Künstliche Intelligenz – Wie groß ist das Anlagepotenzial?
Die Entwicklungen im Bereich der künstlichen Intelligenz (KI) haben in den letzten Jahren immer wieder für Schlagzeilen gesorgt. Ihr Einfluss erstreckt sich inzwischen auf fast alle Sektoren sowie geografischen Regionen und birgt wirtschaftliche wie politische Konsequenzen. Wie viel Anlagepotenzial steckt in diesem Wandel? Und wie lässt es sich finden? Die Franklin Templeton-Experten Jonathan Curtis, Dan Searle, Robert Stevenson und Ryan Biggs analysieren.
Die Entwicklungen im Bereich der künstlichen Intelligenz (KI) haben in den letzten Jahren immer wieder für Schlagzeilen gesorgt. Ihr Einfluss erstreckt sich inzwischen auf fast alle Sektoren sowie geografischen Regionen und birgt wirtschaftliche wie politische Konsequenzen. Wie viel Anlagepotenzial steckt in diesem Wandel? Und wie lässt es sich finden? Die Franklin Templeton-Experten Jonathan Curtis, Dan Searle, Robert Stevenson und Ryan Biggs analysieren.
Die Unternehmensinvestitionen in künstliche Intelligenz nehmen kontinuierlich zu. Wir gehen davon aus, dass der potenzielle Wert, der sich hierdurch erschließt, ansteigen dürfte, während sich die Technologien weiterentwickeln und immer weitgehende Konsequenzen haben. Bei der Suche nach Chancen im Bereich der KI besteht unser Ziel darin, Unternehmen mit Zugang zu proprietären, domänenspezifischen Datensätzen zu finden, die zur Lösung echter Geschäftsprobleme und zur Erschließung leicht quantifizierbarer Werte genutzt werden können. Darüber hinaus suchen wir nach Fällen, in denen sich hieraus Netzwerkeffekte ergeben können, wenn eine Lösung für einen bestimmten Kunden genutzt werden kann, um das eigene Angebot zu verbessern und den Abschluss zukünftiger Geschäfte zu erleichtern. Bei der Beurteilung einer Chance konzentrieren wir uns auf drei Bereiche: Wertschöpfung, Wertrealisierung und Haltbarkeit.
Wertschöpfung
Was ist das spezifische Problem des Kunden? Wie viel Wert wird durch die Lösung dieses Problems geschaffen, und wie viele ähnliche Kunden gibt es, die den verfügbaren Gesamtmarkt (Total Available Market, TAM) bilden? Mit anderen Worten: wie groß ist die Marktnachfrage nach dem Produkt oder der Dienstleistung insgesamt?
Wertrealisierung
Wie sehr achtet das Unternehmen auf die Investitionsrendite? Wie leicht ist es, die Technologie intern mit Mitarbeitern und extern bei Kunden einzuführen? Verfügt das Unternehmen über die erforderlichen Daten, um das Problem zu lösen? Erfordert die Lösung eine zusätzliche Infrastruktur (z.B. durch Hinzufügen von Sensoren zur Erfassung von Daten)? Sind Änderungen an Geschäftsabläufen erforderlich?
Haltbarkeit
Kann jemand anderes hinzukommen und die Strukturen einer Nische aufbrechen? Sind die Daten geschützt? Handelt es sich um öffentlich zugängliche Daten? Kann jemand anderes kommen und dieselben Algorithmen entwickeln? Wie fungibel sind diese Daten? Gibt es Netzwerkeffekte? Wird der Algorithmus durch neue Daten (z.B. von einem neuen Kunden) verbessert?
Unser Ziel ist es zwar, einen umfassenden Blick auf die KI- und Technologielandschaft zu werfen, wir müssen jedoch auch die Treiber und Chancen für Unternehmen außerhalb des Technologiesektors berücksichtigen, die KI bereits heute einsetzen oder in Zukunft nutzen werden. Konzepte, die größere Ideen vorantreiben, fließen in unsere tiefergreifenden Analysen und unsere Investmentthese ein. Da wir fest im Silicon Valley verwurzelt sind, erhalten wir auf akademischer Partnerschaftsebene Einblicke von „KI-Entwicklern“ und Firmen, die über einzigartige KI-basierte Plattformen und Datenbestände verfügen.
Was ist KI wert?
Das globale Beratungsunternehmen PricewaterhouseCoopers schätzt, dass KI bis Mitte der 2030er Jahre bis zu 15,7 Bio. USD zur Weltwirtschaft beisteuern wird. McKinsey & Company Consultants schätzt derweil, dass KI-Techniken das Potenzial bieten, in neun Geschäftsfunktionen und 19 Branchen jährlichen Mehrwert in Höhe von 3,5 Bio. USD bis 5,8 Bio. USD zu schaffen. Allein innerhalb der Finanzdienstleistungsbranche könnte die Anwendung von maschinellem Lernen bis 2030 zu Kosteneinsparungen in Höhe von 1 Bio. USD führen.
Angebots-und Nachfrageseite
Während Anleger potenzielle Chancen ausloten, betrachten wir das Universum des maschinellen Lernens aus zweierlei Perspektive, und zwar aus Sicht von Angebot und Nachfrage.
