Anzeige
Recht, Steuer & IT
17.07.2017

Maschinen übernehmen das Ruder

(Quelle: Stockphoto)

Portfoliomanager treibt die Angst um, durch wissbegierige Software und Maschinen ersetzt zu werden. Und das mit Recht. Unzählige Faktoren gleichzeitig zu beobachten und darin Zusammenhänge zu erkennen ist eher das Steckenpferd von Hochleistungscomputern.

Wir schreiben das Jahr 1968. Regisseur und Drehbuchautor Stanley Kubrick­ hat mit dem Science-Fiction-Klassiker „2001: Odyssee im Weltraum“ gerade ein Thema verfilmt, das auch knapp 50 Jahre später für kalte Schauer auf dem Rücken gut ist: Was wäre, wenn künstliche Intelligenz sich verselbstständigt? 

Der Hollywoodstreifen handelt vom Supercomputer Hal 9.000 des Raumschiffs Discovery. Der von Menschenhand geschaffene Hal zeigt während der Reise zum Planeten Jupiter eine Art neurotisches Verhalten. Er scheint sich in der Fehleranalyse des Antennenmoduls AE-35 zu ­irren. Nachdem er heraus­findet, dass die Besatzung ihn abschalten will, falls sich die Irrtümlichkeit seiner Fehleranalyse bestätigen sollte, versucht er, die Crew auszuschalten, um seine Mission zum Jupiter fortführen zu können – „unbeirrbar­ und allein“. Dazu tötet er Besatzungsmitglied Frank Poole während dessen Weltraumausstiegs und auch den Rest der Mannschaft. Nur Besatzungs­mitglied David Bowman überlebt. Ihm gelingt es, in den Zentralraum von Hal einzudringen und dessen Funktionsmodule zu deaktivieren.­ 

Und damit herzlich willkommen in der Welt der künstlichen Intelligenz, die in diesen Tagen einen Entwicklungssprung wie selten zuvor verzeichnet! 

Wer sich in Frankfurt am Main ein Fachbuch ausleihen möchte, der ist bei der Universitätsbibliothek Johann Christian Senckenberg an der richtigen Stelle. Wenn man allerdings mal eine gewisse Zeit lang keine Ausleihungen tätigt und in der Zwischenzeit der Nutzerausweis abläuft, landet man ganz schnell auf dem Index: Aus „Gründen der Datensparsamkeit“ muss man sich beim nächsten Ausleihewunsch erneut anmelden. Das ist bei Bibliotheken so üblich. Sie gehen ­bewusst mit den Daten ihrer Nutzer um. 

In der Finanzwelt will man dagegen von so etwas wie Datensparsamkeit nichts wissen. Aller Orten werden sie für viel Geld von Dienstleistern zugekauft, gesammelt und auf mögliche Zusammenhänge hin abgeklopft. Je mehr Nutzerdaten, Kurszeitreihen, ökonomische ­Variablen und Texte in Onlineforen zusammengeklaubt werden, ­umso mehr Erkenntnisse verspricht sich mancher daraus für die Kapital­anlage. Protegiert wird diese Entwicklung durch den Einsatz von Hochleistungsrechnern und ausgefuchsten Algorithmen unter dem Überbegriff „Machine Learning“ oder „künstlicher Intelligenz“, ­einem Teilgebiet der Informatik. Darin wird versucht, eine menschenähn­liche Intelligenz nachzubilden und einen Computer so zu programmieren, dass er eigenständig Probleme bearbeiten kann.

Hier treffen also zwei Sichtweisen aufeinander. Der 2017 aus der Fusion von Janus Capital und der Henderson Group hervorgegangene Asset Manager Janus Henderson Investors gehört zu jenen, die, anders als Bibliotheken, nicht gegen elektronische Datenmassen in Form von Nutzerdaten abgeneigt sind. Warum auch? Die dramatischen Fortschritte bei der Rechenleistung, die schiere Masse der verfügbaren Daten sowie ihre immer schnellere und dabei kostengünstigere Analyse machten nun die sogenannte künstliche Intelligenz zum Dreh- und Angelpunkt für einen „weiteren Paradigmenwechsel in der Technologiegeschichte“, heißt es in ­einem aktuellen Statement des ­hauseigenen Global Technology Team, unter der Überschrift: „Künstliche Intelligenz: von Science Fiction zum attraktiven Anlagethema“.

