🤖 AI

From Numbers to Judgment: Specialist LLM Agents and Reinforcement Learning for European Listed Real Estate

Diese Arbeit zeigt auf, dass die Zerlegung der Analyse europäischer börsennotierter Immobilien in spezialisierte LLM-Agenten die Leistung bei numerischen Aufgaben zwar signifikant verbessert, die Steigerung integrativer finanzieller Urteilskraft jedoch eine gezielte Parameteranpassung mittels Reinforcement Learning (GRPO) statt einer bloßen Dekomposition auf Prompt-Ebene erfordert.

Ursprüngliche Autoren: Pardis Taghavi, Santosh Bhavani

Veröffentlicht 2026-08-13

📖 6 Min. Lesezeit🧠 Tiefgang

CC BY 4.0

Ursprüngliche Autoren: Pardis Taghavi, Santosh Bhavani

Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen

Stellen Sie sich vor, Sie versuchen, einem superintelligenten Roboter beizubringen, wie man ein Finanzanalyst ist. In der Welt der künstlichen Intelligenz werden diese Roboter als Large Language Models (LLMs) bezeichnet. Betrachten Sie sie als unglaublich belesene Studenten, die fast jedes Buch in der Bibliothek gelesen haben, aber manchmal verwirrt sind, wenn sie nach einer spezifischen, kniffligen Mathematik oder einer komplexen Entscheidung basierend auf einer Mischung aus verschiedenen Regeln gefragt werden. Diese Arbeit lebt in der Ecke der Wissenschaft, in der Forscher versuchen herauszufinden, was der beste Weg ist, um diese Roboter darin zu „trainieren“, mit Geld und Geschäftsregeln umzugehen. Die große Frage, die sie stellen, lautet: Ist es besser, den Roboter zu bitten, alles auf einmal zu erledigen, oder sollten wir die Aufgabe aufteilen und ihn bitten, wie ein Team aus verschiedenen Spezialisten zu agieren? Es ist ein bisschen so, als würde man fragen: „Ist es besser, einen einzelnen Genie-Koch zu haben, der versucht, das ganze Bankett allein zu kochen, oder eine Küche mit einem engagierten Bäcker, einem engagierten Grillmeister und einem engagierten Saucenexperten?“

Die Forscher dieser Studie, Pardis Taghavi und Santosh Bhavani, beschlossen, diese Idee anhand eines sehr spezifischen und schwierigen Themas zu testen: europäische Immobilienunternehmen. Diese Unternehmen sind wie eine Gruppe von Nachbarn, die alle im selben Gebäude leben, aber je nach Land unterschiedlichen Regelsätzen folgen. Einige müssen den Großteil ihrer Gewinne als Dividenden ausschütten, während andere gar nichts ausschütten müssen. Wenn man die falsche Regel für das falsche Unternehmen verwendet, ist die Mathematik falsch und der Anlagehinweis gefährlich. Das Team wollte sehen, ob die Aufteilung der Analyse in „Spezialistenrollen“ dem Roboter half, die Zahlen richtig zu bekommen, und ob es ihm half, die großen, komplizierten Urteile darüber zu fällen, ob ein Unternehmen sicher zu investieren ist.

Das Team der Spezialisten vs. die Ein-Personen-Show

Um ihre Idee zu testen, bauten die Forscher ein System namens „Larix“. Stellen Sie sich Larix als einen Manager vor, der eine massive 16-Schritte-Checkliste zur Analyse eines Immobilienunternehmens hat. Anstatt dem einen Roboter die gesamte Checkliste zu übergeben und zu sagen: „Mach das alles ganz allein“, versucht Larix einen anderen Ansatz. Es bricht die Checkliste in acht kleinere Teams oder „Spezialisten“ auf. Ein Team ist der Experte für „Finanzen“, ein anderes der Experte für „Vermögensqualität“ und ein weiteres der Experte für „Makro-Overlay“.

Die Forscher ließen ein Rennen mit einem sehr leistungsstarken Roboter (einem „Frontier“-Modell) laufen, um zu sehen, wer gewinnen würde. Im ersten Rennen musste der Roboter alles alleine machen (der „monolithische“ Ansatz). Im zweiten Rennen erhielt der Roboter die vollständige 16-Schritte-Checkliste, musste sie aber immer noch alleine bewältigen. Im dritten Rennen wurde der Roboter einer spezifischen Spezialistenrolle zugewiesen, wie zum Beispiel dem Experten für „Finanzen“, und erhielt nur den für diesen Job relevanten Teil der Checkliste.

