Was wir gelernt haben
Screener — Fables Diagnose:
- Absolute Score-Schwellen veralten still. Ein Titel mit 4,9% FCF-Rendite und einer mit 5,1% bekamen unterschiedliche Punktzahlen — real sind sie identisch. Das neue System bewertet relativ zum Universum dieser Woche (Perzentil-Ranking), nicht absolut.
- Im alten System galt Nähe am 52-Wochen-Tief als Kaufsignal. Akademisch ist das Gegenteil belegt: Momentum-Persistenz bedeutet, dass Gewinner tendenziell weitersteigen und Verlierer weiterfallen. Der Ansatz war entsprechend falsch verdrahtet und wurde korrigiert.
- CAPE-Punktabzüge verändern keine Rankings, weil wer vorne liegt vorne bleibt — unabhängig davon wie viele Punkte abgezogen werden. Wirksamer ist die Verschiebung von Faktorgewichten: bei CAPE über 35 erhält Value mehr Gewicht, Momentum weniger.
Risikoberechnung — Opus-Review:
- Verdiq hatte kein hartes Risiko-Gate. Der CRV in der Debate ist ein Argumentationswert — Überzeugungskraft, keine Arithmetik. Das System konnte kaufen ohne eine berechnete CRV-Zahl geprüft zu haben.
- Niedriges Beta bedeutet nicht automatisch niedriges Risiko: Im Crash steigen Korrelationen breit an, weil alle gleichzeitig verkaufen, und was im Normalbetrieb als Beta 0,27 gemessen wird kann im Extremfall deutlich höher liegen. Ein Mindestboden von 0,8 im Modell verhindert, dass dieser Tail-Effekt ignoriert wird.
- Ein Risikorechner der upgraden kann ist kein Sicherheitssystem — er ist ein zweiter Kauf-Auslöser. Der neue CRV-Rail ist ausschließlich eine Bremse.
Sanofi als Dokumentationsfall:
- Dieselbe Aktie hat in drei aufeinanderfolgenden Systemversionen zwei entgegengesetzte Ergebnisse produziert — ohne dass sich die Fundamentals geändert hätten. Das zeigt, wie stark das Ergebnis eines solchen Systems von seinen Architekturannahmen abhängt, und warum es sich lohnt diese explizit zu machen.
Wie es dazu kam
Der Auslöser
Am 9. Juni 2026 brachte Anthropic Fable auf den Markt — zum damaligen Zeitpunkt das leistungsfähigste öffentlich verfügbare Modell des Unternehmens, eine sicherheitsorientierte Variante des Basismodells Mythos. Der Release bot eine Gelegenheit die wir genutzt haben: Verdiq’s Prozesslogik einem unabhängigen KI-Review zu unterziehen, strukturelle Fehler zu finden und die Rollenbeschreibungen der einzelnen Agenten zu schärfen.
Bereits 72 Stunden nach dem Launch wurde Fable durch das US-Handelsministerium aus Gründen der nationalen Sicherheit vom Markt genommen. Was in diesem Zeitfenster gelungen war: eine Abendsession in der wir kritisches Feedback zu Screener und Debate-Architektur eingeholt haben. Die Aufarbeitung dieses Feedbacks — und die Umsetzung der daraus folgenden Änderungen — übernahm anschließend Opus 4.8, das zu diesem Zeitpunkt stärkste öffentlich zugängliche Modell.
Was Fable konkret gesehen hat und was daraus entstanden ist, beschreibt der folgende Abschnitt.
Was Verdiq sein soll
Verdiq ist kein System das versucht Aktien zu finden die steigen. Es ist ein System das versucht, Kaufentscheidungen nur dann zu treffen, wenn das Chancen-Risiko-Verhältnis ausreichend hoch ist — gemessen daran, ob die mögliche Rendite die realistischen Downside-Szenarien rechtfertigt. CRV ist der Kern: kein Kauf wenn die Chancen die Risiken nicht deutlich überwiegen.
