Die exponentielle technologische Entwicklung hat die Fortschritte auf dem Gebiet der K\u00fcnstlichen Intelligenz (KI), wie wir sie zurzeit erleben, erst m\u00f6glich gemacht. Die allgegenw\u00e4rtigen Smartphones besitzen mehr Rechenpower als noch vor Jahren schrankgro\u00dfe Superrechner.<\/p>\n
Neben der Rechenleistung gibt es aber noch einen weiteren, eng damit zusammenh\u00e4ngenden Aspekt: Big Data. Nach einer Sch\u00e4tzung von IBM sind 90 % der weltweit digital verf\u00fcgbaren Daten in den vergangenen zwei Jahren entstanden. Der f\u00fcr diese Informationen n\u00f6tige Speicherplatz soll von rund vier Zettabyte (das entspricht einer Milliarde Festplatten \u00e0 vier Terrabyte) 2015 auf \u00fcber 40 Zettabyte 2020 ansteigen. Der Grund f\u00fcr diese Datenexplosion ist, dass nicht nur die Vielfalt der verf\u00fcgbaren Datentypen und -quellen stark gestiegen ist, sondern auch die Frequenz, mit der sie entstehen, (man denke an einen stetigen Fluss von Echtzeit-Daten) und die immer weiterwachsenden Speicherm\u00f6glichkeiten.<\/p>\n
Und so erleben wir m\u00f6glicherweise \u2013 p\u00fcnktlich zum 200. Geburtstag von Karl Marx \u2013 eine einschneidende \u00c4nderung unserer Wirtschaftsordnung. Seit Marx\u2018 Zeiten waren wir es gewohnt, dass Kapital, Boden und Arbeit die Grundlage f\u00fcr eine florierende \u00d6konomie sind. Heute haben sich die Gewichte verschoben. Das Gesch\u00e4ftsmodell von Amazon in der Retail-Sparte beispielsweise basiert unter anderem darauf, Kundendaten zu sammeln und auszuwerten, um m\u00f6glichst schon vor der Bestellung den n\u00e4chsten Wunsch vorschlagen zu k\u00f6nnen. Das Unternehmen hat einen um ein Vielfaches h\u00f6heren B\u00f6rsenwert als traditionelle H\u00e4ndler wie Walmart. Datensammler wie Google und Facebook haben Industriegiganten wie Siemens oder General Electric l\u00e4ngst abgeh\u00e4ngt. Nach Ansicht von Jonathan Haskel, VWL-Professor an der Business School des Imperial College in London, sind wir in eine neue Phase eingetreten, die er \u201eKapitalismus ohne Kapital\u201c nennt. Wer heute im Silicon Valley oder im technologieverr\u00fcckten Asien eine hei\u00dfe Idee f\u00fcr ein digitales Gesch\u00e4ftsmodell hat, braucht sich um die Finanzierung kaum Sorgen zu machen, denn die Venture-Capital-Firmen stehen Schlange. Laut Haskel sind wir sicherlich noch im Kapitalismus, aber die knappen Ressourcen sind Patente, Software und vor allem die F\u00e4higkeit, mit riesigen Datenmengen umzugehen.<\/p>\n
Diese Vielfalt an Daten kann vereinfacht entlang zweier Dimensionen kategorisiert werden. Wenn Daten bereits in geordneter Form direkt nutzbar gespeichert sind, also zum Beispiel als Tabelle oder Zeitreihe, spricht man von strukturierten Daten. Die Information ist unmittelbar durch die Daten selbst repr\u00e4sentiert. Unstrukturierte Daten hingegen m\u00fcssen zuerst noch aufbereitet werden, um Informationen aus ihnen gewinnen zu k\u00f6nnen. Beispiele f\u00fcr unstrukturierte Daten sind Texte, Fotos, Videos oder Tonaufnahmen. Eine zweite, aus Sicht der Finanzbrache relevante Dimension ist, ob es sich um Finanzdaten handelt oder \u201eandere\u201c, also \u201enon-financial\u201c Daten.<\/p>\n
Strukturierte Finanzdaten sind seit Jahrzehnten die Grundlage f\u00fcr die meisten Asset Manager. Wir sprechen hier von Preis- und Volumendaten von Aktien, Anleihen oder Indizes, von Unternehmenskennzahlen, von volkswirtschaftlichen Indikatoren wie Inflation oder BIP-Wachstum. Hier hilft die KI vor allem, mit dem immens gestiegenen Volumen und der Geschwindigkeit des Entstehens von Daten zurechtzukommen. Heute sind Echtzeit-Daten aller gro\u00dfen Aktienm\u00e4rkte erh\u00e4ltlich, die sofort in Handelssignale umgesetzt werden k\u00f6nnen.<\/p>\n
Einige Asset Manager sind dabei, ihre Datenbasis in Richtung strukturierter \u201enon-financial\u201c-Daten zu erweitern. Beispiele daf\u00fcr sind Verkehrsstatistiken, die Aufschluss \u00fcber die Besucherfrequenz erlauben, oder Suchmaschinenanfragen, oder Daten von Wettersatelliten oder Werbedaten und Wahlergebnisse. Wenn die Prognosen eines Landes den Wahlsieg der Regierungspartei voraussagen, kann dies eine \u00dcberraschung sein oder die Erwartungen best\u00e4tigen. Je nachdem, wie wirtschaftsfreundlich die Partei ausgerichtet ist, hat dies wiederum unterschiedliche Auswirkungen auf die B\u00f6rse.<\/p>\n
