Kombination technischer Indikatoren – Beobachtungen aus laufender Auswertung

[updowntrends]

Hallo zusammen,

ich bin neu hier im Forum und möchte mich mit einem ersten Beitrag vorstellen. Ich beschäftige mich seit einiger Zeit mit technischer Analyse und würde mich freuen, hier den Austausch mit anderen zur Verbesserung der Signalqualität zu suchen – ausdrücklich ohne Kauf-/Verkaufsempfehlungen und ohne Anspruch auf „die eine richtige Methode“. Konkret geht es um die Frage, ob sich technische Analyse stabiler gestalten lässt, wenn man mehrere Indikatoren und Zeitfenster kombiniert, anstatt einzelne Signale isoliert zu betrachten.

 

Untersucht werden aktuell rund 300 liquide Assets aus verschiedenen Klassen: Aktien, Indizes, Rohstoffe (Commodities) und Kryptowährungen. Der Fokus liegt ausschließlich auf der Trendrichtung (aufwärts / neutral / abwärts), nicht auf Kurszielen oder Timing.

 

Ansatz in Kürze (ohne Technik):

• Kombination mehrerer gängiger technischer Indikatoren
• Kurz- und mittelfristige Zeithorizonte
• Laufende Auswertung auf neuen Daten 
• Bewertung über verschiedene Qualitätskennzahlen, nicht nur Trefferquote

 

Wichtig vorweg:
Längere 60-Tage-Horizonte werden aktuell noch ausgewertet, daraus ziehe ich bewusst noch keine Schlüsse.

 

Aktueller Leistungsstand (zusammengefasst):

Ohne das überzubewerten oder zu verallgemeinern: Über alle Assets hinweg ist die Streuung der Ergebnisse erwartungsgemäß groß. Betrachtet man die Top ~50 sehr liquiden Assets, liegt die mittlere gewichtete Genauigkeit aktuell bei über 70 %. Diese Kennzahl zeigt im Zeitverlauf eine steigende Tendenz, was auf eine zunehmende Stabilität der kombinierten Signale hindeutet. Parallel werden weitere Kennzahlen beobachtet, um reine Zufallseffekte nicht zu übersehen

 

Zwei konkrete Beispiele:

 

Apple (AAPL)

 

Apple eignet sich gut als Testfall, da sich Trendphasen und unruhige Seitwärtsbewegungen abwechseln.

Beobachtungen:

• Kurzfristige Signale sind erwartungsgemäß wechselhaft
• Mittelfristige Horizonte (ca. 20 Handelstage) zeigen deutlich stabilere Ergebnisse
• Die Auswertung deutet darauf hin, dass kombinierte Signale Richtungswechsel besser filtern als Einzelindikatoren

 

 

 

 

 

Adobe (ADBE)

 

Adobe zeigt insgesamt ruhigere, klarere Bewegungen.

Hier fällt auf:

• Bereits kurzfristige Signale sind relativ konsistent
• Mittelfristig bleibt die Signalqualität stabil
• Unterschiede zwischen einfacher Trefferquote und ausgewogener Bewertung sind geringer als bei volatileren Werten

 

 

 

Das bestätigt aus meiner Sicht einen Punkt, der oft unterschätzt wird:

• Manche Assets sind strukturell leichter zu analysieren als andere – unabhängig von der Methode.

 

Was ich daraus bisher mitnehme

• Einen „besten“ einzelnen Indikator gibt es nicht
• Signalqualität hängt stark von Assetklasse, Zeithorizont und Marktphase ab
• Kombinationen zielen eher auf Stabilität als auf maximale Trefferquoten
• Transparente Kennzahlen helfen, sich nicht von kurzfristigen Erfolgen täuschen zu lassen

 

Ich stelle das hier ausdrücklich nicht als Anlageempfehlung ein, sondern als Diskussionsgrundlage und würde mich über Feedback, Kritik und Erfahrungswerte freuen.

Insbesondere interessieren mich:

• Wie bewertet ihr Signalqualität jenseits der reinen Trefferquote?
• Welche Zeithorizonte haltet ihr aus eigener Erfahrung für realistisch nutzbar?
• Gibt es Assetklassen oder einzelne Werte, die sich eurer Meinung nach systematisch „gut“ oder „schlecht“ technisch analysieren lassen?

