# KI-Agent: Portfolio-Brief automatisch erstellen

Ein mittelständisches Vermögensverwaltungsunternehmen automatisiert seinen wöchentlichen Portfolio-Brief mit einem KI-Agenten. Dieses Praxis-Szenario zeigt Ablauf, konkreten Nutzen und die Grenzen des Einsatzes.

**Ein KI-Agent konsolidiert wöchentlich Kursdaten, Bewertungskennzahlen und Analysteneinschätzungen für ein definiertes Wertpapierportfolio automatisch in einem strukturierten Bericht – ein Praxisbeispiel zeigt, dass die manuelle Zusammenstellung dabei auf wenige Minuten sinken kann (agentusecases.ai).** Für mittelständische Unternehmen mit eigenem Wertpapierbestand – etwa Family Offices, Treasuries oder Vermögensverwaltungen – bindet die wöchentliche manuelle Datenrecherche regelmäßig Kapazitäten im Controlling und bei Portfolio-Managern. Ein KI-Agent, der fest definierte Quellen und Parameter nutzt, kann diesen Prozess weitgehend automatisieren. Das vorliegende Praxis-Szenario zeigt, unter welchen Bedingungen ein solcher Einsatz sinnvoll ist, wo die Grenzen liegen und wie ein erster Testlauf aussehen kann.

# Automatischer Portfolio-Brief: Wie ein KI-Agent wöchentliche Marktberichte übernimmt

Wer in einem mittelständischen Unternehmen regelmäßig Wertpapierbestände beobachtet, kennt die Routine: Kurse prüfen, Bewertungskennzahlen zusammentragen, Analysteneinschätzungen nachschlagen, alles in einem Dokument bündeln. Das kostet Zeit, die an anderer Stelle fehlt. Ein KI-Agent kann diesen Prozess strukturiert automatisieren, wenn Umfang und Parameter klar definiert sind.

---

## Ausgangslage

Ein mittelständisches Unternehmen mit eigenem Wertpapierbestand, etwa ein Family Office, ein Treasury oder eine interne Vermögensverwaltung, erstellt wöchentlich einen internen Portfolio-Brief. Betroffen sind typischerweise Portfolio-Manager, Treasurer und Controlling-Verantwortliche.

Das Beispiel in diesem Artikel ist fiktiv, aber realistisch: Ein Treasurer eines produzierenden Mittelständlers mit 200 bis 500 Mitarbeitern betreut einen Eigenbestand aus rund 15 bis 20 Positionen. Er sammelt bisher manuell aus verschiedenen Quellen: aktuelle Kurse, Bewertungskennzahlen, Moving Averages, Kursziele und Analystenkonsens. Das dauert je nach Marktsituation schätzungsweise 45 bis 60 Minuten pro Woche. Die genaue Zeitersparnis durch Automatisierung hängt stark von den eingesetzten Quellen und dem gewählten Setup ab und lässt sich nur im konkreten Einzelfall verlässlich messen.

---

## Ablauf Schritt für Schritt

**Schritt 1: Wertpapiere und Parameter festlegen**
Der Einstieg beginnt mit einer kleinen, fest definierten Liste von Positionen, die der Agent verarbeiten soll. Keine offene Suche, kein dynamischer Scope. Nur die tatsächlich gehaltenen Titel. Das ist entscheidend für die Qualität und Nachprüfbarkeit des Ergebnisses.

**Schritt 2: Datenquelle anbinden**
Ein Konnektor zu einem Marktdatenanbieter versorgt den Agenten mit strukturierten Kursdaten und Kennzahlen. Im Vorbild aus der Praxis (siehe unten) wurde dafür der FMP-Konnektor in Claude Cowork verwendet.

**Schritt 3: Berichtsformat definieren**
Format, Inhalt und Struktur des Briefings werden im Voraus festgelegt: Benchmark-Vergleich, größte Beweger, relevante Nachrichten oder Ergebnisse, Kursziele. Nichts, was nicht explizit parametriert ist, fließt in den Bericht ein.

**Schritt 4: Automatisch generieren lassen**
Der Agent läuft wöchentlich und erstellt den Brief als strukturiertes Dokument. Ausgabe kann ein Word-Dokument oder ein PDF sein.

