KI vs. Analysten: Die Zukunft der Anlageforschung

Kann künstliche Intelligenz menschliche Analysten überflüssig machen? Das ist die Frage, die alle umtreibt, während KI-Modelle die Anlageforschung komplett revolutionieren. Byron Wien, ein Marktstratege, der die 1990er Jahre prägte, glaubt die beste Forschung stammt aus kühnen, nicht-konsensuellen Ideen, die sich als richtig erweisen.

Jetzt steht die KI unter Druck, diesem Standard zu genügen und Analysten, die das Feld seit Jahrzehnten dominieren, möglicherweise beiseite zu schieben. Seit Jahren analysieren Finanzberichte und durchsuchen Schlagzeilen, alles um Anlegern zu besseren Entscheidungen zu verhelfen.

KI ist in diesen Bereich eingestiegen mit Tools, die vereinfachen, automatisieren und manchmal traditionelle Methoden übertreffen. Large Language Models (LLMs) haben sich als besonders effektiv bei der Analyse von Finanzdaten erwiesen und leisten in Minuten, was ein Team von Analysten Tage brauchen würde.

Die Vorhersage von Gewinnen liegt beispielsweise genau in den Stärken der KI. Gewinnmuster folgen tendenziell logischen Trends—gute Jahre führen zu weiteren guten Jahren; schlechte Jahre führen zu weiteren schlechten. KI gedeiht in diesen vorhersehbaren Bereichen und übertrifft menschliche Analysten, die manchmal durch Rauschen oder Voreingenommenheit ihre Urteile trüben lassen.

LLMs schreiben das Spielbuch der Investitionsanalyse neu

Der Universität von Chicago ? mit LLMs hat für Aufsehen gesorgt. Forscher nutzten KI, um die Gewinnvarianz vorherzusagen, und stellten fest, dass diese Modelle die medianen Schätzungen menschlicher Analysten schlugen. Das Geheimnis? LLMs sind hervorragend darin, die Geschichte hinter den Gewinnberichten zu verstehen, etwas, das traditionelle Algorithmen nie geschafft haben. 

Diese Modelle imitieren die logischen Schritte von Senior-Analysten, wie disziplinierte Junior-Mitarbeiter in einem Finanzteam. KI-Modelle umgehen auch eine der größten menschlichen Fallstricke: Überheblichkeit. Analysten sind berüchtigt dafür, ihre Prognosen anzupassen, um das zu erfüllen, was sie denken, dass Anleger hören wollen. KI spielt dieses Spiel nicht.

Durch das Anpassen der „Temperature“-Einstellungen eines KI-Modells—a fancy term for randomness—kannst du Risiko- und Renditebänder mit kalten, harten Statistiken berechnen. Du kannst sogar eine Konfidenzschätzung für seine Vorhersagen erhalten. Menschen hingegen neigen dazu, mit ihren Prognosen überheblich zu werden, und beharren auf schlechten Entscheidungen, anstatt sie neu zu bewerten.

Trotz dieser Erfolge ist KI alles andere als perfekt. Sie wird nicht das nächste Nvidia finden oder einen weiteren globalen Finanzzusammenbruch vorhersagen. Große Marktschocks wie diese folgen keinen Mustern, und KI hat Schwierigkeiten, wenn das Unerwartete passiert.

Sie kann auch keine Unternehmensvorstände während der Gewinnkonferenzen ausfragen oder ausweichende Antworten zu kritischen Themen erkennen. Märkte sind chaotisch und ständig im Wandel, und KI fehlt die Intuition, sich anzupassen. Hier glänzen Top-Analysten immer noch—they know when to pivot, dig deeper, and push for answers.

Aber der KI-Hype wird wahrscheinlich noch lange stark bleiben. Tech-Giganten sind besessen. Microsoft setzt auf KI und die dafür benötigte Infrastruktur mit 80 Milliarden Dollar. Für das Geschäftsjahr 2025 plant der Tech-Gigant, mehr als die Hälfte davon in den USA für Rechenzentren auszugeben, um KI-Modelle zu trainieren und bereitzustellen.

Warum diese Ausgabe? KI verlangt nach wahnsinniger Rechenleistung. Das Trainieren von Modellen wie ChatGPT bedeutet, Tausende von Chips in massiven Rechenzentrumsclustern zu verknüpfen.

Werbung könnte den nächsten Tech-Boom antreiben

KI könnte denselben Weg wie frühere Tech-Revolutionen einschlagen: angetrieben von Werbegeldern. Erinnert ihr euch, wie Google und Facebook an die Macht kamen? Sie kassierten bei Budgets für den Markenaufbau und nahmen Dollar von allen—von Tide bis zu deinem lokalen Klempner.

Sogar abonnementlastige Unternehmen wie Netflix und Amazon stützen sich jetzt auf Werbung. Alphabet, die Muttergesellschaft von Google, ist ein Paradebeispiel dafür, wie weit dieses Modell gehen kann. Seit seinem Börsengang 2004 ist Alphabet’s Umsatz um das 160-fache gestiegen und hat 2023 über 300 Milliarden Dollar erreicht.

KI hat das Potenzial, Branchen umzugestalten, genau wie Radio, Fernsehen und das Internet es zuvor taten. Damals stützten sich Zeitungen zu zwei Dritteln auf Werbung für ihre Einnahmen.

Radio und Fernsehen gediehen durch Werbespots, die sie für das Publikum kostenlos hielten. KI könnte bald die nächste große Werbeplattform sein, die Dollar einsammelt, um bahnbrechende Entwicklungen zu finanzieren.

KI kann Ideen spucken—einige brillant, andere unsinnig. Sie kann endlose Szenarien durchspielen und Erkenntnisse aus der Geschichte ziehen, die selbst eine Armee von Forschern übersehen könnte. Aber sie kann dir nicht diesen „Funken der Genialität“ geben. Analysten bringen etwas mit, das KI nicht replizieren kann: die Fähigkeit, zu hinterfragen, sich anzupassen und das große Ganze in Echtzeit zu sehen. 

Diese menschliche Note ist in einer Welt, in der nicht-konsensuelle Empfehlungen—die, an die keine Maschine denken würde—oft die profitabelsten sind, immer noch unschätzbar wert. Die eigentliche Erkenntnis? KI und Analysten sind keine Feinde. Sie sind Werkzeuge füreinander.