Ein Marktkommentar von James Ellison, Head of Private Assets Data Insights bei Schroders: In einigen Bereichen hat die KI die Arbeitsweise bereits vollständig verändert. Für die meisten anderen – einschließlich Private Markets-Investitionen – glauben wir, dass es innerhalb der nächsten sechs Monate zu einem Produktivitätsschub kommen wird. Aber die KI wird die Arbeit nicht vollständig revolutionieren.
Zumindest nicht im Moment.
Große Sprachmodelle und ihre grundlegenden Eigenschaften
Große Sprachmodelle (Large Language Models, LLMs) sind das Segment der künstlichen Intelligenz, welches heutzutage am häufigsten bei Private Markets-Investitionen eingesetzt wird. Diese Modelle enthalten Milliarden von Parametern und wurden anhand großer Mengen von Textdaten aus dem Internet erstellt. Sie eignen sich etwa hervorragend für die Erstellung von Texten, Zusammenfassungen und Übersetzungen.
Ein Schlüsselaspekt dieser Modelle ist ihre grundlegende Eigenschaft, die es ermöglicht, die von den großen Technologieunternehmen erstellten Sprachmodelle für allgemeine Zwecke zur Lösung spezieller Probleme fein abzustimmen. Dabei ist hervorzuheben, dass diese Feinabstimmung nur einen Bruchteil der Rechen- und Datenleistung der ursprünglichen Modelle erfordert.
Wie werden Private Assets-Investor:innen KI nutzen?
On-Desk-Tools – wie der hauseigene Chatbot „Genie“ von Schroders – werden die Art der KI-Produktivitätssteigerung vorantreiben, die die meisten Menschen wahrnehmen. Diese Anfangsphase der Revolution sollte man sich so vorstellen, wie Computer oder Tabellenkalkulationen die Industrie verändert haben.
Schreibunterstützung, Präsentationsdesign, Zusammenfassungen und Kodierung werden in wichtige Business-Tools integriert und haben sich bereits bewährt.
Wenn Basismodelle mit anderen Funktionen und geschützten Daten kombiniert werden, kann dies ihren Wert um ein Vielfaches steigern und neue Lösungen für zeitaufwändige Aufgaben schaffen. Durch die Verknüpfung solcher Modelle mit anderen Funktionen (z. B. der Möglichkeit, Berechnungen durchzuführen) und mit geschützten Daten (z.B. internen Dokumenten) wird das Risiko der so genannten „Halluzination“, d. h. der Tendenz großer Sprachmodelle, sich manchmal Antworten auszudenken, erheblich verringert oder sogar ganz ausgeschlossen.
Investor:innen, die in Private Markets anlegen, sind mit einer enormen Menge an Informationen konfrontiert. Die Massenextraktion dieser unstrukturierten Informationen, die durch LLM erleichtert wird, ermöglicht es Investor:innen, sich auf die wichtigsten Informationen zu konzentrieren.
Eine seit langem bestehende Herausforderung für Private Equity-Investor:innen besteht in der Erstellung von Listen, die ähnliche Unternehmen miteinander vergleichen und in die Bewertung einfließen. Traditionell stützte man sich dabei auf die Klassifizierung des Sektors und die geografische Lage des Unternehmens, um vergleichbare Unternehmen für eine Investition zu ermitteln. Jetzt ist es möglich, mit Hilfe der Inhalte von Unternehmenswebsites in Verbindung mit LLMs ein differenzierteres „Ähnlichkeits-Mapping“ zu erstellen, das eine repräsentativere Liste ergibt. Und das in Rekordzeit.
Bald werden wir KI-gesteuerte Datenräume sehen, in denen ein KI-Assistent Zugang zu allen Dokumenten und Informationen im Datenraum hat und in der Lage ist, den Inhalt schnell zusammenzufassen, Fragen zu beantworten und sogar die wichtigsten Punkte hervorzuheben. Dies wird Due-Diligence-Prüfungen noch umfassender machen, die Geschwindigkeit erhöhen und Zeit sparen.