Conviction Engine
Neun Agenten in einem Apparat verdichtet. Jeder Punkt ein Agent, alle in geometrischer Beziehung. Kein verlorener Knoten.
Die nächste Wahrheit beginnt dort, wo die alte aufhört, sich selbst zu beweisen.
Belief-Engine · Pre-Mortem · Vault-First
Quant Capital Engine. Multi-agentische Forschungspipeline, die Investmentthesen gegen sich selbst antreten lässt — und in deinem Knowledge-Graph speichert, was du wirklich glaubst.
QCE ist als fünfstufige Pipeline strukturiert. Daten fliessen sequenziell von parallelen Analysten über strukturierte Debatte bis zur finalen Portfolio-Entscheidung. Jede Stufe ist auditierbar und reproduzierbar.
Neun Agenten in einem Apparat verdichtet. Jeder Punkt ein Agent, alle in geometrischer Beziehung. Kein verlorener Knoten.
Aufgegangen in fünf Schichten. Vier Analysten parallel, zwei Researcher adversarial, ein Trader, drei Risk-Profile, ein Portfolio Manager. Decisions zurück in den Vault.
Vier spezialisierte Analysten arbeiten parallel: Fundamental, Sentiment, News, Technisch. Jeder operiert auf einer eigenen Datendimension. Strukturierte Berichte landen in einem gemeinsamen Zustandsobjekt — ohne dass die Analysten einander sehen.
Bullischer und bärischer Researcher debattieren in mehreren Runden auf Basis der Analyst-Berichte. Adversariale Konfrontation verhindert Confirmation Bias und vorzeitigen Konsens.
Der Trader liest den ungefilterten Debattentext der Researcher — keine Zusammenfassung. Auf dieser Basis fällt eine Buy-, Hold- oder Sell-Entscheidung mit allen Spannungen und Qualifikationen.
Drei Risk-Manager mit unterschiedlichen Profilen — aggressiv, neutral, konservativ — prüfen die Trader-Decision in einer dreiseitigen Debatte. Nicht binäres Veto, sondern dreidimensionale Risikoabwägung.
Der Portfolio Manager prüft die Risk-Debatte als Final-Approver, persistiert die Entscheidung und gibt das Conviction-Scoring frei. Ohne diese letzte Gate-Funktion münden widersprüchliche Empfehlungen unkontrolliert in Trades.
Modelliert nach der Arbeitsteilung einer institutionellen Handelsfirma: vier Analysten, zwei Researcher, ein Trader, ein dreigliedriges Risk-Triplett und ein Portfolio Manager. Jeder Agent hat eingeschränkte Autonomie und explizite Reasoning-Chains.
Bilanzanalyse, Cashflow und Earnings-Quality. Liest Filings und Insider-Transaktionen.
Narrativ-Erkennung, Sentiment-Dekomposition, Crowd-Psychology-Mapping.
Aggregation und Bewertung von Nachrichtenereignissen, Pressemeldungen und Macro-Triggern.
Mustererkennung, Momentum-Quantifizierung, Regime-Detection. Bis zu 60 Indikatoren parallel.
Konstruiert das stärkste Long-Argument auf Basis der vier Analyst-Berichte. Debattiert in mehreren Runden gegen den Bear.
Sucht systematisch nach Fehlern in der Long-These. Konstruiert das stärkste Short-Argument.
Liest den rohen Debattentext der Researcher — keine Zusammenfassung — und trifft eine Buy-, Hold- oder Sell-Entscheidung mit allen Nuancen.
Drei Risk-Profile in dreiseitiger Debatte: aggressiv (Upside), neutral (Baseline), konservativ (Worst-Case). Prüft die Trader-Decision dimensional, nicht binär.
Final-Approver. Prüft die Risk-Debatte, persistiert die Entscheidung im globalen Zustandsobjekt und gibt das Conviction-Scoring frei.
Jede Analyse durchläuft zwei adversariale Schichten. Nicht Konsens — sondern strukturierter Widerspruch. Der Trader liest den ungefilterten Disput, nicht eine destillierte Zusammenfassung.
Bullischer Researcher argumentiert für die Position. Bärischer Researcher sucht nach dem Fehler. Der Trader liest den rohen Debattentext — mit allen Nuancen, Unsicherheiten und Gegenargumenten.
Drei Risk-Manager mit explizit unterschiedlichen Risikoprofilen prüfen die Trader-Entscheidung. Nicht binär — sondern dreidimensional.
Kein Agent debattiert gegen eine Zusammenfassung. Der Trader sieht den rohen Text — mit allen Spannungen, Unsicherheiten und Gegenargumenten. Zusammenfassungen komprimieren und verlieren dabei entscheidende Qualifikationen.
Deep Learning sagt dir WAS — nicht WARUM. Jede QCE-Entscheidung ist vollständig nachvollziehbar: Daten, Tools, Reasoning, Debatten und finale Begründung.
Jede Entscheidung dokumentiert, welche Datenquellen eingesehen wurden — Fundamental-Filings, News-Feeds, technische Indikatoren, Sentiment-Streams.
Welche Tools wurden aufgerufen? Welche Parameter? Welche Ergebnisse? Jeder ReAct-Zyklus ist persistiert und nachprüfbar.
