#1: Kann KI Erwartungen von Fakten trennen - und warum bewegt das Märkte?

00:00:01: Schlagzeilen sind laut.

00:00:18: Erwartungen an der Börse können teuer sein!

00:00:21: Willkommen beim Generation Data Podcast.

00:00:25: Ein Unternehmen liefert Rekordzahlen und die Aktie fällt zweistellig, klingt absurd aber passiert ständig.

00:00:32: Im Generation Data Podcast erklären wir heute, warum nicht die Nachricht zählt sondern ihre Interpretation und auch, wie KI dabei helfen kann.

00:00:41: Erwartungen von Fakten zu trennen!

00:00:44: Unser Gast heute Dr.

00:00:45: Markus Ebner von Cognum.

00:00:47: Was steht denn auf Ihrer Visitenkarte für eine Funktion?

00:00:50: Für was sind Sie

00:00:51: verantwortlich?!

00:00:52: Hallo Herr Heinrich, ich freue mich bei Ihnen zu sein.

00:00:55: und ja was steht auf meiner Visitenkarte?

00:00:57: Head of Multi Estates and Liquid Alternatives.

00:01:00: Das klingt jetzt erstmal ein bisschen abstrakt.

00:01:02: Was mache ich in unserer täglichen Arbeit?

00:01:04: Wir verantworten insgesamt vier Milliarden Euro.

00:01:07: erstens an der Management in verschiedenen Strategiearten.

00:01:11: eine Strategieart das sind klassische Wett-Sicherungskonzepte wo uns Kunden einen Risikobudget vorgeben und wir gegeben dem Risikodudget versuchen den Ertrag zu maximieren.

00:01:20: Eine andere Strategieart ist die Tactical Asset Allocation, wo wir prognostizieren ob beispielsweise US-Aktien gegenüber europäischen Aktien besser oder schlechter performen.

00:01:30: Und ja, die neueste Strategie, die wir im Multi-Asset Bereich implementiert haben ist unsere Global Data Sentiment Strategie und darüber sprechen wir heute auch über Sentiment.

00:01:41: und was machen wir in dieser Strategie?

00:01:42: Kurz gesagt, wir sammeln mehr als anderthalb Millionen Zeitungsartikel auf täglicher Basis.

00:01:48: Filtern die auf die Themengebiete für die unsere Analysen gezeigt haben dass sie wirklich die Märkte bewegen.

00:01:54: also keine Klatsch- und Tratschnachrichten sondern wirklich Nachrichten über die Wirtschaft unternehmensdaten.

00:02:00: Auf Basis dieser Artikel leiten wir dann das Sentiment ab.

00:02:04: ist die Stimmung gut ist die stimmung schlecht wie es der Erwartungshaltung dem Marktteilnehmer?

00:02:08: und auf diese Erwartungshaltungen gehen wir dann aktive Position ein.

00:02:14: Aus dem Börsenradestöte grüßt Peter Heinrich, also so weit habe ich das verstanden.

00:02:18: Ich mache jetzt seit dreißig Jahren Börseneradio und jeden Abend wenn wir den Schlussbericht machen kommt die Frage warum?

00:02:26: Warum der Markt so und so reagiert?

00:02:28: Warum es top Rekordzahlen von Microsoft gibt und die Aktie um elf Prozent fällt?

00:02:33: Warum diese Interpretation?

00:02:36: Dr.

00:02:37: Ebener, warum reagieren Märkte oft nicht auf die Nachricht sondern eben nur auf die Deutung einer Nachricht?

00:02:43: Ja das ist ganz einfach.

00:02:44: letztendlich sind die Märkte – das klingt erst mal abstrakt aber Märkte sind letztendlichen Investoren sprich Menschen, die Nachrichten interpretieren wie sich anschauen.

00:02:53: okay.

00:02:54: wie war die Vergangenheit, wie ist die aktuelle Situation?

00:02:57: aber insbesondere wie es die zukünftige Erwartungen beispielsweise gegenüber eine Aktie gegen über einem Währungsmarkt Und verbunden mit dieser zukünftigen Erwartung ist natürlich auch eine Stimmung.

00:03:07: Ist die Erwartungen positiv?