 

Viele Grüße

 

[LongtermInvestor]

Worauf willst Du den hinaus? Welche Signale inkl. Definition hast Du ausgewertet? Wie sehen den Backtests über die letzten 20 Jahre für die Werte aus?

[updowntrends]

Zur Einordnung des Umfangs:
Aktuell werden rund 300 Assets ausgewertet (u. a. aus DAX, MDAX, TecDAX, Dow, Nasdaq und EuroStoxx).
Pro Asset fließen eine größere Anzahl unterschiedlicher technischer Indikatoren aus Trend, Momentum, Volatilität und Marktstruktur ein, jeweils über mehrere Zeitfenster.
Der Fokus liegt dabei nicht auf einzelnen Signalen, sondern auf der Kombination und Stabilität der resultierenden Trendrichtung. Genau hier möchte ich das Modell weiter schärfen und bin deshalb am Austausch interessiert.

[LongtermInvestor]

Dann erläutere mal Dein Modell und die Schlussfolgerungen daraus.

[updowntrends]

Indikatoren & Features

Das Modell nutzt hunderte numerische Features, abgeleitet aus einer breiten Menge klassischer technischer Indikatoren, jeweils über mehrere Zeitfenster. Dazu gehören u. a.:

 

• Trend & gleitende Durchschnitte: SMA, EMA (verschiedene Längen), MACD, PPO, Parabolic SAR, Ichimoku
• Momentum: RSI, Stochastic, ROC, CCI, Williams %R
• Volatilität & Kanäle: ATR, Bollinger Bands, Keltner Channels, Donchian Channels, Parkinson- & Garman-Klass-Volatilität
• Volumen & Money Flow: Volumen-Z-Scores, OBV, MFI, Chaikin (AD / CMF), VWAP (rolling & anchored)
• Marktstruktur & Breakouts: HH/HL/LH/LL-Sequenzen, Break of Structure (BOS), Trend- und Preiskanäle, Hoch-/Tief-Durchbrüche
• Preis-Zonen & Levels: Order Blocks, Fair Value Gaps (FVG), Pivot Points (klassisch, Fibonacci, Camarilla), Fibonacci-Retracements

Alle Indikatoren liefern keine Kursziele, sondern Trend- bzw. Struktur-Signale, häufig explizit auf Basis von Durchbrüchen, Kanal-Breaks, Trendwechseln oder Regime-Übergängen.

 

Modell & Lernlogik
Diese Features werden nicht regelbasiert, sondern einem überwachten Machine-Learning-Modell zugeführt, das die nicht-linearen Wechselwirkungen zwischen Trend, Momentum, Volatilität, Volumen und Marktstruktur für verschiedene Prognosehorizonte (1, 5, 20, 60 Tage) lernt. Die Modelle werden täglich mit neuen End-of-Day-Daten aktualisiert (rollierend, walk-forward). Gewichtungen und Relevanzen passen sich damit kontinuierlich an veränderte Marktbedingungen an.

 

Bewertung & Metriken
Zur Qualitätskontrolle werden mehrere Kennzahlen parallel und rollierend herangezogen:

• Accuracy (ACC)
• Balanced Accuracy (BALACC)
• AUC
• Brier Score
• MCC

Zusätzlich werden gewichtete Mittelwerte über mehrere Horizonte gebildet, um kurzfristige und mittelfristige Signalqualität gemeinsam einzuordnen.

 

Schlussfolgerung & Signalinterpretation

Das Modell gibt keine binären Kauf-/Verkaufssignale, sondern Wahrscheinlichkeiten für steigende oder fallende Kurse aus.
Zur praktischen Interpretation werden diese Wahrscheinlichkeiten bewusst konservativ eingeordnet:

≥ 70 % Wahrscheinlichkeit → Up-Trend-Signal

≤ 30 % Wahrscheinlichkeit → Down-Trend-Signal

Dazwischen → unklar / neutral (keine klare Trendpräferenz)

Ziel ist es, nur in Phasen mit statistisch klarer Überlegenheit eine Richtung zu markieren und unsichere Marktphasen explizit als solche zu kennzeichnen.

 

Einordnung & Zielsetzung
Der Mehrwert liegt in der Automatisierung und Skalierung technischer Chartanalyse über viele Assets hinweg – reproduzierbar, konsistent und messbar.
Die Signale sind als ergänzende technische Einschätzung gedacht, nicht als alleinige Entscheidungsbasis.