Die Ergebnisse waren überraschend und sehr klar. Wenn es um die langweilige, mechanische Mathematik ging – wie das Finden einer bestimmten Zahl in einem Bericht oder das Durchführen einer einfachen Berechnung – war der Spezialisten-Ansatz ein riesiger Gewinner. Der Roboter, der als Spezialist agierte, brachte die numerischen Aufgaben 15,8 Prozentpunkte häufiger richtig als der Roboter, der versuchte, alles auf einmal zu erledigen. Es ist, als hätte der Spezialisten-Roboter Noise-Cancelling-Kopfhörer aufgesetzt, alle verwirrenden Zusatzanweisungen ignoriert und sich einfach nur auf die Mathematik konzentriert.

Wenn es jedoch um die „Urteils“-Aufgaben ging – bei denen der Roboter verschiedene Beweisstücke betrachten und entscheiden musste, ob ein Unternehmen riskant oder sicher ist – half der Spezialisten-Ansatz überhaupt nicht. Tatsächlich machte der Spezialisten-Ansatz die Dinge manchmal sogar schlechter. Der Roboter, der als Spezialist agierte, schnitt bei diesen Urteilsaufgaben genauso ab wie der Roboter, der alles alleine machte. Es stellt sich heraus, dass man, um ein gutes Urteil zu fällen, tatsächlich das gesamte Bild sehen muss, nicht nur einen schmalen Ausschnitt davon. Indem man die Aufgabe aufteilte, übersah der Roboter die Verbindungen zwischen den verschiedenen Informationen.

Die Magie des „Trainings“ des Gehirns

Die Forscher stellten dann eine zweite Frage: Wenn das Aufteilen der Aufgabe in Teile bei den schwierigen Urteilen nicht hilft, können wir den Roboter nicht einfach „trainieren“, damit er besser darin wird? Sie nahmen einen kleineren, günstigeren Roboter (ein Modell mit 9 Milliarden Parametern namens Qwen3.5-9B) und gaben ihm eine spezielle Art von Training namens „Reinforcement Learning with Group Relative Policy Optimization“ (GRPO).

Stellen Sie sich dieses Training wie ein Videospiel vor, bei dem der Roboter jedes Mal eine hohe Punktzahl erhält, wenn er eine richtige Antwort gibt, und eine niedrige Punktzahl, wenn er eine falsche gibt. Mit der Zeit lernt der Roboter, seine internen „Gehirneinstellungen“ anzupassen, um mehr hohe Punktzahlen zu erhalten. Sie brachten ihm nicht nur bei, Antworten auswendig zu lernen; sie lehrten ihn, die Regeln des Spiels zu verstehen.

Dieses Training wirkte wie Magie für die Urteilsaufgaben. Nach dem Training stieg die Punktzahl des kleineren Roboters bei den Urteilsaufgaben um 14,2 Punkte. Er wurde nicht nur bei den spezifischen Unternehmen besser, mit denen er geübt hatte; er wurde auch bei Unternehmen besser, die er noch nie gesehen hatte. Bei Tests an völlig neuen Firmen stieg seine Punktzahl insgesamt um 15,2 Punkte, und bei einem spezifischen „Covenant Stress“-Test (der prüft, ob ein Unternehmen finanzielle Schwierigkeiten verkraften kann) verbesserte er sich um massive 40,4 Punkte.

Die wichtigste Erkenntnis

Was hat das Papier also eigentlich herausgefunden? Es legt nahe, dass es nicht den einen „besten“ Weg gibt, KI für die Finanzanalyse einzusetzen. Es hängt ganz davon ab, was man den Roboter machen lassen möchte.

Für Zahlen und Mathematik: Das Aufteilen der Aufgabe in Spezialisten ist der richtige Weg. Es hilft dem Roboter, sich zu konzentrieren und Ablenkungen zu ignorieren, was zu viel genaueren Berechnungen führt.
Für ganzheitliche Urteile: Das Aufteilen der Aufgabe hilft nicht. Stattdessen müssen Sie das Gehirn des Roboters direkt „trainieren“, damit er lernt, die Zusammenhänge zwischen den verschiedenen Informationen zu erkennen.