00:03:08: Ist die Stimmung positiv gegenüber diesem Investment, ist die Erwartung negativ, ist doch die Stimmung negativ und was bei den Märkten gehandelt wird sind eben zukünftig Erwartungs- und Stimmung und nicht was in der Vergangenheit passiert.

00:03:22: Also zahlen sind Faktenkurses.

00:03:24: in Meinungen mit Preisschilds Hätten Sie vielleicht ein Beispiel, es gibt ja Rekordzahlen.

00:03:29: Aber der Kurs nimmt minus zehn Prozent, dann denkt man sich wie kann das wirklich sein?

00:03:34: Passt das wirklich zusammen?

00:03:36: Ja, wie gesagt, das eine sind eben die harten Fakten, die eben publiziert wurden und das andere ist eben eine Erwartungshaltung.

00:03:42: Vielleicht haben viele Marktteilnehmer insgesamt erhofft dass die Reformzahlen, dass die Unternehmenskennzahlen doch deutlich besser ausfallen als eigentlich im Konsensus publiziert wurde und verbunden damit wiederum, okay wie ist die Erwartungshaltung?

00:03:58: Sind die Steigerungen in den nächsten Jahren?

00:04:00: werden die weiter sofort geschrieben oder steht vielleicht doch in diesem Bericht, in diesen Earningsbericht, diesen Gewinnkennzahlen doch irgendwo versteckt.

00:04:09: Ja, in der nächsten Jahre wird vielleicht die Dynamik etwas abflachen und darauf reagieren die Marktteilnehmer sehr

00:04:15: sensitiv.".

00:04:17: Jetzt is ja Sentiment nicht neu!

00:04:20: Wo scheitert eigentlich?

00:04:21: das klassische Sentiment messen also wie funktioniert es jetzt?

00:04:25: Also wenn man ganz weit zurückgeht, dann kommt man eben zu solchen Sentimentenzahlen wie beispielsweise den IFO-Index die aber den Nachteil haben dass sie nur einmal im Monat erhoben werden und auch bis sie publiziert werden doch recht viel Zeit vergeht.

00:04:39: Das war so Stand der Technik würde ich sagen bis vor fünf Jahren.

00:04:44: was vor fünf sechs Jahren dann immer mehr verfügbar wurde sind elektronische Zeitungsartikel die man eben sammeln erfassen filtern kann.

00:04:51: und klassischerweise geht man dann Derart vor, wenn man das Sentiment mit die Stimmung aus einem Artikel filtern will.

00:04:58: Dass man einen Wörterbuch basierten Ansatz verwendet.

00:05:01: Es gibt Wörtermücher aus Bereichen der Wirtschaftspsychologie Mit positiv konontiertem Wörtern Mit negativ konontierten Wördern Und dann geht man einfach Durch den Artikel zählt die Anzahl der positiven Wörters Zählt dieanzahl Den Negativenwörter und bildet daraus ein Score Um eben zu sehen Ist dieser Artikel eher positiv kononitiert Oder ist er eher negativ komontiert?

00:05:24: Das ist so die klassische Welt, woher wir kommen und wir auch schon seit über fünf Jahren live implementieren.

00:05:30: Und daraus unsere Sentiments ableiten.

00:05:33: Also noch vor KI sozusagen was geht denn eigentlich üblicherweise verloren?

00:05:39: Kontext, Ironie, Nuancen vielleicht sogar Zeithorizont.

00:05:43: dazu kommt ja eigentlich noch quasi ich stelle mir das grad vor eine Sprache hinzu.

00:05:48: Wie will man ganz viele Sprachen richtig interpretieren mit diesen feinen Deutungsunterschieden?

00:05:53: Also alleine Deutschland versus Österreich.

00:05:55: Eigentlich ist es ja eine Sprache, aber wenn die Österreicher von Veranlagung sprechen, meinen sie Geld anlegen.

00:06:00: Wenn wir Deutschen von Veranstaltungen sprechen denken viele oft an zu viel Kilos sozusagen der ein oder andere mit sich rumträgt.

00:06:07: Ja das sind genau die richtigen Stichwörter Heinrich.