Daraus folgt eine konkrete Anforderung: Wenn das System kauft, muss das auf Basis einer berechneten CRV-Zahl geschehen — nicht nur weil die Argumente überzeugend klingen.
Das Problem: Risiko ohne Rechnung
Im 18:00-Modell existierte kein berechneter CRV. Die Agenten (Analyst, Skeptiker, Richter) schätzen im Verlauf der Debate das Chancen-Risiko-Verhältnis ab — aber das ist ein Argumentationswert, kein arithmetischer. Er spiegelt die Überzeugungskraft der Argumente, nicht die tatsächlichen Kursziele und Downside-Annahmen in Zahlen.
Das bedeutet: Das System konnte zu einem KAUFEN kommen ohne je eine harte CRV-Zahl geprüft zu haben. Genau in den Situationen wo überzeugende Argumente und schlechte Zahlen auseinanderfallen — teurer Markt, spezifisches Sektorrisiko, Beta das die wahre Tail-Volatilität unterschätzt — hatte das System keinen Mechanismus um einzugreifen.
Die Lösung: CRV als Veto
Neben der Schärfung der Agentenrollen war die wesentliche Neuerung die Implementierung des CRV-Rails: ein arithmetischer Schritt nach der Debate der auf Basis von Analysten-Kurszielen, Beta und aktuellem Marktregime einen harten CRV berechnet.
Dieser Rail hat eine einzige Funktion: Bremse. Er kann kein KAUFEN auslösen, kein BEOBACHTEN hochstufen. Er kann ein KAUFEN auf BEOBACHTEN abschwächen und ein BEOBACHTEN auf MEIDEN setzen — wenn die berechnete Zahl zeigt, dass das Risiko die mögliche Rendite nicht rechtfertigt. Die Entscheidung nach oben bleibt beim Richter. Die Kontrolle nach unten liegt bei der Arithmetik.
Sanofi: drei Durchläufe
Sanofi (Ticker: SAN.PA) ist der einzige Titel, der innerhalb von 48 Stunden alle drei Systemversionen durchlaufen hat. Das macht ihn zum vollständigsten Dokumentationsfall.
| Sonntag Abend — CRV-Rail v1 | Nach der Korrektur — CRV-Rail v2 | |
|---|---|---|
| crv_low | 1.28 | — |
| crv_mid (Bandmitte) | 4.85 | 1.04 |
| crv_high | 8.41 | — |
18:00 Uhr — regulärer Wochenrun: Das bis dahin aktive Verdiq-Modell lief. Sechs Titel kamen in die Analyse, Sanofi war dabei. Der Meta-Richter urteilte: BEOBACHTEN. Das neue Modell war zu diesem Zeitpunkt fertig, aber noch nicht auf den Server geladen.
Sonntag Abend — Update und zweiter Run: Noch am selben Abend wurde das neue Modell deployed und der Run wiederholt. Mehr Titel fanden diesmal den Weg in die Analyse. Sanofi lief erneut. Der Meta-Richter urteilte wieder: BEOBACHTEN.
Dann lief die neue CRV-Berechnung. Sanofi hat ein historisches Beta von 0.27 — die Aktie schwankt historisch wenig mit dem Markt. Das Modell rechnete daraus einen sehr kleinen Downside (Beta × möglicher Markteinbruch = 5.4%) und einen optimistischen Rail-CRV von 8.41, Mittellage 4.85. Da dieser Wert weit über der Kaufschwelle lag, überschrieb die Risikorechnung das Richter-Urteil: aus BEOBACHTEN wurde KAUFEN, und Sanofi kam ins Portfolio — obwohl der einzige menschlich interpretierbare Entscheider im System sich dagegen ausgesprochen hatte.
