Welche Kriterien bei der Identifikation langfristiger Nutznießer von KI helfen könnten – und welche nicht:

Prompting als künftige Schlüsselqualifikation

Die Fähigkeit, künstliche Intelligenz (KI) zu bedienen, ist innerhalb kürzester Zeit zu einer Schlüsselqualifikation geworden. Vom Studenten bis zum leitenden Angestellten lernen wir alle die Kunst der richtigen Eingabe, um mit Kontext und Nuancen in der Frage möglichst nützliche Antworten zu generieren. Generative KI verspricht große Produktivitätssteigerungen, sie könnte beispielsweise in der Unternehmensberatung eingesetzt werden, um Kundenanfragen maßgeschneidert mit bestehenden, öffentlich zugänglichen Informationen zu beantworten.(1) Große Sprachmodelle (Large Language Models, LLM) können auch eine natürlichere Benutzeroberfläche mit spezialisierten Anwendungen bieten. Umso wichtiger ist es, die Problemstellung und die eigenen Ziele zu verstehen, noch bevor man die Frage abschickt.

Nehmen wir etwa die Aufgabe, die langfristigen Nutznießer der künstlichen Intelligenz auf dem Aktienmarkt zu identifizieren. Einfach nur eine KI zu fragen und auf die Antwort zu vertrauen brächte wenig – zumindest in absehbarer Zukunft. Diese Grenzen existieren, da KI häufig zur Beantwortung von Fragen nur auf bereits vorhandenes Wissen zurückgreift, also nur Muster erkennen kann, die bereits in der Vergangenheit häufig zu beobachten waren. (2) Auch dürfte es dauern, bis Unternehmen lernen, ihre Arbeitsweise im Hinblick auf die neuen Möglichkeiten, die KI eröffnet, neu zu organisieren.(3)

Wir suchen nach dauerhaften Wettbewerbsvorteilen rund um das KI-Produkt eines Unternehmens

KI beschleunigt bereits in vielen Bereichen den wissenschaftlichen Erkenntnis-gewinn und die Innovation, insbesondere auch in der angewandten Forschung des privaten Sektors (siehe Grafik). "Wir glauben, dass die langfristigen Nutznießer von KI über starke Hebel verfügen, um das zukünftige Umsatz- und Gewinnwachstum voranzutreiben. In unserer Analyse legen wir besonderen Wert auf dauerhafte Wettbewerbsvorteile rund um das KI-Produkt eines Unternehmens sowie das damit verbundene Wachstumspotenzial.“, erklärt Tobias Rommel, Senior Portfolio Manager bei der DWS. Das langfristige Potential sollte jedenfalls nicht unterschätzt werden. Im Jahr 2017 sorgte AlphaZero von Deep Mind für Schlag-zeilen, indem es das bis dato leistungsfähigste Schachprogramm besiegte, und zwar ganz ohne dabei etabliertes menschliches Wissen über Schachstrategien zu verwenden.(10)

1 Financial Times (ft.com) “Here’s what we know about generative AI’s impact on white-collar work”
2 Als sehr nützliche und unterhaltsame Einführung sehr empfehlenswert Shane, J. (2019), “You Look Like a Thing and I Love You: How Artificial Intelligence Works and Why It's Making the World a Weirder Place Hardcover”,  siehe insb. S. 235 3 Agrawal, A., Gans, J. and Goldfarb, A. (2022, rev. ed.) "Prediction Machines, Updated and Expanded: The Simple Economics of Artificial Intelligence" Harvard Business Review Press, Damit kann sie (bei korrekter Nutzung) menschliches Fachwissen zwar hervorragend ergänzen aber in der Regel nicht ersetzen.[[Disclaimer: Agrawal, A., Gans, J. and Goldfarb, A. (2022, rev. ed.) "Prediction Machines, Updated and Expanded: The Simple Economics of Artificial Intelligence" Harvard Business Review Press
3 https://www.dws.com/en-gb/insights/cio-view/cio-view-quarterly/q2-2023/20230626-cio-view-focus/