Wie ich mir mit KI ein Family-Office gebaut habe
Ich habe mir nach Unternehmensverkauf ein KI-basiertes Mini-Family-Office gecodet. Das war die Ausgangslage – und das mein neues Set-up.
Nach dem Verkauf meines Unternehmens und dem Ausstieg aus meiner operativen Rolle hatte ich plötzlich drei Dinge: Geld, Zeit und mit KI ein ganz neues Werkzeug zur Hand.
Es war das perfekte Timing. Als ich ein Jahr nach dem Verkauf der Fincite im Februar aus meiner operativen Rolle als Co-CEO ausschied, machte KI mit Claude Code und Cowork riesige Sprünge. Mehr als ein Jahrzehnt lang habe ich Software für Privatbanken und Vermögensverwalter gebaut. Ich kenne die Branche, ihre Prozesse und ihre blinden Flecken. Also suchte ich mir meinen ersten großen privaten KI-Anwendungsfall: Ich wollte mir ein eigenes Mini-Family-Office bauen. Was ich gelernt habe, berichte ich hier.
KI im Wealth Management: Wo stehen wir heute?
Als Kunden nutzen wir KI heute fast überall im Alltag. Sie plant Reisen, schreibt Texte, erklärt Krankheiten, analysiert Dokumente und hilft uns als persönlicher Assistent. Aber wo steht KI in der Finanzberatung? Um das zu verstehen, müssen wir den Markt in zwei Bereiche aufteilen: Finanzdienstleister und Selbstentscheider.
Bei Finanzdienstleistern sehen wir KI vor allem im Backoffice und als Assistenzsystem für Berater. Sie hilft im Research, in der Finanzplanung, in Compliance-Prozessen, bei Portfolio-Kommentaren oder in administrativen Supportanfragen. Das ist durchaus verantwortlich. Denn wer Anlageberatung, Anlagevermittlung oder Vermögensverwaltung anbietet, bleibt verantwortlich. Deshalb lässt heute kaum ein Institut eine KI direkt in die Nähe des Endkunde
Bei Selbstentscheidern passiert deutlich mehr. Viele tech-affine Investoren aus meinem Netzwerk nutzen KI bereits intensiv. Portfolio-Tracker wie Parqet experimentieren mit KI-Integrationen, bei denen Nutzer ihre Asset-Allocation, Performance und Investments per Dialog analysieren können. Claude und ChatGPT rücken näher an echte Investment-Workflows heran und integrieren zunehmend Finanzmarktdaten. Perplexity geht noch direkter in Richtung persönlicher Finanzanalyse, etwa durch Verknüpfung von Finanzdaten über Plaid. Ich wollte aber einen Schritt weiter gehen.
Warum direkt ein KI-basiertes Family Office
Nach elf Jahren als Softwareunternehmer in der Investmentindustrie, dem Aufbau und Verkauf eines WealthTech-Unternehmens und dem Aufbau eines Startup-Portfolios war mein finanzielles Leben bereits vor dem Exit komplex.
Neben privaten Anlagen in verschiedenen Assetklassen findet ein großer Teil meines finanziellen Lebens in meiner Holding statt. Diese hält Beteiligungen an einem Venture Capital Investor namens FSR Capital und an Private Equity, teilweise über Landesgrenzen hinweg.Diese Komplexität erfordert Spezialisten, etwa Anwälte für Gesellschaftsrecht, Steuerberater und Partnerbanken. Dazu kommen Finanzplaner, Spezialisten für Assetklassen oder sogar noch Investmentcontroller. Die Schnittstellen dieser Berufe bergen Risiken. Der Steuerberater sieht die steuerliche Struktur, aber nicht jedes Investmentrisiko.
Die Bank sieht das Depot, aber nicht unbedingt die Holdinglogik. Deshalb setzten Vermögende gern auf ein Family Office. Auch ich mache das.
Mein Experiment – Travis, mein KI-mini-Family-Office
Mein Family Office ist die Apoera und die will ich mit KI einmal neu aufstellen.
