Von Skynet bis ChatGPT: Was Anleger über künstliche Intelligenz wissen müssen

Die meisten Menschen würden beim Thema künstliche Intelligenz (KI) wahrscheinlich zuerst an Skynet oder ChatGPT denken – seit Arnold Schwarzeneggers „Ich komme wieder“ hat wohl keine KI-Anwendung so viel Aufmerksamkeit erregt wie das im vergangenen Jahr veröffentlichte, auf generativer KI basierende, Chat-Programm ChatGPT. Doch künstliche Intelligenz gab es schon lange davor, wenn auch nicht unbedingt in der dramatischen Ausführung, die wir aus Science-Fiction-Filmen der Neunzigerjahre kennen. Und aus Anlegersicht verblasst künstliche Intelligenz im Vergleich zur Schwarmintelligenz der Märkte.

ChatGPT ist lediglich ein aktuelles Beispiel künstlicher Intelligenz. Einen Wendepunkt erreichte die KI-Entwicklung erstmals im Jahr 1997, als mit Deep Blue der erste Computer einen Schachgroßmeister besiegte. Mitte der Nullerjahre entwickelten IBM-Forscher den Watson-Computer, der sich mit den Star-Kandidaten von Jeopardy! messen sollte und letztlich zwei der berühmtesten ehemaligen Champions der Show besiegte. Und wie viele von uns interagieren regelmäßig mit Siri oder Alexa?

Was haben all diese KI-Systeme gemeinsam? Sie sind Werkzeuge, die Daten verarbeiten und organisieren, um Muster zu erkennen, Informationen zusammenzufassen oder Vorschläge zu machen. Interaktionen mit künstlicher Intelligenz sind in unserem Alltag inzwischen allgegenwärtig: Ist Ihnen schon mal aufgefallen, dass Ihr Smartphone unaufgefordert die voraussichtliche Ankunftszeit anzeigt, wenn Sie mit dem Auto zur Arbeit fahren? Schlägt Ihnen Ihr Textverarbeitungsprogramm kontextabhängige Grammatikkorrekturen vor? Herzlichen Glückwunsch – dann sind Sie bereits KI-Nutzer, auch wenn Sie noch nie mit ChatGPT interagiert haben.

In der Vermögensanlage hat KI eine ähnlich lange Geschichte. Aktive Anleger wollten sich schon lange mit künstlicher Intelligenz, die Daten erfasst und verarbeitet, schon früher einen Informationsvorsprung verschaffen. Entsprechende Programme, die die Stimmung in den sozialen Medien messen oder Texte aus Finanzberichten von Unternehmen analysieren, gibt es zum Beispiel schon sehr viel länger als ChatGPT.

Wahrscheinlich wollten Anleger mithilfe dieser Programme die besten Aktien identifizieren; doch ob sich KI-Programme wirklich zur kontinuierlichen Generierung von Mehrrenditen eignen, ist fraglich. Relevante Informationen, die sich durch KI-Anwendungen generieren lassen, sind höchstwahrscheinlich nicht mehr als eine Teilmenge der umfangreichen Informationen, die dem Markt in seiner Gesamtheit bekannt und daher eingepreist sind. Kommen neue Informationen hinzu, werden diese ebenfalls durch Kauf- und Verkaufstransaktionen im Preis berücksichtigt. Außerdem dürfte der Informationsvorsprung, der sich durch KI erzielen lässt, umso kleiner werden, je mehr Anleger diese Instrumente nutzen.

Und noch etwas spricht eher gegen den Einsatz von künstlicher Intelligenz bei Timing-Strategien: Marktprognosen sind keine Stärke von KI-Programmen. Künstliche Intelligenz eignet sich sehr gut, um relativ stabile Muster auszuwerten und daraus Vorhersagen abzuleiten. Die Navigations-App meines Handys „errät“ zum Beispiel oft relativ genau, wann ich zur Arbeit fahre, schließlich fahre ich jede Woche an denselben Tagen ins Büro. Autonome Navigationsprogramme fürs Auto wissen, dass die Geschwindigkeit reduziert werden muss, wenn ein Stoppschild zu sehen ist, denn diese visuellen Hinweise sind überall und immer gleich.

Veränderungen in komplexen Systemen wie den Aktien- und Anleihemärkten machen erfolgreiche KI-Vorhersagen wesentlich weniger wahrscheinlich. Eine KI, die Marktpreise vorhersagt, wäre ungefähr so wie ein selbstfahrendes Auto, das Stoppschilder mit täglich wechselnden Farben, Formen und Buchstaben interpretieren soll. Immer neue Informationen, die für die Marktpreise relevant sind, sind das Gegenteil von statischen, leicht vorhersehbaren Mustern.

Künstliche Intelligenz kann Unternehmen effizienter machen, wenn sie als Werkzeug für das eingesetzt wird, was Professor Robert C. Merton als „assisted implementation“ bezeichnet: Datenauswertung, Kundenbetreuung, Prozessoptimierung. KI ist wie jedes andere Werkzeug auch – man muss wissen, wie man es einsetzt. Wenn man damit zum Beispiel Daten wesentlich einfacher analysieren kann, dann steigt die Wahrscheinlichkeit, dass eine solche Analyse zu brauchbaren Ergebnissen führt. Der Einsatz von künstlicher Intelligenz kann für Unternehmen, die über sehr viele Kundendaten verfügen, enorm hilfreich sein. So können diese Unternehmen herausfinden, was ihre Kunden wahrscheinlich als Nächstes kaufen werden, und ihr Marketing entsprechend darauf ausrichten.

Selbst die besten Schachspieler haben irgendwann erkannt, dass Schachcomputer eine effektive Ergänzung zur Erkennung von Strategien und Mustern sind. Auch im Fondsmanagement dürfte der kombinierte Einsatz von Fondsmanagern und Technologien wie KI der richtige Weg in die Zukunft sein.