00:06:09: Dieser klassische Ansatz ist zwar sehr robust

00:06:12: d.h.,

00:06:13: diesen Ansatz auf eine Vielzahl von Artikeln anwendet, über hundert oder tausende Artikel zu einem Themengebiet.

00:06:19: Dann bekommt man dann schon einen recht guten Score und da bekommt man schon guten Eindruck.

00:06:24: wie ist die allgemeine Markterwartung, die allgemene Marktstimmung?

00:06:28: Aber dieser Ansatz ist überhaupt nicht präzise weil einfach dieses Kontextbewusstsein komplett fehlt!

00:06:35: Und hier kann KI wirklich die Stärken ausspielen, weil KI ein kontextuelles Bewusstsein hat das heißt beispielsweise doppelte Verneinung, die eben bei dem einfachen Wörterbuchbasierten Ansatz in die falsche Richtung zeigen würden.

00:06:51: Die erkennt die KI.

00:06:53: oder eben auch man kann unterscheiden ist der positive Teil einer Nachricht eher in die Zukunft gerichtet oder in die Vergangenheit gerichtet?

00:07:02: und was uns interessiert ist eben nach vorne gerichtet.

00:07:06: wir sind die Erwartungen der Marktteilnehmer.

00:07:08: wie ist die Stimmung?

00:07:09: Und weniger die Tatsache einer Beschreibung, dass in den letzten Jahren beispielsweise das Unternehmen sehr profitabel war.

00:07:17: Aber in der Zukunft die Prognose doch eher negativ ist?

00:07:21: Da würde auch eben ein klassischer Ansatz nicht weiterhelfen sondern würde uns in die falsche Richtung führen.

00:07:28: und KI spielt hier wirklich ihre Stärken aus indem sie Bewusstsein des Kontext hat und eben eine Antwort darauf gibt nach vorneblickend wie es die Stimmung in diesem Artikel ist eher positiv oder eher negativ zu sehen.

00:07:41: Naja, wir kennen das ja.

00:07:43: Wenn man so Artikel hat, die Inflation fällt ist ja nicht unbedingt automatisch positiv für den Märkte.

00:07:50: Tastet uns mal ran!

00:07:50: Kommen wir zum KI-Einsatz.

00:07:52: Was können LLMs besser als die Wortzählerei in einem Satz?

00:07:58: Was ist eigentlich der eigentliche Sprung?

00:08:00: So was sind LLM's also auf Deutsch große Sprachmodelle.

00:08:04: Das sind hochentwickelte KI-Programme, die eigentlich darauf spezialisiert sind meine Sprache.

00:08:09: Die menschliche Sprache zu verstehen, zu verarbeiten und zu generieren.

00:08:13: ja was können eben diese LLMs besser als die Wortzählerein einem Satz?

00:08:18: Was ist der eigentliche intelligente Sprung?

00:08:20: Der intelligente sprung ist sie verstehen den Text und Sie können antworten präzise Antworten auf Fragen geben bezüglich eines Textes.

00:08:29: und wie Sie eben schon erwähnt hatten nehmen wir das Beispiel Leitzinsen werden gesenkt, Leitzinsen fallen.

00:08:36: Fallen ist erst mal negativ konontiertes Wort und in dem klassischen Ansatz mit einem Wörterbuch basierten Ansatz hätte man dann eben ein negativen Score.

00:08:45: die KI hingegen, die versteht das Leitzinnen wenn Leitzinnen fallen dass ja für Aktien beispielsweise eher positiv ist und würde uns da eben auch ein positives Signal daraus generieren.

00:08:57: also erkennen LLMs oder ich nenne es jetzt mal kurz einfach KI, erkennt die KI, ob eine Nachricht wirklich dann marktrelevant

00:09:06: ist?

00:09:06: Das ist relativ schwierig.

00:09:07: Wir gehen hier in einen zweistufigen Prozess vor und zum Ersten bekommen wir von den Datenanbietern mit denen wir zusammenarbeiten mit den Nachrichten auch eine Vielzahl von Themengebieten zu diesen Nachrichten.

00:09:20: das heißt ist ein Artikel über Unternehmensnachrichten, ist es über Inflationsdaten etc.. und wir bekommen von den Datenanbietern mehr als fünfzigtausend verschiedene Themengebiete angeboten.

