123 Invest Gruppe: Insight
Wer findet die Nadel im Heuhaufen?
Softwareentwicklern wird – beruflich – ein Hang zur Sachlichkeit nachgesagt. Das strukturierte Erfassen von Anforderungen, das analytische Vorgehen in der Entwicklung und das stets rationale Vorgehen, etwa bei der logischen Entwicklung von Programmierwerkzeugen sorgen dafür, dass sich eine gewisse Denkweise einschleift. Entsprechend nüchtern gehen wir mit dem Thema Algorithmen und Künstliche Intelligenz (KI) um: Für uns sind die Technologien zunächst nichts anderes als größere Werkzeuge im Werkzeugkasten der Softwareentwicklung. Hierbei sind auch KI-Anwendungen nicht neu. Sie erweitern lediglich die Möglichkeiten, die Entwicklern zur Verfügung stehen.
Bei Themen wie dem Erkennen logischer Zusammenhänge und dem Finden von Mustern im Finanzmarkthandel, sind Algorithmen und KI eine beachtliche und effizienzfördernde Erweiterung. Beispielsweise bei der zusammenhängen Bewertung von Indikatoren oder bei der Ableitung von Prognosen: Spielen tausende Faktoren eine essenzielle Rolle und stehen in Abhängigkeit zueinander, ist dies das optimale Umfeld für Algorithmen – in einem dynamischen Umfeld. Für den Menschen, beziehungsweise die menschliche Denkweise allein, wäre hier auf Dauer eine Grenze gesteckt. Hinter der Abkürzung „A“ in „AI“ versteckt sich allerdings nicht „A“ wie etwa – Abrakadabra – ein Zauber, sondern jede Menge Arbeit. Dieser Beitrag erläutert die dahinter steckenden Faktoren.
Symbole, Vektoren und Methoden
Auf der Basis der Repräsentation des Wissens ist eine Unterteilung der KI in symbolische und subsymbolische Systeme möglich. In der Symbolik sind die Beziehungen und Regeln in für Menschen verständlichen Konzepten abgebildet: Ein imperatives Modell. Daraus ergibt sich, dass der Mensch das Verständnis für das systematische System entwickelt, es vorgibt und lesen kann. Komplexer und inhaltlich nur schwer verständlich sind die subsymbolischen Systeme, auch Blackbox-Systeme genannt.
Am folgenden Beispiel mit dem Ziel der Identifizierung von Müttern aus einer Gruppe Menschen zeigt sich die Diversität der beiden Konzepte.
Im symbolischen System wurde durch Experten die Regel erstellt, dass im Konzept die „Mutter“ als Spezialisierung der „Person“ steht. Die Person ist weiblich, hat mindestens eine Elternbeziehung (ein Kind) und damit mindestens eine Beziehung zu einer weiteren Person. Rein logisch sind Mütter älter als ihre Kinder und direkt miteinander verwandt. Mit der Hinterlegung dieser Regeln und Merkmale kann das System Mütter identifizieren. Auch dann, wenn es in den Daten keine Eigenschaftsbeschreibung für die Mutter gibt. Vielmehr basiert die Trefferquote des Systems auf den konkreten Informationen über die Beziehungen und das Geschlecht, über das Alter und das Beziehungsgeflecht der Personen untereinander.
Anders verhält es sich im subsymbolischen System. Hier wenden Experten für die identische Aufgabe eine Support Vector Machine (SVM) an. Auch ein künstliches neuronales Netz (KNN) kann das System entschlüsseln. Beide Verfahren werden häufig und erfolgreich für automatische Klassifikationen genutzt, wenn es um die Zuordnung von Daten zu bestimmten Klassen geht. Für die Entwicklung von Finanzmarktalgorithmen ist das allerdings (noch) zu abstrakt, da es auch zu Fehlern in den Verknüpfungen kommen und der Fehler im Subsystem nur schwer erkannt werden kann.
Im neuronalen Netz wird die Klassifikation „Mutter / Nicht-Mutter“ nämlich anders vorgenommen. Hier erfolgt die Ableitung aus einer Vielzahl vernetzter Neuronen, die unterschiedliche Datentransformationen abbilden. Die Neuronen sind in Ebenen zusammengefasst und durch Verknüpfungen mit Neuronen der Nachbarebenen gewichtig miteinander verbunden. Die Datenverarbeitung läuft über verschiedene Ebenen, so dass letztendlich eine Klasse „Mutter“ und „Nicht-Mutter“ aktiviert wird.
Bereits die Erläuterungen machen deutlich, dass der Prozess und die Funktion von subsymbolischen Systemen nur schwer vermittelbar sind. Hochgradig komplex ist der gesamte Prozess der Entstehung von Ebenen in multidimensionalen Räumen und die Gewichtung der Beziehungen zwischen den Neuronen auf diversen Ebenen.
