Investieren in Künstliche Intelligenz (KI) – Alles, was Sie wissen müssen

Künstliche Intelligenz (KI) ist ein Feld, das keiner Einführung bedarf. KI hat die Entwicklungen des Moore:schen Gesetzes ausgenutzt, das gibt an, dass die Geschwindigkeit und Leistungsfähigkeit von Computern alle zwei Jahre verdoppelt werden können. Seit 2012 steigt die Menge an Rechenleistung, die in den größten KI‑Trainingsläufen verwendet wird, exponentiell, mit einer Verdopplung alle 3 bis 4 Monate, sodass die für KI bereitgestellten Rechenressourcen seit 2012 um das 300.000‑fache gewachsen sind. Keine andere Branche kann mit diesen Wachstumszahlen konkurrieren.

Wir werden untersuchen, welche KI‑Bereiche diese Beschleunigung vorantreiben, welche Unternehmen am besten positioniert sind, um von diesem Wachstum zu profitieren, und warum das wichtig ist.

Arten des Maschinellen Lernens

Maschinelles Lernen ist ein Teilgebiet der KI, das im Wesentlichen darin besteht, Maschinen das Lernen zu programmieren. Es gibt mehrere Arten von Algorithmen des maschinellen Lernens; die bei weitem beliebteste ist Deep Learning, bei dem Daten in ein Künstliches Neuronales Netzwerk (ANN) eingespeist werden. Ein ANN ist ein sehr rechenintensives Netzwerk mathematischer Funktionen, das in einer vom menschlichen Gehirn inspirierten Struktur zusammengefügt ist.

Je mehr Big Data in ein ANN eingespeist werden, desto präziser wird das ANN. Zum Beispiel, wenn Sie versuchen, ein ANN darauf zu trainieren, Katzenbilder zu erkennen, und Sie dem Netzwerk 1.000 Katzenbilder geben, erreicht das Netzwerk eine geringe Genauigkeit von etwa 70 %. Erhöhen Sie die Zahl auf 10.000 Bilder, kann die Genauigkeit auf 80 % steigen; bei 100.000 Bildern steigt sie auf 90 % und weiter.

Hier liegt eine der Chancen: Unternehmen, die das Feld der KI‑Chip‑Entwicklung dominieren, sind naturgemäß reif für Wachstum.

Es gibt viele weitere Arten des maschinellen Lernens, die vielversprechend sind, wie Verstärkendes Lernen. Dabei wird ein Agent durch Wiederholung von Aktionen und zugehörigen Belohnungen trainiert. Durch Verstärkendes Lernen kann ein KI‑System gegen sich selbst antreten, um seine Leistungsfähigkeit zu verbessern. Zum Beispiel spielt ein Schachprogramm wiederholt gegen sich selbst, wobei jede Spielrunde die Leistung im nächsten Spiel verbessert.

Derzeit verwenden die besten KI‑Typen eine Kombination aus Deep Learning und Verstärkendem Lernen, die gemeinhin als Deep Reinforcement Learning bezeichnet wird. Alle führenden KI‑Unternehmen der Welt, wie Tesla, nutzen irgendeine Form von Deep Reinforcement Learning.

Obwohl es weitere wichtige Systeme des maschinellen Lernens gibt, die derzeit weiterentwickelt werden, wie Meta‑Lernen, sollten Investoren aus Gründen der Einfachheit vor allem Deep Learning und dessen fortgeschrittenen Verwandten Deep Reinforcement Learning kennen. Die Unternehmen, die an der Spitze dieses technologischen Fortschritts stehen, werden am besten positioniert sein, um vom enormen exponentiellen Wachstum zu profitieren, das wir im KI‑Bereich beobachten.

Datenwissenschaft & Big Data

Wenn es einen Unterscheidungsfaktor zwischen Unternehmen gibt, die erfolgreich sein und Marktführer werden, und solchen, die scheitern, dann ist es Big Data. Alle Arten des maschinellen Lernens sind stark von Datenwissenschaft abhängig, was am besten als ein Prozess beschrieben wird, die Welt anhand von Mustern in Daten zu verstehen. In diesem Fall lernt die KI aus Daten, und je mehr Daten, desto genauer die Ergebnisse. Es gibt einige Ausnahmen von dieser Regel, die als Overfitting bezeichnet werden, aber das ist ein Problem, dessen sich KI‑Entwickler bewusst sind und gegen das sie Vorkehrungen treffen.

Die Bedeutung von Big Data erklärt, warum Unternehmen wie Tesla einen klaren Marktvorteil bei der Technologie autonomer Fahrzeuge haben. Jeder einzelne Tesla, der in Bewegung ist und den Autopiloten nutzt, speist Daten in die Cloud ein. Das ermöglicht Tesla, Deep Reinforcement Learning und weitere Algorithmus‑Optimierungen zu nutzen, um das Gesamtsystem autonomer Fahrzeuge zu verbessern.

Deshalb wird es für Herausforderer sehr schwierig sein, Unternehmen wie Google zu überholen. Jeden Tag sammelt Google Daten aus seiner Vielzahl von Produkten und Diensten, darunter Suchergebnisse, Google AdSense, Android‑Mobilgeräte, der Chrome‑Webbrowser und sogar der Nest‑Thermostat. Google ertrinkt in mehr Daten als jedes andere Unternehmen der Welt – und das ist noch nicht einmal die Moonshots berücksichtigt, an denen es arbeitet.

Indem wir verstehen, warum Deep Learning und Datenwissenschaft wichtig sind, können wir nachvollziehen, warum die nachfolgenden Unternehmen so mächtig sind.

KI‑Unternehmen zum Investieren

Es gibt drei aktuelle Marktführer, die sehr schwer zu challengen sein werden.