00:09:32: Und jeder Artikel hat gängigerweise mehrere Themengebieten, die eben darin erwähnt sind in einem Artikel.

00:09:39: Die KI haben wir im ersten Schritt verwendet um aus diesem Dickicht von Vielzahl von Themengebiten einmal diejenigen herauszufiltern, die aus Sicht der KI... Sinn ergeben.

00:09:50: Das ist dann eher so ein bisschen statistischer Ansatz, woher die Technik der KI zum Tragen kommt und die KI hat uns in etwa tausend verschiedene Themengebiete vorgegeben aber da hat sie auch oftmals halluciniert.

00:10:03: das kennen wir aus anderen Bereichen von der KI.

00:10:06: das sind eben Scheinkorrelationen die raus gearbeitet werden und dieKI versteht nicht dass es wirklich kein ökonomischer Zusammenhang ist.

00:10:13: Wir als Kwonium haben aber in etwa zwanzig Research-Analysten, deren Aufgabe es ist eben Prognosemodelle zu erstellen.

00:10:21: Aber auch eben zu verstehen – Haben solche Themengebiete wirklich einen ökonomischen Hintergrund oder ist das einfach nur Halluzination von der KI?

00:10:29: Das heißt im Schritt zwei sind uns Research- Analysten durch diese tausend Artikel gegangen und haben etwa hundertfünfzig selektiert die dann auch wirklich ökonomisch sind ergeben.

00:10:39: So an dieser Stelle hat uns KI schon einmal geholfen KI schon mal als Werkzeug eingesetzt, um aus fünfzigtausend eintausend Themengebiete zu generieren.

00:10:48: Und im Schritt zwei gehen wir dann derart vor dass wir auf täglicher Basis mehr als anderthalb Millionen Zeitungsartikel sammeln.

00:10:56: Wir filtern diese nach Themengebieten die eben aus unserer Sicht Relevanz haben zum Beispiel Unternehmensdaten von spanischen Aktien, die wäre dann von Relevance für den IBEX beispielsweise oder makroökonomische Nachrichten Japanische Rentenpapiere.

00:11:15: und so sammeln wir eben auf täglicher Basis zu diesen Themengebieten alle Nachrichten die publiziert werden.

00:11:21: Wir sprechen hier in etwa von Hunderten bis Zehntausenden Artikeln, also hunderte sind bei Südafrikanischen Unternehmensnachrichten und bei Zehnteusendern sind wir eben bei US-Nachrichten über die Makroökonomie und bilden daraus leitende Sentiment ab, Mithilfe von KI und bilden dann ein Querschnitt über alle Nachrichten, die wir gesammelt haben.

00:11:45: Und haben dadurch immer auf täglicher Basis ein sehr klares Indiz dafür ist für diesen Aktienindex, für den Zinsmark, für diese Währung ist da die Stimmung eher positiv oder negativ?

00:12:01: Also ich fasse mal bisschen zusammen.

00:12:02: das heißt KI kann trennen zwischen Status quo und Ausblick.

00:12:07: Diese LLMs unterscheiden, ob der Text über die Vergangenheit redet oder Zukunft.

00:12:11: Welches mit anderen einfachen Wortenausdrücke würde ich sagen?

00:12:15: Die harte Zahl ist nicht nur der Stein aber die Wellen machen die Interpretation der Nachricht also wie wenn Ich einen Stein ins Wasser werfe.

00:12:25: die Nachricht ist der Stein fällt ins wasser.

00:12:28: Punkt Der Stein ist untergegangen.

00:12:30: punkt es machte blub blub Blub.

00:12:33: Aber der Markt interpretiert die wellen und das kann dann ihre kei.

00:12:37: Genau, ein schönes Beispiel ist China.

00:12:39: China hat in den letzten Monaten sehr stark mit Deflation gekämpft und normalerweise sind eben sinkende Inflationsraten eher positiv für die Aktienmärkte.

00:12:51: und wenn man hier sich einfach die harten Zahlen anschauen würde, der Stein da ins Wasser fällt, dann würde man eben sagen okay sinkende Inflationsratens sind eher positiv.

00:13:00: allerdings wenn wir deflationäre Verhältnisse haben, dann sind sie alles andere als positiv für beispielsweise die Aktienmärkten.