In der Entwicklung von Finanzalgorithmen wenden wir ausschließlich klare, nachvollziehbare Logiken an. Zusätzlich können wir die „KI“ in der Identifizierung von Optimierungen und Abweichungen anwenden. Durch die ausreichend vorliegende Datenmenge können Systeme angepasst und wertschöpfende Tools in der Dynamik der Finanzwelt genutzt werden.
Die Qual der Wahl
Welches System eignet sich in Zukunft? Die Auswahl basiert auf dem Kontext der individuellen Anwendung und dem Unternehmen. In unserer Branche müssen Systeme transparent und nachvollziehbar sein, wodurch die komplexen subsymbolischen Methodiken ausscheiden. Sie würden die Lieferung von Erklärungen erschweren.
Fernab des subsymbolischen Verfahrens erkennen unsere Modelle treffsicher die vorgegebenen Zusammenhänge und liefern aber auch neue Erkenntnisse. Diese Fähigkeit lässt ein reichweitenstarkes Spektrum an Einsatzmöglichkeiten und die KI – Algorithmen mit strikten Codes – entstehen.
Durch die Nutzung von klaren Regeln sind Veränderungen an den Märkten frühzeitig deutbar (Predictive Maintenance). Volatilitäten, das Momentum und Abgleichungen vom gleitenden Durchschnitt gehören zu den mit unseren Regeln erkennbaren Signalen. Hierfür muss generell und überall ein Code entwickelt werden. Algorithmen basieren nicht auf etablierten Verfahren mit jahrzehntelanger Performance, nicht auf Blaupausen und nicht auf vorhandenen Vorlagen. Die klügsten Köpfe und logischen Denker finden „die Nadel im Heuhaufen“. Es entsteht aber auch zunehmend Routine, denn hinter dem Finden der Nadeln stehen zunehmend bewährte Verfahren, Methoden und Technologien, derer wir uns bedienen und auf die wir zurückgreifen können. Am Anfang war der Prozess der Entwicklung noch wesentlich komplexer und umfangreicher. Aber in der kreativen Softwareentwicklung führt grundsätzlich nicht nur ein Weg – sondern der für das individuelle Ziel beste Weg – genau dorthin. Dies ist bei uns gängige Praxis.
Wundermaschine Algorithmen? Nein, die Codes erarbeiten wir!
Entgegen mancher Darstellung in den Medien entwickeln sich diese Lösungen nicht von selbst. Gute Codes entstehen nicht von selbst, sondern sind das Ergebnis aus sauber aufgesetzten und umgesetzten Projekten. Algorithmen sind im Gegensatz zu klassischen IT-Projekten an eine völlig andere Struktur des „Arbeitens“ und natürlich an einer anderen fachliche Expertise der Entwickler gekoppelt. Die Beachtung der Divergenzen ist hier ein entscheidender Erfolgsfaktor, auf dessen Umfeld wir uns täglich einstellen.
Die berechtigte Euphorie um das Potenzial der KI und die damit einhergehende Automation sollte den Blick auf die Essenz nicht verstellen. Denn die die Systeme werden von Experten konzipiert, gebaut und getestet, implementiert und optimiert. Damit das Projekt „Künstliche Intelligenz“ funktioniert, müssen wir Menschen vorab unsere Intelligenz einsetzen und arbeiten.
Der Prozess des Algo-Engineerings
Die Planung ist für den gesamten Projektverlauf von essenzieller Bedeutung. Der Entwicklungsumfang von Algo-basierten Anwendungen steigt und sinkt mit der Optimierung der Requirements und den Möglichkeiten der Lösungsansätze. Das Fundament ist der Fokus des Projektteams auf die Basics. Gibt es genug Logiken für den Aufbau eines Systems? Können Backtests mit einem reduzierten Umfang durchgeführt werden? Denn die ausführlichen Tests der Systematiken stehen nach Möglichkeit ganz vorne auf der Agenda, damit die Blockierung von Ressourcen die zur wirtschaftlichen Effizienz führen sollen, ausbleiben. Als Entwickler probieren wir zwar auch gerne aus. Im Fokus stehen aber die Entwicklungen, die für unsere Kunden anwendbar sind. Das ist die zentrale Frage vor jedem Projektstart. Falls die Programmieransätze (noch) zu komplex sind, unerprobte Logiken beinhalten oder in der Umsetzung noch nicht ganz klare Strukturen aufweisen, erkennen wir diesen Aspekt direkt am Anfang. Trotz KI bleibt der Mensch daher unverzichtbar, was eine gute Nachricht ist.
Die Schöpfung durch den Menschen und die Offenheit im Geist lässt uns weiter in Richtung KI-Zukunft blicken.
Herzlichst
Ihre Algopioniere
erstellt von Julia Rosen in Zusammenarbeit mit unserem Team
Hinweis: Vergangene Wertentwicklungen sind kein verlässlicher Indikator für künftige Entwicklungen.
Weitere Informationen über die 123 Invest Gruppe erhalten Sie unter www.1-2-3-invest.de
