RA LUECHT ADVISORY

Brown Paper · RA Luecht Advisory

Regulatory Compliance Whitepaper

Institutional AI-Powered Investment Research: Compliance Blueprint under the EU AI Act, MiFID II, and MAR

Autoren: Simon Pollock & Pascal Lücht  |  Status: Institutionelles Referenzpapier  |  Datum: 20. Mai 2026  |  Engine: Claude-3.5-Sonnet · Gemini-2.5-Pro

Executive Summary / Abstract

Der Einsatz von General Purpose AI (GPAI) und multi-agentischen Orchestrierungen markiert einen Paradigmenwechsel im professionellen Investment-Research. Dieser technische Fortschritt erfordert eine lückenlose Einhaltung strenger europäischer Gesetze: dem EU AI Act, MiFID II und der Marktmissbrauchsverordnung (MAR). In diesem Whitepaper stellen wir das regulatorische Framework vor, das unsere multi-agentische Pipeline absichert. Durch die Kombination von Claude (generative Synthese) und Gemini (Google-Search-gestützte Echtzeit-Faktenprüfung) mit einer mandatory Human-in-the-Loop-Kontrolle (4-Augen-Prinzip) setzen wir neue Standards für Compliance, Daten-Herkunft und Revisionssicherheit.

1. Die multi-agentische Wertschöpfungskette & Architektur-Topologie

Um das Risiko von Halluzinationen und veralteten Informationen auszuschließen, verteilt unser System die Aufgaben auf spezialisierte Agenten-Rollen, anstatt auf ein einzelnes monolithisches LLM zu vertrauen:

1. Rohdaten-Ingestion Alpaca API, Supabase, Makro-Feeds 2. Generativer Draft (Claude) Analysen, Bewertung, mathematische Optionsmodelle 3. Kognitive Verifikation (Gemini) Google Search Grounding & Faktenprüfung Fakten korrekt? Nein: Diskrepanz korrigieren Ja 4. Human-in-the-Loop 4-Augen-Prinzip (Pollock & Lücht) 5. Immutables Archiv SHA-256 Signaturen in Supabase

Abb. 1: Multi-Agenten-Architektur und Verifikations-Pipeline

1. Generative Syntheseschicht (Claude): Erstellt das fundamentale Research-Dokument, verknüpft historische Datensätze mit der Marktphilosophie von Simon Pollock & Pascal Lücht und berechnet komplexe Optionspreismodelle.

2. Kognitive Verifikationsschicht (Gemini): Unterzieht den gesamten Berichtsentwurf einer rigiden Faktenprüfung. Mittels Google-Search-Grounding werden alle quantitativen Aussagen (Earnings, Daten, Kennzahlen) in Echtzeit gegen verifizierte Quellen (SEC EDGAR, Bundesanzeiger) abgeglichen und ggf. korrigiert.

3. Human-in-the-Loop (HITL): Kein Report wird jemals vollautomatisch publiziert. Simon Pollock und Pascal Lücht fungieren als letzte qualitative Kontrollinstanz (4-Augen-Prinzip).

2. EU AI Act Compliance-Strategie

Die Einhaltung der EU-KI-Verordnung (Regulation (EU) 2024/1689) erfordert eine präzise Risikoklassifizierung und die Umsetzung strikter Transparenz- und Dokumentationspflichten.

Art. 52 EU AI Act: Transparenzpflichten

Verteiler von KI-generierten oder KI-unterstützten Inhalten müssen die Nutzer unmissverständlich und aktiv darüber informieren. Der Leser muss zu jedem Zeitpunkt wissen, dass Textteile oder Berechnungen durch kognitive Agenten generiert wurden.

2.1 Risiko-Klassifizierung

Da die von uns angebotenen Berichte allgemeine Markteinschätzungen darstellen und keine automatisierte Bonitätsprüfung oder individuelle Versicherungs-Risikobewertung vornehmen, fällt unser System nicht unter die Hochrisiko-Klasse (Annex III). Es ist als System mit begrenztem Risiko nach Artikel 52 eingestuft.

2.2 Technische Protokollierung & Audit Trails (Art. 12)

Zur Erfüllung von Artikel 12 speichert unsere Pipeline lückenlose Audit Trails in Supabase. Jeder Generierungsdurchlauf archiviert die Systemkonfigurationen, die Quell-Tokens der Google-Suche, alle Diskrepanz-Flags sowie das manuelle Feedback des HITL-Reviewers revisionssicher.

