ChatGPT sorgt derzeit für Debatten darüber, wie künstliche Intelligenz (KI), die Geschäftswelt verändern wird. Investmentgesellschaften kann KI bei der Ausführung untergeordneter Aufgaben unterstützen. Auf diese Weise kann Sie Entlastung schaffen und tiefergehende Analysen auf breiterer Informationsbasis ermöglichen.
Seit der Einführung von ChatGPT durch OpenAI im vergangenen Jahr ist KI in aller Munde. Artikel und Videos von Akademikern und Praktikern schießen wie Pilze aus dem Boden und zeigen, wie ChatGPT, das aus großen Sprachmodellen (Large Language Models, LLMs) abgeleitet wurde, genutzt werden kann, um Aktien zu analysieren und Marktentwicklungen vorherzusagen. Müssen Sie nun um Ihren Job fürchten?
Nicht so vorschnell. KI wird menschliche Analysten in naher Zukunft nicht ersetzen. An ChatGPT zeigt sich, dass die Fortschritte im Bereich KI bedeutend sind. Wir gehen wir jedoch nicht davon aus, dass KI menschliche Wertpapieranalysen oder fundamentales Research ersetzten kann, deren Ziel es ist, einen langfristigen Ausblick für die geschäftlichen Perspektiven eines Unternehmens und das Ertragspotenzial von Aktien zu entwickeln. Doch da Unternehmen aller Branchen bestrebt sind, von der KI-Revolution zu profitieren, werden Investmentgesellschaften neue Wege finden, um effizienter zu werden.
Verarbeitung großer Datenmengen
Wenn sie richtig eingesetzt werden, können ChatGPT und LLMs Analysten helfen, bessere Arbeit zu leisten. Aktienanalysten sind oft überfordert mit den Mengen an Daten, die verarbeitet werden müssen, um genauen Einblick in ein Unternehmen zu erhalten. Nachrichtenmeldungen, Einreichungen bei Behörden und Gewinnmitteilungen erzeugen einen endlosen Fluss von Informationen. Hierdurch sind Anlageteams gezwungen, detailliertes Research auf eine begrenzte Anzahl von Positionen mit hoher Priorität oder besonders starke Kandidaten für eine Investition zu beschränken.
Doch was wäre, wenn einem Analysten 10.000 sehr kompetente Praktikanten zur Seite stünden? Das wäre eine revolutionäre Entwicklung bei der Informationsverarbeitung, die die Anlagekompetenzen erheblich unterstützen könnte. Wir sind der Ansicht, dass auf LLMs basierende Tools wie ChatGPT für Anlageexperten banale, aber zeitaufwendige Aufgaben übernehmen könnten, die ansonsten unverhältnismäßig viele Ressourcen binden oder überhaupt nicht erledigt würden.
Abdeckung von mehr Gewinnmitteilungen und Einreichungen
Aktienanalysten decken in der Regel Dutzende von Unternehmen in einem Sektor ab und beobachten gleichzeitig Mitbewerber und potenzielle Anlagekandidaten. Während der Berichtssaison ist es unmöglich, an jeder einstündigen Konferenz von Unternehmen zu ihren Ergebnissen teilzunehmen. Und es mangelt ganz einfach an der erforderlichen Zeit, um sich in jede Konferenz von Mitbewerbern einzuwählen.
Die meisten Analysten würden die Gewinnmitteilungen der größten Positionen des Portfolios niemals einem Praktikanten überlassen. Doch mit einer unbegrenzten Anzahl von Praktikanten könnte ein Analyst andere telefonisch oder in Präsenz abgehaltene Konferenzen selektiv den LLMs anvertrauen, die verfeinerte Zusammenfassungen erstellen könnten. Wir haben dies an Gewinnmitteilungen und verschiedenen Dokumenten getestet, unter anderem an der jüngsten Telekonferenz von AB zu den Unternehmensergebnissen, und waren beeindruckt von der Qualität und der Genauigkeit der erstellten Zusammenfassungen.
Analysten möchten stets über Themen oder Fragen im Bilde sein, die möglicherweise außerhalb des abgedeckten Universums aufkommen, etwa im Zusammenhang mit Inflation, Lieferketten oder behördlichen Vorschriften. Die virtuellen LLM-Praktikanten können automatisch nach Informationen zu solchen Themen suchen, diese extrahieren und Benachrichtigungen senden.
LLMs können auch genutzt werden, um bedeutende Änderungen in von Unternehmen eingereichten Dokumenten zu ermitteln. Diese Dokumente umfassen oft Hunderte von Seiten und der größte Teil des Textes ändert sich von Quartal zu Quartal nicht. LLMs können die Einreichungen durchkämmen, um Änderungen zu ermitteln, die auf substanzielle Verschiebungen in der Geschäftstätigkeit oder der Strategie eines Unternehmens hindeuten könnten und einer weiteren Untersuchung bedürfen.