Auch interessant sind unstrukturierte Finanzdaten, also zum Beispiel Analystenkommentare, Pflichtmitteilungen oder Gesch\u00e4ftsberichte. Die Nutzung solcher Daten an sich ist nat\u00fcrlich kein Novum in der Finanzbranche, sondern das A und O der Fundamentalanalyse. Neu ist die Entwicklung, dass diese Texte maschinell gelesen, verglichen und interpretiert werden k\u00f6nnen. Einfachere L\u00f6sungen st\u00fctzen oft auf vordefinierte Schl\u00fcsselw\u00f6rter ab, deren Vorkommen in Texten gez\u00e4hlt wird. So kann das Thema oder die positive bzw. negative Grundaussage des Autors zum Thema abgeleitet werden. Neuere Ans\u00e4tze versuchen, den Text syntaktisch zu verstehen und so wesentlich mehr, und menschen\u00e4hnlicher, Informationen zu gewinnen. Man spricht dabei Natural Language Understanding (NLU). Eine Software, die rund um die Uhr solche Texte \u201eliest\u201c, versteht und die Information darin extrahieren und aufbereiten kann, ist traditionellen Research-H\u00e4usern, die daf\u00fcr eine Vielzahl von Analysten besch\u00e4ftigen m\u00fcssen, um entscheidende Stunden oder sogar Tage voraus \u2013 bei niedrigeren Kosten.<\/p>\n
Die K\u00f6nigsklasse ist die Verarbeitung von unstrukturierten \u201enon-financial\u201c Daten. Nur sehr wenige Asset Manager k\u00f6nnen hier bereits nachweisbare Erfolge melden, aber das k\u00f6nnte der Schl\u00fcssel zu einem ganz neuen Datenschatz sein, der wesentlich gr\u00f6\u00dfer und vielf\u00e4ltiger ist, als die bisher zur Verf\u00fcgung stehenden Ressourcen. Sollten unstrukturierte Daten verschiedener Quellen zug\u00e4nglich sein, dann sprechen wir \u00fcber Zeitungen, Satellitenbilder, Social Media Postings und Blogs, \u00fcber GPS-Standortdaten. Oder die Echtzeit-Analyse der Gesichtsmimik des CEOs w\u00e4hrend der \u00dcbertragung einer Pressekonferenz mit sofortigem Abgleich zum gesprochenen Text. Klingt das nach Science-Fiction f\u00fcr Sie? Die dazu n\u00f6tigen Technologien wurden im Grundsatz bereits entwickelt.<\/p>\n
Asset Manager ganz unterschiedlicher Richtungen m\u00fcssen sich mit Daten besch\u00e4ftigen. Schon jetzt ist abzusehen, dass es einen Wettlauf um die besten Datenquellen und Verarbeitungsmethoden geben wird. Wer Daten schneller, umfassender und pr\u00e4ziser auswerten kann als die Konkurrenz hat einen Informationsvorsprung. Was heute noch als innovativ gilt, kann schon in kurzer Zeit als \u201eCommodity\u201c f\u00fcr jedermann abrufbar sein. K\u00fcnstliche Intelligenz, und allem voran die datengetriebenen Methoden im Bereich des maschinellen Lernens, sind pr\u00e4destiniert, heterogene Datens\u00e4tze unterschiedlicher Herkunft als Ganzes zu betrachten und darin nach komplexen, auch nicht linearen Mustern zu suchen. Durch diese Eigenschaft kann eine Maschine Zusammenh\u00e4nge entdecken, wo ein menschlicher Analyst vor lauter B\u00e4umen den Wald nicht mehr sieht, obwohl die Maschine im eigentlichen Detailverst\u00e4ndnis einzelner Datens\u00e4tze dem Menschen oft noch unterlegen ist.<\/p>\n
Im n\u00e4chsten Artikel unserer KI-Serie werden wir uns einige Asset Manager und deren Methoden genauen ansehen, die bereits K\u00fcnstliche Intelligenz auf unterschiedliche Art und Weise verwenden.<\/p>\n\n\n
<\/p>\n","protected":false},"excerpt":{"rendered":"
Die exponentielle technologische Entwicklung hat die Fortschritte auf dem Gebiet der K\u00fcnstlichen Intelligenz (KI), wie wir sie zurzeit erleben, erst m\u00f6glich gemacht. Die allgegenw\u00e4rtigen Smartphones besitzen mehr Rechenpower als noch vor Jahren schrankgro\u00dfe Superrechner.<\/p>\n","protected":false},"author":3,"featured_media":12637,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"inline_featured_image":false,"footnotes":""},"categories":[145],"tags":[130,120,139],"class_list":["post-10574","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-artificial-intelligence-en","tag-artificial-intelligence-en","tag-data-en","tag-ressource-en"],"acf":[],"_links":{"self":[{"href":"https:\/\/plexusinvestments.com\/site\/en\/wp-json\/wp\/v2\/posts\/10574","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/plexusinvestments.com\/site\/en\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/plexusinvestments.com\/site\/en\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/plexusinvestments.com\/site\/en\/wp-json\/wp\/v2\/users\/3"}],"replies":[{"embeddable":true,"href":"https:\/\/plexusinvestments.com\/site\/en\/wp-json\/wp\/v2\/comments?post=10574"}],"version-history":[{"count":0,"href":"https:\/\/plexusinvestments.com\/site\/en\/wp-json\/wp\/v2\/posts\/10574\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/plexusinvestments.com\/site\/en\/wp-json\/wp\/v2\/media\/12637"}],"wp:attachment":[{"href":"https:\/\/plexusinvestments.com\/site\/en\/wp-json\/wp\/v2\/media?parent=10574"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/plexusinvestments.com\/site\/en\/wp-json\/wp\/v2\/categories?post=10574"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/plexusinvestments.com\/site\/en\/wp-json\/wp\/v2\/tags?post=10574"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}