Offenlegung & Methodik

Hinweise zu Anlageempfehlungen gemäß Art. 20 der Verordnung (EU) Nr. 596/2014 (Marktmissbrauchsverordnung, MAR) und der Delegierten Verordnung (EU) 2016/958. Stand: 11. September 2026.

1. Wer erstellt die Einschätzungen?

Verantwortlich für alle in foliologic. angezeigten Scores, Bewertungen und KI-Einschätzungen ist die foliologic. UG (haftungsbeschränkt), Kolonnenstr. 8, 10827 Berlin (siehe Impressum).

Die Einschätzungen entstehen auf zwei Wegen: regelbasiert (deterministische Formeln über gemeldete Finanzdaten — kein Mensch und keine KI greift in das einzelne Ergebnis ein) oder modellbasiert (generiert durch Claude-Sprachmodelle von Anthropic auf Basis derselben Datenquellen). Jede KI-Karte in der App trägt den Erzeuger und das Erstellungsdatum („Claude · {Datum}") — auch die Portfolio-Analyse, die Depot-Prüfung im Tagebuch und jede Antwort im Portfolio-Chat. Flächen, die hunderte einzeln erzeugte Einschätzungen zugleich zeigen (Screener, Index-Karte), nennen statt eines Datums den Zeitraum, in dem die gezeigten Einschätzungen entstanden sind — ein einzelnes Datum wäre dort erfunden. Der KI-Dateiimport trägt bewusst keine solche Zeile: er liest deine eigenen Depotauszüge ein und erzeugt keine Einschätzung zu einem Instrument. Kein Analyst prüft einzelne Ergebnisse vor der Anzeige.

2. Health Score (Aktien)

Der Health Score bewertet sechs Dimensionen — Profitabilität, Wachstum, Wettbewerbsvorteil, Bilanz, Cash-Generierung und Bewertung — jeweils mit Grün/Gold/Rot; der Gesamtwert (0–100) ist ihr Durchschnitt. Grundlage sind die zuletzt gemeldeten Abschlüsse und Marktdaten. Die Schwellenwerte sind branchenkalibriert (u. a. auf Basis der Sektordaten von Aswath Damodaran, NYU Stern; Energie-Margen zusätzlich an den realen Kennzahlen der Branche geeicht). Aktualität: Sobald jüngere Zwölf-Monats-Daten (TTM) vorliegen als das letzte Geschäftsjahr, rechnet der Score mit den TTM-Werten — ein gutes altes Geschäftsjahr kann schwache jüngste Quartale nicht überdecken. Die Formel ist deterministisch; keine KI ist beteiligt. Die Langfassung: Der Health Score und Woher unsere Schwellenwerte kommen.

3. Fairer Wert (Aktien)

Der faire Wert schätzt den inneren Wert einer Aktie mit mehreren voneinander unabhängigen Verfahren und zeigt deren Ergebnisse nebeneinander statt als eine einzelne Zahl. Verwendet werden bis zu vier Methoden, die in der App unter genau diesen Namen erscheinen: die Ertragsmethode (Gewinn je Aktie gegen ein an Sektor-Medianen verankertes Multiple, angepasst um Wachstum und Bilanzqualität), die Cashflow-Methode (FCF) (Free Cash Flow je Aktie, in der Regel über drei Jahre geglättet), die EV/EBITDA-Methode (Unternehmenswert aus dem Sektor-Multiple abzüglich Nettoverschuldung, je Aktie) und die Dividendenmethode (Gordon-Growth-Modell, erst ab 2 % Dividendenrendite). Bei Finanzwerten tritt an die Stelle der Cashflow- und der EV/EBITDA-Methode die Buchwertmethode, weil beide Kennzahlen für Banken nicht aussagekräftig sind; dort sind es also drei Methoden. Wie stark ein Verfahren gewichtet wird, richtet sich nach dem Charakter des Unternehmens (u. a. Dividendenwert, Wachstumswert, Zykliker, Finanzwert). Sämtliche Multiples sind an Sektor-Medianen verankert, die wir aus dem eigenen Datenbestand berechnen und nicht extern beziehen.

Jeder Wert wird für zwei Zeitpunkte ausgewiesen: heute, aus zuletzt gemeldeten Zahlen, und auf Sicht von zwölf Monaten, aus Analystenschätzungen. Der Zwölf-Monats-Wert ist eine Fortschreibung dieser Schätzungen und ausdrücklich keine Prognose und kein Kursziel.

