die ein Lexikon übersieht. Dieser Beitrag zeigt, warum LLM-basierte Tonalitätsanalyse den klassischen Wörterbüchern in vielen Fällen überlegen ist, wie ein belastbarer Aufbau aussieht, wo das Verfahren trotzdem scheitert und wie man ehrlich prüft, ob die gemessene Tonalität überhaupt einen handelbaren Zusammenhang zur späteren Kursentwicklung hat.

Warum Wörterbücher an Kontext scheitern.

Das Loughran-McDonald-Lexikon war ein echter Fortschritt, weil es erkannte, dass allgemeine Sentiment-Wörterbücher in Finanztexten versagen — Wörter wie liability, tax oder cost sind dort nicht negativ, sondern fachlich neutral. Es zählt also Finanz-spezifisch klassifizierte Wörter und bildet daraus ein Tonalitätsmaß.

Die strukturelle Grenze bleibt aber: Ein Wörterbuch zählt Wörter ohne Satzzusammenhang. Der Satz „Wir sehen keine Anzeichen von Schwäche" enthält das Wort „Schwäche“ — ein naives Verfahren wertet das negativ, obwohl die Aussage das Gegenteil meint. Verneinungen, Konditionalsätze, rhetorische Absicherungen verzerren das Ergebnis systematisch.

Hinzu kommt: Earnings-Calls sind teils einstudiert. Das Management weiß, welche Wörter gut klingen. Ein Wörterbuch lässt sich leicht täuschen, indem positive Begriffe gestreut werden. Genau hier setzt die Stärke kontextverstehender Modelle an — sie bewerten die Aussage, nicht die Vokabelliste.

Was ein LLM in der Tonalität besser erfasst.

Ein LLM liest den Satz im Zusammenhang und kann Phänomene erkennen, die für Wörterbücher unsichtbar sind. Vier davon sind besonders signalträchtig.

• Hedging: Häufung von Relativierungen wie „möglicherweise“, „in gewissem Umfang“, „wir glauben“ deutet auf Unsicherheit hin, die das Management nicht offen ausspricht.
• Ausweichen: Wenn auf eine konkrete Analystenfrage eine allgemeine, unkonkrete Antwort folgt, ist das ein Signal — ein Wörterbuch sieht nur Wörter, das LLM sieht die Nicht-Antwort.
• Übersicherheit: Auffällig starke, absolute Formulierungen können Selbstvertrauen anzeigen — oder einen Versuch, Zweifel zu übertönen.
• Tonbruch: Eine Verschiebung gegenüber den Vorquartalen, etwa von offensiv zu defensiv, ist oft aussagekräftiger als der absolute Ton.

Besonders ergiebig ist der Frage-Antwort-Teil des Calls. Die vorbereitete Eröffnung ist poliert; in den spontanen Antworten auf Analystenfragen rutscht eher durch, was das Management wirklich denkt. Eine gute Analyse trennt deshalb die einstudierte Eröffnung vom Q&A-Teil und gewichtet Letzteren stärker.

Ein belastbarer Aufbau der Messung.

Die naive Variante — den ganzen Call in ein LLM kippen und nach einer Stimmungsnote von eins bis zehn fragen — liefert instabile, schwer reproduzierbare Werte. Belastbarer ist ein strukturierter Ansatz mit definierten Dimensionen.

Statt einer einzigen Note bewertet das Modell mehrere klar umrissene Achsen: Zuversicht in die Guidance, Klarheit der Antworten, Hedging-Grad, Konsistenz mit dem Vorquartal. Jede Achse bekommt einen Wert und eine wörtliche Begründung aus dem Transkript. Das macht das Ergebnis nicht nur stabiler, sondern auch prüfbar.

Wichtig ist die Reproduzierbarkeit: Bei niedriger Sampling-Temperatur und einem festen, versionierten Prompt liefert das Modell über Läufe hinweg ähnliche Werte. Wer den Prompt ändert, ändert die Zeitreihe — deshalb gehört der Prompt versioniert und eingefroren, sobald eine Auswertungsreihe läuft. Andernfalls vergleicht man Äpfel mit Birnen, sobald man ein paar Wochen später nachmisst.

Die Kalibrierung gegen einen Anker.

Ein Tonalitätswert ohne Bezugspunkt ist wenig wert. Eine „7 von 10“ sagt nichts, solange unklar ist, was bei diesem Unternehmen, in dieser Branche, in dieser Marktphase normal ist. Deshalb braucht jede sinnvolle Messung einen Anker.