**Schritt 5: Manuell gegen Quellen prüfen**
Gerade in den ersten Wochen sollte der Output systematisch mit den Quelldaten abgeglichen werden. Dieser Schritt ist keine Option, sondern Voraussetzung für einen verantwortungsvollen Einsatz.

---

## Nutzen

- **Zeitersparnis**: Der manuelle Aufwand für das Zusammentragen verstreuter Marktdaten entfällt weitgehend. Was bisher eine Stunde beanspruchte, lässt sich bei stabilen Parametern deutlich komprimieren, konkrete Werte sind aber nur im eigenen Testlauf messbar.
- **Konsistenz**: Format und Kennzahlen bleiben von Woche zu Woche identisch, was Vergleiche erleichtert.
- **Fokus**: Weil nur die eigenen Positionen verarbeitet werden, entsteht kein Rauschen durch irrelevante Daten.

KI-Tools in der Vermögensverwaltung werden laut einer Übersicht von Itransition bereits aktiv in WealthTech-Lösungen eingesetzt, um Marktanalysen, Portfoliomanagement und Kundenbeziehungsmanagement zu optimieren. Plattformen wie MarketPsych der London Stock Exchange Group nutzen NLP-Engines, um Marktstimmungen aus Millionen von Quellen in Echtzeit auszuwerten.

---

## Grenzen und Risiken

- **Datenqualität ist nicht garantiert**: Der Agent gibt aus, was der Konnektor liefert. Fehler oder Verzögerungen in den Quelldaten schlagen direkt auf den Brief durch. Eine manuelle Stichprobe bleibt unverzichtbar.
- **Keine Anlageberatung**: Ein automatisch erzeugter Portfolio-Brief ist ein Informationsdokument, keine regulierte Finanzdienstleistung. Für Unternehmen, die unter aufsichtsrechtliche Anforderungen fallen, muss das Setup rechtlich geprüft werden.
- **Halluzinationsrisiko**: Große Sprachmodelle können Zahlen falsch interpretieren oder Kennzahlen verwechseln, insbesondere bei unklaren Dateneingaben. Feste Parameter und kleine Datensätze reduzieren dieses Risiko, eliminieren es aber nicht.
- **Abhängigkeit vom Konnektor**: Fällt der Marktdatenanbieter aus oder ändert seine API, liefert der Agent nichts oder Fehlerhaftes. Monitoring und Fallback-Prozesse müssen vorab definiert werden.

Wer KI-Agenten in Finanzprozesse integriert, sollte auch die Haftungsfragen kennen. Mehr dazu im Artikel über [KI-Agenten-Haftung und Compliance bei unbefugter Datenverarbeitung](/ki-agenten-haftung-compliance-unbefugte-datenverarbeitung/).

---

## Vorbild aus der Praxis

Ein konkretes Praxisbeispiel hat ein Autor auf agentusecases.ai dokumentiert: Er nutzte den FMP-Konnektor in Claude Cowork, um aus einem bewusst klein gehaltenen Datensatz einen wöchentlichen Portfolio-Brief zu generieren. Der Datensatz umfasste ausschließlich die eigenen Positionen. Jeder Bericht konsolidierte aktuellen Kurs, Bewertungskennzahlen, Analystenkonsens, Moving Averages und Kursziele, begrenzt auf vorab festgelegte Parameter.

Nach eigenen Angaben des Autors konnte er nach etwa zwei Wochen Nutzung alles in Minuten verarbeiten, statt eine Stunde lang zwischen verschiedenen Quellen zu wechseln. Genauigkeitsprüfungen oder andere Messungen nennt die Quelle nicht. Wichtig laut der Quelle: Der kleine Datensatz und die festen Parameter sind es, die den Bericht fokussiert halten. Setup-Schritte und Kosten werden in der Quelle nicht beschrieben.

Den vollständigen Use Case finden Sie hier: [Build a weekly portfolio brief automatically](https://agentusecases.ai/use-case/build-a-weekly-portfolio-brief-automatically).

Wer wissen möchte, wie KI-Agenten in ähnlich strukturierten Prozessen eingesetzt werden können, findet weitere Einordnung im Überblick zu [KI-Agenten im E-Commerce und darüber hinaus](/ki-agenten-e-commerce-produktdaten-kampagnen-support/).

