Wie nutzen IR-Teams KI für die Vorbereitung von Earnings Calls?

IR-Teams setzen KI ein, um vergangene Earnings-Transkripte zu analysieren und Stimmprofile der Vorstände zu erstellen, die wahrscheinlichsten Analystenfragen auf Basis historischer Q&A-Muster vorherzusagen, erste Entwürfe von Earnings-Skripten zu generieren, die dem Sprachstil von CEO und CFO entsprechen, und Vergleichstabellen gegen Konsensschätzungen zu erstellen. Das reduziert die Vorbereitungszeit von 2-3 Wochen auf 2-3 Tage für Überprüfung und Feinschliff.

KI für Investor Relations: Quartalsbericht-Kommunikation beschleunigen [2026]

Q: Kann KI vorhersagen, welche Fragen Analysten stellen werden?

Ja, mit erheblicher Genauigkeit. Durch Analyse von 6-8 Quartalen Q&A-Transkripten identifiziert KI wiederkehrende Themen, individuelle Analysenschwerpunkte und aufkommende Themen. KI-Modelle prognostizieren 60-70% der Analystenfragen korrekt, wenn ausreichend historische Daten vorliegen.

Q: Wie viel Zeit spart KI bei der Quartalsberichterstattung?

Für ein typisches Mid-Cap-Unternehmen reduziert KI-gestützte Vorbereitung den Gesamtaufwand von 80-120 Stunden auf 30-50 Stunden pro Quartal: eine Reduktion um 50-65%. Die größten Einsparungen entstehen bei der Skripterstellung (70% schneller), Q&A-Vorbereitung (60% schneller) und Peer-Benchmarking (80% schneller).

Q: Ersetzt KI das IR-Team?

Nein. KI übernimmt die arbeitsintensive Vorarbeit: Datenextraktion, Entwurfserstellung, historische Musteranalyse und Peer-Vergleich. Die Rolle des IR-Teams verlagert sich vom Schreiben zum Überprüfen, Verfeinern und strategischen Entscheiden. Der CFO bestimmt weiterhin die Narrative. Der IR-Direktor pflegt weiterhin die Analystenbeziehungen.

Q: Was ist mit der Vertraulichkeit vorab veröffentlichter Finanzdaten?

Verwenden Sie einen zweiphasigen Ansatz. Phase A: KI verarbeitet nur öffentlich verfügbare Daten (vergangene Berichte, Transkripte, Konsensschätzungen). Phase B: Vorab-Finanzzahlen werden manuell in die KI-generierte Vorlage eingefügt. Die Vorlage basiert auf öffentlichen Daten. Die Zahlen werden von Hand eingefügt. Kein MNPI gelangt in ein externes System.

Das Problem, das jedes IR-Team kennt

Die Vorbereitung auf die Quartalsergebnisse folgt bei jedem börsennotierten Unternehmen dem gleichen Muster. Das Finanzteam schließt die Bücher. Der IR-Direktor beginnt mit der Datenzusammenstellung. Der CFO blockiert zwei Wochen für die Skriptüberprüfung. Die Rechtsabteilung prüft jeden Satz. Und irgendwo dazwischen verbringt jemand 30 Stunden damit, die Quartalsergebnisse manuell mit Konsensschätzungen, Peer-Benchmarks und der Guidance des Vorjahres zu vergleichen.

Für Mid-Cap-Unternehmen mit 1-3 Personen im IR-Team verschlingt dieser Zyklus 80-120 Stunden Arbeitszeit von Führungskräften pro Quartal. Der CFO, der IR-Direktor und der Kommunikationsleiter verbringen Wochen mit einem Prozess, der weitgehend mechanisch ist: Daten extrahieren, Tabellen formatieren, Text verfassen, der dem etablierten Sprachstil des Vorstands entspricht, und sich auf Fragen vorbereiten, die Analysten in ähnlicher Form seit sechs Quartalen stellen.

KI eliminiert diese Arbeit nicht. Sie komprimiert sie. Die strategischen Entscheidungen bleiben beim Menschen. Die mechanische Arbeit wird automatisiert.