Angebot
Auf der Angebotsseite finden sich Unternehmen, die maschinelles Lernen entwerfen, umsetzen und erleichtern. Dazu gehören beispielsweise: Unternehmen, die Algorithmen erarbeiten, Anbieter von Halbleiterinvestitionsgütern (Unternehmen, die die als „Fabrikationsanlagen“ oder „Fabs“ bezeichneten Halbleiterfabriken bauen), Halbleiterunternehmen (Chip- und Speicherhersteller) und Unternehmen, die Cloud-Dienste anbieten.
Nachfrage
Auf der Nachfrageseite finden sich Unternehmen, die maschinelles Lernen einsetzen, um ihr Geschäft zu optimieren. Beispiele für nachfrageseitiges Geschäft wären etwa Unternehmen mit einzigartigen und größer werdenden Datenbeständen, die sie nutzen können, um die Produktivität ihres Geschäfts zu steigern und neue Umsatzquellen zu erschließen.
Anwendungssoftware als verborgene Chance im Bereich der KI
Mit ihren massiven Datenbeständen, der Steuerung von enormer Rechenleistung und großen Teams mit KI-Spezialisten sind führende Tech-Unternehmen des E-Commerce und des Social Networking aus unserer Sicht die offenkundigen Nutznießer der jüngsten KI-Fortschritte.
Wir sehen Unternehmen, die Enterprise-Anwendungen im Bereich Software-as-a-Service (SaaS) anbieten, als verborgene Chance im Bereich der KI. Unternehmen verwenden häufig von externen Anbietern bereitgestellte oder intern entwickelte Anwendungssoftware, um unterschiedlichste Aufgaben zu erledigen. Nahezu jeder von uns verwendet Anwendungssoftware täglich, beispielsweise zur Erstellung und Bearbeitung eines Dokuments auf einem Computer. Anbieter von Anwendungssoftware sollten von KI-Technologie profitieren, da sie zwei einzigartige und wachsende Datenbestände steuern:
Produktnutzungsdaten
Anders als ihre traditionellen „On-Premise“-Pendants verfügen SaaS-Unternehmen über einen nahezu perfekten Einblick in die Art und Weise, wie ihre Produkte verwendet werden. Sie können diese Nutzungsdaten mithilfe von maschinellem Lernen nutzen, um die Produkte eines SaaS-Unternehmens zu verbessern. Wir glauben, dass dies die Preisgestaltung von SaaS-Unternehmen unterstützt, ihre Kundenabwanderungsquote senkt und den Sales Prozess effizienter macht.
Kundendaten
Anders als ihre traditionellen „On-Premise“-Pendants verfügen SaaS-Unternehmen über ihre Kundendaten. Sie können diese Daten analysieren, um neue Ertragsquellen zu erschließen und eine bessere Kundenbindung in Verbindung mit den Angeboten des SaaS-Anbieters herzustellen. Unseres Erachtens stellt diese Entwicklung eine tiefgreifende Änderung dar und kann erhebliche Chancen für SaaS-Anbieter schaffen, die weit über den herkömmlichen Softwaremarkt hinausgehen.
Herausforderungen in der Umsetzung
Innovationen in der KI werden die Technologie immer weiter in unser Alltagsleben hineintragen. Aber die Integration der Technologie erfordert mehr als nur die Einstellung von Datenwissenschaftlern und die Ausführung einiger Algorithmen.
Unserer Erfahrung nach verlangt eine erfolgreiche Integration eine Top-Down-Verpflichtung zur grundlegenden Veränderung diverser Aspekte eines Unternehmens. Unsere Recherchen zeigen, dass es nach wie vor die Daten sind, die den größten Engpass für eine effektivere Anwendung von KI in Unternehmen bilden. In vielen Unternehmen bleiben große Datenmengen schlichtweg ungenutzt. In anderen befinden sich Daten in isolierten Silos: sie werden weder normalisiert noch gekennzeichnet und lassen sich daher nicht wirklich effektiv nutzen. Um Erfolg zu haben, muss ein Unternehmen unserer Einschätzung nach in der Lage sein, die richtige Kombination aus Technologieinvestitionen (für den Aufbau der erforderlichen Rechenleistung und die Bereitstellung der benötigten Datendienste) und personellen Ressourcen (für den Einsatz der richtigen Kompetenzen zur Erzielung der gewünschten Ergebnisse) zu finden.
Für viele Unternehmen ist dies keine leichte Aufgabe. Diejenigen jedoch, die in der Lage sind, sich die Daten zunutze machen, die sie als Unternehmen auf natürliche Art und Weise generieren, können sie effektiv zum eigenen Vorteil und als Schutz vor neuen Wettbewerbern einsetzen.
KI und darüber hinaus
KI bietet die Möglichkeit einer neuen Grenze, die sich über jede Facette der Geschäftswelt und Wirtschaft erstrecken könnte. Die Technologie kann den Menschen helfen, schnellere, bessere und billigere Entscheidungen zu treffen. Die meisten Beobachter sind jedoch der Ansicht, dass die Beziehung kooperativ sein muss. Bei einer erfolgreichen Umsetzung sollte dieses eng verzahnte Umfeld, in dem Maschinen die menschliche Intelligenz steigern, unserer Einschätzung nach bessere Ergebnisse liefern.