Nachdem ChatGPT die Zahl von 1 Million Nutzer schneller erreichte als jede andere Anwendung, hat der rasante Aufstieg Fragen über die Natur der KI aufgeworfen.
Stephanie Roth, Senior Markets Economist
Bruno de la Sota, US Equity Strategist
Der diesjährige Aktionärsbrief des Chairman und CEO Jamie Dimon von JPMorgan Chase&Co. hebt die Bedeutung von künstlicher Intelligenz (KI), Daten und der Reise in die Cloud hervor. KI ist eine außergewöhnliche bahnbrechende Technologie, die nicht nur die Finanzbranche neu gestalten, sondern auch die nächste Ära der Innovation und Effizienz beschleunigen könnte. Aus unserer Sicht ist ChatGPT erst der Anfang dessen, was möglich ist.
Seit seiner Einführung im November 2022 hat ChatGPT die Welt und die Medien im Sturm erobert. Nachdem es die Zahl von 1 Million Nutzer schneller erreichte als jede andere Anwendung, hat sein rasanter Aufstieg einige grundlegende Fragen über die Natur der KI und deren Bedeutung für die Wirtschaft insgesamt aufgeworfen.
In diesem Artikel analysieren wir die verschiedenen Faktoren, die dieses Phänomen antreiben.
Was ist ChatGPT?
Wir haben ChatGPT gefragt, wer – und was genau – es ist. Wir bekamen folgende Antwort.
„ChatGPT ist ein großes Sprachmodell, das von OpenAI trainiert wurde und in der Lage ist, menschenähnliche Antworten auf Anfragen in natürlicher Sprache zu generieren. Es funktioniert durch die Verwendung einer tiefen neuronalen Netzwerkarchitektur namens Transformer, die mit einer riesigen Menge an Textdaten trainiert wurde, um Muster und Beziehungen zwischen Wörtern, Ausdrücken und Sätzen zu erlernen.
[…]
Im Wesentlichen verarbeitet ChatGPT eine große Menge an Textdaten, um Muster und Beziehungen zwischen Wörtern und Sätzen zu erlernen, die dann verwendet werden, um kontextrelevante und sprachlich kohärente Antworten auf Anfragen zu generieren. Das Ergebnis ist ein System, das Anfragen in natürlicher Sprache so verstehen und beantworten kann, dass es eine menschliche Konversation nachahmt.“
Nicht perfekt, aber durchaus beeindruckend.
Warum die ganze Aufregung?
OpenAI lancierte GPT-3.5 im November 2022. Der öffentliche Prototyp gewann schnell an Dynamik und erreichte in nur fünf Tagen 1 Million Nutzer. Im Januar 2023 überschritt es die Marke von 100 Millionen Nutzern und ist damit die am schnellsten wachsende Plattform aller Zeiten.
Das große Sprachmodell (Large Language Model, LLM) unterscheidet sich erfolgreich vom traditionellen Chatbot, indem es den Eindruck einer echten menschlichen Interaktion mit einem hohen Maß an Sachverstand über ein breites Themenspektrum erweckt. LLMs könnten unsere Herangehensweise an tägliche Aufgaben neu definieren, die Effizienz steigern und sowohl den Nutzen als auch das Engagement verbessern. Kein Wunder also, dass die großen Technologiekonzerne rasch mehrjährige Verpflichtungen für generative KI bekannt gaben:
Einige Schlagzeilen:
- „Microsoft investiert 10 Mrd. USD in ChatGPT-Entwickler OpenAI“ (Bloomberg, 23.1.2023)
- „Google gibt ChatGPT-Konkurrenten „Bard“ für frühe Tester frei“ (Bloomberg, 6.2.2023)
- „Baidu steigt, da die Hoffnung auf eine chinesische Antwort auf ChatGPT wächst“ (Bloomberg 6.2.2023)
- „Salesforce folgt Microsoft bei der Einführung von KI-Tools für Vertriebspersonal mit Hilfe von OpenAI“ (CNBC 7.3.2023)
- „Salesforce veröffentlicht einen Fonds über 250 Mio. USD für Startups mit generativer KI“ (Bloomberg 7.3.2023)
- „Citadel verhandelt über unternehmensweite ChatGPT-Lizenz“ (Bloomberg 7.3.2023)
ChatGPT ist die am schnellsten wachsenden Anwendungssoftware
Investoreninteresse an generativer KI stieg 2022 stark an
Die Investitionen in generative KI werden sich wahrscheinlich auf drei Ebenen konzentrieren: 1) Anwendungen, die KI-Modelle in benutzerseitige Produkte integrieren, 2) Modelle, die KI-Produkte antreiben, die auf eigenen Modellen (oder auf Open Source) laufen, und 3) Infrastrukturanbieter mit der erforderlichen Rechenleistung für die Wartung der Modelle.