Wo KI in den IR-Workflow passt

Nicht jeder Teil des Vorbereitungsprozesses profitiert gleichermaßen von KI. Die wertvollsten Anwendungen teilen drei Merkmale: Sie beinhalten die Verarbeitung großer Textmengen, sie folgen Mustern, die sich über Quartale wiederholen, und sie erfordern Synthese statt originärem Urteil.

Aufgabe	Traditionell	KI-gestützt	Reduktion
Earnings-Skript Erstentwurf	25-40 Std.	8-12 Std.	65-70%
Analysten-Q&A-Vorbereitung	15-25 Std.	5-8 Std.	60-70%
Peer-Benchmarking	10-15 Std.	2-3 Std.	80%
Konsensvergleich	8-12 Std.	1-2 Std.	85%
Regulatorische Prüfung	10-15 Std.	4-6 Std.	55-60%
Pressemitteilung	8-12 Std.	3-4 Std.	65%
Gesamt pro Quartal	76-119 Std.	23-35 Std.	55-70%

Fünf zentrale KI-Anwendungen für IR-Teams

1. Stimmprofil-Erstellung für Vorstände

Jeder CFO und CEO hat einen eigenen Kommunikationsstil. Manche führen mit EBITDA-Margen. Andere rahmen Ergebnisse durch strategische Meilensteine. Manche verwenden Analogien, andere bleiben bei Zahlen. Wenn das IR-Team das Earnings-Skript entwirft, ist die Übereinstimmung mit dieser Stimme entscheidend.

KI-Stimmprofilierung löst dieses Problem durch Analyse von 4-8 Quartalen an Transkripten, Aktionärsbriefen und Pressemitteilungen. Das Ergebnis ist ein Stilhandbuch, das erfasst:

Bevorzugte Finanzkennzahlen. Führt der CEO mit Umsatzwachstum oder Margenexpansion? Betont der CFO den Free Cash Flow oder das EBITDA?
Rhetorische Muster. Kurze deklarative Sätze oder längere erklärende Absätze? Zukunftsorientierte Sprache oder retrospektive Rahmung?
Umgang mit schwierigen Themen. Direkte Anerkennung, Umdeutung ins Positive oder Verweis auf zukünftige Quartale?
Wiederkehrende Formulierungen und Frameworks. Jeder Vorstand hat Formulierungen, zu denen er zurückkehrt. Diese schaffen Konsistenz und Authentizität.

2. Earnings-Skript-Generierung

Das Quartalsskript ist das zeitintensivste Dokument, das das IR-Team erstellt. Es erfordert die Integration von Finanzergebnissen, Segmentperformance, Managementkommentar, Guidance-Updates und strategischer Rahmung in eine zusammenhängende Erzählung.

KI generiert den Erstentwurf durch Kombination dreier Inputs:

Finanzdatenextraktion

Quartalsergebnisse, Segmentaufschlüsselungen, Jahresvergleiche und Abweichungen zur Guidance. Automatisch aus den Daten des Finanzteams strukturiert.

Vorstandsstimmprofil

Das aus historischen Transkripten erstellte Stilhandbuch. Stellt sicher, dass der Entwurf wie CEO und CFO klingt, nicht wie eine Vorlage.

Narrativer Kontext

Strategische Themen des Vorquartals, gemachte Guidance-Zusagen, Analystenbedenken und Wettbewerbsentwicklungen. Dieser Kontext stellt sicher, dass das Skript adressiert, was der Markt zu hören erwartet.

3. Prognose von Analystenfragen

Die Q&A-Runde ist der Moment, in dem Earnings Calls gelingen oder stolpern. Unvorbereitete Antworten erzeugen Unsicherheit. Gut vorbereitete Antworten verwandeln potenzielle Bedenken in vertrauensbildende Momente.

KI prognostiziert Analystenfragen durch Analyse von Mustern über 6-8 Quartale:

Individuelles Analystentracking. Jeder Sell-Side-Analyst hat Themen, die er konsequent verfolgt. KI kartiert diese Muster namentlich.
Aufkommende Themen. Wenn drei Analysten in Q3 nach Margendruck fragten und der Druck in Q4 zunahm, wird das Thema eskalieren.
Konsenslücken. Wo die Ergebnisse von den Konsensschätzungen abweichen, werden Analysten nachhaken.
Peer-Übertragung. Wenn ein Vergleichsunternehmen vor Ihnen berichtet und ein Thema aufwirft, fragen Analysten nach Ihrer Perspektive.

