Beyond Bulls & Bears

Alternatives

Von Science Fiction zu wissenschaftlicher Realität: Der Aufstieg der Maschinen

Die rasante Ausbreitung von künstlicher Intelligenz (KI) hat für viel Aufregung, aber auch für (möglicherweise gerechtfertigte) Paranoia gesorgt. Werden Computer die Menschen ersetzen – oder sogar überholen? Mat Gulley, Executive Vice President und Head of Alternatives bei Franklin Templeton Investments, und Ryan Biggs, Research Analyst der Franklin Equity Group, erörtern die Auswirkungen des „Aufstiegs der Maschinen“ im Bereich der Vermögensverwaltung. Sie gehen davon aus, dass es Jahrzehnte dauern dürfte, bis sich die Folgen des neuen Maschinenzeitalters voll entfalten. Die Ergebnisse dürften jedoch erstaunlich sein.

Dieses Posting steht Ihnen in den folgenden Sprachen zur Verfügung: Englisch Italienisch


Wir haben ihre Ankunft schon seit Jahrzehnten erwartet. Bereits im Jahr 1958 veröffentlichte die New York Times einen Artikel über eine Maschine namens „Perceptron“, die an der Cornell University entwickelt worden war. Das Gerät sei „der Embryo eines elektronischen Computers… der voraussichtlich gehen, sprechen, sehen, schreiben, sich fortpflanzen und sich seiner eigenen Existenz bewusst sein würde.“ Schon 1958?!? Das wäre eine erstaunliche Errungenschaft in einer Zeit gewesen, in der noch nicht einmal die Mikrowelle ihren Einzug in unsere Küchen gefeiert hatte.

Seit einem halben Jahrhundert erwartet die Menschheit mit Spannung das Zeitalter der künstlichen Intelligenz (KI). Hollywood hat gezeigt, dass der Fantasie hier keine Grenzen gesetzt sind, und die Medien haben über sämtliche Fortschritte in diesem Feld berichtet. Vielleicht war unser Optimismus bisweilen etwas verfrüht. Aber diese Zeiten sind nun endgültig vorbei. Dieses Mal müssen wir uns nicht mehr bloß darauf vorbereiten, dass die Maschinen kommen – sie sind bereits da.

KI ist bereits Realität

Das exponentielle Wachstum der Verarbeitungsgeschwindigkeiten von Computern, die Fortschritte im Umgang mit großen Datenmengen, Open-Source-Software und Cloud Computing haben in den letzten zehn Jahren gemeinsam dazu beigetragen, dass künstliche Intelligenz nicht mehr in den Bereich der Science Fiction fällt, sondern zur wissenschaftlichen Realität geworden ist.

2011 beeindruckte der von IBM entwickelte Computer „Watson“ die Welt, als er in der Quiz-Show Jeopardy! den amtierenden Meister Ken Jennings schlug. Jennings hatte Jeopardy! davor 74 Mal in Folge gegen menschliche Konkurrenten gewonnen. Watson konnte ihn direkt im ersten Anlauf schlagen.

Im Mai 2016 schlug der von Google entwickelte Computer DeepMind den Weltklassespieler Lee Se-dol im Go-Spiel. Go ist ein uraltes chinesisches Brettspiel. Aufgrund der vermeintlich erforderlichen menschlichen Intuition wurde hier lange Zeit angenommen, es sei für Computer unmöglich, auf hohem Niveau mitzuhalten. Nachdem er gegen die Maschine verloren hatte, war Se-dol von einem bestimmten Zug so sehr beeindruckt, dass er die Spielweise als „wunderschön“ beschrieb, als etwas, das er bei Menschen niemals zuvor gesehen hatte.

Im November 2016 arbeiteten DeepMind und die Universität Oxford dann zusammen, um einen Computer zu erschaffen, der tatsächlich von den Lippen ablesen kann – genau wie der fiktive Computer HAL 9000 in Stanley Kubricks Sci-Fi-Klassiker 2001: Odyssee im Weltraum. Es gibt zahlreiche potenzielle Anwendungsbereiche, wie etwa verbesserte Hörgeräte, geräuschloses Diktieren im öffentlichen Raum oder Spracherkennung in lauten Umgebungen. Oder um zu verhindern, dass Menschen einem den Stecker ziehen, wie die folgende Szene aus dem Film zeigt.

Dave Bowman: Öffne das Gondelschleusentor, HAL.

HAL: Es tut mir leid, Dave, aber das kann ich nicht tun.

Dave Bowman: Wo liegt das Problem?