Mysterious ways

In dem Papier vertritt Janus Henderson die Meinung, dass innovative Technologien in einer globalisierten Wirtschaftswelt disruptive Wirkung entfalten und neue Märkte schaffen werden; oder anders: Der Anbieter ist ­offen für Neues, während viele Portfoliomanager die Sorge ­umtreibt, dass durch den Einsatz künstlicher Intelligenz bestimmte Aufgaben bald nur von Kollege Computer erledigt werden. Dabei ist das Auslagern bestimmter Funktionen keine Zukunftsmusik mehr – Rechnungen lesen, Schäden prüfen, Kundenanfragen bearbeiten: Schon heute werden viele wiederholbare Arbeitsschritte bei Versicherern von Computern erledigt. Doch dabei wird es nicht bleiben. In ­Zukunft könnte künstliche Intelligenz nach Einschätzung der ­deutschen Versicherungswirtschaft weitere Aufgaben übernehmen.

Und während eben noch von Datensparsamkeit die Rede war, haben Investmentgesellschaften Interesse an großen Datenmengen, um sie mit Hilfe künstlicher Intelligenz in monetären Nutzen umzuwandeln. „Dies reicht von der vergleichsweise einfachen Erkennung von Mustern, die menschlichen Reaktionen entsprechen, über maschinelles Lernen, das sich an logischen Schlussfolgerungen orientiert, bis hin zu stärker autonomen Denkprozessen“, argumentiert man in der Denkfabrik und erläutert: Möglich werde all dies durch neuronale Netze und Deep Learning – ein neuronales Netz mit ­mehreren Schichten – mit denen Maschinen ihre eigenen Codes ­schreiben (!) und sich mit deutlich weniger menschlicher Interaktion selbst optimieren könnten. Das hätte der gute, alte „Hal 9.000“ auch gern gekonnt.

Can't stop this thing we started

Laut Janus Henderson befinden wir uns in einer Phase, in der die künst­liche Intelligenz (K.I.) zunehmend für Suchalgorithmen, Übersetzungsanwendungen, Robotik, autonomes Fahren sowie für die Sprach- und Bilderkennung eingesetzt werde. Die Vorläufer dieser Entwicklung sind geradezu abenteuerlich: Forscher haben ab den 1970er Jahren das menschliche Gehirn als Vorbild genommen, das Stichwort hier sind „neuronale Netze“, sie bilden gewissermaßen den roten Faden dieser Erörterung. Mehr darüber und welche Konzepte es gibt, um mit ihrer Hilfe in Portfolien nach Mustern zu suchen, ­können Sie im Interview mit Dr. Jochen Papenbrock vom Fintech-Unternehmen Firamis lesen.

Das Beratungshaus Sopra Steria Consulting wiederum betrachtet die komplexe Thematik von einer übergeordneten Ebene; zum Gesamtverständnis ist das sehr hilfreich: „Lernende, sich selbst optimierende Systeme sind die Grundlage für die nächsten Entwicklungsstufen der Automatisierung“, erläutert der Consultant und weist darauf hin, dass der Einsatz von maschinellem Lernen und künstlicher Intelligenz in Unternehmen in der Breite noch am Anfang steht. Aber: „Aufgrund der jüngsten Fortschritte bei der Sprach‑ und Bilderkennung, der ­audiovisuellen Ein‑ und Ausgabe und bei kognitiven Analysen lassen einige Banken, Versicherungen und andere Branchen schon heute Teile ihrer Geschäfts‑ und Kundenprozesse von intelligenten ­Assistenzrobotern erledigen.“ Wie gesagt: In der Versicherungslandschaft regulieren Roboter bereits Schäden.