00:13:07: Und insofern haben wir hier den Umkehrschlust steigende Inflationen bei diesem Kontext positiv.

00:13:13: und wenn eben Artikel über das Thema Inflasion in China geschrieben werden, dann liefern sie uns quasi gleich die Interpretation mit ist diese sinkende oder steigenden Inflations positiv zu bewerten oder negativ zu bewährten?

00:13:28: Vielleicht machen wir noch ein Beispiel.

00:13:29: also Märkte handeln ja die Erwartungen nicht die Überschriften der News.

00:13:33: Hätten Sie doch ein Beispiel.

00:13:35: Ein anderes Beispiel, das wohl die Märkte am stärksten bewegt hatte in den letzten Jahren war der Corona-Ausbruch und hier haben wir gesehen dass die Stimmung in den Nachrichten schon sehr sehr düster wurde.

00:13:48: In etwa zwei bis anderthalb Wochen bevor die Kapitalmärkte wirklich eingebrochen sind.

00:13:52: Das heißt es war quasi schon absehbar da braut sich was zusammen eine globale Pandemie und die Kapitarmärkte waren in diesem Kontext noch relativ träge nach dem motto ach das wird schon gut gehen und wenn man sich da eben frühzeitig positioniert hat mit einer shortposition mittels derivaten dann war es eine sehr gute opportunität.

00:14:15: um eben an diesen markt ineffizienz zu partizipieren

00:14:18: kann sentiment auch mal zu früh sein.

00:14:22: Also richtig, aber eigentlich noch nicht handelbar.

00:14:25: Was fällt mir dazu ein?

00:14:26: Ich habe im Börsenrad immer wieder Analysten und die sagen mir schon seit fast über einem Jahr diese KI-Bewertungen in den USA ist eigentlich zu hoch.

00:14:33: Und trotzdem läuft der Markt!

00:14:35: Der Markt läuft, der Markt läuft... Das Sentiment war schon gemischt und alle haben sich gewundert.

00:14:40: Egal was passiert geht mal klein runter zack und KI läuft weiter.

00:14:44: Ja, was hier vielleicht sehr wichtig ist wir messen das kurzfristige Sentiment.

00:14:48: Wir reden nicht Wochen oder über Monate.

00:14:52: Unser Prognosehorizont sind Tage, das heißt wir prognostizieren oder wir ermitteln das Sentiment sehr kurzfristig.

00:15:00: da ist auch sehr wichtig dass wenn man dieses Sentiment umsetzen möchte es sehr zeitnah am Kapitalmarkt ist.

00:15:05: Das heißt wir sammeln morgens um acht alle Nachrichten der letzten vierundzwanzig Stunden bis um acht Uhr.

00:15:10: dreißig sind die verarbeitet um neun Uhr wenn die europäischen Märkte öffnen bereits am Markt aktiv zu sein.

00:15:18: Das ist vielleicht ganz wichtig zu sagen, dass was wir messen über Zeitungsartikel.

00:15:21: Es verändert sich so schnell!

00:15:23: Das ist kein langfristiges Sentiment sondern ein sehr kurzfristiges sentiment und das dreht auch sehr häufig und deswegen muss man da wirklich sehr zeitnah am Kapitalmarkt aktiv sein.

00:15:34: Ja

00:15:34: wie kann man verhindern, dass KI auf clickbait anspringt?

00:15:39: Also viele Nachrichten-Redakteure schreiben ja eine spannende Überschrift Überschriften aber das ist so ein bisschen übertrieben damit halt die menschen einfach draufklicken.

00:15:51: Ja, das hilft uns dass wir eine vielzahl eben von artikeln sammeln.

00:15:55: das heißt wir sammelt beispielsweise alle frei verfügbaren Zeitungsartikel im gesamten worldwide web Die eben frei verfügt sind und da ist natürlich der eine oder andere dabei der einfach nur nach klicks nach klick giert in anführungszeichen.

00:16:12: wenn man aber hunderte und tausende von Artikeln zu Themengebieten erfasst, dadurch ein Durchschnitt bildet, schafft man es doch letztendlich hier einen relativ guten Marktüberblick zu bekommen.