Der Fehler: Eine Risikorechnung die ein “Nein” des Richters in ein “Ja” umwandeln kann, ist keine Sicherheitsprüfung — sie ist ein Kauf-Auslöser. Dazu hatte das Modell das Beta von 0.27 unkorrigiert übernommen. Beta misst die Korrelation mit dem Markt im Normalbetrieb. In einer Panik-Situation steigen Betas breit an — eine Aktie mit Beta 0.27 kann im Crash auf 0.7 oder 0.8 kommen. Dieser Effekt war nicht modelliert.
Nach der Korrektur: Das System wurde an zwei Stellen angepasst. Erstens kann die Risikorechnung kein Richter-Urteil mehr nach oben korrigieren — sie kann ausschließlich einschränken: ein KAUFEN auf BEOBACHTEN abschwächen, ein BEOBACHTEN auf MEIDEN. Zweitens wurde ein Beta-Mindestboden eingeführt: Das System rechnet Beta nie unter 0.8, auch wenn die Messung niedriger ist.
Für Sanofi: systematischer Downside 0.8 × 20% = 16%. Dazu ein Zuschlag für das Risiko eines Patentablaufs (25%), das Beta nicht erfasst. Der höhere Wert zählt: 25%. Upside laut Analysten: 26%. Rail-CRV: 1.04 — weit unter der Kaufschwelle 2.5 im aktuellen Marktregime.
Da der Meta-Richter auf BEOBACHTEN stand und die Risikorechnung keinen Einspruch erhob, blieb das Endurteil: BEOBACHTEN.
Sanofi wurde aus dem Portfolio entfernt. Die Position war ein Systemfehler — kein Urteil über das Unternehmen.
Teil 1 — Was Fable am Screener gefunden hat
Der Screener ist der erste Schritt in Verdiq: Rund 400 Aktien aus dem MSCI World-Index werden jede Woche bewertet, und nur die besten 10–15 kommen in die eigentliche Analyse.
Fable’s Diagnose war direkt: “Dein Screener ist ein Regelwerk aus absoluten Schwellen und Punkte-Buckets. Der mächtigste Screener, den man mit öffentlichen Daten bauen kann, ist ein cross-sektionales Ranking-System. Das ist der fundamentale Designwechsel, alles andere folgt daraus.”
Was “Punkte-Buckets” bedeutet — und warum das ein Problem ist
Der alte Screener funktionierte so: Hat eine Aktie eine freie Cashflow-Rendite über 5%? Dann bekommt sie 3 Punkte. Zwischen 2% und 5%? Zwei Punkte.
Das klingt vernünftig — hat aber drei strukturelle Schwächen:
Klippeneffekte: Eine Aktie mit 5.1% und eine mit 4.9% sind in der Realität praktisch identisch. Im alten System lagen sie eine ganze Punktklasse auseinander. Das System bestraft minimale Unterschiede unverhältnismäßig.
Veraltende Schwellen: Was eine “gute” FCF-Rendite ist, hängt davon ab, was der Markt gerade hergibt. In einem Nullzins-Umfeld (2021) war 3% sensationell. Heute ist es Mittelmaß. Feste Schwellen veralten still — ohne dass das System es merkt.
Fehlende Vergleichbarkeit: Eine absolute Punktzahl sagt nichts darüber aus, wie eine Aktie im Vergleich zu den anderen 400 Kandidaten dieser Woche abschneidet. Eine Aktie mit 4% FCF-Rendite ist einmal Spitze (wenn der Rest bei 1% liegt) und einmal Mittelmass (wenn der Rest bei 6% liegt) — und bekam immer dieselbe Punktzahl.
Was stattdessen gebaut wurde
Der neue Screener bewertet jede Aktie nicht absolut, sondern relativ zum Rest des Universums dieser Woche. Wer die höchste Cashflow-Rendite hat, bekommt Rang 1 (Perzentil 100%). Wer die niedrigste hat, bekommt Rang 400 (Perzentil 0%). Alle anderen proportional dazwischen.
