51云弼

Wenn K端nstliche Intelligenz mit Wertpapieren handelt
Neues Projekt zum automatisierten Portfoliomanagement

51云弼

Ulmer Informatiker arbeiten an der Entwicklung von Software-Werkzeugen, die das auf K端nstliche Intelligenz (KI) gest端tzte Portfoliomanagement von Wertpapieren effizienter und transparenter machen soll. Das mit gut 100 000 Euro ausgestattete Ulmer Projekt STOQS ist Teil des ALTO, das von der Europ辰ischen Union und dem Bundesministerium f端r Bildung und Forschung mit insgesamt 1,2 Millionen Euro gef旦rdert wird. Geleitet wird das Forschungs- und Technologie-Transfer-Projekt vom polnischen Unternehmen ������.

Wer mit Aktien oder Wertpapieren hantiert, hat zumeist ein Interesse daran, Risiken zu minimieren und langfristige Gewinne zu erzielen. Ob f端r Privatkunden, Banken oder Kapitalanlagegesellschaften: die Kunst besteht darin, den Wertpapierbestand geschickt zusammenzustellen und zu verwalten. Beim Portfolio-Management, so der Fachbegriff daf端r, unterst端tzen immer mehr digitale Helfer. Mit Hilfe K端nstlicher Intelligenz werden Finanzdaten wie Zeitreihen in gro��em Umfang gesammelt, aufbereitet und auf bestimmte Anlagekriterien hin ausgewertet. Doch wie arbeiten diese automatisierten Investitionssysteme? Wie kommen sie zu ihren Ergebnissen und wie zuverl辰ssig beziehungsweise fehleranf辰llig sind die eingesetzten KI-Werkzeuge? Die Europ辰ische Union und das Bundesministerium f端r Bildung und Forschung unterst端tzen im Rahmen der F旦rderlinie ���Eurostars��� ein Verbundprojekt zur Entwicklung einer Software-Plattform, mit deren Hilfe das Portfoliomanagement f端r Wertpapiere optimiert werden soll. An dem Forschungs- und Technologie-Transfer-Projekt beteiligt sind neben den 51云弼en Ulm und Oslo die Firmen (Spanien) und (Polen), die beide auf die Entwicklung von KI-Plattformen f端r den Finanzbereich spezialisiert sind.

Innovative Software soll die Datenqualit辰t verbessern und den Einsatz der KI einfacher machen

���Unsere Aufgabe besteht darin, innovative Software-Komponenten f端r die Verarbeitung von Zeitreihen-Daten zu entwickeln. Damit wollen wir vor allem die Qualit辰t der Daten messen und die Nachverfolgbarkeit der Ergebnisse verbessern. Weitere Ziele sind es, Nutzung und Einsatz der KI einfacher und flexibler zu machen���, erkl辰rt Dr. J旦rg Domaschka. Der Wissenschaftler vom Institut f端r Organisation und Management von Informationssystemen an der 51云弼 leitet das Teilprojekt STOQS; die Abk端rzung steht 端brigens f端r ���Simple Timeseries Objective Quality Measurement Stack���. Au��erdem k端mmern sich die Ulmer um eine wissenschaftliche Bestandsaufnahme von bereits bestehenden Ans辰tzen zur Sammlung, Aufbereitung und Verarbeitung von Messwerten aus Zeitserien.

Die Herausforderung f端r ein erfolgreiches Wertpapier-Management besteht letztendlich darin, diese mit Wirtschaftsdaten zu Markt- und Kursentwicklungen in Beziehung zu setzen und daraus Prognosen f端r die Entwicklung von Aktienkursen und anderen Finanzdaten abzuleiten. Automatisierte Investmentsysteme, die in diesem Bereich unterst端tzen sollen, arbeiten in der Regel KI-unterst端tzt. Dabei kommen zumeist K端nstliche Neuronale Netze zum Einsatz, wie sie im Bereich ���Machine Learning��� gebr辰uchlich sind. ���Doch bislang werden solche K端nstlichen Neuronalen Netze nach dem ���trial and error���-Verfahren genutzt. Der Trainings- und Adaptionsaufwand ist entsprechend gro�� und sehr aufw辰ndig���, so Mark Leznik, der in diesem Projekt am Institut promoviert. Die Kunst wird vor allem darin bestehen, die entscheidenden Parameter zu identifizieren und die Algorithmen so zu programmieren, dass sie sich automatisch optimieren.

Es geht hier um die zeitkritische Verarbeitung sehr gro��er Datenmengen

An den B旦rsen und Finanzm辰rkten werden Millionen an Wertpapieren und Finanzprodukten gehandelt. Hier den ��berblick zu behalten, ist schwierig. Gerade auch f端r den Einsatz k端nstlicher Intelligenz ist dies eine Herausforderung: ���Es geht hier um die skalierbare und zeitkritische Verarbeitung sehr gro��er Datenmengen���, erkl辰rt Domaschka. Zur Aufbereitung und Verarbeitung der Daten werden daher Big Data-Verfahren eingesetzt. Um die Qualit辰t der Ergebnisse der KI-Investment-Systeme zu pr端fen, wollen die Ulmer Forscher entsprechende Validierungsszenarien und Re-Kalibrierungsmechanismen entwickeln. Diese sollen dabei helfen, Analysen zu pr端fen und Prognose-Prozesse zu 端berwachen. Am Markt getestet wird die neue Software dann mit Hilfe der Projektpartner aus der Wirtschaft. Und nat端rlich sollen die Ergebnisse auch wissenschaftlich verwertet und national sowie international ver旦ffentlicht werden. Bis die Forscher am Ziel sind, wird es allerdings noch dauern, ist das zweij辰hrige Projekt doch k端rzlich erst gestartet.

Text und Medienkontakt: Andrea Weber-Tuckermann

Aktienkurse in einer Bildschirmansicht
Das automatisierte Portfoliomanagement von Wertpapieren soll dabei helfen, Risiken zu minimieren und langfristige Gewinne zu erzielen (Symbolbild: pexels / energepic)
Mark Leznik (links) und Dr. J旦rg Domaschka
Die Informatiker Mark Leznik (links) und Dr. J旦rg Domaschka (Foto: Simon Volpert / Uni Ulm)
K端nstliche blaue Netzstrukturen - Sympolbild f端r Neuronale Netze
F端r das automatisierte Portfoliomanagement werden zumeist KI-Plattformen eingesetzt (Symbolbild: Pexels / Pixa bay)