Zum Hauptinhalt springen
Deutsch— Sprache auswählen
Menü

Praktische Anwendungsfälle

Lektion 16 von 16 Aktualisiert am 30. Juli 2026 Entwickler
Auf dieser Seite
  1. Code Execution in der Produktion
  2. Finanzanalyse
  3. Statistische Analyse
  4. Wissenschaftliches Rechnen
  5. Datenverarbeitung und -bereinigung
  6. Komplettarchitektur des Arbeitsablaufs
  7. Kernaussagen
  8. Wissen prüfen

Code Execution in der Produktion

Diese abschließende Lektion behandelt praktische Anwendungsfälle für Code Execution, um Ihnen einen klaren Überblick darüber zu verschaffen, was Sie damit umsetzen können. Jedes Beispiel illustriert einen Anwendungsbereich mit dem zugehörigen Prompt und der zugrundeliegenden Logik.

Finanzanalyse

Portfolio-Optimierung

Code Execution eignet sich besonders gut für Finanzmodellierungen. Die Sandbox enthält NumPy und SciPy, die die erforderlichen Optimierungsrechnungen durchführen:

input_text = """
Portfolio mit 5 Vermögenswerten mit den folgenden monatlichen Renditen (12 Monate):

Asset A: [2.1, -0.5, 1.8, 3.2, -1.1, 2.5, 0.8, 1.2, -0.3, 2.8, 1.5, 0.9]
Asset B: [1.5, 0.2, 2.1, 1.8, 0.5, 1.2, 2.3, -0.1, 1.6, 0.8, 1.9, 2.2]
Asset C: [-0.3, 3.5, -1.2, 4.1, -0.8, 2.9, -0.5, 3.2, -1.0, 3.8, -0.2, 2.7]
Asset D: [0.8, 0.9, 0.7, 1.1, 0.6, 0.8, 1.0, 0.5, 0.9, 0.7, 1.2, 0.8]
Asset E: [3.5, -2.1, 4.2, -1.5, 3.8, -0.9, 2.7, -1.8, 3.1, -0.5, 4.5, -1.2]

Berechnen Sie:
1. Die Korrelationsmatrix zwischen den Vermögenswerten
2. Das Portfolio mit minimaler Varianz
3. Das optimale Portfolio (maximales Sharpe-Verhältnis, risikofreier Zinssatz = 4 % p. a.)
4. Die effiziente Frontier (10 Punkte)

Geben Sie die Allokationen als Prozentsätze an.
"""

Das Modell schreibt Code, der NumPy für die Korrelationsmatrix und SciPy für die eingeschränkte Optimierung verwendet.

Sharpe-Verhältnis und Risikoindikatoren

input_text = """
Tägliche Renditen eines Fonds über 20 Tage:
[0.12, -0.05, 0.08, 0.15, -0.03, 0.22, -0.11, 0.06, 0.09, -0.07,
 0.14, 0.03, -0.08, 0.18, 0.01, -0.04, 0.11, 0.07, -0.02, 0.13]

Berechnen Sie das Sharpe-Verhältnis, das Sortino-Verhältnis, das Value at Risk (95 %)
und den maximalen Drawdown. Risikofreier Zinssatz p. a. = 4 %.
"""

Statistische Analyse

Hypothesentests

Mit SciPy können Sie rigorose statistische Tests durchführen:

input_text = """
Gruppe A (Behandlung): [85, 88, 91, 87, 93, 89, 86, 92, 90, 88]
Gruppe B (Kontrolle): [78, 82, 80, 85, 79, 83, 81, 77, 84, 80]

Führen Sie einen t-Test nach Student durch, um festzustellen, ob der Unterschied
zwischen den beiden Gruppen statistisch signifikant ist (Alpha = 0,05).
Beinhalten Sie Hypothesen, Teststatistik, p-Wert und Schlussfolgerung.
"""

Regression und Vorhersage

input_text = """
Monatliche Umsatzdaten (in Tausend Euro):
Monat (x): [1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12]
Umsatz (y): [45, 52, 48, 61, 55, 67, 72, 68, 75, 80, 78, 85]

1. Führen Sie eine lineare Regression durch
2. Berechnen Sie R² und den Standardfehler
3. Prognostizieren Sie den Umsatz für die Monate 13, 14 und 15
4. Testen Sie, ob der Trend signifikant ist
"""

Wissenschaftliches Rechnen

Lösen von Differentialgleichungen

input_text = """
Lösen Sie die Differentialgleichung zweiter Ordnung:
y'' + 2y' + 5y = 0
Anfangsbedingungen: y(0) = 1, y'(0) = 0
Intervall: t von 0 bis 10

Ploten Sie die Lösung und identifizieren Sie das Verhalten (gedämpfte Schwingung,
kritisch, überdämpft).
"""

Monte-Carlo-Simulationen

input_text = """
Monte-Carlo-Simulation zur Schätzung der Wahrscheinlichkeit, dass ein Projekt
profitabel ist.