Professor Dirk Helbing, seit 2007 Professor für Computational Social Science am Department für Geistes-, Sozial- und Politikwissen­schaften der ETH Zürich, hat eine distanzierte Sichtweise, die er ­bereits Anfang 2016 in einem ­Papier („Maschinelle Intelligenz – Fluch oder Segen? Es liegt an uns!“) veröffentlicht hat. Darin warnt er: „Künstliche Intelligenz kann uns in vielerlei Hinsicht eine große ­Hilfe sein.“ Allerdings sei bislang noch jede Technologie mit Nebenwirkungen und Gefahren verbunden gewesen. „Wenn wir nicht aufpassen, können Menschen ihr Recht auf Selbstbestimmung und ­Demokratie, Unternehmen die Kontrolle und Staaten ihre Souveränität verlieren.“

Anhand eines Worst-Case- und eines Best-Case-­Szenarios versucht er zu zeigen, dass sich unsere Gesellschaft an ­einem Scheideweg befindet. Welche grundlegende Bedeutung der Einsatz künstlicher Intelligenz sonst noch haben kann, thematisiert der Vermögensverwalter Acatis Investment, der seit rund vier Jahren zu K.I. forscht, um diese für das Portfolio­management nutzbar zu machen: „Kennzeichnend für KI-Pro­gramme sind autodidak­tisches Lernen sowie das eigenständige Erkennen von Mustern.“ Ihre Einsatzmöglichkeiten im Investmentbereich erstreckten sich unter anderem von der Unternehmensbewertung über die Vorhersage künftiger ‚Gewinneraktien‘, die Portfoliooptimierung bis hin zum Erkennen kritischer Textpassagen und die Identifizierung von ähnlichen Firmen. Mehr über die Bestrebungen von Acatis und Firmengründer Dr. Hendrik Leber erfahren Sie in der November-Ausgabe 2016 von portfolio institutionell mit dem Titelthema „Digitalisierung“.

Wer sich mit der Thematik näher auseinandersetzen will oder muss, dem sei das Fachbuch „Artificial Intelligence in ­Financial Markets“ ans Herz gelegt. Es ist gespickt mit Übersichten, die die Forschungsarbeiten rund um die künstliche Intelligenz auflisten. Der Leser ­erfährt beispielsweise, dass die K.I. bereits Anfang der 1990er Jahre intensiv erforscht wurde. Die Autoren um Dr. Christian W. ­Dunis, Gründer des Beratungshauses Acanto Research, werfen auch ein Schlaglicht auf die jüngsten Entwicklungen auf dem Feld des quanti­tativen Tradings. Sie erläutern den Aufbau neuronaler Netzwerke und stellen Ansätze vor, die sich den einzelnen Anlageklassen, ­Märkten und daran angrenzenden Finanzbereichen widmen, zumal sich das quantitative Investieren in der Gegenwart rapide weiterentwickeln wird.

Superunknown

Zurück zum Fachbuch „Artificial Intelligence in Financial Markets“. In insgesamt vier Sektionen erfährt man Wissenswertes über die ­Analyse von Zeitreihen und wie sie für die Prognose genutzt werden können. Was sich so leicht dahersagt, ist in der Praxis für viele ein Buch mit sieben Siegeln. Denn die Vorhersage finanzieller Zeitreihen wird durch eine große Zahl von Variablen beeinflusst. Nach einem Abriss über Corporate Finance einschließlich Kredit­analyse sowie ­einem Vergleich der „Effizienz lernender Algorithmen“ werden im Abschnitt „Portfolio Management“ Fragen rund um die ­Portfoliotheorie, die Asset Allocation und die Optimierung von ­Portfolien beleuchtet.

Den Autoren zufolge gab es bei der ­Portfolio­optimierung und der Wertpapierselektion im Zusammenhang mit dem Einsatz künstlicher Intelligenz bereits umfangreiche Untersuchungen. Der Haken: Aufgrund der rasanten Fortschritte bei der ­Entwicklung von Methoden rund um die künstliche Intelligenz ist neues Research leider sehr schnell veraltet.

