Eine Plattform. Viele Workflows.

Weil Orchestrierung, Context Engineering, Traceability und Evals wiederverwendbar sind, geht jeder neue Workflow in Tagen live, nicht in Monaten. Hier sind fünf Flows, die bereits auf portfoliochat.ai laufen.

Portfolio-Reporting-Automatisierung

Manuelles Problem

Portfolio-Kommentare, Performance-Narrative und CIO-Views werden nach wie vor pro Reporting-Periode manuell zusammengetragen, Position für Position, Portfolio für Portfolio.

Wie portfoliochat.ai es löst

portfoliochat.ai berechnet Portfolio-Kennzahlen, identifiziert, was für genau dieses Portfolio und diese Periode zählt, reichert die Story mit Research, CIO-View und News an und erzeugt einen Branded Review-Ready Draft für die RM-Freigabe.

InputsPositionen, Cash, Transaktionen, Performance, P&L, Exposure, Restriktionen, Modellportfolio-Mapping, Research-Notizen, CIO-View, relevante News.

Beteiligte AgentenPortfolio-Analyst → News-Researcher → Exposure-Analyser → Synthese.

OutputsPositionsbezogene Kommentare, Top-Beiträge und -Detraktoren, news-angereicherte Erklärungen, Branded PDF-Draft.

Menschliche FreigabeRelationship-Manager oder Portfolio-Manager prüft und passt an, bevor der Report an den Kunden geht.

GovernanceVollständiger Langfuse-Trace pro Draft, Eval-Scores für Faktentreue und Tonalität, deterministische Performance-Berechnungen sind von KI-Kommentaren getrennt.

Kundenspezifische News und Morning-Briefings

Manuelles Problem

Marktnews sind im Überfluss da. Ein Relationship-Manager muss aber wissen, welche Ereignisse für welches konkrete Kundenportfolio zählen, und warum.

Wie portfoliochat.ai es löst

portfoliochat.ai verknüpft Portfolio-Positionen mit hochwertigen News-Daten, identifiziert, was sich für jedes Portfolio geändert hat, und erstellt ein Morning-Briefing, das auf die tatsächliche Exposure jedes Kunden zugeschnitten ist.

InputsPortfolio-Positionen, Look-Through, Exposures, News-Feed (RavenPack), CIO-View.

Beteiligte AgentenNews-Researcher → Portfolio-Analyst → Exposure-Analyser → Synthese.

OutputsMorning-Briefing pro Portfolio, „Was ist in diesem Portfolio passiert?“-Summaries, kundenfertige Talking Points.

Menschliche FreigabeRelationship-Manager prüft Talking Points vor Kundenmeetings.

GovernanceJede News-Meldung verknüpft mit den Positionen, die sie betrifft; vollständiger Trace vom News-Ereignis bis zum Talking Point.

Restriktions-konformes Rebalancing

Manuelles Problem

Wenn ein Portfolio-Manager ein Instrument hinzufügen oder austauschen will, berührt die Entscheidung Modellportfolio-Bandbreiten, Kundenrestriktionen, Ausschlüsse, Währungslimits, Volatilitätsbeitrag, Topic-Bias und qualitatives PM-Urteil, alles manuell geprüft über Dutzende Portfolios.

Wie portfoliochat.ai es löst

Deterministische Restriktionschecks laufen zuerst mit strikter Pass/Fail-Logik. KI-Reasoning ist dem qualitativen Overlay vorbehalten. Bei einer Verletzung argumentiert portfoliochat.ai über den Failure-Report und schlägt eine angepasste Trade-Size vor, die die Constraints einhält.

InputsPositionen, Cash, Restriktionen, Modellportfolio-Mappings, Ausschlüsse, Exposure, die vorgeschlagene Trade-Idee.

Beteiligte AgentenPortfolio-Analyst → Restriktionschecker (deterministisch) → Trade-Size-Vorschlagsagent → Synthese.

OutputsPro-Portfolio-Eignungs-Urteil, restriktions-bewusste Trade-Size, strukturierter Trade-Blotter, Begründung pro Portfolio.

Menschliche FreigabePortfolio-Manager prüft und gibt frei, bevor ein Trade ins Handelssystem geht.

GovernanceDeterministische Checks sind von KI-Reasoning getrennt; jeder Check und jede Override wird für Compliance protokolliert.

Automatisierung von Investment-Vorschlägen

Manuelles Problem

Prospect-Vorschläge werden aus Fragebogen, Portfolio-Match, vorgeschlagener Allokation, CIO-View, Research, Firmen-Content und Branded PDF manuell zusammengesetzt. Jeder Prospect, jedes Mal.

Wie portfoliochat.ai es löst

portfoliochat.ai mappt den Prospect-Fragebogen auf ein passendes Modellportfolio, skaliert das Setup auf die Vermögenssituation des Prospects, führt einen finalen restriktions-bewussten Check durch und liefert einen Branded Proposal-Draft.

InputsProspect-Fragebogen, Modellportfolios, CIO-View, Research, Brand-Content-Bibliothek.

Beteiligte AgentenFragebogen-Mapper → Portfolio-Analyst → Restriktionschecker → Synthese.

OutputsVorgeschlagenes Modellportfolio, skaliertes Setup, restriktions-bewusster Final-Check, Branded Proposal-PDF.

Menschliche FreigabeRelationship-Manager und Portfolio-Manager prüfen und passen an, bevor der Vorschlag den Prospect erreicht.

GovernanceEval-Scores für Vorschlags-Qualität und Faktentreue; jede Aussage wird auf die Quelle zurückverfolgt.

Research- und CIO-View-Storytelling

Manuelles Problem

Research, CIO-Views und Marktkommentare bleiben generisch. Sie in kundenspezifische Narrative zu übersetzen ist manuell, langsam und über Advisor hinweg uneinheitlich.

Wie portfoliochat.ai es löst

portfoliochat.ai verknüpft Portfolio-Daten, relevantes Research, CIO-Views und News, um Erklärungen zu erzeugen, die spezifisch für ein Kundenportfolio oder ein Investment-Vorschlag sind, in der Tonalität deiner Firma.

InputsPortfolio-Daten, Research-Notizen, CIO-View, News, Brand-Voice-Guidelines.

Beteiligte AgentenPortfolio-Analyst → News-Researcher → Exposure-Analyser → Synthese.

OutputsPortfolio-spezifische Research-Kommentare, Talking Points für Kundenmeetings, Textblöcke für Branded Decks.

Menschliche FreigabeAdvisor oder Relationship-Manager prüft und passt an, bevor es zum Kunden geht.

GovernanceBrand-Voice-Eval kontinuierlich gescored; Citation-Eval stellt sicher, dass jede Aussage eine Quelle hat.

Einen Workflow, den wir noch nicht gebaut haben?

Workflow-Tour vereinbaren Kontaktiere uns