Alphabet Inc (NASDAQ: GOOGL)

Alphabet Inc ist das Dachunternehmen aller Google‑Produkte, einschließlich der Google‑Suchmaschine. Eine kurze Geschichtsstunde ist nötig, um zu erklären, warum sie ein so großer Marktführer im KI‑Bereich sind. Im Jahr 2010 wurde das britische Unternehmen DeepMind mit dem Ziel gegründet, verschiedene Techniken des maschinellen Lernens zur Entwicklung allgemeiner Lernalgorithmen anzuwenden.

2013 eroberte DeepMind die Welt mit verschiedenen Errungenschaften, darunter die Weltmeisterschaft in sieben Atari‑Spielen durch den Einsatz von Deep Reinforcement Learning.

2014 erwarb Google DeepMind für 500 Millionen $. Kurz darauf, 2015, wurde DeepMinds AlphaGo das erste KI‑Programm, das einen professionellen menschlichen Go‑Spieler besiegte und damit den ersten Go‑Weltmeister schlug. Für diejenigen, die mit Go nicht vertraut sind: Es gilt als das anspruchsvollste Spiel überhaupt.

DeepMind gilt derzeit als Marktführer im Deep Reinforcement Learning und als führender Anwärter auf die Erreichung von Artificial General Intelligence (AGI), einer futuristischen KI‑Form, die das Ziel hat, menschliche Intelligenz zu erreichen oder zu übertreffen.

Wir müssen zudem die anderen KI‑Bereiche berücksichtigen, in denen Google aktiv ist, wie Waymo, ein Marktführer in der Technologie autonomer Fahrzeuge, nur knapp hinter Tesla, sowie die geheimen KI‑Systeme, die derzeit in der Google‑Suchmaschine eingesetzt werden.

Google ist in so vielen KI‑Ebenen aktiv, dass ein umfassendes Papier nötig wäre, um sie alle abzudecken.

Tesla (NASDAQ: TSLA)

Wie bereits erwähnt, nutzt Tesla Big Data aus seiner Flotte von Straßenfahrzeugen, um Daten vom Autopiloten zu sammeln. Je mehr Daten gesammelt werden, desto besser kann das Unternehmen Deep Reinforcement Learning einsetzen – besonders wichtig für sogenannte Edge‑Cases, also Szenarien, die im realen Leben selten vorkommen.

Zum Beispiel ist es unmöglich, jedes mögliche Verkehrsszenario vorherzusehen und zu programmieren, etwa einen Koffer, der plötzlich in den Verkehr rollt, oder ein Flugzeug, das vom Himmel fällt. In solchen Fällen gibt es nur wenige spezifische Daten, und das System muss Daten aus vielen verschiedenen Szenarien zusammenführen. Das ist ein weiterer Vorteil großer Datenmengen: Während ein Tesla in Houston ein solches Szenario zum ersten Mal erlebt, könnte ein Tesla in Dubai bereits eine ähnliche Situation gesehen haben.

Tesla ist zudem ein Marktführer in Batterietechnologie und in der Elektrotechnik für Fahrzeuge. Beide Bereiche verlassen sich auf KI‑Systeme, um die Reichweite eines Fahrzeugs zu optimieren, bevor ein Aufladen nötig ist. Tesla ist bekannt für häufige Over‑The‑Air‑Updates mit KI‑Optimierungen, die die Leistung und Reichweite der Fahrzeugflotte um einige Prozentpunkte steigern.

Als ob das nicht genug wäre, entwickelt Tesla auch eigene KI‑Chips. Das bedeutet, dass das Unternehmen nicht mehr auf Drittanbieter‑Chips angewiesen ist und die Chips von Grund auf für die Full‑Self‑Driving‑Software optimieren kann.

NVIDIA (NASDAQ: NVDA)

NVIDIA ist das Unternehmen, das am besten positioniert ist, um von der aktuellen Nachfrage nach GPU‑Chips (Graphics Processing Unit) zu profitieren, da es derzeit für 80 % aller GPU‑Verkäufe verantwortlich ist.

Während GPUs ursprünglich für Videospiele entwickelt wurden, wurden sie schnell von der KI‑Industrie speziell für Deep Learning übernommen. Der Grund, warum GPUs so wichtig sind, liegt darin, dass die Geschwindigkeit von KI‑Berechnungen stark erhöht wird, wenn Berechnungen parallel durchgeführt werden. Beim Training eines Deep‑Learning‑ANN werden Eingaben benötigt, die stark von Matrixmultiplikationen abhängen, bei denen Parallelität entscheidend ist.

NVIDIA veröffentlicht ständig neue KI‑Chips, die für unterschiedliche Anwendungsfälle und Anforderungen von KI‑Forschern optimiert sind. Dieser ständige Innovationsdruck hält NVIDIA als Marktführer aufrecht.

Wählen Sie einen Börsenmakler

Der erste Schritt auf Ihrer Reise sollte die Auswahl eines Börsenmaklers sein. Ein von uns empfohlener Makler ist Firstrade.

Zusammenfassung

Es ist unmöglich, alle Unternehmen aufzulisten, die in irgendeiner Form KI einsetzen; wichtig ist, die maschinellen Lerntechnologien zu verstehen, die für den Großteil der Innovation und des Wachstums verantwortlich sind, das die Branche erlebt hat. Wir haben drei Marktführer hervorgehoben, viele weitere werden folgen. Um im Bereich KI auf dem Laufenden zu bleiben, sollten Sie aktuelle KI‑Nachrichten verfolgen, KI‑Hype vermeiden und verstehen, dass dieses Feld ständig im Wandel ist.