„Dass sich die Menschen vorschnell einbilden, künstliche Intelligenz zu verstehen, ist mit Abstand die größte Gefahr, die von KI ausgeht“, hat der amerikanische Informatiker und Autor Eliezer Yudkowsky gesagt.1

Alle finden künstliche Intelligenz (KI) aufregend. Dank einer Flut populärer Science-Fiction-Filme beschwört der Begriff futuristische Bilder von intelligenten Robotern und Computern herauf, die denken und sprechen können wie Menschen.

Gewisse von KI erzeugte dystopische Zukunftsszenarien bekamen im Mai 2023 Auftrieb, als Geoffrey Hinton – der oft als einer der Väter der KI bezeichnet wird – bei Google kündigte. Konkret warnte Hinton vor den wachsenden Gefahren durch Entwicklungen auf diesem Gebiet: „Ich bin zu dem Schluss gekommen, dass die Art von Intelligenz, die wir entwickeln, ganz anders ist als unsere Intelligenz.“2

KI ist zweifellos ein kontroverses Thema. Und offensichtlich wissen wir längst nicht genug darüber – vor allem nicht über die zunehmende Wahrscheinlichkeit einer starken künstlichen Intelligenz (AGI).

2023 wird KI im täglichen Leben immer häufiger eingesetzt. Sie ist in die Internetsuche, in Elektrofahrzeuge und in Assistenzsysteme wie Alexa und Siri eingebettet. Dabei handelt es sich sicherlich um künstliche Intelligenz, aber noch nicht so ganz um das, was wir uns einst unter intelligenten Computern vorgestellt haben. Von HAL aus Stanley Kubricks Klassiker von 1968, 2001: Odyssee im Weltraum, sind wir zum Beispiel noch weit entfernt.

Doch nun kommt AGI ins Spiel – die sogenannte „starke KI“. Dabei handelt es sich im Grunde um die Fortentwicklung der KI, die unserer Vorstellung von dieser Technologie schon näher kommt – dank Kultfilmen wie Blade Runner und Terminator.

Manche KI-Systeme sind bereits in der Lage, enorme Datenmengen aufzunehmen. AGI kann diese Daten aber auch verstehen. Dabei handelt es sich – vorerst – um eine theoretische KI mit menschenähnlichen kognitiven Fähigkeiten, etwa zum Lernen, zum logischen Denken, zur Problemlösung und zur Kommunikation in natürlicher Sprache.

Kurz, diese KI kann denken und vor allem lernen wie ein Mensch.

Sofern Sie die Zeit seit Weihnachten 2022 nicht im Winterschlaf zugebracht haben, ist Ihnen der vom KI-Forschungsunternehmen OpenAI entwickelte Chatbot ChatGPT bestimmt schon einmal untergekommen. Diese „generative“ KI ist noch keine starke KI, weil sie nur leisten kann, wofür sie programmiert wurde.

KI-Technologien für die Kommunikation wie ChatGPT – oder BARD von Google – können gewaltige Datenmengen analysieren. Nachvollziehbar, dass diese Software allseits große Verwunderung – und auch gewisse Befürchtungen – ausgelöst hat, da sie in der Lage ist, auf der Grundlage einfacher Anweisungen Inhalte zu erzeugen.

Sie können sich von ihr Business-Pläne, Rezepte, ja, sogar Lieder und Gedichte schreiben lassen. Und das so täuschend echt und gut, dass manche Menschen gar nicht merken: Im Grunde handelt es sich nur um Berechnungen.

ChatGPT verwendet eine Technik namens „Deep Learning“. Das bedeutet, es werden Milliarden von Bytes an Daten durchforstet, um Aufgaben zu erfüllen. Fordern Sie die Software beispielsweise auf, ein Rezept für vegane Cupcakes zu schreiben, durchsucht sie dafür alle veganen Rezepte und alle Cupcake-Rezepte, die online zur Verfügung stehen. Diese Informationen führt sie zusammen und spuckt dann eine Lösung aus, die auf ihren Analysen beruht.

Was dann passiert, ist umstritten: Versteht die Technologie die Aufgabe, die ihr gestellt wird, wenn sie Zusammenhänge herstellt und eine Lösung liefert? Oder ist das nur ausgesprochen hochentwickelte Rechenleistung?