3. Finanzmarktrechtliche Harmonisierung: MiFID II und MAR

Neben der KI-Regulierung müssen professionelle Research-Plattformen strikte finanzmarktliche Vorgaben einhalten.

3.1 MiFID II (Richtlinie 2014/65/EU) - Unabhängigkeit und Sachlichkeit

Zur Gewährleistung maximaler Objektivität (MiFID II Art. 36) zwingt unser System die Agenten programmatisch dazu, ausgewogene Analysen zu erstellen. Jede Empfehlung muss sowohl positive Treiber (Bull Case) als auch Risikofaktoren (Bear Case) mit exakt gleichem Gewicht beleuchten. Nachträgliche Manipulationen veröffentlichter Berichte sind durch kryptografische SHA-256 Hashes ausgeschlossen.

3.2 Marktmissbrauchsverordnung (MAR) - Schutz vor Marktmanipulation

MAR Artikel 20 verlangt höchste Sorgfalt bei der Erstellung von Anlageempfehlungen. Um mathematisch absurde Kursziele zu verhindern, validiert die Pipeline Empfehlungen über ein quantitative Gewichtungsmodell:

Quantitatives Consensus-Gleichungsmodell
$$\text{Composite Score} = \Big(\text{Relevance} \times 0.4 + \text{Confidence} \times 0.2 + \text{Time Urgency} \times 0.2 + \text{Multi-Agent Consensus} \times 0.2\Big) \times m$$

Dieses regulatorische Kontrollmodell verhindert systemisch, dass einzelne kognitive Modelle ungeprüfte "Outlier-Prognosen" abgeben, die fälschlicherweise als Marktmanipulation interpretiert werden könnten.

4. Regulatorische Kontrollmatrix (Programmatic Controls)

Regulierungen werden bei uns nicht über simple Prompts, sondern programmatisch erzwungen:

Kontroll-ID Regulatorischer Standard Programmgesteuerte Kontrolle Technischer Mechanismus
PC-01 Art. 52 EU AI Act Transparente Kennzeichnung UI-Badges zur klaren Offenlegung der Claude/Gemini-Mitwirkung und menschlicher Freigabe.
PC-02 Art. 14 EU AI Act HITL-Freigabeprozess Reine Veröffentlichungs-API, die ein aktives OAuth-Token und manuelle Signatur von Simon/Pascal erfordert.
PC-03 Art. 12 EU AI Act Lückenloser Audit Trail Automatisierte Serialisierung und persistierte Speicherung aller Agenten-Prompts, Inputs und Suchquellen in Supabase.
PC-04 Art. 36 MiFID II Ausgewogene Berichterstattung Generative Pflichtabschnitte für Bull- und Bear-Cases mit gleicher visueller Gewichtung im Research-Portal.
PC-05 MAR Art. 20 Prävention von Halluzinationen Erzwungenes Google Search Grounding auf API-Ebene zur Validierung jeglicher finanzieller Kennzahlen.

Einfach erklärt: Warum ist dieses Framework wegweisend?

Künstliche Intelligenz ist in der Finanzwelt mächtig, birgt aber Risiken durch erfundene Daten (Halluzinationen) oder fehlende Nachvollziehbarkeit. Unser Framework löst dieses Problem radikal: Wir lassen eine KI die Analysen schreiben, schalten eine zweite KI als unbestechlichen Faktenprüfer daneben, der alles live im Internet verifiziert, und geben das finale Dokument erst nach einer detaillierten menschlichen Prüfung frei. Jede Entscheidung wird revisionssicher in einer Datenbank archiviert. Das ist absolut sichere und rechtlich konforme KI für den institutionellen Einsatz.

5. Fazit

Das **Simon Pollock & Pascal Lücht Research Framework** beweist eindrucksvoll, dass hochentwickelte, generative KI-Systeme und streng regulierte Finanzmärkte kein Widerspruch sein müssen. Durch die konsequente Verbindung von modernster multi-agentischer Verifikation und lückenloser Revisionssicherheit schaffen wir eine Vertrauens-Architektur, die den höchsten Ansprüchen globaler Finanzinstitute gerecht wird.

📊 Das Live-Research-Portal besuchen

Erleben Sie die rechtskonformen Deep Think Analysen live im Einsatz.

Research Portal öffnen →

© 2026 Simon Pollock & Pascal Lücht · RA LUECHT ADVISORY | dlegacy.fm