Der natürlichste Anker ist die Historie desselben Unternehmens: Wie tönt dieser Call relativ zu den letzten acht Quartalen desselben Managements? Eine relative Verschlechterung ist aussagekräftiger als ein absoluter Wert, weil sie den individuellen Sprachstil herausrechnet. Manche Vorstände sind grundsätzlich vorsichtig, andere grundsätzlich euphorisch — erst die Veränderung trägt Signal.

Ein zweiter sinnvoller Anker ist der Branchenquerschnitt zum gleichen Zeitpunkt. Wenn ein ganzer Sektor in einem Quartal defensiver klingt, ist das ein Makro-Effekt und kein unternehmensspezifisches Signal. Wer beides berücksichtigt — Eigenhistorie und Branchennormalität — filtert einen großen Teil des Rauschens heraus, das eine reine Absolutmessung erzeugen würde.

Wo das Verfahren scheitert.

So überlegen LLMs den Wörterbüchern in vielen Punkten sind — sie haben eigene Schwächen, die man kennen muss, bevor man Geld auf die Ergebnisse setzt.

Erstens Instabilität: Schon kleine Änderungen am Prompt oder ein Modell-Update können die Skala verschieben. Eine Zeitreihe, die über einen Modellwechsel hinweg verglichen wird, ist nicht ohne Weiteres konsistent — der Bruch sitzt im Werkzeug, nicht in den Daten.

Zweitens Look-Ahead-Wissen: Bewertet man historische Calls mit einem aktuellen Modell, kennt dieses Modell oft schon, wie die Geschichte ausgegangen ist. Das verfälscht jeden naiven Backtest und erzeugt eine Trefferquote, die im Livebetrieb verschwindet.

Drittens strategisches Gegenspiel: Management-Teams und ihre Berater wissen, dass solche Analysen existieren, und passen ihre Sprache an. Was heute als Hedging-Signal funktioniert, kann morgen wegtrainiert sein. Tonalitäts-Signale sind deshalb selten stabil über lange Zeiträume — sie nutzen sich ab.

Den Zusammenhang zur Rendite ehrlich prüfen.

Die entscheidende Frage ist nicht, ob das LLM Tonalität präzise misst, sondern ob die gemessene Tonalität überhaupt mit der späteren Kursentwicklung zusammenhängt. Diese Prüfung wird oft übersprungen — und genau dort entstehen die teuren Selbsttäuschungen.

Eine ehrliche Auswertung braucht eine saubere zeitliche Trennung: Die Tonalität wird zum Zeitpunkt des Calls gemessen, die Rendite danach betrachtet — etwa über die nächsten Tage oder Wochen. Entscheidend ist, dass keine Information aus der Zukunft in die Messung einfließt, weder über das Modellwissen noch über nachträglich revidierte Transkripte.

Realistisch ist die Erwartung bescheiden: Tonalitäts-Signale sind schwach. Sie können in Kombination mit anderen Faktoren einen kleinen Beitrag leisten, taugen aber selten als alleinstehende Strategie. Wer zweistellige Trefferquoten-Vorteile verspricht, sollte den Backtest sehr genau auf Look-Ahead und Selektionseffekte prüfen, bevor er irgendetwas glaubt.

Kosten, Geschwindigkeit und Skalierung.

Earnings-Calls sind lang — ein vollständiges Transkript umfasst oft mehrere Zehntausend Wörter. Die vollständige Auswertung durch ein leistungsfähiges Modell kostet pro Call typischerweise einen niedrigen Cent- bis einstelligen Eurobetrag, abhängig von Modell und Detailgrad. Wer eine Saison mit einigen Hundert Calls auswertet, bewegt sich bei den Modellkosten im überschaubaren Bereich.

Die größere Herausforderung ist die Geschwindigkeit in der Berichtssaison. In Spitzenwochen finden Hunderte Calls in wenigen Tagen statt, viele am selben Nachmittag. Wer zeitnah auswerten will, braucht parallele Verarbeitung und sollte die teure Tiefenanalyse auf die Titel beschränken, die tatsächlich im Portfolio oder auf der Watchlist sind.

Eine pragmatische Skalierung trennt deshalb: ein schneller Durchlauf für die Grob-Klassifikation des gesamten Universums, eine teure Tiefenanalyse nur für die relevanten Titel. So bleiben Kosten und Latenz beherrschbar, ohne dass man auf die Breite verzichtet, die das Verfahren erst interessant macht.

Sie wollen wissen, ob Tonalitäts-Signale aus Earnings-Calls für Ihre Strategie messbaren Mehrwert bringen? Unverbindlich anfragen — wir bauen gemeinsam eine reproduzierbare Mess-Pipeline und prüfen den Renditezusammenhang ehrlich, statt auf bunte Sentiment-Scores zu vertrauen.