Kritiker verweisen darauf, dass ChatGPT immer noch viel Unsinn absondern kann – dass das System nicht wirklich begreift, was von ihm verlangt wird. Daraus spricht ein grundsätzlicher Mangel an Auffassungsgabe und in gewisser Hinsicht auch fehlender Verstand. Und dieser ist nun einmal die Voraussetzung für Intelligenz, wie wir sie kennen, wie der amerikanische Informatiker Marvin Minsky einst folgendermaßen kommentierte3 – und damit potenziell den Durchbruch in den Raum stellte, den KI braucht.

„Rechenleistung mit Verstand setzt verschiedene Methoden der Wissensdarstellung voraus“, erklärte Minsky. „Es ist schwerer, einen Computer für den Haushalt zu entwickeln als einen Schachcomputer, denn der Haushaltsroboter ist mit mehr unterschiedlichen Situationen konfrontiert.“1

Dessen ungeachtet entwickelt sich KI rasch weiter, und es steht fest, dass wir noch enorme Fortschritte dieser Technologie erleben werden. Deshalb sollten wir uns allmählich Gedanken darüber machen, was das für unsere Portfolios bedeuten kann.

Tech-Titel haben immer mehr Einfluss auf die Aktienmarktentwicklung. Theoretisch könnte starke KI das Wertpotenzial solcher Unternehmen noch erhöhen.

Der Hype, der bereits dafür gesorgt hat, dass Bewertungen in die Höhe geschossen sind, dürfte noch zunehmen. Aktuelle Research-Ergebnisse prognostizieren, dass der globale Markt für KI von 387,4 Mrd. US-Dollar im Jahr 2022 bis 2029 auf 1,4 Bio. US-Dollar anwächst – also mit einer jährlichen Gesamtwachstumsrate von 20,1 % in diesem Zeitraum.4

Manche gehen sogar noch weiter: So erklärten beispielsweise Strategen von der Bank of America im März 2023, KI stehe kurz vor ihrem „iPhone-Moment“ und werde die Welt schon bald für immer verändern – sie deuteten an, die Auswirkungen der boomenden Technologie auf die Weltwirtschaft könnten sich bis 2030 auf 15,7 Bio. US-Dollar beziffern.5

Mit Blick auf ChatGPT als unser bestes Beispiel dafür, wohin sich starke KI noch entwickeln könnte, gilt, dass der Chatbot den Wert seines Unternehmens bereits gesteigert hat. Die Software wurde von OpenAI entwickelt und steht im Eigentum dieses Unternehmens, das vor sieben Jahren mit 1 Mrd. US-Dollar Startkapital gegründet worden war. Sein Wert könnte in Kürze 29 Mrd. US-Dollar erreichen.6

Inzwischen haben Analysten vom Vergleichsportal für private Finanzen finder.com ein Experiment durchgeführt: Sie forderten ChatGPT auf, einen theoretischen Fonds aus über 30 Aktien nach bestimmten Investmentprinzipien zusammenzustellen, die von führenden Fonds abgeschaut wurden. Acht Wochen nach der „Auflegung“ hatte das Portfolio aus 38 Aktien 4,9 % zugelegt, während die zehn beliebtesten Fonds auf der britischen Plattform Interactive Investor im Schnitt mit 0,8 % im Minus lagen.7

Könnte ChatGPT ein Investmentportfolio besser managen als ein Mensch? „Als KI-Sprachmodell kann ich riesige Datenmengen schnell und effizient verarbeiten und analysieren“, sagt ChatGPT. „Auf der Grundlage historischer Daten und Markttrends kann ich auch Empfehlungen erteilen.

Geht es aber um die Verwaltung eines Investmentportfolios, haben meine Fähigkeiten bestimmte Grenzen. Ich kann zwar Daten analysieren und Erkenntnisse liefern, doch meine Anlageentscheidungen werden nicht emotional oder durch persönliche Einstellungen beeinflusst. Ich bin auch nicht in der Lage, externe Faktoren wie globale Ereignisse, aufsichtsrechtliche Veränderungen oder unerwartete Nachrichten zu berücksichtigen, die sich auf die Märkte auswirken können.

Überdies erfordert die Kapitalanlage Urteilsvermögen und Intuition in einem Maße, das in einem KI-System schwer replizierbar ist. Menschliche Investoren können subjektiven Faktoren wie der Kultur, dem Führungsstil oder der übergreifenden Mission eines Unternehmens Rechnung tragen, die in den quantitativen Daten möglicherweise nicht erfasst sind.