Die Forscher waren vorsichtig darauf hinzuweisen, dass dies kein Allheilmittel ist, das alles löst. Sie zeigten, dass allein die Gabe des Roboters einer längeren Liste von Regeln (des vollständigen 16-Linsen-Frameworks) das Problem nicht löste; es war die spezifische Spezialisierung, die bei der Mathematik half, und das spezifische Training, das bei den Urteilen half. Sie merkten auch an, dass ihre Ergebnisse auf einem spezifischen Satz von 19 Unternehmen und einer spezifischen Art von Immobilien basieren, sodass wir nicht zu 100 % sicher sein können, dass es auf jede andere Art von Geschäft in der Welt exakt so funktioniert. Aber für die Welt der europäischen Immobilien ist die Lektion klar: Nutzen Sie ein Team von Spezialisten für die Mathematik und einen gut trainierten Generalisten für die großen Entscheidungen.

Technisches Resümee: Von Zahlen zu Urteilen: Spezialisierte LLM-Agenten und Reinforcement Learning für europäische börsennotierte Immobilien

1. Problemstellung

Die Analyse europäischer börsennotierter Immobilien stellt eine duale Herausforderung für Large Language Models (LLMs) dar: die Notwendigkeit modularer numerischer Operationen (Extraktion regimespezifischer Kennzahlen, Berechnung impliziter Cap Rates) und integrativer finanzieller Urteilskraft (Abgleich von Bilanzierung, Regulierung und Risiko zur Bewertung von Covenant-Spielräumen oder Dividendenstabilität).

Das Fachgebiet ist durch hohe Heterogenität gekennzeichnet; rechtliche und Berichterstattungsregime (z. B. französische SIICs vs. in Luxemburg registrierte Vermieter) diktieren unterschiedliche Regeln für Ausschüttungsverpflichtungen und Leistungskennzahlen. Ein kritischer Fehlermodus für LLMs ist die „Fluenzfalle“: Eine korrekte Zahl aus einer Veröffentlichung zu extrahieren, aber die Regeln des falschen Regimes anzuwenden, was zu mechanisch inkorrekten Schlussfolgerungen führt, die aufgrund der flüssigen Ausgabe des Modells schwer zu erkennen sind.

Bestehende Multi-Agenten-Systeme vermischen oft die Vorteile der Dekomposition mit domänenspezifischen Anweisungen oder Modellunterschieden. Diese Arbeit versucht, den Effekt von Spezialisten-Dekomposition (Prompt-Ebene) gegenüber Parameter-Adaption (Post-Training) auf einem festen Frontier-Modell und einem kleineren Modell zu isolieren, wobei spezifisch gefragt wird:

Verbessert die Zerlegung einer Aufgabe in linsen-ausgerichtete Spezialisten die Leistung eines festen Frontier-LLMs?
Generalisiert diese Verbesserung sowohl auf numerische als auch auf Urteilsaufgaben?
Kann gezieltes Reinforcement Learning (RL) Post-Training die integrative Urteilskraft eines kleineren Modells über seine Zero-Shot-Fähigkeiten hinaus verbessern?

2. Methodik

2.1 Das Larix-Framework und die Aufgabenformulierung

Die Studie nutzt Larix, welches ein 16-Linsen-Rahmenwerk für die Analyse europäischer börsennotierter Immobilien auf acht linsen-ausgerichtete Spezialisten (z. B. Finanzen, Asset-Qualität, Makro-Overlay) abbildet. Die Evaluierung konzentriert sich auf die Spezialistenschicht, unter Ausschluss der nachgelagerten Synthese oder Positionsgrößenbestimmung.

Der Benchmark besteht aus fünf Aufgaben über 19 Unternehmen, die sich auf sieben regulatorische Hüllen (Wrappers) verteilen:

Numerische Aufgaben ( $T_{num}$ ): $T_1$ (Regimespezifische Kennzahl), $T_3$ (Implizite Cap Rate), $T_6$ (Ausschüttungsregime-Klassifizierung). Diese erfordern lokalisierte Extraktion oder deterministische Berechnung.
Urteilsaufgaben ( $T_{judg}$ ): $T_2$ (Abgleichsanpassung), $T_5$ (Covenant-Stresstest-Bewertung). Diese erfordern die Kombination mehrerer Offenlegungen und regimespezifischer Beschränkungen.