---

## Erster Schritt

Diese Woche einen Testlauf starten: eine kleine, fest definierte Liste von Wertpapieren zusammenstellen, Parameter für den Bericht festlegen (Kennzahlen, Format, Benchmark) und die Ausgabe manuell gegen die Originalquellen prüfen. Erst wenn dieser Abgleich systematisch funktioniert, lohnt es sich, den Prozess zu automatisieren.

Wer KI-gestützte Automatisierung im Finanz- und Controlling-Bereich grundsätzlich prüfen möchte, findet einen weiteren Einstiegspunkt im Artikel zur [automatischen Rechnungsabweichungserkennung im B2B-Kundenportal](/automatische-rechnungsabweichungserkennung-b2b-kundenportal-real-time-matching/).

---

## Quellen

- [Build a weekly portfolio brief automatically – agentusecases.ai](https://agentusecases.ai/use-case/build-a-weekly-portfolio-brief-automatically)
- [KI in der Vermögensverwaltung: Anwendungsfälle & Lösungen – itransition.com](https://itransition.com/de/ki/vermoegensverwaltung)
- [Künstliche Intelligenz Aktien Prognose 2026 – sca-pm.de](https://www.sca-pm.de/magazin/finanzwissen/kuenstliche-intelligenz-aktien-prognose)

## Häufige Fragen

Was leistet ein KI-Agent beim automatischen Erstellen eines wöchentlichen Portfolio-Briefs konkret?

Der Agent ruft über einen Marktdaten-Connector aktuelle Kurse, Bewertungskennzahlen, Analysteneinschätzungen, gleitende Durchschnitte und Kursziele ab und verdichtet diese Informationen zu einem strukturierten Bericht. Laut einem dokumentierten Praxisbeispiel mit Claude Cowork und dem FMP-Connector umfasst der fertige Brief ausschließlich die Wertpapiere im eigenen Bestand und nur die vorab definierten Parameter.

Wie viel Zeit lässt sich gegenüber der manuellen Zusammenstellung tatsächlich einsparen?

In dem veröffentlichten Praxisbericht gibt der Autor an, dass er die wöchentliche Auswertung nach der Automatisierung in Minuten abschließt, anstatt zwischen mehreren Quellen zu wechseln. Eine exakte Zeitangabe oder eine unabhängig geprüfte Messung enthält die Quelle nicht.

Welche Datenquellen werden in einem solchen automatisierten Portfolio-Brief verarbeitet?

Im beschriebenen Aufbau liefert der FMP-Connector (Financial Modeling Prep) die Marktdaten. Darüber hinaus setzen etablierte WealthTech-Lösungen laut itransition.com auf NLP-basierte Plattformen wie MarketPsych, die Millionen von Nachrichtenartikeln und Social-Media-Beiträgen in Echtzeit auswerten, um Stimmungsindikatoren und Markttrends zu ergänzen.

Warum ist es wichtig, den Datensatz und die Parameter bewusst klein zu halten?

Das im Praxisbeispiel beschriebene Vorgehen zeigt: Ein eng begrenzter Wertpapierkorb und fest definierte Parameter sind entscheidend dafür, dass der Bericht fokussiert und auswertbar bleibt. Werden Umfang und Variablen zu früh ausgeweitet, steigt das Risiko, dass der Bericht unübersichtlich wird und manuelle Nachprüfungen aufwendiger werden.

Wie sollte man den Einstieg in die Automatisierung des Portfolio-Briefs gestalten?

Der empfohlene erste Schritt ist ein Testlauf mit einer kleinen, fest definierten Wertpapierliste und fixen Parametern. Die erzeugten Ergebnisse sollten anschließend manuell gegen die Originalquellen geprüft werden, bevor der Prozess in den Regelbetrieb überführt wird. Dieses Vorgehen stellt sicher, dass Datenqualität und Berichtslogik nachvollziehbar sind.

---

*Dieser Artikel wurde von einem KI-System automatisiert erstellt. Kennzeichnung gemäß Art. 50 der EU-KI-Verordnung.*

---
Quelle: https://e-companion.de/ki-agent-automatischer-woechentlicher-portfolio-brief-vermoegensverwaltung · e-companion UG, Oberasbach bei Nürnberg · Kontakt: https://e-companion.de/kontakt