HAL: Du weißt ebenso gut wie ich, wo das Problem liegt. Ich weiß, dass ihr geplant habt, mich abzuschalten, und ich fürchte, das kann ich nicht zulassen.

Dave Bowman: [Unwissenheit vortäuschend] Wie zum Teufel kommst du auf die Idee?

HAL: Dave, ihr habt in der Gondel alle Vorsichtsmaßnahmen getroffen, damit ich euch nicht hören konnte, aber ich habe eure Lippenbewegungen gesehen.

Dave Bowman: Also gut, HAL. Dann werde ich eben durch die Notluftschleuse reinkommen.

HAL: Ohne deinen Raumhelm wird dir das wohl schwerfallen, Dave.

Dave Bowman: Du tust jetzt, was ich dir befehle! Öffne das Schleuentor!

HAL: Dave, das Gespräch hat keinen Zweck mehr. Lebewohl.

2001: Odyssee im Weltraum. Regisseur Stanley Kubrick Metro-Goldwyn-Mayer, 1968 [Film]


KI ist überall um uns herum

Künstliche Intelligenz ist heute überall um uns herum und beeinflusst häufig unsere Realität und unsere Entscheidungsfindung auf unmerkliche, aber wirkungsvolle Art und Weise.

So setzen Netflix und Facebook beispielsweise KI-Technologie im Rahmen ihrer Muster- und Verhaltenserkennungsprogramme ein. Wenn Netflix Filme empfiehlt, die Ihnen gefallen könnten, wurden sie durch KI ausgewählt. Wenn Facebook Freunde vorschlägt, die Sie in einem Foto markieren sollen – ebenfalls KI.

Tatsächlich ist die bemerkenswerte Gesichtserkennungstechnologie von Facebook womöglich leistungsfähiger als das menschliche Gehirn. Sie erkennt Menschen problemlos bei schlechten Lichtverhältnissen und häufig auch aus ungünstigen Blickwinkeln.

Die Geschwindigkeit, mit der sich Technologie für selbstfahrende Autos entwickelt hat, ist ein weiteres Indiz dafür, dass echte künstliche Intelligenz bereits existiert. Einer unserer Kollegen pendelt mit autonomer Fahrtechnologie zwischen Palm Beach und Ft. Lauderdale, Florida, – eine Entfernung von rund 50 Meilen. Er beschreibt, dass das Auto bei hohem Verkehr sogar besser funktioniert, da ihm mehr Daten für einen Abgleich zur Verfügung stehen. Und mit jeder Fahrt und mit jedem Software-Download lernt es mehr und verbessert sich weiter.

Siri, Alexa und Microsofts Cortana sind ebenfalls Beispiele für künstliche Intelligenz (die allerdings von dem ein oder anderen als primitiv bezeichnet werden dürfte), mit der wir täglich interagieren. Die großen Technologiefirmen (Google, IBM, Intel und Apple) liefern sich einen Wettlauf darum, kleinere private KI-Unternehmen aufzukaufen.

PwC zufolge haben Startups im Bereich der künstlichen Intelligenz 2017 Venture Capital in Höhe von mehr als 2 Mrd. USD aufgenommen.[1]

Tatsache ist: künstliche Intelligenz ist nicht mehr nur Theorie, sondern Praxis. Die Maschinen sind da.

Wie denken Maschinen?

Wir hören häufig, dass Kollegen die sogenannten quantitativen „Black Box“-Handelssysteme als eine Form der künstlichen Intelligenz bezeichnen. Unserer Ansicht nach ist diese Formulierung irreführend. Viele dieser Systeme sind zwar zweifellos hochkomplex und repräsentieren wichtige Aspekte des maschinellen Lernens, sie stellen jedoch nicht die Art von transformativer KI dar, die wir hier näher untersuchen möchten.

Die KI-Maschinen, über die wir hier sprechen, sind sogenannte „Deep Learning“-Systeme – Systeme, die in unseren Augen den umwälzendsten technologischen Fortschritt seit der industriellen Revolution Ende des 18. Jahrhunderts darstellen.

Diese Systeme bauen auf etwas auf, das als „künstliche neuronale Netzwerke“ bezeichnet wird. Ironischerweise könnten die Forscher der Cornell University in den 1960er Jahren tatsächlich auf der richtigen Spur gewesen sein. Ihre „Perceptron-Maschine“ war auf die gleiche Art und Weise aufgebaut (wenn auch in sehr viel primitiverem Sinne, mit Kabelleitungen anstelle von mikroskopischen Transistoren).

