Werden Computer Menschen im Finanzmanagement vollständig ersetzen? Können Roboter die Vermögensverwaltungsfunktionen, die Finanzoperationen und alle anderen Aufgaben ausführen, die jetzt von Menschen ausgeführt werden?

Im Vergleich zu den meisten anderen Branchen ist das Finanzwesen sicherlich besonders entmaterialisiert: Finanzroboter benötigen keine Hände, Arme und Beine – nur die Fähigkeit, Zahlen zu knacken. Und Siliziumchips können das unvergleichlich schneller als wir. Das Problem ist, dass selbst wenn Finanzen eine eigene Welt schaffen, diese Schöpfung tief mit der realen Welt interagiert. So wie ein Hurrikan in der hohen Atmosphäre alles an Land zerstören kann, haben Katastrophen in der Finanzwelt echte Konsequenzen für das Leben realer Menschen.

Können wir diesen Maschinen vertrauen?

Das mag nach Science Fiction klingen, aber Wissenschaft bewegt sich heutzutage schneller als Fiktion und so beängstigend es auch klingt, wir leben bereits in einer Welt, die zumindest teilweise von Maschinen gesteuert wird. Wir Menschen müssen uns jetzt an die neue Realität anpassen, die wir selbst geschaffen haben. Wie bei der Evolution ist ein Rückschritt keine Option.

Bevor wir uns mit der potenziellen Bedrohung durch Maschinen und künstliche Intelligenz (KI) befassen, sei es für die Finanzierung von Fachleuten oder der größeren Wirtschaft, sollten wir anerkennen, dass die Finanzmärkte lange vor Computern Katastrophen verursachten.

Robert J. Frey untersuchte die Größe und Häufigkeit von Finanzkrisen über zwei Jahrhunderte. Bei ordnungsgemäßer Überwachung mit geeigneten „Fat Tail“ -Modellen haben sich diese Ereignisse trotz unterschiedlicher Regulierungsvorschriften und zunehmender Computerisierung kaum weiterentwickelt. Dies deutet darauf hin, dass eine massive Automatisierung unter dem Gesichtspunkt eines reinen Katastrophenrisikos die Häufigkeit und Größe von Katastrophen im Finanzökosystem nicht allzu sehr verändert.

....

Aber wer wird gewinnen und wer wird unter dieser digitalen Revolution leiden? Und wird maschinelles Lernen menschliche Berater beenden?

Bisher stehen hinter den Maschinen die Leute, die sie programmiert haben. Und diese Dynamik wird zumindest für die nächste Generation anhalten. Während Computer begonnen haben, Code zu generieren, müssen diese Computer noch von Menschen programmiert werden. Somit verlieren diejenigen, die die auf den Finanzmärkten verwendete Technologie unabhängig von ihrer Rolle in der Dienstleistungskette entwickeln und verwalten können, nicht ihren Arbeitsplatz. Im Gegenteil, sie werden sehr gefragt sein.

Finanzmaschinen sind nicht bereit, eigenständig zu arbeiten. Sie erfordern spezielle Kenntnisse, ob wirtschaftlich, finanziell, statistisch oder mathematisch. Derzeit können sie bestenfalls die Bemühungen von erfahrenen Menschen verstärken. Sie können sie nicht vollständig ersetzen. Das Gesundheitswesen zeigt diese Dynamik recht gut: Bildgebungssysteme, Blutanalysegeräte und hochentwickelte Computerdiagnoseassistenten helfen medizinischen Fachkräften bei der Erfüllung ihrer Aufgaben, können diese jedoch nicht für sie erledigen, ohne Leben in Gefahr zu bringen. Die besten Ergebnisse ergeben sich daher aus einer geschickten Zusammenarbeit zwischen Mensch und Maschine, nicht aus einer, die die andere ignoriert, wie hoch entwickelt sie auch sein mag.

Trotz der kühnen Prognosen der Zauberlehrlinge, der Informatiker, die mit der aufkommenden Technologie des maschinellen Lernens und den damit verbundenen Innovationen arbeiten, kann diese Technologie nur von erfahrenen Menschen effizient angewendet werden. Und das aus gutem Grund. Ein Algorithmus ist nicht unbedingt weniger riskant als ein Mensch.

Denken Sie an zwei spezifische „Technologien“: die rein biologische Funktionsweise des menschlichen Gehirns (abgesehen von den stärker belasteten Fragen des Bewusstseins, der Intelligenz usw.) und die „Siliziumintelligenz“ von Computern. Das menschliche Gehirn besteht aus einem stark vernetzten Multithread-System mit extrem langsamen Computerverarbeitungseinheiten: einige hundert Zyklen pro Sekunde im Vergleich zu mehreren Milliarden heutiger Laptops. Die Billionen Synapsen des Gehirns kompensieren die verringerte Verarbeitungsgeschwindigkeit, sodass immer noch mindestens mehrere Milliarden Operationen pro Sekunde ausgeführt werden.

Das Gehirn eines Erwachsenen ist seit Jahrzehnten trainiert. Es profitiert auch von einer Milliarde Jahren Evolution. In der Praxis liegt der Hauptunterschied zwischen dem menschlichen Gehirn und den Computern im Risikomanagement. Das menschliche Gehirn kann alle möglichen denkbaren Szenarien antizipieren und planen. Es ist auch bekannt, dass nicht alle Informationen den gleichen Wert haben. Einige Daten verdienen ihre volle Aufmerksamkeit und müssen sofort verarbeitet werden. Andere Daten können einfach ignoriert werden.