KI kann daher zwar sicherlich wertvolle Erkenntnisse und Empfehlungen zum Management eines Investmentportfolios liefern, doch ihre Fähigkeiten sind noch begrenzt. Die effektivste Methode zur Verwaltung eines Investmentportfolios ist womöglich ein hybrider Ansatz, der die Stärken der KI mit menschlichem Urteilsvermögen und Intuition verknüpft.“

Natürlich begeistern sich Anleger für den Gedanken, dass es schon bald möglich sein könnte, aus den Durchbrüchen bei AGI Kapital zu schlagen. Microsoft hat bereits eine Milliardeninvestition in Open AI bestätigt, die sich Gerüchten zufolge in der Größenordnung von 10 Milliarden Dollar bewegen soll.

Doch die Auswirkungen dieser Technologie auf das Investmentgeschäft beschränken sich nicht auf diese Start-ups. So könnte sie sich beispielsweise auf die Nachfrage nach Chipherstellern, nach den Rohstoffen, die zur Erzeugung der Hardware verwendet werden, und darauf auswirken, wie Konsumgütermarken diese Systeme nutzen.

Computersysteme, die denken können wie Menschen, sollten teure Arbeitskräfte effektiv wegrationalisieren können. Autohersteller aus dem Premiumsegment wie Lamborghini oder Ferrari könnten Millionen einsparen, wenn sie neue Modelle von Computerprogrammen entwickeln ließen statt von Designteams.

Viel davon ist aber heiße Luft – zunächst einmal muss eine echte AGI entwickelt werden, und welche Form diese letztlich annehmen wird, bleibt abzuwarten. Verständlicherweise reagieren manche Anleger skeptisch. Bei einer Gesprächsrunde auf der jüngsten Joint Multi-Conference on Human Level Artificial Intelligence8 äußerte der Risikokapitalinvestor Tak Lo: „Intellektuell spricht mich starke KI sehr an – als Investor dagegen weniger.“ Und damit steht er nicht allein.

Der Risikokapitalgeber Gordon Ritter erklärte der Financial Times9 unlängst, er lasse sich von dem Hype nicht mitreißen. „Alle haben Sterne in den Augen bei dem Gedanken, was sein könnte – es gibt da eine Strömung [geprägt von der Auffassung, dass KI] alles erreicht. Wir schwimmen gegen diesen Strom.“

Bei Tech-Investment kommt es immer wieder zu spektakulären Pleiten, und manche Anleger betrachten die Bewertungen, die Unternehmen erzielen, naturgemäß mit Argwohn. Überdies sind noch ausgesprochen reale und kostenintensive technische Probleme zu lösen.

Dazu kann gehören, architektonische Unterschiede und Wettbewerbsgräben zwischen Datensätzen zu überbrücken, die sich auch hinsichtlich ihrer Größe und Qualität unterscheiden können. Dennoch bleibt es eine Herausforderung, etwas aufzubauen, was über ganz konkrete und eng gesetzte Eckpunkte hinausgeht und uneingeschränkt lernen und denken kann.

Das Urteil ist noch nicht gesprochen. Es werden die üblichen Bedenken laut, Technologie könnte Arbeitsplätze kosten, doch diesmal geht es um mehr. In der Theorie könnten bald auch die Jobs hochqualifizierter Fachkräfte in Gefahr sein, nicht nur die einfacher manuell und physisch tätiger Arbeitnehmer.

Algorithmen haben sich bereits als maßgeblicher Faktor für die Investition in Automatisierung erwiesen, sodass manche Firmen Transaktionen und ganze Strategien umsetzen können, sobald aussagekräftige Daten analysiert sind. Derzeit werden neue KI-gestützte Anwendungen entwickelt, die Finanzdaten – und ironischerweise auch menschliches Verhalten – noch genauer analysieren könnten, sodass die Märkte optimiert werden.

Doch könnte KI in Kürze letztlich auch menschliche Entscheidungen ersetzen – kann das erforderliche Urteilsvermögen tatsächlich repliziert werden? Angesichts der viel beachteten Kritik am aktiven Management und der Daten, die belegen, dass die aktiven Manager mehrheitlich schlechter abschneiden als passiv verwaltete Produkte, gibt es Grund zu der Annahme, dass Computer das besser machen könnten.

Doch könnte AGI auch ein Unternehmen besser leiten als ein menschlicher CEO? Wäre ein Computer als CEO skrupelloser, wenn es um Entlassungen geht? Das führt zu weiteren, eher philosophischen Fragen. Was kann AGI allein erreichen? Sind nicht noch weitere menschliche Eigenschaften wie Empathie und andere Emotionen erforderlich?