Das ist selbstkalibrierend: Die Schwelle passt sich automatisch an, was der Markt gerade bietet. Und es gibt keine Klippeneffekte, weil minimale Unterschiede auch minimale Rangdifferenzen erzeugen.
Was jetzt bewertet wird
Fünf Dimensionen mit unterschiedlicher Gewichtung:
Value (30%) — Wie günstig ist die Aktie? Drei Kennzahlen zusammen: freie Cashflow-Rendite (wieviel Cash erzeugt das Unternehmen relativ zum Börsenwert), Ertragskraft relativ zum Preis, und EV/EBITDA-Effizienz (Unternehmenswert relativ zum operativen Gewinn). Fable’s Hinweis, das PEG-Verhältnis zu entfernen — eine Kennzahl die Wachstumserwartungen und Bewertung mischt und dabei beide verzerrt — wurde umgesetzt. PEG erscheint noch als Kontext für die Analyst-Debatte, steuert aber keine Punkte mehr bei.
Quality (30%) — Wie gut ist das Geschäftsmodell? Gross Profitability nach Novy-Marx (Bruttogewinn relativ zum Anlagevermögen — ein akademisch dokumentierter Prädiktor für Aktienrenditen), Eigenkapitalrendite, Verhältnis von tatsächlichem Cash zu ausgewiesenem Gewinn (ein Accrual-Filter: Unternehmen die mehr Gewinn auf dem Papier ausweisen als tatsächlich Cash einsammeln, liefern statistisch schlechtere Renditen), und inverse Verschuldung.
Momentum (15%) — In welche Richtung bewegt sich die Aktie? Gemessen als 12-Monats-Rendite minus den letzten Monat (das “Minus-1-Monat” korrigiert einen bekannten kurzfristigen Umkehreffekt). Fable hat hier auf einen Denkfehler im alten System hingewiesen: Aktien nahe am 52-Wochen-Tief wurden als “günstig” gewertet. Akademisch ist das Gegenteil belegt — Momentum-Sieger schlagen langfristig Momentum-Verlierer. Der alte Ansatz war intuitiv, aber falsch herum.
Shareholder Yield (15%) — Was gibt das Unternehmen an Aktionäre zurück? Dividenden und Aktienrückkäufe zusammen. Bestraft automatisch Unternehmen, die Aktien ausgeben (Verwässerung). Aktuell nur Dividendenrendite implementiert — Rückkäufe folgen, sobald die nötigen historischen Datenpunkte verfügbar sind.
Earnings Quality (10%) — Wie stabil und zuverlässig sind die Gewinne? Cash-Konversion und Umsatzwachstum, ergänzt durch den PEAD-Effekt (Post-Earnings Announcement Drift): Aktien die Analysten-Erwartungen überraschend übertreffen, zeigen statistisch eine Fortsetzung dieser Outperformance. Dieser Faktor fehlt in Fables ursprünglichem Vorschlag nicht — er hat ihn als “Revisions-Säule” beschrieben (ob Analysten ihre Schätzungen nach oben oder unten revidieren). Wir haben ihn über den realisierten Überraschungseffekt approximiert. Es ist nicht dasselbe, kommt dem Ziel aber nahe.
Regime-Bewusstsein ohne Punktabzüge
Ein Detail das Fable explizit angesprochen hat: Statt CAPE-Punktabzüge (die Rankings nicht ändern — wer schon vorne liegt, bleibt vorne) verschiebt das neue System bei teuren Märkten die Säulengewichte. Bei CAPE über 35 bekommt Value mehr Gewicht, Momentum weniger. Bei niedrigem CAPE (Crash-Regime) umgekehrt. Das ist dieselbe Intuition — in teuren Märkten lieber günstige Qualität als Momentum-Gewinner — nur am wirksamen Hebel.