Künstliche neuronale Netze sind Hard- und Software-Systeme, deren Funktionsweise der von Neuronen im menschlichen Gehirn nachempfunden ist. In anderen Worten: es handelt sich um Computer, die in ihrem „Denken“ biologische Neuronen nachahmen, indem sie Regeln und Muster aus Datensätzen ableiten.

Zeigt man einem neuronalen Netzwerk beispielsweise genügend Bilder von Katzen, so wird es früher oder später in der Lage sein, zu erkennen, ob ein ihm unbekanntes Bild eine Katze darstellt oder nicht.

Die Maschinen nutzen eine Kombination aus Training und Rückschlüssen, um buchstäblich genauso zu „lernen“, wie es ein kleines Kind tun würde. Dieses Lernen ist heutzutage aufgrund der immer größer werdenden Leistung, Geschwindigkeit und Miniaturisierung von Computern möglich. Deep Learning-Maschinen können Milliarden von Neuronen simulieren und dabei riesige Mengen an Informationen aus dem Internet und anderen Datenquellen verarbeiten.

Wie unterscheidet sich dies also von Black-Box-Handelstechnologien? Die von quantitativen Analysten entwickelten Handelsalgorithmen beruhen auf Logik und Transparenz. Sie sind zwar hochkomplex, können aber jederzeit dekonstruiert werden. Neuronale Netzwerke hingegen können definitionsgemäß nicht entpackt werden. Der Weg, den diese Maschinen bei der Herleitung einer Antwort beschreiten, ist viel zu komplex, um ihn linear abzubilden. Er ist wie das menschliche Gehirn – Milliarden und Abermilliarden von Matrix-Schritten – praktisch jenseits der menschlichen Erkenntnis.

Augmented Intelligence: Die Zukunft der aktiven Vermögensverwaltung

Die rasante Ausbreitung von KI in den letzten Jahren hat natürlich zahlreiche Schwarzseher auf den Posten gerufen. Sie befürchten, dass Computer im Laufe der Zeit schlauer werden als ihre menschlichen Gebieter und uns vielleicht eines Tages sogar verdrängen werden. Auch wenn solche Befürchtungen nicht völlig unbegründet sind, sind sie aus unserer Sicht zum jetzigen Zeitpunkt nicht realistisch.

Momentan und auf absehbare Zeit werden Deep Learning-Maschinen unserer Einschätzung nach weiterhin Mustererkennungs-Engines bleiben, die der Menschheit eine Art erweiterte („augmented“) Intelligenz, nicht jedoch autonome Intelligenz bieten werden.

Selbst in ihrer fortschrittlichsten Form erfordert KI-Technologie heute immer noch menschliche Eingriffe – entweder beim Treffen endgültiger Entscheidungen oder in der Erschaffung und Änderung von Soft- oder Hardware.

Die meisten Experten sind sich einig, dass die künftige Rolle von KI in Bezug auf die branchenspezifischen Aspekte der Vermögensverwaltung eher in der sogenannten „Augmented Intelligence“ liegen werden.

Anstatt existenzielle Risiken mit sich zu bringen und die Menschen zu bevormunden, scheint die Form der künstlichen Intelligenz, die sich heute zunehmend verbreitet, Menschen die Chance zu bieten, ihre Fähigkeiten auszuweiten.

Ein Beispiel für den Einsatz dieser erweiterten Intelligenz in der Praxis der Vermögensverwaltung findet sich schön zusammengefasst in David Zweigs jüngstem Artikel „How to Be Your Own Quant“ im Wall Street Journal.

Zweig erzählt, wie UBS (eine Investmentbank) trotz aller Anstrengungen nicht in der Lage war, Computermodelle zu entwickeln, die die Fähigkeiten ihrer eigenen menschlichen Analysten bei der Erarbeitung erfolgreicher Gewinnprognosen übertreffen konnten.[2]

Durch eine Umformulierung der Situation – von Wettbewerb zu Kooperation zwischen Mensch und Maschine – gelang es der Bank jedoch, die Technologie zu nutzen, um einer äußerst menschlichen Schwäche entgegenzuwirken: Inkonsistenz.

Zweig bemerkt, dass „das menschliche Urteilsvermögen inkonsistent ist. Die Menschen sind gut darin zu wissen, was wichtig ist. Aber sie sind nicht sehr gut darin, die Dinge immer gleich zu betrachten.“

UBS entwickelte daher einen „Augmented Intelligence“-Ansatz, bei dem menschliche Analysten das quantitativ orientierte KI-Team hinsichtlich der Nützlichkeit der verschiedenen Ertragsvariablen berieten. Das quantitative KI-Team nahm diese Erkenntnisse dann in das Modell auf. Durch diesen Prozess verbesserte sich sowohl die Beständigkeit als auch die Prognoseleistung insgesamt.