2.2 Experimentelle Bedingungen

Die Studie vergleicht drei Prompting-Bedingungen unter Verwendung eines festen Frontier-Modells (Claude Opus 4.8) und zwei Bedingungen unter Verwendung eines kleineren Modells (Qwen3.5-9B):

Monolithisch (Claude-Mono): Ein generischer Finanzanalyse-Prompt ohne Spezialisten-Dekomposition.
Vollständiges Framework (Claude-Full): Ein monolithischer Prompt, der das vollständige 16-Linsen-Framework enthält (~4.800 Zeichen).
Spezialisten-Dekomposition (Claude-Spec): Ein deterministischer Router weist jede Aufgabe einem linsen-ausgerichteten Spezialisten-Prompt zu, der nur die relevante Teilmenge des Frameworks enthält.
Zero-Shot Kleines Modell (Qwen-ZS): Qwen3.5-9B unter Verwendung von Spezialisten-Prompts.
RL Post-Training (Qwen-RL): Qwen3.5-9B, feinabgestimmt mittels Group Relative Policy Optimization (GRPO) mit aufgabenorientierten strukturierten Belohnungen.

2.3 Scoring und Ground Truth

Die Evaluierung stützt sich auf ein deterministisches, rubrikbasiertes Scoring-System anstelle eines LLM-Judges.

Ground Truth: 45 Tupel, die von einem externen, unabhängigen Immobilienexperten gelabelt wurden; 50 Tupel, die von den Framework-Autoren aus Primärquellen kuratiert wurden.
Scoring: Felder werden basierend auf exakter Übereinstimmung (mit Alias-Normalisierung) oder toleranzbasierten numerischen Regeln bewertet (z. B. ±5 % für Kennzahlen, ±10 % für Verhältnisse). Ungültige Ausgaben erhalten Null Punkte.
Metriken: Die primären Aggregate sind $S_{num}$ (Durchschnitt von $T_1, T_3, T_6$ ) und $S_{judg}$ (Durchschnitt von $T_2, T_5$ ).

2.4 RL Post-Training Setup

Qwen3.5-9B wurde mit GRPO auf 200 Zeilen (195 reale, 5 kontrafaktische) post-trainiert.

Belohnung (Reward): Der deterministische Benchmark-Score ( $R_i = S_t(\hat{y}_i, y^\star_i)$ ).
Optimierung: Die Policy wird aktualisiert, um den aufgabenspezifischen Score direkt zu maximieren, wodurch separate Sprachmodell-Judges vermieden werden.
Splits: Die Trainingsdaten sind disjunkt zu den gehaltenen Firmen, Wrappern und Zeiträumen, um Generalisierung und Anti-Memorization zu testen.

3. Kernergebnisse

3.1 Spezialisten-Dekomposition: Aufgabenabhängige Effekte

In der Kontinental-Kohorte von 19 Unternehmen führte die Spezialisten-Dekomposition zu einem aufgabenabhängigen Ergebnis:

Numerische Aufgaben: Die Leistung verbesserte sich signifikant. Der aggregierte Score stieg von 78,9 % (Monolithisch) auf 94,7 % (Spezialist), ein Gewinn von 15,8 Prozentpunkten. Dies wurde durch Verbesserungen bei $T_1$ (+26,3 Pkt.) und $T_3$ (+21,1 Pkt.) getrieben.
Urteilsaufgaben: Die Leistung verbesserte sich nicht zuverlässig. Der aggregierte Score blieb unverändert bei 47,4 %. Tatsächlich sank $T_2$ (Identifizierung von Anpassungen) leicht (-5,2 Pkt.).
Framework-Offenlegung: Die Bereitstellung des vollständigen 16-Linsen-Frameworks an ein monolithisches Modell (Claude-Full) konnte die numerischen Gewinne nicht reproduzieren. Es reduzierte tatsächlich die Leistung bei $T_1$ (-10,5 Pkt.), half jedoch geringfügig bei $T_2$ . Dies deutet darauf hin, dass der Gewinn aus der gebundenen Linsen-Zugehörigkeit (Verengung des Kontextes) resultiert und nicht bloß aus der Exposition des Framework-Textes.