Ich verstehe das ausdrücklich als laufendes Optimierungsprojekt: Feature-Set, Gewichtungen, Horizonte, Schwellenwerte und Bewertungslogik werden kontinuierlich hinterfragt und verbessert. Genau deshalb suche ich hier auch gezielt den fachlichen Austausch.

[Hotzenplotz2]

Vielleicht sollte man erwähnen, dass du mutmaßlich verantwortlich für die gleichnamige Website bist die versucht mit solchen AI Analysen Geld zu verdienen (zumindest Name und Logo passen 1:1 wäre schon ein großer Zufall).

Im Grundsatz gehst du also davon aus, dass die AI in der Menge an Daten irgendwelche Muster findet die man dann zur Vorhersage nutzen kann da du aber die AI wild mit allen möglichen Daten fütterst ist es dir dann auch nicht möglich zu sagen wie welche Schlussfolgerung zustande kommt, nach welchen Rechenprinzipien o.ä. gehandelt wird.
 

[updowntrends]

Hallo Hotzenplotz2, das stimmt. Ich wollte hier keine Werbung machen, sondern Eure Meinung und Ideen zur Verbesserung der Algorithmen einholen.

Das ganze begann vor mehr als 3 Monaten zu rein privaten Zwecken und funktioniert erstaunlicherweise bereits sehr gut. Es hat mittlerweile ein Ausmaß und eine Qualität erreicht, die mich dazu bewogen hat das Thema neben dem Teilen der Ergebnisse innerhalb unseres Investment-Kreises ebenfalls anderen für einen kleinen Obolus zur Verfügung zu stellen. 

 

Zu den Algorithmen: Das ganze ist keine "Black Box". Stattdessen habe ich mich bewusst für mehrere Indikatoren entschieden und die entsprechenden Kalkulationsalgorithmen und Features implementiert. Die Datenbasis wird pro Asset und Vorhersage-Horizont mit den entsprechenden Zielwerten einem Lernalgorithmus zugeführt, wessen Parameter wie Zeitfenstergrößen, Lerngeschwindigkeit, Anzahl der Unterbäume, etc. von mir sehr aufwendig optimiert wurden. Das ganze ist ziemlich rechenintensiv und erfordert entsprechende Hardware. 

Mich interessiert ob bereits ähnliche positive Erfahrungen gesammelt worden sind? Ob die Zusammenstellung der Indikatoren und deren Gewichtung noch optimiert werden kann? Ob Ihr ebenfalls Metriken in Euren eigenen Modellen implementiert habt und wie gut das ganze im Vergleich zu anderen Modellen funktioniert? Vielleicht habt Ihr ja noch weitere Ideen? 

Generell habe ich trotz intensiver Recherche noch keine kommerziellen oder kostenlosen Tools zur automatisierten Chartanalyse gefunden, welche einen klaren Zeithorizont für einen UP oder DOWN Trends ausweisen und gleichzeitig auch deren Erfolgsquoten transparent machen. Kennt Ihr welche?       

[Joker_19]

Am 6.1.2026 um 10:32 von updowntrends:

... und würde mich über Feedback, Kritik und Erfahrungswerte freuen.

 

Hallo!

 

Meine Meinung als Informatiker: Künstliche Intelligenz ist grundsätzlich nicht klüger als der Mensch, sie ist nur besser darin, Unmengen von Daten in extrem kurzer Zeit zusammenzuführen, zu analysieren und zu bewerten. Da der Mensch aus technischer Analyse auch in unendlich viel Zeit aus Charts keine Vorhersagen für die Zukunft treffen kann, wird das auch KI nicht können. 

 

Mir ist klar, dass du das offensichtlich anders siehst.

 

Ich vermute, die bisher geringe Resonanz auf dein Thema hier ist darauf zurückzuführen, dass die meisten Mitglieder im WPF das genauso sehen und keine Lust auf die unweigerlichen Grundsatzdiskussionen in dieser Angelegenheit haben.

 

Dir weiterhin viel Spaß bei deinem Hobby.

[LongtermInvestor]

vor einer Stunde von updowntrends:

Es hat mittlerweile ein Ausmaß und eine Qualität erreicht,

Woran machst du das fest und wie möchtest du das belegen? Über wie viele Marktzyklen hat das Modell denn überhaupt Bestand?
 

