Generative KI auf dem Vormarsch | Pictet

Generative KI hat das Potenzial, die Art und Weise, wie wir leben und arbeiten, zu verändern, und könnte bald die Landschaft für Technologie-Investoren neu zeichnen.

Egal ob in den geschäftigen Straßen des Londoner Finanzdistrikts oder im lauten Klassenzimmer – generative künstliche Intelligenz (KI) fasziniert und ist auf dem Vormarsch.

Aber ist der Hype gerechtfertigt? Und was könnte das für Investoren bedeuten?

Was wir jetzt schon sagen können, ist, dass KI in eine neue, noch dynamischere Phase ihrer Entwicklung eingetreten ist. 

Dadurch, dass immer größere Datenbestände zur Verfügung stehen, die Cloudarchitektur immer dichter wird und eine neue Generation leistungsstarker Halbleiter entsteht, kann die Technologie ganz neue Türen öffnen. 

Der International Data Corporation zufolge dürfte der globale KI-Markt (Hardware, Software und Dienstleistungen), um fast 19% pro Jahr auf 900 Mrd. US-Dollar im Jahr 2026 anwachsen (siehe Abb. 1).

Aber diese Zahlen sind nur ein Teil der Geschichte. Auch die wirtschaftlichen Effekte könnten enorm sein – Goldman Sachs schätzt, dass die globale Wirtschaftsleistung durch KI in den nächsten zehn Jahren um rund 7 Bio. US-Dollar zunimmt, teilweise dank der gesteigerten Produktivität.¹

Abb. 1 – KI startet durch
Größe des globalen KI-Marktes, Ist und Prognose, in Mrd. USD

Was generative KI so viel leistungsstärker macht als ihr Vorgänger, ist, dass sie maschinelles Lernen (ML) nutzt, um Content ganz neu zu erstellen, der praktisch nicht mehr von dem zu unterscheiden ist, was der Mensch in der Lage ist zu produzieren. Sie kann zum Beispiel Charaktere und Storylines in Online-Spielen erstellen, Finanzberichte verfassen und immer komplexere Kundenservice-Anfragen bearbeiten. 

ChatGPT, entwickelt von dem privatwirtschaftlichen Unternehmen OpenAI, dessen Hauptanteilsinhaber Microsoft ist, ist das bekannteste Beispiel für diese Technologie. GPT steht übrigens für Generative Pre-trained Transformer – eine Form des Large Language Model (LLM), das mit riesigen, breiten und unstrukturierten Datenbeständen angelernt wird. Der KI-Chatbot ist in der Lage, mithilfe eines neuartigen Deep-Learning-Prozesses, dem sogenannten Transformer, kaum vom Menschen zu unterscheidende Antworten auf Texteingaben von Benutzern zu geben. OpenAI hat auch eine Lösung für die Bildgenerierung (DALL-E 2) und eine weitere für die Sprachgenerierung (Whisper) entwickelt.

Doch diese neuen Technologien waren nicht von jetzt auf gleich da. KI-Systeme haben in den letzten zwei Jahrzehnten riesige Fortschritte gemacht. Diese Fortschritte sind auf die Verfügbarkeit massiver Rechenressourcen sowie die Entwicklung leistungsstarker Mikroprozessoren und Fortschritte bei der Speicherung zurückzuführen. 

Monetarisierung der Maschine

Die Investmentmanager unserer Digital, Robotics und Security Strategien gehen davon aus, dass LLMs bald für den kommerziellen Einsatz bereitstehen.

Es ist noch zu früh, um einschätzen zu können, welche Unternehmen am meisten von KI profitieren könnten, aber was wir mit hoher Sicherheit sagen können, ist, dass Unternehmen aus drei großen Technologiesektoren als erstes nach den Sternen greifen können. 

Der erste Sektor ist die Cloudinfrastruktur. 

Datenzentrierte generative KI benötigt eine leistungsstarke Cloudinfrastruktur, die von großen Cloudplattformen, sogenannten Hyperscalern, bereitgestellt wird. Dazu gehören AWS (Amazon Web Services), GCP (Google Cloud Platforms), Microsoft Azure und Meta (Private Cloud).  Zusammen stellen sie rund 78% der gesamten globalen Cloudkapazität bereit (siehe Abb. 2). Der Umsatz aus Cloudinfrastruktur-Services betrug in den ersten drei Monaten des Jahres 2023 63,7 Mrd. US-Dollar – das ist ein Plus von 10 Mrd. US-Dollar im Vergleich zum Vorjahr. Wir gehen davon aus, dass sich dieses starke Wachstum fortsetzen wird.