Genauigkeits-Benchmark: KI-Modelle, die auf 6+ Quartalen unternehmensspezifischer Q&A-Daten trainiert wurden, prognostizieren 60-70% der Analystenfragen korrekt nach Thema und Rahmung.

4. Peer-Benchmarking und Konsensvergleich

Jedes IR-Team verbringt Stunden mit der Zusammenstellung von Wettbewerbsvergleichen und Konsensschätzungen. Die Arbeit ist wesentlich, aber mechanisch. KI automatisiert dies durch eine kontinuierlich aktualisierte Peer-Datenbank.

Umsatz- und Margenvergleiche gegen 5-10 Peer-Unternehmen
Wachstumsranking innerhalb des Sektors
Beat/Miss-Analyse gegen den Konsens für jede Kennzahl
Guidance-Vergleich (Peers vs. eigene Prognose)
Bewertungsmultiplikatoren (KGV, EV/EBITDA, EV/Umsatz)

5. Unterstützung bei regulatorischen Berichten

Europäische börsennotierte Unternehmen stehen vor einem wachsenden Katalog an Berichtspflichten. CSRD-Nachhaltigkeitsberichte, ESRS-Standards und die EU-Taxonomie-Konformität fügen dem Geschäftsbericht Seiten hinzu.

KI unterstützt durch:

Abgleich aktueller Offenlegungen mit vorherigen Berichten auf Konsistenz
Kennzeichnung fehlender oder geänderter Kennzahlen gemäß ESRS
Entwurf von Standardabschnitten (Risikofaktoren, Governance, nahestehende Personen)
Numerische Konsistenzprüfung zwischen Abschluss, Pressemitteilung und Skript
Identifikation zukunftsgerichteter Aussagen, die Safe-Harbor-Formulierungen erfordern

Implementierung: Ein 90-Tage-Plan für IR-Teams

Phase 1: Grundlagen (Wochen 1-4)

Stimmprofile erstellen. Die letzten 4-8 Quartale an Earnings-Call-Transkripten, Aktionärsbriefen und Pressemitteilungen sammeln und analysieren.
Peer-Benchmarking aufsetzen. Peer-Group definieren (5-10 Unternehmen). Vergleichsvorlage erstellen. Ersten automatisierten Bericht mit historischen Daten generieren.
Zeitaufwand: 20-30 Stunden IR-Team. Keine IT-Ressourcen erforderlich.

Phase 2: Skript-Generierung (Wochen 5-8)

Pilot mit einem Quartal. Das letzte abgeschlossene Quartal nehmen. Finanzdaten einspeisen. Entwurf generieren. Mit dem tatsächlich veröffentlichten Skript vergleichen.
Prozess verfeinern. Stimmprofil anhand der Pilotresultate anpassen. Fehlenden Kontext ergänzen. Wiederholen, bis der Entwurf nur noch strategische Bearbeitung erfordert.
Zeitaufwand: 15-20 Stunden. Primär IR-Direktor und ein Analyst.

Phase 3: Produktiveinsatz (Wochen 9-12)

Q1-Entwurf innerhalb von 48 Stunden nach Buchschluss generieren.
Analysten-Q&A-Prognose erstellen. Fragenliste eine Woche vor dem Call an den Vorstand verteilen.
Konsensvergleich automatisieren. Benchmarking-Tabellen innerhalb von 24 Stunden nach Peer-Berichten aktualisieren.
Wirkung messen. Gesamtstunden erfassen. Mit dem Vorquartal vergleichen.

Vertraulichkeit und Datensicherheit

Dies ist die erste Frage, die jedes IR-Team stellt. Vorab veröffentlichte Finanzdaten sind Insiderinformationen. Die Lösung ist ein zweiphasiger Ansatz:

Phase A (vor den Ergebnissen): KI verarbeitet nur öffentlich verfügbare Daten. Vergangene Berichte, Transkripte, Konsensschätzungen und Peer-Daten sind öffentlich. Hier werden Stimmprofile erstellt, Analystenfragen prognostiziert und Peer-Benchmarks kompiliert.