Mein Software-Setup habe ich „Travis“ getauft. Das steht für Trusted Advisor. Travis ist keine einzelne Software, sondern ein System aus Projekten, Agenten und Applikationen, an dem mein finanzieller Kontext zusammenläuft. Travis kann unter anderem Spezialisten briefen, Dokumente strukturieren und Risiken sichtbar machen. Meine Landkarte sieht aktuell so aus:
Was fällt bei einem Blick auf die Tabelle auf? Die meisten Systeme übernehmen die Rolle eines Spezialisten, ersetzen diesen aber nicht. Es geht mir mehr um die Vorbereitung, nicht darum, den Steuerberater aus der Gleichung zu eliminieren. Im Folgenden möchte ich die wichtigsten KI-Agenten einmal vorstellen. Für alle Leser:innen, für die das zu detailliert ist, wartet einfach auf den zweiten Teil der Kolumne. In diesem erkläre ich, was wirklich geklappt hat – und was nicht.
Travis.Struktur beispielsweise wäre als Mensch eine Mischung aus Rechtsanwalt mit breitem Wissen zu Gesellschaftsrecht, Familienrecht, Erbrecht und Steuerrecht sowie Steuerberater. Er kennt meine Lebenssituation, viele meiner Verträge, Ziele und Struktur und klärt für mich Fragen zu Verträgen, Firmenwagen oder Reisen. Auch kann er Liquidität planen und entscheiden, ob eine Ausschüttung oder ein Kredit sinnvoller sind.
Travis.Plan ist mein Finanzplaner und Investmentstratege. Das ChatGPT Projekt basiert auf drei wesentlichen Inputs. Das ist zum einen eine strategische Finanzplanung, zum zweiten ein jährliches Budget und zum dritten noch Kapitalmarkterwartungen von Finanzhäusern. Daraus erstellt der Agent eine strategische Asset-Allocation und fand konkrete Produkte, die auch bei meiner Depotbank handelbar waren. Das fand ich sehr beeindruckend.
Travis.Stock ist mein Aktienanalyst und die erste selbst gebaute Software. Das Tool kennt mein aktives Aktienportfolio und versorgt es über einen Marktdatenanbieter mit Kursen. Täglich berechnet ein GPT-Prompt die für mich wichtigsten Fundamentalkennzahlen: Multiples auf Gewinn und Umsatz, Margen sowie quartalsbezogenes Momentum. Für jede Aktie habe ich Schwellenwerte hinterlegt. Wenn ein Titel interessant oder kritisch wird, kann ich mit einem Klick einen vollständigen Research-Prozess starten. Dies ist ein circa 30 Zeilen labger Prompt, mit dem ein ChatGPT-Deep Research losläuf. Auch hier habe ich mich bewusst gegen eine Depotintegration entschieden.Nicht nur aus Datensparsamkeit. Sondern auch, weil ich es für meinen Zweck nicht brauche. Mir geht es nicht um Reporting, sondern um Entscheidungsunterstützung.
Travis.VC ist meine zweite eigens mit Claude Code gebaute Software. Auf Basis nur der Webseite der Firma analysiert ein Prompt mit 30 Kriterien das Start-up. Hier verzichte ich bewusst darauf, das Pitchdeck einzugeben, um vertrauliche Daten zu schützen. Viele Modelle, die bei unserem Venture Capital Arm FSR eingereicht werden, können entlang der Webseite bereits mit KI besser analysiert werden, als ich vorher geglaubt hatte. Ist der Markt groß genug? Löst das Produkt ein großes Problem schnell und nachhaltig? Sind sich Kunden des Problems bewusst und verspüren Handlungsdruck (Compelling Event)? Gibt es einen guten Exit-Markt? All die Fragen klärt das Modell, auch ohne sensible Informationen.
Travis.Immo: Mit Immobilien kenne ich mich weniger aus als mit Start-ups. Also habe ich mit der ImmoScout-Integration in ChatGPT ein Projekt gebaut. Ich nutze es, um ImmoScout-Angebote und Exposés anhand meiner Kriterien zu analysieren: Lage, Zustand, Preislogik, Erbpacht, Renovierungskosten, Energieklasse und Wiedervermarktung. Ich habe dadurch schneller verstanden, wie stark Erbpacht, Sanierungsbedarf, Mikrolage und geringe Nachfrage auf faire Preise wirken können. Trotzdem ist es für mich eher ein betreutes Lernen. Einen aktiven Bestand habe ich nicht.
Travis.News als Agent hat Zugriff auf meine Investmentstrategie und prüft täglich, ob es relevante Themen gibt, etwa Veränderungen in Wirtschaft und Märkten, auffällige Bewegungen in Aktien oder Sektoren, regionale Ereignisse, neue Investmentideen oder offene Aufgaben. Er ist der einzige Agent, der auch Zugriff auf die anderen Travis-Bausteine hat, um diesen Relevanzfilter zu setzen.
Autor