3.2 RL Post-Training: Verbesserung der integrativen Urteilskraft

Das Post-Training von Qwen3.5-9B mit GRPO adressierte die Einschränkungen der Prompt-Dekomposition:

Entwicklungs-Split: Der Gesamtwert stieg von 72,2 % (Zero-Shot) auf 84,2 % (RL), ein Gewinn von 12,0 Punkten.
Urteilsaufgaben: Der Urteils-Aggregat ( $T_2 + T_5$ ) verbesserte sich um 14,2 Punkte (von 58,6 % auf 72,8 %). Dies ist genau der Bereich, in dem die Prompt-Ebene der Dekomposition versagte.
Numerische Aufgaben: $T_1$ blieb beim Zero-Shot-Limit (99,5 %), während $T_3$ und $T_6$ Verbesserungen zeigten.

3.3 Out-of-Distribution (OOD) Transfer

Die Gewinne aus dem RL Post-Training übertrugen sich auf ungesehene Daten:

Ungesehene Unternehmen: Der Gesamtwert stieg um +15,2 Punkte. Der signifikanteste Gewinn trat bei der Aufgabe zum Covenant-Stress auf ( $T_5$ ), die sich um +40,4 Punkte verbesserte (von 38,1 % auf 78,5 %).
Ungesehene Wrapper: Der Gesamtwert stieg um +4,3 Punkte.
Spätere Zeiträume: Der Gesamtwert stieg um +2,5 Punkte.
Anti-Memorization: Ein positiver Transfer wurde über alle drei Anti-Memorization-Splits beobachtet, was bestätigt, dass das Modell Entscheidungspolicies lernte und nicht spezifische Firmendaten auswendig lernte.

4. Beiträge

Das Paper leistet vier spezifische Beiträge:

Kontrollierte Evaluierung: Eine Evaluierung im selben Modell, welche die linsen-ausgerichtete Spezialisten-Dekomposition unter Beibehaltung von Quellbelegen, Anweisungen und Scoring evaluiert, einschließlich einer Full-Framework-Kontrolle, um den Effekt der Dekomposition zu isolieren.
Identifizierung von Trade-offs: Empirische Evidenz, dass Dekomposition die modulare numerische Analyse verbessert, aber nicht zuverlässig die Leistung bei Aufgaben steigert, die eine integrative finanzielle Urteilskraft erfordern (oder diese sogar senkt).
Strukturiertes RL Post-Training: Ein Nachweis, dass GRPO Post-Training mit aufgabenorientierten strukturierten Belohnungen ein kleineres Modell (9B) dazu befähigt, seine Zero-Shot-Leistung bei integrativen Urteilsaufgaben zu übertreffen, mit Gewinnen, die auf ungesehene Unternehmen und regulatorische Wrapper übertragbar sind.
Benchmark-Veröffentlichung: Die Veröffentlichung eines 25-Unternehmen-, acht-Wrapper-Benchmarks mit einer korrigierten, pro Zelle herleitbaren Rubrik und einem gehärteten Scoring-Harness.

5. Bedeutung und Ansprüche

Das Paper kommt zu dem Schluss, dass eine aufgabenabhängige Arbeitsteilung für Finanz-LLMs essenziell ist:

Die Dekomposition auf Prompt-Ebene ist effektiv, um lokalisierte, verifizierbare numerische Operationen zu vereinfachen, indem irrelevanter Kontext entfernt und Zwischenfelder explizit gemacht werden.
Die gezielte Parameter-Adaption (RL Post-Training) ist notwendig für die integrative finanzielle Urteilskraft, bei der das Modell Beweise über mehrere Dimensionen und Beschränkungen hinweg abgleichen muss.

Die Autoren betonen, dass diese Schlussfolgerungen durch die Größe des Benchmarks, die Abdeckung der Wrapper und die getesteten Modellfamilien begrenzt sind. Sie behaupten nicht die allgemeine Überlegenheit kleiner Modelle gegenüber Frontier-Modellen, sondern dass gezielte Spezialisierung (entweder via Prompt Engineering oder Parameter-Tuning) unterschiedliche Engpässe in der Finanzanalyse adressiert. Die Studie vermeidet explizit Ansprüche bezüglich nachgelagerter Synthese, Überzeugungskalibrierung oder Positionsgrößenbestimmung, da diese Schichten in den Experimenten nicht aufgerufen wurden.