Die Streuung der Verfahren wird mit ausgewiesen und ist Teil der Aussage: Liegen die Ergebnisse weniger als 15 % auseinander, gilt die Einschätzung als belastbar, zwischen 15 und 30 % als eingeschränkt, darüber als unsicher — und genau so steht es an der Karte. Für Unternehmen, bei denen kein Verfahren trägt — etwa dauerhaft defizitäre Gesellschaften oder solche ohne ausreichende Datenbasis —, weisen wir bewusst keinen Wert aus; die Verweigerung ist beabsichtigt und kein Fehler. Rund die Hälfte der abgedeckten Aktien erhält aus diesen Gründen keinen Wert. Die Berechnung ist vollständig deterministisch, wird täglich neu ausgeführt, und keine KI ist daran beteiligt. Die Langfassung: Der faire Wert.

4. ETF Score

Der ETF Score bewertet Fonds regelbasiert nach Kosten (TER), Fondsgröße, Replikationsmethode, Konzentration der größten Positionen und Fondsalter. Datenbasis sind die Angaben der Emittenten. Keine KI ist beteiligt.

5. KI-Einschätzungen

Folgende Inhalte werden durch Claude-Sprachmodelle (Anthropic) erzeugt, jeweils aus den unter Ziffer 7 genannten Datenquellen:

Sprachmodelle können Fehler machen. Jede dieser Karten trägt den Hinweis, dass es sich um eine KI-generierte Einschätzung und nicht um Anlageberatung handelt.

6. Zeitpunkt und Aktualisierung

Regelbasierte Scores werden auf der Einzelaktien-Seite bei jedem Abruf aus dem aktuellen Datenbestand berechnet. Auf den Übersichts-Flächen — Screener, Möglichkeiten-Liste und fairer Wert — ist der Score dagegen vorberechnet: er entsteht nächtlich im Batch und wird bis zum nächsten Lauf unverändert ausgeliefert, damit eine Liste über tausende Titel überhaupt in vertretbarer Zeit lädt. Der Datenbestand selbst wird laufend aktualisiert: Kursdaten börsentäglich, Kennzahlen nächtlich, Abschlüsse ereignisgesteuert nach Earnings-Terminen. KI-Einschätzungen tragen ihr Erstellungsdatum sichtbar auf der jeweiligen Karte; bis zur nächsten Generierung bleibt die datierte Fassung stehen.

7. Datenquellen

Marktdaten, Abschlüsse und Kennzahlen: Twelve Data. Nachrichten: Marketaux. ETF-Daten: Angaben der Emittenten. Risikofreie Zinssätze für die Dividendenmethode des fairen Werts: US-Notenbank (FRED, 10-jährige Treasury) und Europäische Zentralbank (10-jährige AAA-Kurve). Branchen-Kalibrierung der Health-Score-Schwellen: Sektordaten von Aswath Damodaran, NYU Stern. Für die Ertragsnote und die SWOT-Analyse führt das Sprachmodell zusätzlich eine Websuche durch; die dabei herangezogene Quelle wird in der jeweiligen Aussage benannt. Fehler in den Quelldaten können durchschlagen; wir bauen laufend Prüfungen ein, übernehmen aber keine Gewähr für die Richtigkeit der Quelldaten.

8. Keine Anlageberatung, keine Empfehlung im Einzelfall

Alle Scores und Einschätzungen sind allgemeine Informationen. Sie berücksichtigen weder deine finanzielle Situation noch deine Ziele oder Risikotragfähigkeit und sind keine Anlageberatung im Sinne des WpHG und keine persönliche Empfehlung. Die foliologic. UG ist kein zugelassenes Wertpapierdienstleistungsunternehmen. Anlageentscheidungen triffst du in eigener Verantwortung; Wertentwicklungen der Vergangenheit sind kein Indikator für zukünftige Ergebnisse.

9. Interessenkonflikte

Die foliologic. UG erhält keine Vergütung von Emittenten bewerteter Instrumente und betreibt keinen Eigenhandel. Die handelnden Personen können bewertete Instrumente privat halten; da alle Einschätzungen ausschließlich regel- bzw. modellbasiert aus den genannten Datenquellen entstehen, haben persönliche Positionen keinen Einfluss auf einzelne Ergebnisse. Provisionen oder Zuwendungen Dritter für die Darstellung einzelner Instrumente existieren nicht.

10. Fragen

Fragen zu dieser Offenlegung beantworten wir über die im Impressum genannten Kontaktwege.

Disclosures & Methodology

Investment-recommendation disclosures under Art. 20 of Regulation (EU) No 596/2014 (Market Abuse Regulation, MAR) and Delegated Regulation (EU) 2016/958. Last updated: 11 September 2026.

1. Who produces the assessments?

All scores, ratings and AI assessments shown in foliologic. are produced under the responsibility of foliologic. UG (haftungsbeschränkt), Kolonnenstr. 8, 10827 Berlin, Germany (see Legal Notice).