Anwendungsfälle für ChatGPT und große Sprachmodelle (LLMs)
Aufgrund ihrer Anpassungsfähigkeit sind LLMs sehr leistungsfähig geworden. Erst kürzlich bestand ChatGPT: 1) Eine MBA-Prüfung der Wharton School, 2) Eine medizinische Zulassungsprüfung in den USA, 3) Mehrere juristische Fakultätsprüfungen und 4) Einen Google-Einstellungstest für einen Level-3-Programmierer mit einem Gehalt von 183.000 USD. Die Aussichten sind offenkundig breit gefächert.
Einige andere mögliche Anwendungsfälle:
- Gesprächsagenten: Stellen Sie sich einen E-Commerce-Chatbot vor, der die Verfügbarkeit von Lagerbeständen bestätigt und dann ein Produkt empfiehlt, das am nächsten Tag geliefert werden könnte. Die Kunden erhalten einen beschleunigten Service, und die Betriebsabläufe werden durch die Berücksichtigung von Beständen, Planung, Unterbrechungen der Lieferkette und Vorlaufzeiten verbessert. Vereinfacht gesagt kann die KI solche Aufgaben schneller und effizienter erledigen.
- Virtuelle Assistenten: Salesforce teilte bestätige, dass sie ChatGPT in ihren CRM-Service namens EinsteinGPT integrieren werden. Der virtuelle Assistent wird zeitintensivere Verkaufsaufgaben wie das Verfassen von E-Mails, die Planung von Besprechungen und die Vorbereitung von Notizen für zukünftige Interaktionen automatisieren. Durch die Zusammenfassung früherer Kundenkontakte mithilfe generativer KI können Vertriebsteams ihre Abschlusschancen verbessern. Es könnte sogar den Prozess der Kundengewinnung vollständig automatisieren.
- Sprachverarbeitung: Branchen, die auf umfangreiche Vertragsbearbeitungen angewiesen sind, könnten ebenfalls profitieren. LLMs sind in der Lage, einen Vertrag zu entwerfen, der geeignete Formulierungen vorschlägt, und sogar bestehende Vereinbarungen zu überprüfen. Die Technologie könnte auch im Rahmen der Rechtsrecherche eingesetzt werden, um Zusammenfassungen von Fällen, Gesetzen und sogar Übersetzungen bereitzustellen.
- Medizin und Diagnose: Virtuelle Assistenten für die Telemedizin, klinische Entscheidungshilfen, evidenzbasierte Empfehlungen zur Verbesserung der Behandlungsergebnisse. Dies sind nur einige der Möglichkeiten, wie KI medizinische Prozesse erleichtern könnte.
Sollte ich ChatGPT anstelle von Google verwenden?
Kurz gesagt, nicht wirklich. Im Großen und Ganzen sind ChatGPT und LLMs nicht darauf ausgelegt, bestehenden Suchmaschinen den Rang abzulaufen. Alphabet könnte sicherlich Funktionen in das klassische Suchmaschinentool einbetten, um eine ähnliche Gesprächsantwort wie ChatGPT anzubieten. Verbesserungen der Effizienz und Produktivität durch die Integration von LLMs in bestehende Dienstleistungen und Produkte sind unserer Meinung nach jedoch die eigentliche Wachstumschance. Wenn sich die wichtigsten Akteure positionieren, erwarten wir Investitionen in die folgenden Segmente für kommerzielle KI-Anwendungen:
1. Produktivitäts- und Effizienzanwendungen
Microsoft-CEO Satya Nadella hat sich nach der Investition von Microsoft in OpenAI sehr klar über die Integration von ChatGPT in das Suchgeschäft von Bing geäußert. Das Aufwärtspotenzial ergibt sich aus dem Produktivitätswachstum und einem Office365-Angebot. GitHub Copilot (unterstützt von OpenAI Codex und im Oktober 2018 von Microsoft erworben) macht bereits während des Codierens Vorschläge im Stil der automatischen Vervollständigung, die von einem KI-Paarprogrammierer stammen.