Um die Qualität von Handelsmodellen sachlich beurteilen zu können, halte ich einen sauber dokumentierten Walk-Forward-Test für Mindestvoraussetzung und unter uns, die Strategien die hinreichend sicher Alpha produzieren werden erst nach Erschöpfung veröffentlicht. 

Um mal etwas tiefer zu diskutieren:

 

1. Wie ist die Trennung zwischen Training, Validierung und Out-of-Sample konkret umgesetzt – insbesondere zeitlich?

 

2. Gibt es einen Walk-Forward-Test mit mehreren Iterationen und ausschließlich OOS-Ergebnissen?

 

3. Über welchen historischen Zeitraum erstreckt sich der Backtest insgesamt und welche Marktphasen sind abgedeckt?

 

4. Gegen welche Benchmark misst du den Mehrwert (gleiches Risiko, nach Kosten) und wie stabil ist das Alpha über einzelne Testfenster.

 

5. Welche Turnover- und Kostenannahmen liegen zugrunde und wie stark verändern diese die Ergebnisse?

 

6. Nach welchen Kriterien würdest du das Modell deaktivieren oder neu trainieren, wenn die Performance abweicht?

[updowntrends]

Danke schonmal vorab für die sehr guten Fragen. Ich versuche das einmal sauber einzuordnen, weil hier mehrere Dinge zusammenlaufen, die man trennen sollte.

 

Abgrenzung des Modells
Das aktuelle Setup ist kein fertiges Handelsmodell zur Alpha-Produktion, sondern ein Signal- bzw. Bewertungsmodell. Ziel ist es, technische Chartanalyse zu automatisieren, zu skalieren und quantitativ zu bewerten – konkret die Trendrichtung und deren Unsicherheit über verschiedene Horizonte hinweg.Es werden keine Positionsgrößen, Stops, Rebalancing-Regeln, Kosten oder Leverage modelliert. Entsprechend gibt es aktuell auch keinen Alpha-Nachweis gegen eine risikoadjustierte Benchmark. Das ist bewusst so gewählt, weil Alpha erst auf der Handelsebene entsteht, nicht auf der reinen Signalebene.

 

Was bewertet wird, ist die Qualität der Richtungssignale (Trennschärfe, Kalibrierung, Stabilität), nicht die Portfolioperformance.

 

Zum Walk-Forward-Ansatz
Ja, die Auswertung erfolgt walk-forward-artig und zeitlich strikt, allerdings in einer produktionsnahen, rollierenden Form:

• Modelle werden ausschließlich auf historischen Daten trainiert
• Prognosen werden für zukünftige Zeitpunkte abgegeben
• Die Bewertung erfolgt erst nach Ablauf des jeweiligen Horizonts
• Neue Daten fließen erst nach der Bewertung wieder ins Training ein

Damit sind die ausgewiesenen Kennzahlen Out-of-Sample (OOS) im zeitlichen Sinne und leakage-frei. Das passiert täglich rollierend und entspricht dem, was man in der Praxis als kontinuierlichen Walk-Forward kennt.

 

Was aktuell noch nicht vorliegt, ist ein klassisch dokumentierter akademischer Walk-Forward-Test mit:

• fest definierten Trainings- und OOS-Blöcken
• mehreren Iterationen über Jahrzehnte
• ausschließlich aggregierten OOS-Ergebnissen über verschiedene Marktzyklen

Das ist eine andere Zielsetzung. Dieser Ansatz dient primär dem Nachweis zyklusübergreifender Alpha-Robustheit – und setzt voraus, dass überhaupt eine vollständige Handelslogik inkl. Kosten existiert.

 

Warum dieser Fokus gewählt ist
Der aktuelle Schwerpunkt liegt bewusst auf:

• Signalstabilität über Horizonte
• Vergleichbarkeit über viele Assets
• Kalibrierung von Wahrscheinlichkeiten
• Erkennen von Regime- und Unsicherheitsphasen

Ein sauber dokumentierter, zyklusübergreifender Walk-Forward-Test wäre ein logischer nächster Schritt, sobald klar ist, wie die Signale konkret gehandelt werden sollen. Vorher halte ich ihn für methodisch wenig aussagekräftig.