00:16:26: Sind die Märkte heute schneller als früher oder wenn ich jetzt mit Sentiment Sprache sprechen würde, würde ich sagen sogar schneller beleidigt als früher?

00:16:35: Ich glaube was sich in den letzten Monaten insbesondere geändert hat ist die Taktfrequenz mit denen gerade aus dem USA Nachrichten an den Markt treffen, die sehr disruptive Eigenschaften haben.

00:16:48: Und das hat gerade im Kontext von Trump doch dazu geführt dass ja Die Märkte sich daran adaptieren mussten.

00:16:55: beispielsweise Liberation Day.

00:16:57: Da hatten wir schon ein sehr frühen Signal.

00:16:59: es wurde schon darüber diskutiert Dass eventuell Zölle kommen und dann kam einmal die zölle relativ plötzlich in einer sehr großen Höhe als trump eben für verschiedene Länder, die das Zollhöhen verkündet hat.

00:17:13: Und der Markt ist dann eben früher letztes Jahr eingebrochen, hat sich allerdings sehr schnell wieder erholt und dieser Einbruch waren wir von sehr kurzer Dauer.

00:17:23: Und diese Entwicklung konnten wir sehr gut partizipieren da wir eben sehr frühzeitig gemessen haben.

00:17:29: ja so schlecht ist die Stimmung nicht weil Trump mit sich verhandeln lässt.

00:17:33: zum Thema Grönland beispielsweise Da haben die Markthallnehmer schon daraus gelernt, da wurde die Stimmung zwar schon schlechter und wir haben auch unsere Quoten reduziert in Aktien.

00:17:44: Allerdings ist die Stimmung nicht eingebrochen wie beispielsweise bei Trump.

00:17:48: also dieser Trump always chickens out Trade der Tacko-Trade.

00:17:52: Der wurde schon in der Stimmung etwas antizipiert.

00:17:55: ja mit dem Thema Grönland das ist sicherlich nicht positiv für die Märkte aber er wird nicht durchziehen Und dementsprechend ist das Sentiment dass wir messen passt sich schon sehr schnell an diese disruptive Entwicklung an, die gerade durch Trump an den Märkten aktiv ist.

00:18:11: Um das besser zu verstehen machen wir vielleicht noch ein Beispiel – die Notenbanken!

00:18:15: Wir wissen ja manchmal der Zins entscheidet wichtig und manchmal einfach nur der Tonfall danach.

00:18:21: also wie erkennt man was die Falken und Taupen wirklich wollen wenn die Fakten eigentlich gleich bleiben?

00:18:26: Also was sind so typische Sätze bei denen die Märkte aufhorchen obwohl sich am Beschluss eigentlich nichts wirklich gar nicht ändert.

00:18:33: Ja, das ist eigentlich schon der Wissenschaft für sich bezüglich der Sätze.

00:18:36: Da fragen sie letztendlich den falschen wir sind quantitative asset manager und nicht diejenigen diese setze interpretieren.

00:18:44: aber was wir versuchen durch eben die publikation über diese setzte die die fett gesprochen haben Das ist ja mittlerweile schon eine wissenschaft für sich ist dass dieses eine wort eher negativ oder ist es andere wort?

00:18:55: Eher positiv zu sehen wird zapfen dieses wissen quasi über die zeitungsartikel an.

00:19:01: und indem wir KI fragen, okay ist dieser Artikel eher positiv konontiert, eher negativ konontiert.

00:19:09: Können wir in diesem Wissen partizipieren?

00:19:11: Das heißt, wir brauchen persönlich nicht die Spezialisten zu sein um zu sagen, okay dieser Satz bedeutet jenes der andere Satz bedeutet etwas anderes.

00:19:20: Kommen wir mal zum Thema Glaubwürdigkeit.

00:19:22: KI ist ja eigentlich kein Orakel.

00:19:25: Musste sich auch mal kritisch befragen, was kann KI eigentlich nicht?

00:19:29: Wo ist die Grenze damit niemand denkt na ok orakel reinrennt ihr raus?

00:19:34: Ja also KI hat definitiv Grenzen und funktioniert als Werkzeug sehr gut.

