Warum deterministische FinTech-Engineering LLM-Hype übertrifft

Finanzsoftware verlangt absolute Präzision. Doch viele Entwickler setzen heute auf LLM-basierte "State Machines" für komplexe Berechnungen – ein gefährlicher Trugschluss.

Das Proof-of-Concept-Projekt DividendFlow, eine Steueroptimierungs-Engine für Dividendenwachstumsstrategien, beweist: Deterministische Algorithmen in reinem TypeScript liefern zuverlässigere Ergebnisse als probabilistische LLM-Aufrufe. Mit Next.js 15 Server Components wird die rechenintensive Logik serverseitig ausgeführt, was nicht nur die Genauigkeit, sondern auch die Performance revolutioniert.

Wenn Wahrscheinlichkeiten zu teuren Fehlern werden

Investoren, die Dividendenwachstumsstrategien verfolgen, verlassen sich auf präzise Steuerprognosen. Doch genau hier scheitern viele LLM-Implementierungen.

Ein typisches Szenario: Ein LLM könnte bei der Berechnung von Steuerlasten für REITs oder BDCs pauschal einen Steuersatz von 15% anwenden – weil es "weiß", dass Dividenden besteuert werden. Doch Realität sieht anders aus:

• REITs und BDCs unterliegen dem regulären Einkommensteuersatz (bis zu 37% in den USA).
• Selbst eine minimale Abweichung von 0,1% im ersten Jahr führt über 20 Jahre zu einem 50.000-Dollar-Defizit in der prognostizierten Altersvorsorge.
• Finanzsoftware darf keine "Vibes" berechnen – sie muss deterministisch sein.

Diese Unsicherheit macht LLM-basierte State Machines für kritische Finanzanwendungen unbrauchbar. Stattdessen setzt DividendFlow auf 100% deterministische TypeScript-Logik, die bei jedem Durchlauf mit denselben Eingaben identische Ergebnisse liefert.

Die Architektur: Einfache TypeScript-Logik statt LLM-Aufrufe

Anstatt teure LLM-APIs mit unvorhersehbaren Antworten zu nutzen, wurde das Kernmodul des Tools komplett in reinem TypeScript implementiert. Die Berechnungslogik für DRIP-Strategien (Dividenden-Wiederanlage) erfolgt ohne Abhängigkeiten – nur mit den Grundlagen der Sprache.

export async function calculateDRIP(ticker: string, config: TaxConfig) {
  const payoutHistory = await fetchEdgeCachedDividends(ticker);
  
  return payoutHistory.reduce((accumulator, payment) => {
    const netPayout = applyJurisdictionTax(payment.amount, config);
    const sharesAcquired = netPayout / payment.sharePrice;
    return accumulator + sharesAcquired;
  }, initialShares);
}

Die Vorteile dieser Herangehensweise sind offensichtlich:

• Keine Token-Kosten: Keine Abhängigkeit von teuren LLM-APIs.
• Keine Halluzinationen: 100% vorhersagbare Ergebnisse bei identischen Eingaben.
• Keine Seed-Parameter: Keine Notwendigkeit, Temperaturwerte oder Zufallsgenerator-Einstellungen zu optimieren.

Diese Entscheidung war nicht nur technisch, sondern auch wirtschaftlich sinnvoll – besonders in einem Umfeld, in dem Cloud-Plattformen wie GCP plötzlich Dienste wie Railway blockieren.

Next.js 15 Server Components: Rechenlast serverseitig auslagern

Die größte Herausforderung für DividendFlow lag in der Performance: 30 Jahre monatlicher Zinseszinsberechnungen (360 Iterationen) für über 38.000 US-Aktien sind eine rechenintensive Aufgabe.

Die Lösung? Next.js 15 Server Components (RSC). Diese Technologie ermöglicht es, die gesamte Berechnungslogik serverseitig auszuführen – und dem Browser nur noch die grafischen Darstellungen zu liefern.

Der Ablauf ist denkbar einfach:

1. Der Nutzer wählt eine Steuerkonfiguration (z.B. US, UK ISA oder kanadisches TFSA).
2. Die Seite aktualisiert sich über URL-Parameter.
3. Next.js führt die mathematischen Berechnungen auf dem Server aus.
4. Der Browser erhält nur noch die Koordinaten für die Grafik.

Das Ergebnis? Die Projektionen werden in unter 150 Millisekunden geladen – ohne dass der Client schwere JavaScript-Berechnungen durchführen muss. Besonders auf mobilen Geräten mit langsamen Internetverbindungen ein Game-Changer.

Datensparsamkeit als technischer Wettbewerbsvorteil

In einer Zeit, in der Cloud-Anbieter plötzlich Dienste sperren und Telemetrie-Skandale die Branche erschüttern, setzt DividendFlow auf einen radikalen Ansatz: Keine Nutzerdaten werden gesammelt.

Diese Entscheidung ist kein Marketing-Gag, sondern ein technisches Fundament:

• Keine Datenbank: Alle Portfolios und Szenarien werden direkt im Browser gespeichert – entweder in LocalStorage oder direkt in der URL.
• Keine Authentifizierung: Kein Login nötig, keine Bankverbindung erforderlich, keine E-Mail-Adresse erforderlich.
• Host-Unabhängigkeit: Sollte der Hosting-Anbieter den Dienst sperren, lässt sich die statische Anwendung in fünf Minuten auf einem Bare-Metal-Server neu deployen.

Diese Architektur macht DividendFlow resilient gegen externe Shutdowns und reduziert gleichzeitig die Angriffsfläche für Datenlecks auf null.

Fazit: Ein Plädoyer für technisches Grundverständnis

Die moderne Webentwicklung neigt dazu, einfache Probleme mit komplexen Lösungen zu überfrachten. Viele Entwickler greifen heute zu LLM-basierten State Machines, Datenbanken und Auth-Systemen – selbst wenn eine reine TypeScript-Lösung die Aufgabe effizienter und zuverlässiger erledigen könnte.

DividendFlow beweist: Manchmal ist die intelligenteste technische Entscheidung die einfachste. Indem wir uns von probabilistischen Modellen verabschieden und deterministische Algorithmen einsetzen, schaffen wir nicht nur zuverlässigere Finanztools – sondern auch resilientere Architekturen, die unabhängig von Cloud-Hypes funktionieren.

Die Zukunft der FinTech-Entwicklung gehört nicht den Modellen, die "irgendwie funktionieren", sondern den Systemen, die mathematisch einwandfrei und host-unabhängig sind.