Künstliche Intelligenz – Teil 1: Inmitten einer technologischen Revolution?

Mit der künstlichen Intelligenz befinden wir uns inmitten einer technologischen Revolution, welche tiefgreifenden Einfluss auf die Finanzmärkte und die Wirtschaft und längerfristig auf unsere Gesellschaft ausübt. Die Analysen von Ökonomin Carlota Perez über den Ablauf vergangener technologischer Revolutionen sowie die Rolle, welche Finanzkapital in deren Entwicklung spielte, bieten Orientierung in der Beurteilung der aktuellen Entwicklungen rund um künstliche Intelligenz.

In Teil 1 unserer Serie argumentieren wir, warum es sich bei KI um eine technologische Revolution handelt, und beschreiben, wie solche typischerweise ablaufen. Teil 2 erläutert, wo in diesem Ablauf sich die künstliche Intelligenz gerade befindet und was als Nächstes zu erwarten ist. Teil 3 diskutiert abschliessend, wie Anlegerinnen und Anleger sich in dieser Situation verhalten können.  

• Technologische Revolutionen haben die Wirtschaftsgeschichte geprägt – von der Dampfmaschine über Elektrizität und Massenproduktion bis zur digitalen Revolution mit Computern und Internet. Sie führten zu tiefgreifenden Veränderungen von Produktion, Mobilität und Gesellschaft.
• Heute könnte künstliche Intelligenz (KI) eine ähnliche Rolle einnehmen. Zwar reichen ihre Wurzeln bis in die 1950er-Jahre zurück, doch Durchbrüche bei Rechenleistung, Datenverfügbarkeit und insbesondere die 2017 vorgestellte Transformer-Architektur haben die aktuelle Entwicklungsdynamik ermöglicht. Aus Sicht von Ökonomin Carlota Perez verlaufen technologische Revolutionen typischerweise in vier Phasen: Irruption, Rausch, Wendepunkt und Synergie. Angesichts ihres wirtschaftlichen und gesellschaftlichen Potenzials erscheint es gerechtfertigt, KI als eine neue technologische Revolution zu betrachten, deren langfristige Auswirkungen erst am Anfang stehen.

Immer wieder gibt es Phasen, in denen sich der Ablauf der Geschichte beschleunigt und politische oder wirtschaftliche Strukturen einer Gesellschaft sich innert kurzer Frist markant verändern. Wir sprechen in solchen Fällen von «Revolutionen». Auch das Aufkommen und die Verbreitung neuer Technologien können eine solche technologische Revolution auslösen. Hierfür gibt es verschiedene historische Beispiele.

• Die industrielle Revolution nahm im 18. Jahrhundert in Grossbritannien ihren Anfang mit der Mechanisierung der Baumwollindustrie, der vermehrten Nutzung von Wasserkraft sowie dem Bau von Kanälen.
• Das Aufkommen der Dampfmaschine und der Eisenbahn ebenfalls in Grossbritannien sorgte ab den 1820er-Jahren für einen weiteren Entwicklungsschub der Industrialisierung sowie des Landtransports von Waren und Menschen.
• Die Stahl- und Schwerindustrie sowie die Nutzung von Elektrizität verbreiteten sich ab den 1870er-Jahren ausgehend von Deutschland und den USA. Eisenbahnnetzwerke wurden kontinental ausgebaut, die Dampfschifffahrt revolutionierte den Seeverkehr, Telegraph und Telefon beschleunigten den Informationsfluss und die Elektrizität erleuchtete die Städte.
• Ölindustrie, Automobil und Flugzeug sowie die Einführung von Massenproduktion revolutionierten zu Beginn des 20. Jahrhunderts die Mobilität sowie den Waren- und Personenverkehr.
• In den 60er- und 70er-Jahren des 20. Jahrhunderts nahm die digitale Revolution ausgehend von den USA ihren Lauf mit der Entwicklung von Mikroprozessoren, Computern, Software und dem Internet.

Ausgelöst wurde die aktuelle Welle im Juni 2017 durch das Forschungspapier «Attention is all you need» mehrerer Google-Forscher. Darin schlugen sie mit dem «Transformer» eine neue Modellarchitektur vor, welche sich als bahnbrechend für die Darstellung und Verarbeitung von seriellen Datensätzen erwies, insbesondere von sehr langen Datenserien. Zuerst wurden Transformer für die Verarbeitung von Texten angewendet, z. B. für die Übersetzung in andere Sprachen, die Zusammenfassung des Inhalts langer Texte oder für die Generierung neuer Texte.

Mit der Lancierung des KI-Chatbots «ChatGPT» durch das US-Start-up-Unternehmen OpenAI im November 2022 wurden die Fähigkeiten dieser als «Large Language Model (LLM)» bezeichneten Modelle sowie von generativer KI der breiten Öffentlichkeit bekannt. Transformer können jedoch auch für die Verarbeitung und Generierung anderer Datenserien wie Tonsequenzen, Bilder oder Videos angewendet werden.

