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