00:19:38: ich hatte es gerade beschrieben Was kann KI gut beispielsweise mir sagen ob der Artikel eher positiv oder negativ ist Und das ganze auch in Nuancen?

00:19:47: was KI definitiv nicht kann ist eine Antwort darauf zu geben Ob die Apple-Achseburg steigt oder fällt.

00:19:54: Das wird auch KI nie können, weil KI sehr gut darin ist.

00:19:58: Systeme sprich Sprache, die sich relativ wenig oder ganz langsam verändert, gut zu analysieren.

00:20:05: Die Kapitalmärkte ändern sich von heute auf morgen so rapide das es nicht in dem Training Set der KI Daten vorhanden und dementsprechend kann KI da keine gute Antwort darauf geben.

00:20:15: aber wie schon erwähnt als Werkzeug bringt uns die KI wirklich einen signifikanten Schritt nach vorne durch dieses Kontext-Bewusstsein, das KI mitbringt und hier eine deutliche Verbesserung in unserem Prozess darstellt.

00:20:30: Also quasi die systematische Interpretation von Erwartungsänderungen?

00:20:35: Exakt!

00:20:36: Das Schöne ist ja es ist skalierbar also da wo eigentlich Menschen scheitern wahrscheinlich Sie können mithilfe vom KI noch mehr Nachrichten interpretieren oder noch tiefer reingehen wo ein Mensch eigentlich total überlastet wäre.

00:20:47: wenn sie sagen Da passiert plötzlich was in Afrika Darüber kümmern wir uns das ganze Jahr nicht rum.

00:20:52: Da passiert plötzlich was in Venezuela?

00:20:54: Ja, ich weiß gar nichts über Venezuela!

00:20:55: Dann kann KI noch mal besonders helfen wahrscheinlich.

00:20:58: Exakt also.

00:20:59: KI macht letztendlich die menschlichen Fähigkeiten Texte zu interpretieren skalierbar.

00:21:04: so wie sie sagten Die Arbeit könnten auch Menschen erledigen Texte lesen Ergebnisse darüber generieren.

00:21:13: sind diese Texte eher positiv eher negativ Durchschnitte bilden?

00:21:17: Aber wie lange würde das dauern, wenn wir hier über einfünf Millionen Zeitungsartikeln täglich reden?

00:21:23: Unsere KI verarbeitet das innerhalb von dreißig Minuten.

00:21:26: Das kann kein Mensch, das können auch nicht hundert oder tausend Analysten, sondern da ist die KI wirklich notwendig um diese menschlichen Fähigkeiten skalierbar zu

00:21:36: machen.

00:21:37: Noch mal zusammengefasst – Wenn Sie den Nutzen vom KI in einem Satz zusammen fassen!

00:21:42: Was is der Mehrwert für Investoren und für Journalisten?

00:21:47: zeigt uns viel, viel schneller auf wie die aktuelle Marktstimmungslage bezüglich verschiedener Anlageklassen ist.

00:21:55: Aktienmärkte, Rentenmärkte, Währungsmärkten und das in einer Geschwindigkeit, die eben kein klassischer Analyst darstellen

00:22:04: könnte.".

00:22:05: Also der Mehrwert von KI liegt nicht im schnelleren Lesen sondern im höheren Verstehen von Erwartungen.

00:22:12: ja und für alle Journalisten, die zuhören wenn sie das nächste mal vor einem Marktbericht sitzen Warum?

00:22:18: Warum passiert das gerade?

00:22:19: Quonium hat die Antwort dazu.

00:22:23: Es heißt Global Data Sentiment und Journalisten können Sie anrufen, stimmt es?

00:22:30: Natürlich!

00:22:31: Und Sie sagen dann, die Stimmung liegt da und da?

00:22:33: Da sind wir immer sprachereit.

00:22:36: Das war der Generation Data Podcast mit Dr.

00:22:39: Markus Ebner.

00:22:41: Bis zum nächsten Episode.

00:22:42: Dann gibt's mehr Informationen wie Global Data sentiment arbeitet.

00:22:46: Ich danke

00:22:47: Ihnen!

00:22:48: Vielen Dank.

00:22:52: Das war Generation Data von Quonium Asset Management.

00:22:55: Abonnieren Sie uns und bleiben sie Datenbasiert.