Über Razisor
Wir entwickeln KI-gestützte Analysewerkzeuge, die Anleger:innen helfen, Finanzdaten klarer zu verstehen – unabhängig, transparent und ohne versteckte Handelsgebühren.
Aus dem Wunsch nach besseren Entscheidungsgrundlagen entstanden
Razisor wurde mit einer klaren Beobachtung gegründet: Viele Anlageentscheidungen basieren auf Bauchgefühl oder unübersichtlichen Datenmengen, statt auf strukturierter Analyse. Wir wollten daran etwas ändern und ein Werkzeug schaffen, das komplexe Marktdaten verständlich aufbereitet – ohne dabei selbst Anlageberatung zu ersetzen.
Seitdem arbeiten wir kontinuierlich daran, unsere Analysemethoden weiterzuentwickeln und die Plattform so zu gestalten, dass Nutzer:innen jederzeit nachvollziehen können, wie eine Einschätzung entstanden ist.
Datenqualität statt Marktschreierei
Wir setzen auf nachvollziehbare Modelle und klare Kommunikation von Chancen und Risiken statt auf Versprechen schneller Gewinne.
Wonach wir uns bei jeder Entscheidung richten
Diese Grundsätze prägen, wie wir unsere Produkte bauen und wie wir mit Nutzer:innen kommunizieren.
Unabhängigkeit
Wir erhalten keine Provisionen für die Empfehlung bestimmter Wertpapiere und erheben keine Handelsgebühren. Unsere Analysen sind ausschließlich datengetrieben.
Transparenz
Wir erklären, wie unsere Modelle zu einer Einschätzung kommen, statt Ergebnisse als Black Box zu präsentieren. Nutzer:innen sollen verstehen, worauf eine Aussage basiert.
Sorgfalt
Finanzielle Entscheidungen haben reale Konsequenzen. Deshalb prüfen wir unsere Analysemethoden fortlaufend und kommunizieren Unsicherheiten offen statt sie zu verschweigen.
Menschen mit Hintergrund in Datenanalyse und Finanzwesen
Hinter Razisor steht ein Team, das Erfahrung aus den Bereichen Softwareentwicklung, Datenwissenschaft und Finanzmärkten zusammenbringt. Uns verbindet die Überzeugung, dass gute Werkzeuge Menschen befähigen sollten, eigene fundierte Entscheidungen zu treffen – statt ihnen diese abzunehmen.
Wir arbeiten funktionsübergreifend: von der Entwicklung der Analysemodelle bis zur verständlichen Darstellung der Ergebnisse in der Plattform. Dabei bleibt uns wichtig, direkt mit Nutzer:innen im Austausch zu stehen und Feedback in die Weiterentwicklung einfließen zu lassen.
Interdisziplinär & nutzernah
Produktentscheidungen entstehen im Dialog zwischen Datenanalyse, Technik und den Rückmeldungen unserer Nutzer:innen.