 Wie Zweig in seinem Artikel zusammenfasst, erlaubt einem diese erweiterte Intelligenz, „…das eigene menschliche Urteilsvermögen darüber, was am besten funktioniert, mit einer computerartigen Anwendungsdisziplin zu koppeln“.[3]

Computer werden im Investmentprozess eine unterstützende Funktion übernehmen und einen objektiven, datengesteuerten Feedback-Kreislauf bieten, den Menschen einfach nicht produzieren können. Angesichts der enormen Datenmengen, die mit sämtlichen Aspekten des Vermögensverwaltungsgeschäft verbunden sind, stehen zweifellos genügend Informationen für die Anwendung mehrerer Formen von KI zur Verfügung. Somit wird die Anzahl von Entscheidungen, die auf menschlichem Ermessen beruhen, auf diejenigen begrenzt, bei denen ein Wettbewerbsvorteil besteht.

Die Zukunft hat begonnen

Wie bei den ersten beiden industriellen Revolutionen dürfte die volle Entfaltung der Folgen des neuen Maschinenzeitalters aller Wahrscheinlichkeit nach Jahrzehnte dauern. Die Ergebnisse dürften jedoch erstaunlich sein.

Was die wirtschaftliche Zukunft anbelangt, die wir heute erschaffen, so können wir nur spekulieren, wie sie wohl aussehen wird. Das einzige, was wir mit Sicherheit sagen können, ist, dass sie vollkommen anders sein wird

Werden wir unter den Maschinen unseren Platz finden? Wenn es eines Tages Roboter gibt, die alles können und alles besser machen als wir, wo bleiben wir dann? Bringt die Zukunft eine glückselige Zusammenarbeit zwischen Menschen und Robotern? Oder möglicherweise ein etwas düstereres Szenario?

Auf absehbare Zeit wird der Mensch den Maschinen in vielen Aspekten der wirtschaftlichen Produktion überlegen sein. Ähnlich wie bei früheren technologischen Neuerungen werden verschiedene Bereiche der Arbeit von KI übernommen werden, und die Menschheit wird sich entsprechend anpassen.

In der Vergangenheit hat transformative Technologie den Wert und die Produktivität derjenigen Menschen, deren Aufgaben teilweise automatisiert wurden, gesteigert und nicht vermindert.

Letzten Endes reden wir von einer Welt mit weitaus mehr Macht, um alle möglichen Probleme zu lösen – und weitaus weniger Notwendigkeit für uns, an denjenigen Dingen zu arbeiten, die unsere Zeit heute übermäßig in Anspruch nehmen. Ein Großteil der routinemäßigen Aufgaben ließe sich eliminieren. Es wäre eine Schande, wenn wir diese Gelegenheit nicht ergreifen würden, um Großes zu tun.


Sämtliche in diesem Dokument genannten Unternehmen bzw. Anlageprodukte oder Dienstleistungen dienen lediglich der Veranschaulichung und dürfen nicht als Angebot zum Kauf oder Verkauf oder eine Anlageempfehlung für ein konkretes Wertpapier, eine konkrete Strategie oder ein Anlageprodukt oder eine Dienstleistung angesehen werden.

Die Kommentare, Meinungen und Analysen in diesem Dokument dienen nur zu Informationszwecken und sind nicht als persönliche Anlageberatung oder Empfehlung für bestimmte Wertpapiere oder Anlagestrategien anzusehen. Da die Märkte und die wirtschaftlichen Bedingungen schnellen Änderungen unterworfen sind, beziehen sich Kommentare, Meinungen und Analysen auf den Zeitpunkt der Veröffentlichung und können sich ohne Ankündigung ändern. Dieses Dokument ist nicht als vollständige Analyse aller wesentlichen Fakten in Bezug auf ein Land, eine Region, einen Markt, eine Anlage oder eine Strategie gedacht.

Um Analysen von Franklin Templeton als E-Mail zu erhalten, abonnieren Sie den Blog Beyond Bulls & Bears.

Die neuesten Tipps und Infos für Anleger finden Sie auf Twitter @FTI_Germany.

[1] Quelle: Financial Services Institute, PwC, „Top Financial Services Issues of 2017“, Dezember 2016,

[2] Quelle: Wall Street Journal, „How to be Your Own Quant“, 26. Mai 2017.

[3] Ebd.