29. Nov. 2023 Künstliche Intelligenz

Investieren im Zeitalter künstlicher Intelligenz

Welche Kriterien bei der Identifikation langfristiger Nutznießer von KI helfen könnten – und welche nicht

Die Fähigkeit, künstliche Intelligenz (KI) zu bedienen, ist innerhalb kürzester Zeit zu einer Schlüsselqualifikation geworden. Vom Studenten bis zum leitenden Angestellten lernen wir alle die Kunst der richtigen Eingabe, um mit Kontext und Nuancen in der Frage möglichst nützliche Antworten zu generieren. Generative KI verspricht große Produktivitäts-steigerungen, sie könnte beispielsweise in der Unternehmens-beratung eingesetzt werden, um Kundenanfragen maßge-schneidert mit bestehenden, öffentlich zugänglichen Informationen zu beantworten.[1] Große Sprachmodelle (Large Language Models, LLM) können auch eine natürlichere Benutzeroberfläche mit spezialisierten Anwendungen bieten. Umso wichtiger ist es, die Problemstellung und die eigenen Ziele zu verstehen, noch bevor man die Frage abschickt.

Nehmen wir etwa die Aufgabe, die langfristigen Nutznießer der künstlichen Intelligenz auf dem Aktienmarkt zu identifizieren. Einfach nur eine KI zu fragen und auf die Antwort zu vertrauen brächte wenig – zumindest in absehbarer Zukunft. Diese Grenzen existieren, da KI häufig zur Beantwortung von Fragen nur auf bereits vorhandenes Wissen zurückgreift, also nur Muster erkennen kann, die bereits in der Vergangenheit häufig zu beobachten waren.[2] Auch dürfte es dauern, bis Unternehmen lernen, ihre Arbeitsweise im Hinblick auf die neuen Möglichkeiten, die KI eröffnet, neu zu organisieren.[3]

Was den heu igen allgemeinen KI-Anwendungen oft fehlt, ist der relevante Kontext. Jeder erfahrene, menschliche Investor weiß, dass (a) es sehr schwierig ist, Prognosen für disruptive Technologien[4] zu entwickeln und (b) KI in letzter Zeit ein wichtiges Thema war, das die relativen Bewertungen steigen ließ. Diese Schwäche kann allerdings mithilfe durchdachter Abfragen (Prompts) kompensiert werden. Ein guter Prompt könnte beispielsweise einen Verweis auf Clayton Christensens Überlegungen zu disruptiven Innovationen[5] (siehe unseren Artikel „Elektrifizierung: Das Innovations-dilemma“[6]) oder Ideen zur Auswahl hochwertiger Aktien im Allgemeinen (siehe unseren Artikel „Qualität: Ein Leitfaden für Aktieninvestoren“[7]) enthalten.[8] Oder auch gezielt nach Entwicklungen und möglichen KI-Nutznießern außerhalb der USA fragen, insbesondere in Asien.[9]

 Allgemein gilt: Unternehmen haben Anreize, ihren Anlegern genau das zu sagen, was sie hören möchten. Mit diesem Wissen könnte man zum Beispiel nach Unternehmen suchen, die seit Jahren ihr KI-Potenzial erforschen, anstatt sich allzu stark auf die jüngsten Ankündigungen zu stützen.

 KI beschleunigt bereits in vielen Bereichen den wissenschaftlichen Erkenntnisgewinn und die Innovation, insbesondere auch in der angewandten Forschung des privaten Sektors (siehe Grafik). "Wir glauben, dass die langfristigen Nutznießer von KI über starke Hebel verfügen, um das zukünftige Umsatz- und Gewinnwachstum voranzutreiben. In unserer Analyse legen wir besonderen Wert auf dauerhafte Wettbewerbsvorteile rund um das KI-Produkt eines Unternehmens sowie das damit verbundene Wachstumspotenzial.“, erklärt Tobias Rommel, Senior Portfolio Manager bei der DWS. Das langfristige Potential sollte jedenfalls nicht unterschätzt werden. Im Jahr 2017 sorgte AlphaZero von Deep Mind für Schlagzeilen, indem es das bis dato leistungsfähigste Schachprogramm besiegte, und zwar ganz ohne dabei etabliertes menschliches Wissen über Schachstrategien zu verwenden.[10]

 

Immer mehr Anwendungen im privaten Sektor

Anzahl bedeutender maschineller Lernsysteme

Picture AI DE.png

Quelle: “The AI Index 2023 Annual Report,” AI Index Steering Committee, Institute for Human-Centered AI, Stanford University, Stanford, CA, April 2023

Hier weitere Themen entdecken

29. Nov. 2023 Macro

10 Themen für das Jahr 2024

CIO View Spezial
29. Nov. 2023 Macro

Female Finance: die Vorzüge der Diversität

Warum alle davon profitieren, wenn mehr Frauen im Finanzwesen arbeiten, mehr Frauen aktive Anlegerinnen werden und den Gefahren des Gruppendenkens durch Diversität begegnet wird.
29. Nov. 2023 Macro