Abb. 2 – Cloud-Champions
Weltweiter Marktanteil führender Cloudinfrastruktur-Anbieter im 1. Quartal 2023

Auch Halbleiterunternehmen könnten große Gewinner sein.

Die Rechenleistung für KI/ML resultiert hauptsächlich aus der Entwicklung von Grafikprozessoren (GPUs), die für die Ausführung generativer KI-Modelle benötigt werden und die aufgrund ihrer Fähigkeit der ultraschnellen Parallelverarbeitung LLMs mit riesigen Datenbeständen anlernen können. Wir halten Halbleiterhersteller und -ausrüster aber nicht nur wegen GPUs für große Profiteure der generativen KI – auch die Nachfrage nach Halbleitern wird steigen, da mehr Computing-, Speicher- und Netzwerklösungen benötigt werden. Darüber hinaus erfordert die Herstellung dieser immer komplexeren Halbleiter immer fortschrittlichere Ausrüstung. Das erklärt, warum die Umsätze aus der Produktion von Halbleiterausrüstung 2022 die Marke von 100 Mrd. US-Dollar erreichten². Das ist ein neuer Rekord und wir gehen davon aus, dass sich dieser Trend fortsetzt.

Das Chipunternehmen Nvidia war einer der Hauptprofiteure der gestiegenen Nachfrage nach Rechenleistung für die Verarbeitung von KI-Algorithmen wie ChatGPT. Hier kommen die High-End-Grafikprozessoren für Rechenzentren zum Einsatz, wie beispielsweise der A100 und der neue H100. Auf diese Prozessoren entfällt mittlerweile mehr als die Hälfte des Umsatzes von Nvidia.

Der Großteil der Rechenfunktionen wird jedoch immer noch von normalen CPUs ausgeführt. Hier ist Intel weiterhin Marktführer, aber in den letzten Jahren hat sich das kalifornische Unternehmen AMD große Marktanteile gesichert.

Egal ob CPUs oder GPUs, die Nachfrage nach immer fortschrittlicheren Chips wächst.

Dennoch wird es immer schwieriger, sie noch kleiner, noch intelligenter und noch günstiger zu machen. Mittlerweile kostet es Hunderte Millionen Dollar, einen neuen High-End-Chip zu entwickeln. Und ausgerechnet die KI kann bei der Herstellung dieser neuen Chips helfen – durch den Einsatz von Electronic Design Automation (EDA) Tools, die von Unternehmen wie Synopsys und Cadence entwickelt wurden. Synopsys hat eine ganze KI-Suite von EDA-Tools auf den Markt gebracht, mit denen bereits über 200 neue Mikrochips entwickelt wurden.

Auch Softwareunternehmen könnten im Zeitalter der generativen KI als Gewinner hervorgehen. Wer es schafft, KI in seine Produkte zu integrieren, hat einen großen Wettbewerbsvorteil. Der GitHub Copilot von Microsoft ist das beste Beispiel für den Einsatz von KI in der heutigen Softwareentwicklung.  In einer von Microsoft veröffentlichten Studie waren Entwickler, die das Tool für die Programmierung verwendeten, produktiver – sie lieferten bessere Ergebnisse in kürzerer Zeit (55% weniger Zeitaufwand) und das alles für rund 100 US-Dollar pro Jahr für das Copilot-Abo.³

Ein weiteres Softwareunternehmen im Wettlauf um die KI-Integration ist der Kunst-Generator Firefly von Adobe, der mit den 175 Millionen lizenzfreien Fotos und Bildern des Unternehmens angelernt wurde. Somit ist eine urheberrechtskonforme Bildgenerierung in allen Produkten des Unternehmens möglich.

Im Bereich der Cybersicherheitssoftware muss sich die Branche darauf einstellen, dass generative KI für die Abwehr potenzieller Bedrohungen durch von anderen Maschinen geschriebenen Schadcode eingesetzt werden muss. KI dürfte eine schnellere Erkennung und Neutralisierung von Angriffen ermöglichen. CrowdStrike und Palo Alto sind zwei der Unternehmen, die die leistungsstarke KI bereits in ihren Cybersicherheitsplattformen nutzen. Mit der Zeit wird Cybersicherheit auch eine immer größere Rolle beim Schutz der von KI-Anwendungen verwendeten Daten und der Sicherung der Qualität dieser Daten spielen. 