 

Kurz gesagt:
Das Modell beantwortet derzeit die Frage

„Wie gut und wie stabil sind technische Richtungssignale?“

und nicht

„Wie viel Alpha lässt sich damit nach Kosten verdienen?“

Diese Trennung ist mir wichtig – und genau an der Signal-Ebene versuche ich das Modell aktuell weiter zu schärfen.

 

 

[Hotzenplotz2]

Also zum einen lesen sich diese Wall-of-Text wie von einer KI erstellt.
Ich würde mir wünschen dass sich mein Gegenüber die Zeit nimmt die Antworten selber zu verfassen, 

Zum anderen frage ich mich, was dieser Ansatz soll.
Entweder du machst eine Prognose mit der Aussicht damit eine Überrendite zu erwirtschaften oder eben nicht. Und dann muss das Analysetool sich auch genau daran messen lassen. Insbesondere wenn man möchte, dass Leute dafür etwas bezahlen. Geht ja auch niemand hin und sagt "Hey ich habe ne Software geschrieben um einen Automotor zu optimieren aber ich will nicht damit verglichen werden ob das Auto wirklich schneller ist"
Also mal Butter bei die Fische. LongtermInvest hat die Fragen sehr detailliert gestellt und bisher kam nur "um den heißen Brei" Gerede.

[updowntrends]

Ich versuche es mal anders.

 

Der Kernpunkt ist dass das Modell technische Signale liefert und deren Qualität misst. Es sagt nicht wie man handeln soll, sondern wie gut bestimmte technische Zustände statistisch einzuordnen sind. 

Alles, was danach kommt – also konkrete Einstiegs- und Ausstiegsregeln, Positionsgrößen, Nachkaufen, Stops, Hebel, Instrumente – ist eine separate und sehr individuelle Investmentlogik.

 

Rein fiktives Beispiel für ein Investmentmodell auf Basis der Signale:

• Wenn 20-Tage und 60-Tage-Signal auf Up stehen → Einstieg.
• Exit bei Ziel, Trendwechsel oder unklar.
• Umgang mit Gegenbewegungen je nach Risiko (Stop, Nachkauf etc.).
• etc.

Das möchte ich aber nicht vorgeben denn ein Aktien-Investor, ein Derivate-Trader und ein langfristiger Anleger werden dieselben Signale völlig unterschiedlich nutzen. Deswegen möchte ich stattdessen eine ergänzende objektive technische Grundlage liefern, die man in jede Strategie integrieren kann.

 

Anhand der Metriken sieht man, dass es kein Zufall ist, sondern dass die Signale eine saubere Trennschärfe und Stabilität haben. Das ist aus meiner Sicht die Voraussetzung dafür, sie überhaupt sinnvoll weiterzuverarbeiten.

 

Zu den persönlichen Erfahrungen:

Ich selbst nutze die Signale aktuell in unterschiedlichen Kontexten (separates spekulatives Derivate-Portfolio und klassisches Mid-/Long-Term-Aktienportfolio) mit positiven Ergebnissen. Im meinem direkten Umfeld (Nutzer der Webseite und weiterer Werkzeuge und Informationsdienste) sind die Ergebnisse ebenfalls positiv, obwohl die Investmentpräferenzen (Rohstoffe, Tech, etc.), die Risikobereitschaft und die Investmentlogik stark variieren. In diesem Thread bin ich aber weniger am Austausch Investment-Logik sondern eher an einer weiteren Optimierung der Indikatorenzusammenstellung und der Signalqualität interessiert.

 

Ihr habt mich aber auf eine gute Idee gebracht und ich werde voraussichtlich im Laufe der nächsten Woche in einem separaten Thread meine aktuelle Investment-Logik darstellen und freue mich schon auf die Diskussion ;-) Der Automatisierungsgedanke zu einem Investmentmodell ist aber auch super spannend und vielleicht können wir uns in naher Zukunft auch zu den Fragen von LongtermInvestor unterhalten...  

[Hotzenplotz2]

Na dann zeig das dochmal. Stell doch mal deine Regeln vor.
Oder such die Regeln aus die in deinem Umfeld benutzt werden völlig egal.
Und dann kriegst du 10.000€ Startkapital und 1000€ jeden Monat. 
Und alternativ stopfst du das stumpf in einen FTSE All World Acc. oder so. 
Und dann rechnest du das gegeneinander inklusive aller Kosten.
Und dann schauen wir wer besser fährt. 