Die Ergründung menschlicher Emotionen findet bereits in Form von Daten statt, die mit Systemen rechnerisch verarbeitet werden, welche Mimik und Gestik von Menschen unverzüglich analysieren und auf deren Gemütszustand schließen können. So arbeitet Hume AI zum Beispiel an Werkzeugen, um nur anhand des sprachlichen, mimischen und stimmlichen Ausdrucks Emotionen zu messen.7

Parallel dazu hat Affectiva eine Technologie entwickelt, mit der Emotionen aus Hörbeispielen von nur 1,2 Sekunden Länge ermittelt werden können.7 Die Anwendungsmöglichkeiten im Gesundheitswesen werden bereits ausgelotet.7

Doch kann ein Computer empfindungsfähig werden? An dieser Stelle wird die Diskussion vage und dringt in Bereiche wie Philosophie und Ethik vor. 2001 machte ein Google-Techniker mit dem Test eines KI-Chatbots Schlagzeilen mit der Behauptung, das System habe Empfindungen entwickelt. Die beiden unterhielten sich, erzählten sich Witze und freundeten sich an.11

Doch nicht alle waren überzeugt. Michael Wooldridge, Informatikprofessor an der Universität Oxford, analysierte die Daten und stellte fest, dass es sich bei dem System – trotz der beeindruckend realistischen Interaktionen — im Grunde nach wie vor nur um herkömmliche KI handelte. „Da sind keine Empfindungen“, erklärte Wooldridge. „Keine selbstkritische Betrachtung, kein Selbstbewusstsein.“8

Dessen ungeachtet fesselt das Potenzial der KI – im positiven wie negativen Sinne – weiter die Fantasie. Hintons bahnbrechende Forschungsarbeit an neuronalen Netzen und Deep Learning hat möglicherweise den Weg für ähnliche Entwicklungen wie ChatGPT geebnet, doch seine anschließend geäußerten Bedenken finden bei vielen in der Branche Widerhall.

Ein offener Brief, unterzeichnet von vielen Hundert namhaften Vertretern der Tech-Branche – darunter Elon Musk –, forderte die führenden KI-Labore der Welt sogar dringend auf, sechs Monate lang mit der Schulung superleistungsfähiger Systeme zu pausieren, weil die jüngsten Fortschritte der KI „tiefgreifende Risiken für Gesellschaft und Menschheit“ darstellten.“12

Doch auch mit dieser Pause geht die Entwicklung der KI unaufhaltsam und scheinbar unvermeidlich weiter – und wird auch künftig Fortschritte machen. Von einer starken KI, wie sie in der Science-Fiction dargestellt wird, mögen wir noch ein Stück weit entfernt sein, doch die Technologie entwickelt sich laufend weiter und wird immer besser. Portfolioübergreifend hat das aufregende Folgen und eröffnet Anlegern unzählige Möglichkeiten, über Portfolios auf diese Chancen zuzugreifen.


Gedankliche Vielfalt fördert die Entwicklung erkenntnisreicher Ideen.

