Earnings-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. Mit aktuellen LLMs lässt sich der ganze Prozess so weit automatisieren, dass ein einzelner Mensch hunderte Calls pro Quartal abdecken kann — ohne wirklich oberflächlicher zu werden.
Warum Earnings-Transkripte so wertvoll sind.
In einem typischen Quartals-Earnings-Call stecken Informationen, die kein anderes Dokument so kompakt liefert:
- Forward Guidance: Umsatz, Margen, Capex für das nächste Quartal und das Geschäftsjahr
- Management-Ton: wie sicher oder unsicher das Management klingt, oft wichtiger als die nackten Zahlen
- Neue Risiken: was zum ersten Mal als Risiko genannt wird, ist häufig die wertvollste Information
- Geographische und segmentbasierte Akzente: welche Märkte das Management hervorhebt, welche es leise begräbt
- Q&A-Druck: welche Analysten welche Fragen mehrfach stellen — ein Signal für unausgesprochene Sorgen
Wer 30 Calls pro Quartal manuell liest, weiß, wie zeitaufwendig das ist. Mit einer sauberen LLM-Pipeline schafft eine einzelne Person 300 Calls in derselben Zeit — und zwar mit strukturierten, vergleichbaren Outputs, die in eine Datenbank wandern können.
Die Standard-Pipeline.
Vier Schritte, nach denen eine solche Pipeline typischerweise aufgebaut ist:
- Beschaffung: Transkripte kommen entweder aus SEC-Filings (8-K mit Anhang), von Anbietern wie SeekingAlpha und Motley Fool, oder direkt vom Investor-Relations-PDF. Letzteres ist meist die sauberste Quelle.
- Aufbereitung: PDF → Text, Trennung in „Prepared Remarks“ und „Q&A“, Identifikation der Sprecher (Management vs. Analyst), Markierung der Firmen-Affiliation der Analysten. Hier rettet ein LLM dramatisch viel Arbeit gegenüber Regex.
- Strukturierte Extraktion: Zweite LLM-Stufe mit einem festen JSON-Schema. Hier wird der eigentliche Wert geschaffen.
- Speicherung: alles landet in einer SQLite- oder Postgres-Tabelle pro Ticker und Quartal, plus Roh-Output für spätere Audits.
Ich nutze Claude für Schritt 3, weil die Konsistenz strukturierter Outputs hier am besten ist. Für die einfache Aufbereitung in Schritt 2 reicht ein Haiku-Modell.
Konkretes Prompt-Engineering für strukturierte Extraktion.
Der wichtigste Trick: nicht alles in einem Prompt erzwingen. Stattdessen pro Themenblock einen separaten, eng definierten Aufruf. Hier ein Auszug aus dem Guidance-Prompt, den ich produktiv nutze:
SYSTEM_PROMPT = """Du extrahierst aus Earnings-Call-Transkripten strukturierte
Guidance-Daten. Antworte ausschließlich mit gültigem JSON nach folgendem Schema:
{
"fiscal_period": "Q3 2025" | "FY 2025" | null,
"revenue_guidance": {
"low": number | null,
"high": number | null,
"unit": "USD_M" | "USD_B" | null,
"comparison_to_prior": "raised" | "maintained" | "lowered" | "new" | null
},
"margin_guidance": {...},
"capex_guidance": {...},
"confidence_phrases": [string] // wörtliche Zitate, die Sicherheit/Unsicherheit signalisieren
}
Wenn etwas nicht eindeutig im Transkript steht: setze null. Niemals raten."""
USER_PROMPT = f"""Transkript-Auszug (Prepared Remarks, CFO-Abschnitt):
{section_text}
Liefere das JSON."""
Wichtig sind drei Disziplinen: erstens das harte „setze null“-Gebot — sonst halluziniert das Modell Zahlen aus dem Kontext. Zweitens wörtliche Zitate verlangen — die lassen sich später gegen das Original prüfen. Drittens jeden Roh-Output speichern, damit man bei Modell-Updates dieselben Calls wieder durchlaufen lassen kann und Drift quantifizieren kann.
Sentiment-Scoring pro Section.
Sentiment auf einem Earnings-Call lohnt sich nur, wenn man es pro Abschnitt misst, nicht global. „Prepared Remarks“ sind hochgradig vorbereitet und werden vom Management optimiert. Q&A ist dort, wo unter Druck improvisiert wird — und wo der echte Ton zum Vorschein kommt.
Bei mir laufen drei Sentiment-Scores pro Call:
- PR-Sentiment (Prepared Remarks): stabil hoch, Veränderungen gegenüber dem Vorquartal sind das Signal
- Q&A-Management-Sentiment: nur die Antworten des Managements, gewichtet nach Antwort-Länge
- Hedge-Frequenz: wie oft tauchen Wörter wie „expect“, „believe“, „assuming“, „pending“ pro 1 000 Wörter auf
Die Hedge-Frequenz ist überraschend nützlich — sie ist objektiv zählbar und lässt sich als mögliches Signal gegen Forward-Returns testen. Wenn ein Management in Q3 plötzlich doppelt so häufig hedget wie in Q2, ist das messbar relevant.
