AI Fantasy Index

Wat het doet

Iedere nacht draait er een job die early-indicators van AI-momentum verzamelt — Google Trends, HackerNews-volume, GDELT nieuws-coverage, GPU spot prijzen op Azure, en de relatieve performance van AI-mandjes (power-utilities, GPU-cloud pure plays) tegen de S&P. Claude leest die 30-daagse window en geeft een score van 0 tot 100 met een korte motivatie, geplot tegen koersen van de voornaamste AI-aandelen.

De truc

Een puur-mechanische index zou indicatoren met vaste gewichten optellen en context missen. Door Claude er tussen te zetten kan de score nuance vangen die anders verloren gaat:

“GPU-basket beats SPY by 39% but momentum is rolling over, power utilities decisively underperforming — coherent FOMO without supply-side confirmation, cap below 70.”

De rubric splitst expliciet vraag-zijde (wat mensen zeggen — Trends, HN, nieuws) en aanbod-zijde (wat mensen er voor neertellen — GPU $/uur, kapitaal-allocatie naar utility en GPU-cloud namen). Wanneer die twee uit elkaar lopen — luid retail-geluid zonder dat GPU-prijzen meebewegen, of stille weken waarin power-aandelen blijven stijgen — krijg je een ander soort signaal dan een simpele sommatie.

Architectuur

Single-node Python service met SQLite. Collectors draaien parallel, falen graceful, slaan ruwe indicatoren én Claude’s score op zodat een mechanische baseline later te reconstrueren is. De scoring gebruikt claude -p --output-format json lokaal — geen API-keys, draait op de Max-subscription. Een systemd timer triggert het elke ochtend; een statisch Chart.js dashboard leest de JSON-export.

De rubric is versioned, dus als de definitie van “heet” verandert kunnen historische scores opnieuw worden samengesteld zonder de ruwe data kwijt te raken.

Use cases

• Tijdsbeeld: “wat was de hype-temperatuur in oktober 2025 versus nu?”
• Mismatch-detectie: aandacht-zonder-substraat of substraat-zonder-aandacht.
• Frame voor portfolio-beslissingen — niet als trigger, wel als context.