Jeder Gedankengang, jede Zwischen-Schlussfolgerung, jede Confidence-Anpassung ist dokumentiert. Nicht Black-Box — Glass-Box.
Der vollständige Wortlaut der Bull/Bear-Debate und des Risk-Tripletts ist einsehbar. Wer argumentierte was — und warum.
Die Pipeline ist die Engine. Der Belief-Graph ist das Gedächtnis. QCE erweitert die multi-agentische Architektur um vier Dimensionen, die es in keinem anderen System gibt.
Statt Decisions zu vergessen: Jede Trader-Entscheidung wird als strukturierter Belief persistiert — mit Pre-Conditions (was muss wahr bleiben?), Kill-Criteria (woran scheitert die These?) und Confidence-Score. Der Graph ist live, queryable und sieht beim nächsten Run, was du gestern geglaubt hast.
Was du heute glaubst, muss in 24 Monaten konsistent sein mit dem, was du dann wissen wirst.
Statt Daten in einer App zu isolieren: Direkte Integration in deinen persönlichen Knowledge Graphen. Daily Notes, Decision-Logs, Research-Clips und Meetings werden First-Class-Datenquellen — Beliefs, Pre-Conditions und Kill-Criteria leben dort, nicht in einem proprietären DB-Silo.
Generic-Plattformen können das per Definition nicht haben.
Statt Bull-vs-Bear-Konsens: Eine Persona × drei Modi, die gegen sich selbst antritt. Der gleiche Agent in Steelman-Modus (stärkste These), Pre-Mortem-Modus (Position ist tot — was war der Grund?) und Bayesian-Modus (neue Daten — wie verschiebt sich das Posterior?).
Default-UX: Pre-Mortem ist der Standard für jede Buy-Decision. Wer eine Position eröffnet, liest zuerst, wie sie scheitert.
Statt Renditen zu backtesten: Reasoning point-in-time zurückspielen. Mit denselben Daten, aber anderer Persona oder anderem Modus. Hätte diese Analyse vor 6 Monaten dasselbe Ergebnis geliefert? Der Belief-Graph macht das auditierbar — über Monate hinweg.
Bloomberg hat das nicht. Niemand auf GitHub hat das.
Konkreter Pipeline-Durchlauf für PLTR · Q1 2026. Neun Agenten, fünf Schichten, vollständig auditierbar. Decision plus Belief-Update werden in den Vault zurückgeschrieben.
Anonymisierter Pipeline-Output. Keine Anlageberatung — Forschungsartefakt zur Veranschaulichung der Architektur. Tatsächliche Runs werden ausschliesslich auf authentifizierten Researcher-Accounts ausgeführt.
Die Pipeline ist für Reproduzierbarkeit konzipiert. Jeder Run generiert einen vollständigen Audit-Trail für Peer Review, Backtesting und methodische Verbesserung.
Multi-Source-Daten-Normalisierung. Fundamental-Filings, Echtzeit-Price-Feeds, Sentiment-Streams und Makro-Indikatoren werden ingested, validiert und zeitgestempelt.
Jeder Agent erhält den vereinheitlichten Datensatz und produziert eine unabhängige These. Kein Agent sieht während dieser Phase die Output eines anderen – verhindert vorzeitigen Konsens.
Agenten debattieren in Runden. Jeder muss Gegenargumente von Peers adressieren. Der Risk Manager kann Positionen vetieren, die vordefinierte Tail-Risk-Schwellen überschreiten.
Ein gewichtetes Ensemble-Modell aggregiert Agent-Confidence-Scores zu einem finalen Conviction-Wert (0,00–1,00) mit expliziten Unsicherheitsgrenzen.
Jeder Reasoning-Schritt, Debatten-Transkript und Confidence-Delta wird persistiert. Volle Reproduzierbarkeit für Backtesting und Peer Review.
QCE öffnet sich für strategische Investoren mit Verständnis für AI-getriebene Finanzanalyse. Wir suchen Partner, die mit uns das nächste Jahrzehnt der Belief-Driven Decision Systems gestalten — keine generischen LP-Kapitalspritzen.
Eine neue Klasse von Decision Systems: Belief-Graphen statt Black-Box-Predictions. Adressmarkt: institutionelles Asset-Management, Hedge Funds, Family Offices, Quant-Researcher.
Persönlicher Knowledge-Graph als First-Class-Datenquelle. Counterfactual Replay des Reasoning-Prozesses über Monate hinweg. Adversarial Singleton statt Bull/Bear-Konsens. Keine generische Plattform kann das per Definition nachbauen.
Multi-Agent-Pipeline produktiv im Test, Belief-Graph live, Tenbagger-Sweep-Engine im Einsatz. Offen für strategische Partnerschaften, Pre-Seed-Discussions und Lead-Investor-Mandate.
QCE wird von EconLab Research entwickelt, einer unabhängigen Forschungseinheit für die Anwendung von Multi-Agent-LLM-Systemen auf Finanzanalyse. Wir bieten keine Anlageberatung, Portfoliomanagement oder regulierte Finanzdienstleistungen an. Alle Outputs sind Forschungsartefakte für methodische Studie und akademischen Diskurs.