 

[updowntrends]

Hotzenplotz2 hat mich in einem anderen Thread darauf hingewiesen dass die Fragen von LongtermInvestor noch nicht hinreichend beantwortet sind. Deswegen versuche ich es nocheinmal: 
 

Zitat

 1. Wie ist die Trennung zwischen Training, Validierung und Out-of-Sample konkret umgesetzt – insbesondere zeitlich?

Das Training wird zu jedem Handelstag neu ausgeführt. Zu den oben beschriebenen Indikatoren werden mehr als 200 Parameter errechnet welche zusammen mit den Zielgrößen für die verschiedenen Horizonte an das Modell übergeben werden. Im Modell wird die Zeitangabe entfernt (um eine Korrelation mit der Zeit zu vermeiden) und die Trainingsdaten werden in verschieden Große Trainings- und Validierungssets unterteilt. Zwischen Training und Validierung nutzen wir aktuell ein GAP von 2 Tagen um einen Überlapp zwischen Trainings- und Validierungsdaten zu vermeiden. Wir nutzen unterschiedliche Trainingssets für die verschiedenen Horizonte auf Basis von experimentellen Versuchen der letzten Monate. Anschließend werden die Vorhersagen für den aktuellen Handelstag und die verschiedenen Horizonte errechnet und in der Datenbank gespeichert. Die Metriken werden nur auf Basis der Out-of sample Daten errechnet. Deswegen gibt es auch noch keine Metriken für die 60 Tage Prognosen denn die realen Daten zu den zurückliegenden Prognosen - ist der Kurs nun höher oder geringer und wurde ein Signal generiert und getroffen? - liegen noch nicht vor. Müssten aber im Laufe der nächsten 2 Wochen einsetzen. 

 

Zitat

2. Gibt es einen Walk-Forward-Test mit mehreren Iterationen und ausschließlich OOS-Ergebnissen?

Ja, das ist das was oben beschrieben wurde und jeden Tag aktualisiert wird. Da das Modell täglich neu trainiert wird, kann man auch nur den Walk-Forward fortschreitend täglich machen. 

 

Zitat

3. Über welchen historischen Zeitraum erstreckt sich der Backtest insgesamt und welche Marktphasen sind abgedeckt?

Das ist abhängig von den zur Verfügung stehenden Daten. Typischerweise sind es aber mindestens Daten der letzten 3 Jahre oder mehr und über den Datensplit (siehe 1) und die Wahl der Zeitfenster für Training und Validierung werden die kürzeren oder die längeren Horizonte wiedergespiegelt. 

 

Zitat

 

4. Gegen welche Benchmark misst du den Mehrwert (gleiches Risiko, nach Kosten) und wie stabil ist das Alpha über einzelne Testfenster.

 

5. Welche Turnover- und Kostenannahmen liegen zugrunde und wie stark verändern diese die Ergebnisse?

 

Der Fokus aktuell liegt auf der Generierung von Signalen und der Signalqualität. Das ist die Basis für Investmentmodelle sowohl für hochspekulative als auch für konservative Anlagestrategien. Die bisherige Performance meines "Zockerportfolios" und den Ansatz dahinter habe ich in einem separaten Thread unter Derivate beschrieben. Aber das ist nur ein Beispiel und sicherlich nichts für jedermann. Die Ergebnisse aus meinen konservativen Anlagen werde ich voraussichtlich im Laufe der nächsten 3 Monate veröffentlichen. 

 

Zitat

 6. Nach welchen Kriterien würdest du das Modell deaktivieren oder neu trainieren, wenn die Performance abweicht?

Aktuell wird das Modell täglich neu trainiert und wir warten erstmal die Performance im 60 - Tage Horizont ab bevor wir weitere Anpassungen vornehmen. Im 20-Tage Horizont erreicht das Modell bei den Top 50 Assets bereits beachtliche Genauigkeiten. Des Weiteren sehen wir aktuell eine kontinuierliche Steigerung der Genauigkeit - das Modell wird besser. Wenn sich hierbei ein anderer Trend rauskristallisiert, dann werden wir Gegenmaßnahmen ergreifen (Gewichtung der Indikatoren, weitere Indikatoren, etc. )