Assessments are produced in one of two ways: rule-based (deterministic formulas over reported financial data — no human and no AI intervenes in any individual result) or model-based (generated by Anthropic's Claude language models from the same data sources). Every AI card in the app carries its producer and generation date ("Claude · {date}") — including the portfolio analysis, the diary review and every answer in the portfolio chat. Surfaces that show hundreds of separately generated assessments at once (the screener, the index card) name the period those assessments were generated in rather than a single date, because a single date would be fabricated there. The AI file import deliberately carries no such line: it reads your own broker statements and produces no assessment of an instrument. No analyst reviews individual outputs before display.

2. Health Score (stocks)

The Health Score rates six dimensions — profitability, growth, competitive advantage, balance sheet, cash generation and valuation — each green/gold/red; the overall value (0–100) is their average. Inputs are the most recently reported financial statements and market data. Thresholds are sector-calibrated (based among others on Aswath Damodaran's sector data, NYU Stern; energy margins additionally calibrated against the industry's real figures). Freshness: as soon as trailing-twelve-month (TTM) data is more recent than the last fiscal year, the score computes on the TTM figures — a good old fiscal year cannot mask weak recent quarters. The formula is deterministic; no AI is involved. The long form (in German): Der Health Score and Woher unsere Schwellenwerte kommen.

3. Fair value (stocks)

Fair value estimates the intrinsic value of a share using several independent methods and shows their results side by side rather than as a single number. Up to four methods are used, and they appear in the app under exactly these names: the earnings method (earnings per share against a multiple anchored to sector medians, adjusted for growth and balance-sheet quality), the free-cash-flow method (free cash flow per share, normally smoothed over three years), the EV/EBITDA method (enterprise value from the sector multiple less net debt, per share) and the dividend method (Gordon growth model, applied only from a 2% dividend yield upwards). For financials, the book value method replaces both the free-cash-flow and the EV/EBITDA method, because neither measure is meaningful for a bank; there, three methods are used. How heavily each method is weighted depends on the character of the company (dividend payer, growth stock, cyclical, financial, among others). All multiples are anchored to sector medians that we compute from our own data rather than sourcing externally.

Each value is published for two points in time: today, from the most recently reported figures, and twelve months ahead, from analyst estimates. The twelve-month value is a projection of those estimates and is expressly not a forecast and not a price target.

The spread between the methods is published alongside the value and is part of the statement: where the results lie less than 15% apart the estimate is treated as robust, between 15% and 30% as qualified, and above that as unreliable — and it is labelled that way on the card. For companies where no method holds — persistently loss-making businesses, or those without a sufficient data basis — we deliberately publish no value; the refusal is intended and is not a failure. Around half of the covered stocks receive no value for these reasons. The calculation is fully deterministic, is re-run daily, and no AI is involved. The long form (in German): Der faire Wert.

4. ETF Score

The ETF Score rates funds rule-based on cost (TER), fund size, replication method, top-holdings concentration and fund age, using issuer-published data. No AI is involved.

5. AI assessments

The following content is generated by Claude language models (Anthropic), in each case from the data sources named in section 7:

Language models can make mistakes. Each of these cards carries the notice that it is an AI-generated assessment and not investment advice.

6. Timing and updates

On an individual stock page, rule-based scores are computed at request time from the current data set. On the overview surfaces — screener, possible-deals list and fair value — the score is instead precomputed: it is produced by a nightly batch and served unchanged until the next run, which is what makes a list spanning thousands of instruments load at all. The data set itself updates continuously: prices each trading day, statistics nightly, financial statements event-driven after earnings dates. AI assessments carry their generation date visibly on the card; the dated version remains until the next generation.

7. Data sources

Market data, financial statements and statistics: Twelve Data. News: Marketaux. ETF data: issuer publications. Risk-free rates for the fair-value dividend method: the US Federal Reserve (FRED, 10-year Treasury) and the European Central Bank (10-year AAA curve). Sector calibration of the Health Score thresholds: sector data from Aswath Damodaran, NYU Stern. For the income-statement grade and the SWOT analysis the language model additionally performs a web search; the source it relied on is named in the statement itself. Errors in source data can propagate; we continuously add validation, but do not guarantee the accuracy of source data.

8. No investment advice, no personal recommendation

All scores and assessments are general information. They take no account of your financial situation, objectives or risk tolerance, and constitute neither investment advice nor a personal recommendation. foliologic. UG is not a licensed investment services firm. Investment decisions are your own responsibility; past performance is no indicator of future results.

9. Conflicts of interest

foliologic. UG receives no remuneration from issuers of rated instruments and conducts no proprietary trading. The individuals behind foliologic. may privately hold rated instruments; since all assessments are produced exclusively rule- or model-based from the named data sources, personal holdings have no influence on any individual result. No third-party commissions or inducements exist for the presentation of any instrument.

10. Questions

Questions about these disclosures are answered via the contact channels in the Legal Notice.