Teil 2 — Was Opus am CRV-Rail gefunden hat
Hier wird es technischer, aber das Sanofi-Beispiel hält uns geerdet.
Was CRV bedeutet — kurz erklärt
CRV steht für Chance-Risiko-Verhältnis. Ein CRV von 2.0 bedeutet: für jeden Euro möglichem Verlust gibt es zwei Euro möglichen Gewinn. Ein CRV unter 1.0 bedeutet: das Verlustpotenzial übersteigt das Gewinnpotenzial. Für Verdiq ist CRV die härteste Regel im System — kein Kauf ohne ausreichendes CRV, keine Ausnahme.
Die zwei CRVs in Verdiq
Hier ist ein Punkt der leicht Verwirrung stiftet: In Verdiq gibt es zwei verschiedene CRV-Größen, die unterschiedliche Rollen spielen.
Das Debate-CRV entsteht innerhalb der Analyse. Wenn Analyst und Skeptiker ihre Argumente aufbauen, schätzen sie als Teil ihrer Argumentation auch das Chancen-Risiko-Verhältnis ab. Der Richter berücksichtigt diese Einschätzungen. Das Debate-CRV ist ein narrativer Wert — er spiegelt die Überzeugung der Argumentierenden.
Das Rail-CRV ist etwas gänzlich anderes. Es wird nach der Debate aus reinen Marktdaten berechnet: Wo haben Analysten ihre Kursziele gesetzt? Wie stark hat die Aktie historisch auf Marktbewegungen reagiert (Beta)? Wie tief könnte der Markt beim aktuellen Bewertungsniveau fallen? Das Rail-CRV ist Arithmetik — keine Argumentation.
Beide Zahlen können stark voneinander abweichen. Ein Analyst kann in der Debate überzeugend für CRV 3.0 argumentieren, während die Marktdaten CRV 0.7 ergeben. In diesem Fall gewinnt die Arithmetik: kein Kauf.
Das Problem mit dem alten Rail
Vor der Revision berechnete der Rail das Chancen-Risiko-Verhältnis als Band zwischen einem pessimistischen und einem optimistischen Szenario. Bei Sanofi sah das so aus:
- Pessimistisches Szenario (crv_low): 1.28 — schon über der Kaufschwelle
- Optimistisches Szenario (crv_high): 8.41 — weit über jeder Kaufschwelle
- Bandmitte (crv_mid): rund 4.85
Warum war das optimistische Szenario so extrem? Weil das Downside-Modell fast keine Gefahr sah: Sanofi hat ein historisches Beta von etwa 0.27 — die Aktie schwankt sehr wenig mit dem Markt. Das alte Modell rechnete: 0.27 × 20% möglicher Markteinbruch = nur 5.4% möglicher Rückgang für Sanofi. Kleiner Downside, großer Upside → sehr großes CRV.
Das alte System nutzte dieses große CRV, um das BEOBACHTEN des Richters zu überschreiben: Die Zahlen sehen gut aus, also kaufen wir — egal was der Richter sagt.
Was Opus daran strukturell falsch fand
Das Problem hatte zwei Ebenen:
Problem 1 — Systemlogik: Ein Rail der upgraden kann, ist keine Bremse. Er ist ein zusätzlicher Kauf-Treiber. Wenn zwei Mechanismen (Richter und Rail) beide ein KAUFEN triggern können, aber keiner davon allein hinreichend ist, entsteht ein System das zu häufig kauft. Das widerspricht dem Ziel: Verdiq soll einen hohen Standard für Kaufentscheidungen haben.
Problem 2 — Das Beta-Problem: Ein Beta von 0.27 bedeutet, dass Sanofi historisch 27% so stark schwankt wie der Markt. Das stimmt im Durchschnitt normaler Handelstage. In einem echten Crash — Liquiditätskrise, systemisches Ereignis — kollabiert diese Struktur, weil alle gleichzeitig verkaufen und die Korrelation zwischen allen Assets ansteigt. Was im Normalbetrieb als Beta 0.27 gemessen wird, kann in einer solchen Phase bei 0.7, 0.8 oder höher liegen — ein Effekt den das alte Modell nicht berücksichtigt hatte.