Am 16. März 2023 stellte Microsoft den Copilot einer kleinen Anzahl von Unternehmen und Einzelpersonen vor und testete die Integration von ChatGPT GPT4 in Office365. Copilot in Word gibt Benutzern einen ersten Entwurf zur Bearbeitung und Weiterverwendung, sodass die Sorge um Schreibblockaden entfällt. Copilot in PowerPoint hilft beim Erstellen von Präsentationen mit einer einfachen Eingabeaufforderung. Die Excel-Variante analysiert Trends und erstellt in Sekundenschnelle professionell aussehende Datenvisualisierungen. Mit Teams erhalten diejenigen, die zu spät zu Besprechungen kommen, eine zusammenfassende Beschreibung dessen, was sie verpasst haben. Copilot wird sogar in der Lage sein, die Organisation von Posteingängen in Outlook zu unterstützen.
Es ist nur eine Frage der Zeit, bis sich die Unternehmen entscheiden, die Nutzenverbesserungen zu monetarisieren. Der wirkliche Fortschritt wird jedoch nur so gut sein wie die zugrunde liegenden Daten, mit denen der Algorithmus trainiert wird.
2. Cloud-Infrastruktur
Die Ausführung von Abfragen für große Datensätze kann die Arbeitslast in der öffentlichen Cloud-Infrastruktur erhöhen. Die Skalierung, die erforderlich ist, um den Bedarf an Rechenleistung zu decken, wird den Aufwärtsdruck auf die Infrastrukturinvestitionen nur noch erhöhen. Hier ist es entscheidend, einen Cloud-Partner wie Microsoft Azure, Amazon Web Services oder Google Cloud Platform zu haben, um ein solides LLM zu entwickeln.
3. Rechenleistung und Chips
Die Einschätzung zur erforderlichen Kapazität zur Bewältigung steigender Workloads fallen sehr unterschiedlich aus. Neueste Prognosen (Quelle: Dell'Oro) erwarten, dass sich die Stückzahlen für KI-Rechenzentren von derzeit ca. 7 % auf ca. 15 % bis 2027 verdoppeln werden und der Umsatz von aktuell ca. 20 % auf ca. 45 % bis 2027 steigen wird. Diese Expansion scheint auf einer drei- bis zehnfachen Erhöhung der KI-Serverkosten zu beruhen.
Was sind die Kosten und Herausforderungen für KI?
Betrieb und Training von LLMs sind nicht billig. Letztendlich werden die Kosten pro Suchanfrage sinken, wenn die Algorithmen effizienter werden. LLMs funktionieren schlecht, wenn die Modelle nicht auf genügend Trainingsdaten zugreifen können, was zu „Underfitting“ (Unteranpassung) führt. Gleiches gilt für das Gegenteil: Übertraining kann einen Tunnelblick zur Folge haben, was zu einem Mangel an Wissen in anderen Bereichen führt. Auch die Regulierung dürfte anziehen. Mit jedem Produktzyklus haben die Aufsichtsbehörden schneller auf potenziell strittige Fragen reagiert, insbesondere in Bezug auf die Moderation von Inhalten sowie die Verbreitung von Desinformationen und Vorurteilen.
Was bedeutet KI für Wirtschaft und Arbeitsmarkt?
Wir dachten, hier könnte sich ChatGPT nützlich machen. Wir haben ihm einige Schlüsselfragen zu den Auswirkungen von KI gestellt und dann seine Antworten analysiert.
Ist KI gut für die Wirtschaft?
ChatGPT: „Künstliche Intelligenz (KI) kann sich auf verschiedene Weise positiv auf das Wirtschaftswachstum auswirken: 1) Erhöhte Produktivität: KI kann Routineaufgaben automatisieren und sie schneller und genauer ausführen als Menschen, was die Produktivität und Leistung steigern kann; 2) Kosteneinsparungen: Durch die Automatisierung von Aufgaben und Prozessen kann KI die Arbeitskosten senken; 3) Neue Geschäftsmöglichkeiten: KI kann Unternehmen dabei helfen, neue Wachstums- und Innovationschancen zu erkennen; 4) Verbesserte Entscheidungsfindung: KI kann Unternehmen dabei helfen, fundiertere und datengestützte Entscheidungen zu treffen.
Man sollte jedoch beachten, dass einige Branchen möglicherweise größere Vorteile genießen als andere, und auch die Auswirkungen der KI auf Beschäftigung und Einkommensungleichheit müssen berücksichtigt werden.“
Unsere Einschätzung: Genau wie disruptive Innovationen der Vergangenheit wird KI wahrscheinlich die Produktivität der US-Wirtschaft steigern. Manche Arbeitsplätze könnten im Zuge der Neuausrichtung verdrängt werden, aber die anfänglichen Wachstumsschmerzen sollten neuen Jobs und einer höheren Arbeitsleistung weichen.