Parameter (Normalverteilungen):
- Monatlicher Umsatz: Mittelwert = 50.000 €, Standardabweichung = 10.000 €
- Monatliche Fixkosten: 30.000 €
- Variable Kosten: 15 % bis 25 % des Umsatzes (gleichverteilt)
- Projektdauer: 12 Monate

Führen Sie 10.000 Simulationen durch. Berechnen Sie die Gewinnwahrscheinlichkeit
und die Verteilung des Nettogewinns. Geben Sie das 5., 50. und 95. Perzentil an.
"""

Datenverarbeitung und -bereinigung

input_text = """
Rohdaten (CSV mit häufigen Problemen):

name,age,salary,city
Alice,32,45000,Paris
Bob,,52000,Lyon
Charlie,28,NA,Marseille
Diana,45,62000,paris
Eve,33,48000,LYON
Frank,-5,55000,Toulouse
Grace,29,999999,Bordeaux

1. Identifizieren und behandeln Sie fehlende Werte
2. Korrigieren Sie Inkonsistenzen (negatives Alter, Ausreißer beim Gehalt)
3. Normalisieren Sie Stadtnamen (konsistente Groß-/Kleinschreibung)
4. Berechnen Sie deskriptive Statistiken auf den bereinigten Daten
5. Dokumentieren Sie jede durchgeführte Transformation
"""

Komplettarchitektur des Arbeitsablaufs

Für Produktionsanwendungen kombinieren Sie Werkzeuge in einem strukturierten Workflow:

  1. Web-Suche holt aktuelle Daten (Preise, Indikatoren, Nachrichten)
  2. Code Execution analysiert die abgerufenen Daten (Berechnungen, Statistiken, Diagramme)
  3. Ihre Anwendung formatiert und präsentiert die Ergebnisse dem Nutzer

Dieses Muster gilt für viele Bereiche: Finanzen, Wettbewerbsanalyse, Marktanalyse, automatisierte Berichterstattung.

Kernaussagen

  • Code Execution excels bei Finanzanalysen (Sharpe-Verhältnis, Portfolio-Optimierung, VaR)
  • Statistische Tests und Regressionen sind ein natürlicher Anwendungsfall mit SciPy
  • Monte-Carlo-Simulationen funktionieren gut innerhalb der Speichergrenzen der Sandbox
  • Datenbereinigung mit Pandas ist ein praktischer Alltagsanwendungsfall
  • Kombinieren Sie Web-Suche + Code Execution für vollständige automatisierte Workflows
  • Stellen Sie strukturierte Daten und präzise Anweisungen bereit, um bessere Ergebnisse zu erzielen

Wissen prüfen

Web, X, Code: Groks Server-Werkzeuge in fünf Prüfungen.

1. Welche zwei Kategorien von Grok-Werkzeugen gibt es?

Antwort: Integrierte Werkzeuge, die serverseitig von xAI ausgeführt werden (Web-Suche, X-Suche, Code Execution), und Ihre benutzerdefinierten Funktionen, die von Ihrem Code ausgeführt werden – zwei Welten, die sich kombinieren.

2. Wie funktioniert der Ausführungsfluss eines integrierten Werkzeugs?

Antwort: In fünf serverseitigen Schritten: Das Modell entscheidet, das Werkzeug wird bei xAI ausgeführt, die Ergebnisse kehren zum Modell zurück, welches antwortet – Sie erhalten die finale Antwort mit Spuren und Zitaten.

3. Was erlauben die Filter für Web-Suche und X-Suche?

Antwort: Rahmung der Quellen: erlaubte Domains im Web, Handles und Daten auf X – Frische und Zuverlässigkeit werden kontrolliert, und Zitate dokumentieren jede Antwort.

4. Was kann Code Execution tun?

Antwort: Python in einer Sandbox ausführen – gängige Bibliotheken verfügbar, strenge Sicherheitsbeschränkungen: Berechnungen, Transformationen und Verifizierungen werden exaktem Code delegiert.

5. Was sollten Sie bezüglich Kosten überwachen?

Antwort: Jede Werkzeuganruf wird zusätzlich zu den Tokens abgerechnet: Ziel Suchen, Tiefen begrenzen und nur Werkzeuge aktivieren, die für die Anfrage nützlich sind.

Serverfähigkeiten sind sofort einsatzbereit, gesteuert durch Ihre Filter und Ihr Budget: Integrierte Werkzeuge machen Grok zu einem Agenten – Sie bleiben der Regisseur.