Die Korrektur: Rail als reine Bremse
Das Designprinzip des neuen Rails: Er kann ausschließlich bremsen, nie beschleunigen.
- KAUFEN vom Richter + Rail ohne Einwände → KAUFEN
- KAUFEN vom Richter + Rail mit Veto → BEOBACHTEN oder MEIDEN
- BEOBACHTEN vom Richter + Rail ohne Einwände → BEOBACHTEN (bleibt)
- BEOBACHTEN vom Richter + Rail mit Veto → MEIDEN
Das ist die vollständige Logik des neuen Rails — und sie enthält keinen Pfad mehr, in dem ein BEOBACHTEN zu einem KAUFEN werden könnte.
Das neue Downside-Modell
Gleichzeitig hat Opus das Downside-Modell neu gebaut — mit einem Beta-Floor und vier Risikokomponenten:
Beta-Floor: Das System verwendet Beta nie unter 0.8 — auch wenn die historische Messung niedriger ist. Bei Sanofi heißt das: statt 0.27 × 20% = 5.4% rechnet das System 0.8 × 20% = 16%. Das ist der systematische Downside.
Sektor-Zuschlag: Pharmaunternehmen haben ein spezifisches Risiko das Beta nicht misst: Patent-Ablauf. Wenn ein Blockbuster-Medikament seinen Patentschutz verliert und Generika den Markt übernehmen, können Umsätze um 70-80% einbrechen — unabhängig davon was der Gesamtmarkt macht. Das System schlägt pauschal 25% auf den Downside auf für pharmazeutische Unternehmen mit diesem Profil.
Beide Werte werden verglichen, der höhere gewinnt. Bei Sanofi: systematisch 16%, idiosynkratisch 25% → Downside-Annahme 25%.
Upside: Analysten-Median-Kursziel €96.70 bei aktuellem Kurs €76.50 → 26% Upside.
Rail-CRV: 26% / 25% = 1.04. Das ist ein CRV leicht über 1 — in einem EXTREM_TEUER-Markt (CAPE 41.4) mit einer Kaufschwelle von 2.5. Deutlich zu schwach für einen Kauf.
Verglichen mit dem alten Wert von 4.85 ist der Unterschied erheblich — wobei er nicht davon kommt, dass Sanofi als Unternehmen schlechter geworden wäre, sondern davon, dass das neue Modell realistischere Annahmen über den Downside trifft.
Das ehrliche Bild: Was Verdiq in diesen 48 Stunden war
Für kurze Zeit stand Sanofi als KAUFEN im Portfolio — ein Ergebnis, das auf einem Designfehler beruhte: Das System war so gebaut, dass die Risikorechnung den Meta-Richter überstimmen konnte. Als dieser Fehler identifiziert wurde, haben wir die Position rückgängig gemacht und das System an der richtigen Stelle korrigiert.
Das ist keine Erzählung von einem perfekten System, sondern von einem System, das Fehler macht, sie sichtbar macht und daraus lernt. Verdiq ist kein fertiges Produkt, sondern ein laufendes Experiment — und das schließt ein, dass Dinge nicht immer beim ersten Mal richtig sind.
Referenzen: Fable (Anthropic, 09.06.2026) — KI-Reviewer-Session Screener v4.0 und Debate-Prompts; Verfügbarkeit 72h, offline gestellt durch US-Handelsministerium. Opus 4.8 (Anthropic, 2026) — CRV-Rail-Architektur v2. Novy-Marx, R. (2013): The Other Side of Value: The Gross Profitability Premium, Journal of Financial Economics. Jegadeesh & Titman (1993): Returns to Buying Winners and Selling Losers, Journal of Finance.