Investieren im Zeitalter der KI

In ähnlicher Weise können LLMs die von spezialisierten Anwendungen generierten Antworten in schriftliche, kohärente Antworten "übersetzen", die menschliche Nutzer tatsächlich verstehen und für ihre Entscheidungen nutzen können.

Ich habe diese Worte mit Bedacht gewählt. Sprechen Sie einmal mit der IT-Abteilung über ein beliebiges IT-Projekt, und Sie werden schnell feststellen, dass es einen großen Unterschied gibt zwischen dem, was prinzipiell möglich ist, und was in der Praxis machbar und vor allem funktionabel ist.  Ich habe die Erfahrung gemacht, dass eine gute Methode zur Beurteilung von KI-Expertise darin besteht, nach beidem zu fragen: nach der großen Vision, und danach, wie  sie konkret umgesetzt werden könnte.

Aber egal wie genau man es formulieren möchte: für uns und viele andere Sektoren bedeutet KI eine bahnbrechende Neuerung, mit gewaltigen, bereits absehbaren Folgen. Die neuen Werkzeuge ermöglichen die elektronische Datenverarbeitung natürlicher Spracheingaben, in dem sie menschliche Gedankengänge verlässlich und automatisch in numerische Darstellungen umwandeln, die von spezialisierten Anwendungen „verstanden“ und analysiert werden können. Und deren „Antworten“ dann, zumindest im Prinzip, wieder in ein für Menschen verständliches Format umgewandelt werden können. Schon bald werden auch kleinere Unternehmen in der Lage sein, hochentwickelte Tools über kostenpflichtige API-Abonnementmodelle zu nutzen und sie auf ihren speziellen Anwendungsfall abzustimmen, indem sie ihre eigenen Daten für die Feinabstimmung verwenden. Wir gehen davon aus, dass in relativ kurzer Zeit ähnliche benutzerfreundliche KI-gestützte Tools auch für Kleinanleger zur Verfügung stehen werden.

Dieselbe Logik gilt potenziell für viele weitere Bereiche wirtschaftlicher Aktivität. Generative KI erleichtert den Zugang zu allen möglichen prädiktiven Datenanalysetechniken und Instrumenten. Sie wird eine Fülle an kommerziellen Anwendungsfällen ermöglichen. Viele Nutzer dürften nicht einmal merken, dass sie KI verwenden, und es dürfte ist ihnen auch ziemlich egal sein. Ähnlich war es ja auch mit früheren KI-gestützte Innovationen, wie Navigationssoftware, der automatischen Sprachvervollständigung oder sprachgesteuerten persönlichen Assistenten, die viele Nutzer zunehmend als selbstverständlich ansehen. 

Während einige bestehende Wettbewerbsvorteile etablierter Unternehmen schwinden könnten, sehen wir allerdings auch gegenläufige Effekte. KI wird es großen, traditionellen Vermögensverwaltern wahrscheinlich ermöglichen, neue Vorteile aus ihrer globalen Größe, Produktenvielfalt und Reichweite zu ziehen. Dazu müssen wir unsere Anlageprozesse neu überdenken. Die meisten der in den letzten zehn Jahren entstandenen KI-Tools basieren auf der Erfassung, "Bereinigung" und der stochastischen Nutzung von Daten, um bessere Vorhersagen zu treffen. Daten sind also von zentraler Bedeutung. Aber anstatt Daten als "das neue Öl" zu betrachten (mit grundsätzlich begrenzten Vorkommen, die nur darauf warten, entdeckt und gefördert zu werden), passt eine Analogie zu erneuerbaren Energien besser, die in unbegrenzter Menge zur Verfügung stehen und einfach nur effizient erfasst und gespeichert werden müssen. So wie die Ideen, die jeden Tag von unseren sehr talentierten Kollegen auf der ganzen Welt entwickelt werden, von denen derzeit nur ein kleiner Teil als Daten erfasst wird, die für das maschinelle Lernen genutzt werden können.

Der Unterschied zwischen Amazon oder Google und traditionellen Finanzdienstleistern besteht nicht so sehr darin, dass die Unternehmen im Silicon Valley über mehr potenziell relevante Daten verfügen als die Wall Street. Das dürfte zwar der Fall sein (zumindest in Bezug auf verwendbare Daten), aber der eigentliche Unterschied ist ein anderer: Daten stehen bei Technologieunternehmen von Anfang an, überall im Zentrum ihres Handels und selbst in der Art und Weise, in der sie organisiert und aufgebaut sind.

Man kann sich KI in gewisser Weise wie Solarenergie vorstellen und die jüngsten Fortschritte als eine massive Senkung der Kosten für die Installation von Photovoltaikanlagen auf dem Dach betrachten. Nicht jedes Gebäude wird dadurch sofort zu einem Smart Home. Aber es ist ein guter Anfang, um effizienter zu werden und einen Teil der zuvor verlorenen Energie einzufangen. Um die Analogie noch weiterzuführen: Wir bei der DWS verfügen über globale Größenvorteile, Produktenvielfalt und Reichweite. Dadurch haben wir viele gute Standorte mit viel Sonnenschein, deren Potential nur darauf wartet, unseren Fortschritt anzutreiben.