Langfristiges Wachstum hängt von Produktivität und Beschäftigung ab
Die Schätzungen gehen weit auseinander, aber viele deuten darauf hin, dass sich die Produktivität eines Unternehmens mit der Einführung von KI um 2–4 % verbessert1 Voraussichtlich werden rund 25 % der Unternehmen in bedeutender Weise KI einsetzen (basierend auf Schätzungen von Goldman, dazu später mehr), was einen jährlichen Produktivitätsschub von 0,5 % für das BIP bewirken könnte.
Wie wird sich KI auf den Arbeitsmarkt auswirken?
ChatGPT: „Künstliche Intelligenz (KI) hat das Potenzial, viele Tätigkeiten zu automatisieren, die derzeit von Menschen ausgeführt werden, was in bestimmten Branchen zu einer Verdrängung von Arbeitsplätzen führen kann. Es ist jedoch wichtig zu beachten, dass KI auch neue Beschäftigungsmöglichkeiten schaffen und die Art der Arbeit verändern kann.
Manche Tätigkeiten werden möglicherweise stärker automatisiert als andere, und in einigen Branchen besteht möglicherweise eine größere Nachfrage nach Arbeitskräften mit KI-bezogenen Fähigkeiten. Tätigkeiten, die Kreativität, soziale Intelligenz oder körperliche Geschicklichkeit erfordern, werden mit geringerer Wahrscheinlichkeit durch KI automatisiert.“
Unsere Einschätzung: KI wird den Arbeitsmarkt beeinflussen, ähnlich wie das Aufkommen früherer technologischer Innovationen. Um die Gewinne zu maximieren, haben US-Konzerne oft auf billigere Arbeitskräfte im Ausland und/oder automatisierte Prozesse zurückgegriffen.
Mit Blick auf die Zukunft ist „das Rennen zwischen Automatisierung und Augmentation“ eröffnet2. Goldman Sachs schätzt, dass 25 % der jetzigen Arbeitsaufgaben in den USA und Europa durch KI automatisiert werden könnten3. Sie kommen zu dem Schluss, dass traditionell hochqualifizierte, nicht routinemäßige Tätigkeiten sehr anfällig für die Automatisierung durch KI sind (Rechts- und Finanzabläufe). Manuell intensive Aufgaben oder Funktionen, die zwischenmenschliche Fähigkeiten erfordern, sind dagegen weniger betroffen (Bauwesen, Körperpflege).
Von Automatisierung bedrohte Jobs werden besser bezahlt
Was kommt als Nächstes?
„KI wird entscheidend für den zukünftigen Erfolg unseres Unternehmens sein [...] Die Bedeutung der Umsetzung neuer Technologien kann nicht genug betont werden.“
Jährlicher Aktionärsbrief des Chairman & CEO Jamie Dimon
Es ist davon auszugehen, dass immer mehr Unternehmen mehrjährige Verpflichtungen mit OpenAI ankündigen oder die Weiterentwicklung ihrer eigenen Sprachverarbeitungsmodelle bekannt geben werden. Die Möglichkeiten sind immens, und es bleibt unklar, wer das Innovationsrennen anführen wird. Klar ist, dass der Kampf nicht nur zwischen den Technologieunternehmen ausgetragen wird, und es geht auch nicht darum, dass es nur einen Sieger geben kann. In einer Ära der Effizienz und Produktivität werden diejenigen führen, die am schnellsten reagieren. Die etablierten Unternehmen haben einen Vorsprung, aber neue Akteure werden zweifellos dazustoßen.
1 Damioli, Van Roy und Vertesy (2021), Alderucci et al. (2020), Czarnitzki, Fernandez und Rammer (2022)
2 Autor et al. (2022)
3 Basierend auf der Überprüfung der vorhandenen Literatur zu den wahrscheinlichen Anwendungsfällen für generative KI stuft GS 13 Arbeitsaktivitäten (von 39 in der O*NET-Datenbank) als anfällig für KI-Automatisierung ein und geht im Basisszenario davon aus, dass KI Aufgaben bis zu einem Schwierigkeitsgrad von 4 auf der 7-Punkte-Skala von O*NET ausüben kann. GS ermittelt dann einen nach Wichtigkeit und Komplexität gewichteten Durchschnitt der wesentlichen Arbeitsaufgaben für jeden Beruf und schätzt den Anteil der Gesamtarbeitsbelastung jedes Berufes, den KI möglicherweise ersetzen kann. GS geht ferner davon aus, dass Tätigkeiten, bei denen ein erheblicher Teil der Arbeitszeit im Freien oder durch körperliche Arbeit verrichtet wird, nicht durch KI automatisiert werden können.