Kryptowährungen: die Portfolio-Perspektive

Als relativ junge Anlageklasse könnten Kryptowährungen in einer nicht nur riskanten sondern auch unsicheren Welt eine interessante Portfolioergänzung darstellen
29. Nov. 2023 ESG

Elektrifizierung: Das Innovationsdilemma

Aktuelle Pläne zur Nutzung erneuerbarer Energien als effiziente Lösung zur Verringerung der Treibhausgasemissionen könnten so manches etablierte Geschäftsmodell ins Wanken bringen.
29. Nov. 2023 Aktien

Indien: Die Versprechen werden gehalten

Indiens strukturelle Stärken (Demografie und Demokratie) sind bekannt. Wirtschaftsfreundliche Politik und ein starker Dienstleistungssektor runden das positive Bild ab.
29. Nov. 2023 ESG

Nachhaltiges Wachstum durch Kreislaufwirtschaft

Weshalb der Weg zu einer CO2-neutralen und nachhaltigen Kreislaufwirtschaft nicht nur ökologisch zwingend ist, sondern auch gewinnbringend sein kann.
29. Nov. 2023 Renten

Anleihen – starkes Jahr voraus

Nach langer Durstrecke könnte 2024 das Jahr der Anleihen werden. Das Risiko steigender Inflationsraten ist nicht zu leugnen, aber hohe Renditen bilden einen Puffer - vor allem bei Unternehmensanleihen.
29. Nov. 2023 Aktien

Qualität: Ein Leitfaden für Aktieninvestoren

Theoretisch sind Investitionen in Qualitätsaktien in einer unsicheren Welt durchaus sinnvoll. In der Praxis erfordert dies ein hohes Maß an Geschick und Mühe
29. Nov. 2023 Aktien

Pan-Asien: Regionale Diversifizierung

Dank seiner diversen Stärken bleibt Asien globaler Wachstumstreiber. Ein Blick auf die gesamte Region lohnt sich, auch als Gegengewicht zur Dominanz der US-Aktien.
29. Nov. 2023 Alternative Anlagen

Immobilien – wann glänzt Betongold wieder?

Höhere Zinsen belasten sowohl Wohn- als auch Gewerbeimmobilien, aber die Fundamentaldaten sind solide.

1. Financial Times (ft.com) “Here’s what we know about generative AI’s impact on white-collar work”

2. Als sehr nützliche und unterhaltsame Einführung sehr empfehlenswert Shane, J. (2019), “You Look Like a Thing and I Love You: How Artificial Intelligence Works and Why It's Making the World a Weirder Place Hardcover”,  siehe insb. S. 235 3 Agrawal, A., Gans, J. and Goldfarb, A. (2022, rev. ed.) "Prediction Machines, Updated and Expanded: The Simple Economics of Artificial Intelligence" Harvard Business Review Press, Damit kann sie (bei korrekter Nutzung) menschliches Fachwissen zwar hervorragend ergänzen aber in der Regel nicht ersetzen.[[Disclaimer: Agrawal, A., Gans, J. and Goldfarb, A. (2022, rev. ed.) "Prediction Machines, Updated and Expanded: The Simple Economics of Artificial Intelligence" Harvard Business Review Press

3.  https://www.dws.com/en-gb/insights/cio-view/cio-view-quarterly/q2-2023/20230626-cio-view-focus/

4. Christensen, C. (2003 ed.) "The Innovator's Dilemma: When New Technologies Cause Great Firms to Fail," Harper Business Essentials; the dilemma arises in terms of identifying how and why “planning better, working harder, becoming more customer-driven, and taking a longer-term perspective" can, in the face of disruptive technological changes sometimes lead to failure of previously successful firms. (p. xxii)

5. Christensen, C. (2003 ed.) "The Innovator's Dilemma: When New Technologies Cause Great Firms to Fail," Harper Business Essentials; Das Dilemma besteht darin, rechtzeitig zu erkennen, wann, wie und warum „bessere Planung, härtere Arbeit, stärkere Kundenorientierung und eine längerfristige Perspektive“ S. xxii angesichts disruptiver technologischer Veränderungen zum Scheitern zuvor erfolgreicher Unternehmen führen können.

6. CIO Spezial – 10 themes | Electrification: The Innovator's Dilemma

7. CIO Spezial – 10 themes | Quality: A guide for stock pickers

8. Disruptive Technologien zeichnen sich vor allem dadurch aus, dass sie in zunächst meist überschaubaren Marktsegment mit anderen Merkmalen punkten, als zuvor verfügbar waren. Christensen, (ibid. p. xviii) nennt dazu in den frühen Auflagen das Buch aus den 1990igern unter anderem „Internetgeräte“, die „in naher Zukunft zu disruptiven Technologien für Anbieter von PC-Hardware und -Software werden könnten.“

9. Equities - China and artificial intelligence: "probably more dynamic than the USA". | DWS

10. Sadler, M., Regan, N., Hassabis D.  and Kasparov, G. (2019), Game Changer: AlphaZero's Groundbreaking Chess Strategies and the Promise of AI, New in Chess, S. 33

CIO View