Der Fachliteratur der Gegenwart zufolge umfassen auf der ­künst­lichen Intelligenz aufbauende Methoden einerseits die bereits angeschnittenen künstlichen ­neuronale Netze, heuristische Optimierungsalgorithmen und hybride Techniken. Neuronale Netze werden seit geraumer Zeit in Forschungsfeldern eingesetzt, um komplexe Probleme aus der realen Welt zu modellieren. Aufgrund ihrer „adaptiven Natur“ wird ihnen nachgesagt, Problemlöser zu sein, wenn es etwa darum geht, Vorhersagen zu treffen, Entscheidungen zu fällen und Informationen zu verarbeiten. Die zentrale Herausforderung beim Einsatz künst­licher neuronaler Netze besteht darin, dass sie anhand von ­Vergangenheitsdaten trainiert werden – die sich womöglich in der ­Zukunft so nicht wiederholen. Fortschrittlicher sollen sogenannte ­Expert Systems sein. Sie gelten als prädestiniert dafür, Vorhersagen abzugeben. Aber auch sie sind nicht ohne Fehl und Tadel.

Expertensysteme ­können weder aus Erfahrungen lernen, noch können sie mit nicht-linearen Daten arbeiten. Hybride intelligente Systeme gelten daher als ideale Lösung. Sie können sowohl mit linearen als auch mit nicht-linearen Daten umgehen. Daher ist es denkbar, dass sie die ­Begrenzungen tradierter Konzepte überwinden. Wobei die ­Literatur in dieser Sphäre noch sehr überschaubar ist.

Machines R us

Groß ist dagegen der Erfahrungsschatz, den der Asset Manager ­Tungsten ­Capital unter seinem Dach vereint. Das ebenso wie unser Verlagshaus im Herzen von Frankfurt ansässige Unternehmen verwaltet rund 500 Millionen Euro, davon entfallen rund 90 Prozent auf institutionelle Gelder. Tungsten sammelt nach einem konzeptionellen Schwenk seit September 2013 in seinem Trycon-Fonds Erfahrungen mit der künstlichen Intelligenz im Anlageprozess – bis dahin basierte der Fonds auf einer überwiegend trendfolgenden Strategie. Seither dominieren Modelle der künstlichen Intelligenz das ­Geschehen.

Dennoch legt Firmengründer ­Henning von Issendorff im Interview mit portfolio institutionell großen Wert auf die Feststellung, dass sich die Mitarbeiter des Trycon-Teams des im Mai 2006 gegründeten Unternehmens bereits seit über 15 Jahren mit der Thematik befassen. Und er bittet um Trennschärfe: „Sobald Sie Excel nutzen, befinden Sie sich überspitzt gesagt schon im Quant-Bereich“, flachst von Issendorff. Sein Kollege, der Portfoliomanager Michael Günther untermauert: „Wir sehen das kritisch, auch weil das marketingseitig beliebig ausgeschlachtet wird. Der Beginn unserer Forschung und Entwicklung geht auf das Jahr 2000 zurück. Es hat lange gedauert, bis wir da waren, wo wir heute sind. Es war auch ein Stück weit Pionierarbeit. Damals gab es nur wenige Bücher zu dem Thema. Wir haben dann in vielen Jahren Forschung und Entwicklung unsere eigene Software geschrieben, die es uns ermöglicht, künstliche Intelligenz im Portfoliomanagement nutzbar zu machen.“

K.I.-Know-how liegt auch in den Händen von Portfoliomanager Pablo Hess. Er sagt: „Wir haben um das Jahr 2000 herum die Grundlage ­geschaffen, um nicht nur quantitativ zu arbeiten, sondern auch mit Hilfe von künstlicher Intelligenz Mehrwert für das Portfolio zu generieren.“ Dahinter stehen Modelle oder Algorithmen, die in der Lage sind, aus Daten Zusammenhänge zu ­erkennen und zu lernen. Bei der hauseigenen „Quantmatrix“ geht es vereinfacht gesagt darum, tausende Einflussfaktoren gleichzeitig zu bewerten und zwar inklusive ihrer gegenseitigen, auch nicht-linearen Wechselwirkungen.

 
Anzeige
Einen Kommentar schreiben
Wir freuen uns über Ihre Kommentare. Schreiben Sie uns Ihre Meinung!

CAPTCHA Bild zum Spamschutz Wenn Sie das Wort nicht lesen können, bitte hier klicken.
* Pflichtfelder