Was die Effekte der KI für Cybersicherheitsunternehmen und Geschäftsanwender anbelangt, halten wir Effizienzgewinne (d.h. eine Verkürzung der Zeit bis zur Erkennung und Abwehr von Angriffen) für das wahrscheinlichste Ergebnis. Generative KI wird mit der Zeit immer mehr Routineaufgaben übernehmen, die heute noch von Cybersicherheitsteams ausgeführt werden. 

Stolpersteine auf dem Weg

Bei all den Vorteilen der KI gibt es aber auch Gefahren. Daher kommt der Regulierung eine entscheidende Rolle zu, damit die Entwicklung und Verbreitung der Technologie gesteuert wird. 

Heute schon gibt es große Bedenken hinsichtlich der Genauigkeit der Daten, Urheberrechtsverletzungen, Datenschutz und Marktkonzentration.  Einige dieser Herausforderungen werden bereits angegangen. KI kann sich in bestimmten Fällen selbst kontrollieren und regulieren. In der Content Moderation, also dem Einwirken auf Medieninhalte, zum Beispiel kommen vortrainierte KI-Modelle zum Einsatz, um vor schädlichen Inhalten zu schützen. Mit der Zeit wird es immer mehr Modelle und Einsatzszenarien dieser Art geben.

Es herrscht jedoch auch Sorge darüber, was KI für die menschliche Existenz bedeuten könnte und ob sie, wenn sie nicht in die richtigen Bahnen gelenkt wird, eine ernsthafte Bedrohung für die Gesellschaft darstellen könnte. 

Auch die offizielle Regulierung solcher Technologien ist entscheidend – daran arbeiten sowohl Regierungen als auch Unternehmen bereits aktiv. Die Mitbegründer von OpenAI haben gefordert, dass eine ähnliche Institution wie die Internationale Atomenergie-Organisation eingerichtet wird, die „Systeme überprüft, Audits anordnet, die Einhaltung von Sicherheitsstandards kontrolliert und den Einsatz beschränkt und Sicherheitslevels vorgibt“.

Noch in den Kinderschuhen
Doch mit der technologischen Weiterentwicklung werden immer mehr Lösungen verfügbar sein, so viel ist sicher. Obwohl wir uns der Risiken bewusst sind, sind wir überzeugt, dass die KI ein echter Game Changer sein wird, ähnlich wie das iPhone vor über 15 Jahren in seinen frühen Tagen den Weg für die Nutzung von Smartphones und Apps und die Gründung von AWS als ersten Cloudanbieter bereitet hat. Jetzt revolutioniert die KI-Technologie die nächste Generation von Technologie-Startups.

Technologien wie ChatGPT geben nur einen winzigen Einblick in die Möglichkeiten der KI. Wir sind überzeugt, dass KI in den nächsten zehn Jahren die Geschäftsmodelle verändern, die operative Effizienz steigern und eine strategische Differenzierung bewirken wird. Auf dem Weg wird es Stolpersteine geben, aber generative KI wird sich durchsetzen. 

Autorin:

Anjali Bastianpillai, Senior Product Specialist

Anjali Bastianpillai ist seit 2016 bei Pictet Asset Management beschäftigt und als Senior Product Specialist in unserem Thematic Equities Team für unsere Strategien Robotics, Security und Digital verantwortlich. In diese Funktion wechselte sie 2018 – davor war sie Senior Client Portfolio Manager für das Total Return Fixed Income Team und ihr Tätigkeitsschwerpunkt lag auf Credit Long/Short- und EM Debt Long/Short-Strategien.

Anjali Bastianpillai war zuvor bei Tide Pool Capital (einem Marketplace Lending Fund mit Fokus auf US-Verbraucherkrediten) als Head of Credit & Risk beschäftigt. Davor war sie bei Vitol Services Limited als Senior Credit Officer und bei The Carlyle Group als Head of Investor Relations, European Leveraged Loans, tätig.  Anjali Bastianpillai begann ihre Laufbahn als Finanzanalystin bei der Capital Markets Assurance Corporation (jetzt MBIA Inc) und war dann als Verbriefungsanalystin bei Standard & Poor’s beschäftigt.

Sie hat einen Bachelor of Science in Business Administration der Georgetown University.

Fußnoten:

¹ Goldman Sachs, Generative AI – Part I: Laying Out the Investment Framework, März 2023
² https://semi.org/en/news-media-press/semi-press-releases/global-total-semiconductor-equipment-sales-2022
³ https://github.blog/2022-09-07-research-quantifying-github-copilots-impact-on-developer-productivity-and-happiness/