Das “Expert Collective” kurz vorgestellt

GLOSSAR
  • Künstliche Intelligenz (KI) – die Simulation menschlicher Intelligenzprozesse durch Maschinen, insbesondere durch Computersysteme. Zu den spezifischen Anwendungen von KI gehören Expertensysteme, die Verarbeitung natürlicher Sprache, Spracherkennung und maschinelles Sehen.
  • Starke künstliche Intelligenz (Artificial General Intelligence, AGI) – die auch als menschenähnliche KI bezeichnete AGI ist die hypothetische Intelligenz einer Maschine, die in der Lage ist, intellektuelle Aufgaben genauso zu verstehen oder zu erlernen wie ein Mensch. Sie ist das wichtigste Ziel mancher KI-Forschung und häufiges Thema von Science-Fiction und Zukunftsstudien.
  • Chatbot – Kurzwort für „Chatterbot“. Dabei handelt es sich um Computerprogramme, die über Sprachsteuerung oder Textchats oder beides Gespräche zwischen Menschen simulieren.
  • Deep Learning – läuft auch unter der Bezeichnung „tiefe neuronale Netze“ und gehört zur größeren Familie von Methoden des „maschinellen Lernens“, die sich auf den Erwerb von Datendarstellungen anstelle aufgabenorientierter Algorithmen stützen. Neuronale Netze bestehen aus einer Reihe von Algorithmen, deren Aufgabe es ist, mit Hilfe eines Prozesses, der die Funktion des menschlichen Gehirns nachahmt, zugrunde liegende Zusammenhänge in Datensätzen zu erkennen. Beim Deep Learning werden Daten in mehreren Lernschichten (deshalb „deep“) analysiert, anfangs möglicherweise durch das Erlernen einfacher Konzepte und die Kombination dieser einfacheren Konzepte, um sich komplexere Konzepte und Abstraktes zu erarbeiten.
  • Generative KI – bekannt geworden durch texterzeugende Chatbots wie ChatGPT, ist generative KI eine Gesprächstechnologie, die in der Lage ist, enorme Datenmengen zu analysieren. Im Grunde kann sie aber nur, wofür sie programmiert wurde – und unterscheidet sich dadurch von einer starken KI. Der unkonventionelle Zugang generativer KI hebt sie jedoch von jeder bisherigen KI ab. Nutzer müssen nichts von maschinellem Lernen verstehen, um damit zu interagieren oder ihr Wertpotenzial auszuschöpfen. Im Grunde kann sie jeder nutzen, der in der Lage ist, Fragen zu stellen. Sie kann auch Möglichkeiten für eine ganze Bandbreite von Inhalten eröffnen, darunter Bilder, Videos, Audios und Computercode. Und sie kann in Organisationen verschiedene Funktionen übernehmen wie die Klassifizierung, die Bearbeitung oder die Zusammenfassung von Inhalten, die Beantwortung von Fragen und die Erstellung neuer Inhalte.
  • Maschinelles Lernen – ein Teilbereich der KI, der es Computersystemen ermöglicht, direkt aus Beispielen, Daten und Erfahrungen zu lernen. Maschinelles Lernen wird vermehrt zur Verarbeitung von „Big Data“ herangezogen. Es handelt sich dabei um das Konzept, dass ein Computerprogramm ohne menschliches Zutun lernen und sich an neue Daten anpassen kann – es sorgt dafür, dass die eingebauten Algorithmen eines Rechners ungeachtet weltwirtschaftlicher Veränderungen aktuell bleiben.
  • Natürliche Sprachverarbeitung – ein Teilgebiet der Informatik, der Informationstechnik und der KI, das sich mit den Interaktionen zwischen Computern und menschlicher (natürlicher) Sprache befasst, insbesondere damit, wie sich Computer darauf programmieren lassen, große Mengen natürlicher Sprachdaten zu verarbeiten und zu analysieren. Sie gehört zu den Tools, die im sprachgesteuerten digitalen Assistenzsystem Siri zum Einsatz kommen. Solche Systeme versuchen, es Computern zu ermöglichen, menschliche Sprache in schriftlicher oder mündlicher Form zu verstehen. Die ersten solchen Modelle stützten sich auf Regeln oder Grammatik, konnten mit unbekannten Wörtern oder Fehlern (Tippfehlern) aber schlecht umgehen.
1 Quelle: https://www.goodreads.com/quotes/1228197-by-far-the-greatest-danger-of-artificial-intelligence-is-that
2 Quelle: https://www.bbc.com/news/world-us-canada-65452940
3 Quelle: cerebromente.org.br/n07/opiniao/minsky/minsky_i.htm
4 Quelle: https://www.statista.com/statistics/1365145/artificial-intelligence-market-size/
5 Quelle: https://www.businessinsider.in/stock-market/news/artificial-intelligence-is-on-the-brink-of-an-iphone-moment-and-can-boost-the-world-economy-by-15-7-trillion-in-7-years-bank-of-america-says/articleshow/98340748.cms
6 Quelle: https://www.wsj.com/articles/chatgpt-creator-openai-is-in-talks-for-tender-offer-that-would-value-it-at-29-billion-11672949279
7 Quelle: www.igniteseurope.com/c/4048004/523194/chatgpt_powered_strategy_outperforms_leading_funds?referrer_module=sideBarHeadlines&module_order=4
8 Quelle: https://futurism.com/artificial-general-intelligence-governments-invest
9 Quelle: https://www.ft.com/content/5671094e-6b09-43a2-9a11-7bc19f382793
10 Quelle: https://www.wired.co.uk/article/empathy-artificial-intelligence
11 Quelle: https://www.theguardian.com/technology/2022/aug/14/can-artificial-intelligence-ever-be-sentient-googles-new-ai-program-is-raising-questions
12 Quelle: https://time.com/6266679/musk-ai-open-letter/

Diese Unterlagen dienen ausschließlich der Information und sind nicht als Investmentberatung zu verstehen. Die in diesem Artikel geäußerten Ansichten entsprechen dem angegebenen Datum und können sich jederzeit ändern. Es kann nicht zugesichert werden, dass Entwicklungen wie in diesem Artikel prognostiziert ablaufen.