Softwarecode ist im Grunde genommen eine spezielle und sehr strukturierte Form von Text. Dank Open Source ist er frei verfügbar. Das macht ihn zu einem idealen Trainingsmaterial für LLMs. Über Programmierschnittstellen (API) können KI-Agenten mittels Software auf Programme zugreifen und sie steuern. Versehen mit den erforderlichen Berechtigungen und Ressourcen, können KI-Agenten heutzutage viele Aufgaben selbstständig erledigen, für welche Menschen Computer verwenden. Damit ist KI zu einem sehr mächtigen Arbeitswerkzeug geworden.

Auch logische und mathematische Argumentation ist eine sehr strukturierte und regelbasierte Form von Text. Dank der mathematischen Literatur gibt es dafür eine grosse Datenbasis. Im Herbst 2026 veröffentlichte Beweise von OpenAI für bislang ungelöste mathematische Probleme zeigten, dass Large Language Models mittlerweile in der Lage sind, Mathematik und damit ihre eigene Grundlage weiterzuentwickeln. KI-Modelle entstehen durch mathematische Modellierung, das Optimieren ihrer Parameter mit Trainingsdaten und die Prüfung an unabhängigen Testdaten. Jeder dieser Schritte lässt sich mittlerweile mit KI autonom durchführen, sodass KI-Modelle prinzipiell bereits in der Lage sind, sich selbstständig rekursiv weiterzuentwickeln.

Durch Zusammenführung von KI mit Sensorik und Robotik lässt sich das Anwendungsgebiet von künstlicher Intelligenz weit über den rein digitalen Bereich erweitern.

Die Grenzen dieser Weiterentwicklung lassen sich schwer abschätzen. Rechenleistung, Speicherkapazität und Energieverbrauch setzen physikalische Grenzen. Ein Mangel an neuen, unabhängigen und hochqualitativen Trainingsdaten wird irgendwann den Mehrwert eines weiteren Parameterwachstums der Modelle begrenzen, sofern KI diese Daten nicht selbst generieren kann. Dennoch dürfte die künstliche Intelligenz als Technologie mittlerweile ein Niveau erreicht haben, mit dem sie langfristig tiefgreifende Konsequenzen für die Wirtschaft, die Finanzmärkte und auch die Gesellschaft haben wird. Es scheint daher gerechtfertigt, sie aus dem Blickwinkel einer technologischen Revolution zu betrachten.

Ökonomin Carlota Perez hat die Gemeinsamkeiten im Ablauf vergangener technologischer Revolutionen sowie die Rolle, welche Finanzkapital in ihnen gespielt hat, eingehend untersucht und in ihrem Buch «Technological Revolutions and Financial Capital» beschrieben.

1. Phase 1 «Irruption»: Eine neue Technologie kommt auf und erhöht die Produktivität in gewissen Wirtschaftsbereichen. Frühe Anbieter und Nutzer demonstrieren deren Überlegenheit und erzielen höhere Gewinne oder Wertsteigerungen. Die Kapazität ist noch begrenzt. Der Ausbau der Infrastruktur beginnt und wird grösstenteils durch Eigenkapital der beteiligten Unternehmen finanziert. Davon profitieren zunächst besonders die Anbieter der benötigten Güter.
2. Phase 2 «Rausch»: Hohe Gewinnerwartungen beschleunigen den Ausbau der Kapazitäten und der Infrastruktur. Die bereits erzielten Gewinne und das Eigenkapital reichen nicht mehr aus, um die hohen Investitionen zu stemmen. Die Lücke wird durch Fremdkapital und Hebelwirkung geschlossen. Die Bewertungen steigen dank optimistischer Extrapolation zukünftiger Gewinne.
3. Phase 3 «Wendepunkt»: Nachfrage und Gewinne bleiben hinter den optimistischen Erwartungen zurück. Investitionsvorhaben für den weiteren Kapazitätsausbau werden gekürzt oder gestrichen. Die Anpassung der Erwartungen lassen die Bewertungen korrigieren. Hoch gehebelte Exponenten können eventuell ihre Schulden nicht bedienen und gehen Konkurs. Spekulatives Kapital fliesst nicht weiter zu oder verlässt den Sektor.
   
   
4. Phase 4 «Synergie»: Die Kapazitäten und die weiter zunehmende Nachfrage finden ein neues Gleichgewicht. Die Technologie wird breit angewendet und stiftet gesellschaftlichen Nutzen. Wettbewerb sowie institutionelle Anpassungen (Kartellrecht, Arbeitsrecht, Steuern, Bildungssystem, …) sorgen für eine breite Streuung der Gewinne über Firmen und Gesellschaftsschichten.

Wenn wir davon ausgehen, dass KI eine technologische Revolution darstellt, stellt sich nun die Frage: In welcher Phase befindet sich die künstliche Intelligenz und anhand welcher Parameter können wir dies festmachen? Was bedeutet die aktuelle Phase für die Finanzmärkte? Und was erwarten wir von der nächsten Phase? Diesen Fragen gehen wir in Teil 2 unserer Serie auf den Grund.