Pension AI
KI-gestützte Rentenplanung mit Monte-Carlo-Simulationen
Gebaut von Nicholas Falshaw · Rentenplanung mit KI-Berater · Produktiv seit 2025
Das Problem
Rentenrechner kommen in zwei Varianten: zu simple Ein-Slider-Spielzeuge oder Tabellen mit vierzig Reitern, die niemand pflegt. Keiner erklärt, warum die Kurve so aussieht, und keiner beantwortet Rückfragen wie „Was, wenn ich drei Jahre früher in Rente gehe?“
Was ich gebaut habe
Eine Web-App, die Monte-Carlo-Portfoliosimulation (10.000 Marktpfade) mit einem LLM-Berater kombiniert, der die Verteilung interpretiert, Szenarien stresstestet und Rückfragen in natürlicher Sprache beantwortet. Nutzer geben aktuelles Vermögen, Sparrate, Zielalter und Asset-Allocation ein — die Engine liefert eine Kurve mit p10/p50/p90-Konfidenzband und einer verständlichen Erklärung.
Architektur
- ▸
Next.js-Frontend
App Router, Server Components, Charts über recharts
- ▸
Simulations-Engine
Python-Worker mit Monte-Carlo, konfigurierbaren Renditeverteilungen, Inflation, Sequence-of-Returns-Risiko und Ausgabenschocks
- ▸
Szenario-Speicher
PostgreSQL persistiert jedes Szenario und jeden Simulationslauf für Langzeitvergleiche
- ▸
RAG-Berater
Ollama-Modell mit eingeblendetem Kontext (Nutzer-Input, Simulationsergebnis, Asset-Prior) erklärt Ergebnisse
- ▸
Auth
NextAuth v5 mit Prisma-Adapter
Tech-Stack
Ergebnis
Nutzer sehen ihre Rentenkurve über 10.000 Marktpfade und können Fragen wie „Was, wenn ich drei Jahre früher gehe“ oder „Was, wenn Märkte 2 % unter dem Durchschnitt liefern“ in Klartext stellen. Alle Daten bleiben auf eigener Infrastruktur — keine Dritt-APIs.