Phase B (nach Buchschluss): Zwei Optionen: Enterprise-KI-Instanz mit SOC 2 Type II und EU-Datenresidenz. Oder: Finanzzahlen manuell in die KI-generierte Vorlage einfügen. Die Vorlage (Struktur, Stimme, Rahmung) wurde in Phase A erstellt. Die Zahlen werden von Hand in Phase B ergänzt.

Kostenrahmen

Kategorie	Bereich	Anmerkungen
KI-Plattformlizenz	EUR 500-2.000/Monat	Enterprise-KI mit EU-Datenresidenz, API-Zugang
Ersteinrichtung und Stimmprofilierung	EUR 3.000-8.000 einmalig	Transkriptverarbeitung, Vorlagenerstellung, Kalibrierung
Quartals-Aktualisierung	EUR 1.000-3.000/Quartal	Stimmprofil-Updates, Vorlagenanpassungen, neue Peers

Gegen die eingesparte Zeit (50-85 Stunden Führungskräftezeit pro Quartal, bewertet mit EUR 75-150/Stunde) liegt der ROI typischerweise bei 3-5x im ersten Jahr.

Häufige Einwände und ehrliche Antworten

„Unsere Ergebniskommunikation ist zu komplex für KI."

Sie ist komplex. Genau deshalb braucht KI 4-8 Quartale historischer Daten für ein fundiertes Stimmprofil. Der erste Entwurf wird nicht perfekt sein. Aber er ist 70-80% des Weges, was 70-80% weiter ist als ein leeres Dokument.

„Analysten werden merken, dass KI das geschrieben hat."

Nicht bei korrekter Stimmprofilierung. Das Ergebnis entspricht dem etablierten Stil des Vorstands. Analysten bemerken Tonwechsel. KI bewahrt Konsistenz.

„Unser Aufsichtsrat wird KI für Finanzkommunikation nicht genehmigen."

Richtig formulieren: Sie veröffentlichen keine KI-generierten Inhalte. Sie nutzen KI, um den Entwurfsprozess zu beschleunigen. Der CFO prüft und genehmigt weiterhin jedes Wort.

Sehen Sie, wie ein KI-generierter Quartalsbericht aussieht

Wir haben Muster-Quartalsberichte für europäische Aktiengesellschaften erstellt. Echte Daten. Echte Stimmprofile. Echte Analystenprognosen.

Musterberichte ansehen Beratungsgespräch

Häufig gestellte Fragen

Wie nutzen IR-Teams KI für die Earnings-Call-Vorbereitung?

IR-Teams setzen KI ein, um Transkripte zu analysieren, Stimmprofile zu erstellen, Analystenfragen vorherzusagen und Earnings-Skripte im Sprachstil der Vorstände zu generieren. Die Vorbereitungszeit reduziert sich von 2-3 Wochen auf 2-3 Tage.

Kann KI vorhersagen, welche Fragen Analysten stellen?

Ja. Durch Analyse von 6-8 Quartalen Q&A-Transkripten identifiziert KI wiederkehrende Themen und individuelle Analysenschwerpunkte. 60-70% der Fragen werden korrekt prognostiziert.

Wie viel Zeit spart KI bei der Quartalsberichterstattung?

50-65% Reduktion. Von 80-120 Stunden auf 30-50 Stunden pro Quartal. Größte Einsparungen bei Skripterstellung (70% schneller) und Peer-Benchmarking (80% schneller).

Ersetzt KI das IR-Team?

Nein. KI übernimmt die mechanische Vorarbeit. Die Rolle des IR-Teams verlagert sich vom Schreiben zum strategischen Überprüfen und Verfeinern.

Was ist mit der Vertraulichkeit vorab veröffentlichter Finanzdaten?

Zweiphasiger Ansatz: KI verarbeitet nur öffentliche Daten (Phase A). Vorab-Zahlen werden manuell in die KI-generierte Vorlage eingefügt (Phase B). Kein MNPI gelangt in ein externes System.