Zusammenfassungen von Besprechungen, Notizen und internen Texten
Portfoliomanager und Analysten nehmen an zahllosen Besprechungen und Zoom-Konferenzen teil. Gelegentlich halten schreiben sie hastig Notizen auf und geben sie Praktikanten, um sie umzuschreiben.
ChatGPT kann Zoom-Transkriptionen zusammenfassen sowie Rohnotizen bereinigen und in eine definierte lesefreundliche Form bringen. Es kann dabei vollständige Sätze bilden oder Listen mit wesentlichen Punkten erstellen. ChatGPT lässt sich auch nutzen, um Themen aus einem längeren, unübersichtlichen Text zu extrahieren und Analysten dabei zu helfen, schnell die Essenz einer abschweifenden Unterhaltung zu erfassen. Aufgearbeitete Notizen sind für ein breiteres, nicht fachkundiges Publikum leichter verständlich und können automatisch mit Teammitgliedern geteilt und in Research-Managementsystemen gespeichert werden.
Mit einer solchen internen Datenbank könnten LLMs genutzt werden, um unternehmensinterne Erkenntnisse zu generieren. Aus unserer Sicht liegt hier die eigentliche Stärke von KI für Investmentgesellschaften. In Zukunft könnten wir in der Lage sein, ChatGPT anzuweisen, eine interne Sammlung von Analystennotizen zu verarbeiten und zu interpretieren, um beispielsweise schnell eine Zusammenfassung des optimistischen oder pessimistischen Szenarios für ein bestimmtes Unternehmen zu erstellen. Das zeigt, wie Fragen und Antworten beim Überwachen von Anlagethesen oder beim Automatisieren von Quartalsberichten für Kunden zu einem wertvollen Tool für leitende Investmentmanager werden können.
Herausforderungen und Risiken
ChatGPT ist eine Technologie, die noch in ihren Anfängen steckt. Wenngleich sie sich schnell verbessert, hat sie immer noch einen besorgniserregenden Hang zum Halluzinieren, also Antworten zu erfinden, die plausibel klingen, aber völlig aus der Luft gegriffen sind. Diese Falschaussagen können äußerst überzeugend formuliert sein. Analysten müssen den Output von ChatGPT überprüfen und seine Richtigkeit feststellen – ganz so, als würden sie mit einem motivierten, aber unerfahrenen Praktikanten zusammenarbeiten, der Zugang zu nicht mit Quellen belegten Informationen aus dem Internet hatte.
Auch Aspekte im Zusammenhang mit Datensicherheit sind von großer Bedeutung. ChatGPT und andere KI-Modelle müssen in die interne IT-Umgebung eines Unternehmens eingebunden werden, um Sicherheit zu gewährleisten und geistiges Eigentum zu schützen. Auch Urheberrechte und Quellenangaben spielen eine wichtige Rolle für Überlegungen dazu, wie maschinell erzeugte Informationen zitiert werden sollen, um Transparenz zu gewährleisten und Compliance-Anforderungen zu erfüllen.
Kulturelle Verschiebung zur Förderung von mehr Produktivität
Neben technischen Fragen bringt ChatGPT auch kulturelle Herausforderungen mit sich. Teams von Datenwissenschaftlern müssen aktiv die Vorteile bewerben und konkrete Beispiele aufzeigen. Analysten müssen erkennen, was sie automatisieren können, sich mit der Technologie vertraut machen und ihre Einschränkungen verstehen. Und angesichts der berühmtesten Innovation von ChatGPT – der Fähigkeit, Befehle in natürlicher, menschlicher Sprache zu verarbeiten – ist es für den Erfolg von entscheidender Bedeutung, die richtigen Befehle einzugeben, um hochwertigen Output zu erhalten. Wenn diese Hürden genommen sind, können Teams die Technologie integrieren.
Wenn sie dies tun, werden ChatGPT und LLMs den Unternehmen, die sie strategisch und systematisch einsetzen, revolutionäre Vorteile bieten. Es ist wichtig, die Fähigkeit von KI, Research durchzuführen oder Wertpapiere auszuwählen, nicht zu überschätzen. Stattdessen sollte man die Aufgaben ermitteln, bei denen im Hinblick auf Produktivität die besten Ergebnisse erzielt werden können, so als erhielte ein Team Unterstützung von Tausenden von Praktikanten. Durch das Kombinieren der Denkleistung von Investmentanalysten mit der Verarbeitungsleistung von ChatGPT können wir unsere Möglichkeiten erweitern, die Effizienz des Research verbessern und letztendlich bessere Anlageentscheidungen treffen.