Der Computer kann unterdessen eine Reihe von „Schulfällen“ sortieren, aus denen er gelernt hat, um die optimale Entscheidung zu treffen, falls einer dieser Fälle auftritt. Es fehlt jedoch die langfristige Erfahrung, um nutzlose Informationen sicher zu verwerfen, auch wenn dies für eine angemessene und zeitnahe Reaktion entscheidend ist. Die Verarbeitung aller verfügbaren Informationen, unabhängig von der Geschwindigkeit des Computers, führt zu einem zu langsamen Entscheidungsprozess.

Unabhängig davon, ob es sich um maschinelles Lernen oder eine andere Form der KI handelt, ist und muss es immer noch Ausdruck seines Designers sein. Das ist genau das Gegenteil von dem, was wir heutzutage oft hören, wenn Leute sagen: „Lassen Sie die Daten sprechen.“ Die Daten zeigen nur, was sie enthalten. Dies ist die begrenzte Größe des Trainingssatzes.

Deshalb werden diejenigen, die am besten einen Mensch-Maschine-Hybrid-Ansatz einsetzen können, in den kommenden Jahren den Vorteil haben.

Wer sich also nicht an die digitale Revolution anpasst, leidet mit Sicherheit unter einem Karriererisiko. Unabhängig von unserem Fachwissen müssen wir lernen, auf die eine oder andere Weise mit der KI „zusammenzuarbeiten“.

Maschinen stellen jedoch nicht die existenzielle Bedrohung für menschliche Finanzfachleute dar, die manche behaupten. Sie bieten auch nicht das universelle Allheilmittel, von dem einige Informatiker zu träumen scheinen.

Wenn Ihnen dieser Beitrag gefallen hat, vergessen Sie nicht, den unternehmungslustigen Investor zu abonnieren.

Alle Beiträge sind die Meinung des Autors. Als solche sollten sie weder als Anlageberatung ausgelegt werden, noch spiegeln die geäußerten Meinungen notwendigerweise die Ansichten des CFA-Instituts oder des Arbeitgebers des Autors wider.

Bildnachweis: © Getty Images / Ryzhi

Weiterbildung für Mitglieder des CFA-Instituts

Dieser Artikel ist für Fortbildungspunkte (CE) berechtigt. Nehmen Sie Credits ganz einfach mit der CFA Institute Members App auf, die auf iOS und Android verfügbar ist.

Raphael Douady, PhD

Raphael Douady, PhD, ist ein französischer Mathematiker und Wirtschaftswissenschaftler, der sich auf Finanzmathematik und Chaostheorie an der Universität Paris I: Panthéon-Sorbonne spezialisiert hat. Zuvor hatte er den Frey-Lehrstuhl für quantitative Finanzen an der Stony Brook University inne und war akademischer Direktor des französischen Laboratoriums für Exzellenz in der Finanzregulierung. Er promovierte in Hamilton-Dynamik und verfügt über mehr als 20 Jahre Erfahrung in der Finanzbranche. Er hat besonderes Interesse an der Untersuchung von Portfoliorisiken, für die er besonders geeignete leistungsfähige nichtlineare statistische Modelle und Systemrisiken entwickelt hat. Er gründete die Fintech-Unternehmen Riskdata (Risikomanagement für die Landschaft) und Datacore (Modellportfolio von ETFs). Douady ist Mitglied des Praxis Clubs, einer in New York ansässigen Denkfabrik, die die französische Regierung in Fragen der Wirtschaftspolitik und anderer verwandter Themen berät, und Mitglied des Vorstands von Friends of IHES, einer Stiftung, die das Institute des Hautes Etudes Scientifiques (the Französisches Geschwister von Princeton IAS). Er ist ehemaliger Stipendiat der Ecole Normale Supérieure in Paris und wurde 1977 bei den Internationalen Mathematischen Olympiaden mit einer Goldmedaille ausgezeichnet.

Milind Sharma

Milind Sharma ist CIO bei QuantZ Capital und CEO von QuantZ Machine Intelligence Technologies, das Faktorinvestitionen mit maschinellem Lernen kombiniert. Er verfügt über 22 Jahre Markterfahrung in der Führung von Hedge-Fonds, Investmentfonds (~ 30 Milliarden US-Dollar bei Merrill Lynch IM) sowie in der Führung von eigenen Handelsschaltern bei der Deutschen Bank und RBC Global Arbitrage. Nach einer ähnlichen Position bei Ernst & Young war er Mitbegründer von Risk / Quant Strategies bei Merrill Lynch IM. Sharma hat einen MS in Computational Finance und einen MS in angewandter Mathematik von Carnegie Mellon, wo er auch im Doktorandenprogramm für Logik war. Er besuchte Wharton, Vassar und Oxford. Er hat ausführlich über Hedgefonds publiziert und hält regelmäßig Vorträge auf Konferenzen.

Paul McCaffrey

Paul McCaffrey ist Herausgeber von Enterprising Investor am CFA Institute. Zuvor war er Redakteur bei der H.W. Wilson Company. Sein Schreiben wurde unter anderem in Financial Planning und DailyFinance veröffentlicht. Er hat einen BA in Englisch vom Vassar College und einen MA in Journalismus von der Graduate School of Journalism der City University of New York (CUNY).