Tone-Change-Detection gegenüber dem Vorquartal.
Der vielleicht stärkste systematische Use-Case: nicht das absolute Sentiment, sondern die Veränderung. Pipeline-Schritt:
- Embedde Prepared-Remarks von Q (aktuell) und Q-1 (vorheriges Quartal) mit demselben Embedding-Modell
- Berechne kosinusähnliche Ähnlichkeit zwischen beiden, plus Distanz im 768-dimensionalen Raum
- Lasse einen LLM-Aufruf zusätzlich strukturieren: „Welche Themen sind in Q neu, welche aus Q-1 verschwunden, welche dramatisch erweitert“
- Speichere beide Outputs — die Distanz als Zahl und die thematische Diff als Liste
Die Hypothese dahinter: Calls mit ungewöhnlich hoher thematischer Distanz zum Vorquartal gehen eher mit höherer realisierter Volatilität in den Folgewochen einher — unabhängig von der Richtung des Moves. Das macht es zu einem brauchbaren Volatilitäts-Forecast, nicht zu einem Direktions-Signal. Den Fehler haben viele Earnings-NLP-Setups: sie versuchen, Richtung aus Text vorherzusagen, was empirisch deutlich schwerer ist als Volatilität.
Kosten-Realität.
Ein typischer Call hat etwa 8 000–12 000 Wörter, also rund 15 000–20 000 Tokens. Wenn ich mit Claude Sonnet vier Extraktionen pro Call mache (Guidance, Risiken, Sentiment, Tone-Diff), bin ich bei etwa 80 000 Input-Tokens und 5 000 Output-Tokens. Das kostet bei aktuellen Tarifen rund 0,30 € pro Call. Bei 200 Calls pro Quartal ergibt das 60 € Quartalsausgaben — vernachlässigbar.
Die teurere Komponente ist der Datenkauf. Hochwertige Transkripte über einen API-Anbieter kosten zwischen 200 € und 1 500 € im Monat, abhängig vom Coverage-Universum. Wer mit SEC-Filings und IR-PDFs auskommt, spart das.
Backtest-Idee: Tone-Drift als Signal.
Eine Backtest-Idee in der Kurzfassung: Long-Short-Portfolio auf S&P-500-Aktien, das jede Woche rebalanced wird, basierend auf dem letzten verfügbaren Tone-Drift-Score je Aktie.
import pandas as pd
calls = pd.read_parquet("earnings_extractions.parquet")
prices = pd.read_parquet("sp500_prices.parquet")
# Drift = Distanz Q vs Q-1, normalisiert nach Sektor
calls["drift_z"] = calls.groupby(["sector","quarter"])["pr_distance"]\
.transform(lambda x: (x - x.mean()) / x.std())
# Long bottom-Quintil (wenig Drift = Konsistenz), Short top-Quintil (hoher Drift)
weekly = pd.merge_asof(prices.sort_index(), calls.sort_values("call_date"),
left_on="date", right_on="call_date", by="ticker")
weekly["signal"] = pd.qcut(weekly["drift_z"], 5, labels=False)
longs = weekly[weekly["signal"] == 0]
shorts = weekly[weekly["signal"] == 4]
Ob ein solches Signal nach Kosten trägt, muss ein sauberer, sektor-neutraler Backtest mit Out-of-Sample-Phase zeigen – eine Aussage über künftige Renditen ist damit nicht verbunden. Interessant ist der Ansatz vor allem, weil er eine andere Informationsquelle nutzt als klassische Faktoren wie Momentum oder Value.
Wo der Aufwand nicht lohnt.
Drei Anwendungen, von denen ich nach mehreren Versuchen abrate:
- Direktions-Forecast einzelner Calls: zu viel Rauschen, Backtests zerfallen out-of-sample fast immer
- Live-Trading auf Call-Audio: die paar Sekunden Latenz holen Spezialisten mit besseren Pipelines auf, der Edge ist weg, bevor man liest
- Small-Cap-Coverage ohne sauberen Transkript-Provider: hier sind die Texte oft so schlecht, dass auch das beste LLM müllige Outputs produziert
Wo es wirklich Hebel hat: mittelgroße bis große Unternehmen, vier Quartale Historie pro Ticker, kombinierte Signale aus Sentiment, Guidance-Diff und Tone-Drift. Genau dort lohnt sich der Aufwand am ehesten.
Stand: Mai 2026, überarbeitet Oktober 2026. Angaben zu Produkten, Preisen, Gesetzen und Fristen können sich seitdem geändert haben; maßgeblich sind die aktuellen Angaben der Anbieter und Behörden.
Sie wollen eine Earnings-NLP-Pipeline für Ihre Research- oder Trading-Prozesse aufbauen? Unverbindlich anfragen — ich entwickle die Pipeline mit Ihnen, von der Datenbeschaffung bis zur strukturierten Auswertung. Mehr zu meinem Angebot: Trading-Systeme entwickeln lassen.