In datenzentrierten Technologieunternehmen, von Start-Ups bis zu Technologiegiganten, basieren alle Prozesse auf der Annahme, dass das Erfassen, Aufbereiten und Nutzen von Daten zentral für den Erfolg des Geschäftsmodells ist. Dass ihre vorgefassten Meinungen darüber, wie der Markt funktioniert, wie ihre Kunden ticken und wie sie Wertschöpfung generieren, überprüft und revidiert werden müssen, indem jeden Tag solide Daten gesammelt und analysiert werden und dabei die besten verfügbaren Datenanalysetools verwendet werden. Und dann das Gelernte zu nutzten, um noch bessere Möglichkeiten der Datenerhebung zu finden, mit denen die überarbeiteten Annahmen überprüft werden können.^[5]

Traditionelle Vermögensverwalter können viel von dieser Denkweise lernen. KI ermöglicht es uns, auf jahrzehntelanger Erfahrung mit dem, was sich in der Praxis bewährt hat, aufzubauen, indem sie es einfacher macht, vorgefertigte Meinungen zu überprüfen, auf die wir uns bisher hauptsächlich aufgrund von Expertenintuition verlassen haben.

Wie bei vielen disruptiven technologischen Innovation gibt es auch bei KI neben Hoffnungen auch viele Ängste.^[6] Bei Letzteren wird häufig nicht berücksichtigt, wie bestimmte Wirtschaftszweige und ganze Volkswirtschaften auf technologische Durchbrüche und die daraus resultierenden Veränderungen bei den relativen Kosten verschiedener Waren, Dienstleistungen und Aufgaben reagieren. Auch darüber werden wir in künftigen Veröffentlichungen noch ausführlich berichten.

Noch dringender ist jedoch zu erkennen, was die aktuelle Generation von KI-Anwendungen nicht kann, zumindest noch nicht. In ihrer sehr nützlichen Einführungslektüre über die Ökonomie der KI bieten die Ökonomen Ajay Agrawal, Joshua Gans und Avi Goldfarb viele Beispiele von Unternehmen und Personen, die ihren „KI-Erkenntnis-Moment“ in den Jahren nach 2012 erlangten.^[7] In der Regel geht es dabei darum, heikle technische Herausforderungen wie die Programmierung autonom fahrender Fahrzeuge in einfache Vorhersageprobleme umzuwandeln, etwa nach dem Motto "Was würde ein guter menschlicher Fahrer typischerweise tun?" Als nächster Schritt werden dann enorme Mengen an Daten über menschliches Verhalten gesammelt und stochastisch genutzt.

Diese Herangehensweise verspricht eine Unmenge weiterer Fortschritte. Teile vieler Arbeitsabläufe können automatisiert werden. Erfahrene Fachleute können sich in vielen Aufgaben schnell einigen, wie die richtige Antwort auf die vorliegenden Vorhersageprobleme aussehen sollte; Erfolg kann eindeutig gemessen werden (also etwa, ob das autonom fahrende Fahrzeug tatsächlich unfallfrei unterwegs ist); rasche Feedbackschleifen können implementiert werden; und „alles“, was noch fehlt, ist die Verknüpfung von Grundlagentechnologien mit Prozessen, die relevante Daten darüber sammeln, wie Mitarbeiter solche häufigen Probleme bereits angehen, sowie Tools zur Analyse und Auswertung der Daten. In diesen Bereichen könnte man erwarten, dass KI das menschliche Fachwissen vielleicht schon bald übertrifft, denn einiges spricht dafür, Expertenintuition als eine Form der Mustererkennung zu betrachten.^[8]

Wir glauben, dass KI sehr nützlich für das Erledigen von relativ routinemäßigen, aber zeitaufwändigen Aufgaben sein wird. Dies wird jedoch eher eine Ergänzung als ein Ersatz für menschliches Fachwissen sein, gerade weil die Mustererkennung bei seltenen oder ungewöhnlichen Problemen nur von begrenztem Nutzen ist. Auf absehbare Zeit wird der Erfolg beim Investieren wie in anderen Bereichen nicht nur die ständige Verbesserung von KI-gestützten Anwendungen und Prozessen erfordern, sondern auch sorgfältiges, sehr menschliches Denken. Nicht zuletzt, um Bereiche für weitere Verbesserungen zu identifizieren, bevor es Mitbewerber tun.

Abschließend möchte ich sagen, dass wir uns in aufregenden Zeiten befinden. Bei der DWS geht es vor allem darum, die Organisation der internen Prozesse neu zu denken. Wie wir besser nützliche eigene Daten generieren können. Wie wir unseren Fokus mehr auf die verschiedenen Inputs in unseren Investmentprozessen legen, statt Erfolg hauptsächlich an Ergebnissen zu messen.

Wie wir mehr Ideen generieren, ausprobieren und testen, sowie die Wirkungszusammenhänge von Erfolg und Misserfolg besser verstehen können. Und wie wir Ihnen erklären können, was wir dabei alles lernen.