Sport Almanach aus

Heute schon wissen, was morgen steigt Predictive Analytics: Die digitale Geheimwaffe

Stand: 23.01.2018, 15:24 Uhr

Das Gold aus den Daten schürfen: Predictive Analytics ist die neue digitale Geheimwaffe, mit der die Finanzindustrie zutreffende Prognosen über Ereignisse am Finanzmarkt und die Rendite von morgen generieren will. Vorsprung durch Technik – was steckt dahinter?

Im Film „Zurück in die Zukunft“ kommt Marty McFly in der Zukunft im Jahr 2015 an einen Almanach, der die Sportergebnisse der Jahre 1950 bis 2000 enthält. Der Plan ist klar. Marty möchte in seiner Gegenwart mit Sportwetten Geld verdienen. Das geht zwar schief, aber dahinter steckt ein wahrer Anlegertraum: Vorher bereits zu wissen, in welche Richtung sich der Markt entwickeln wird, die richtigen Wetten platzieren - und dann natürlich sagenhaft reich werden. 

Im Augenblick sieht es zwar nicht danach aus, als würde das Silicon Valley demnächst einen DeLorean DMC-12 erfinden - obwohl die Tausendsassas aus dem Tal natürlich mit Sicherheit schon daran arbeiten. Trotzdem ist die Idee keine reine Zukunftsmusik mehr: Das Zauberwort heißt allerdings nicht Zeitmaschine, sondern Predictive Analytics.

Das Ziel dabei ist es, aufgrund von komplexen Datenmodellen mit Hilfe von Big Data, Künstlicher Intelligenz, Algorithmen und Data Mining zutreffende Prognosen darüber zu erstellen, wie sich bestimmte Situationen an den Finanzmärkten künftig entwickeln werden. Kein Wunder, dass sich die Wall Street für dieses Thema brennend interessiert.

DeLorean DMC-12

DeLorean DMC-12: Macht mehr Spaß als Predictive Analytics und ist ebenfalls erfolgversprechend. | Bildquelle: dpa

Verkaufen, Verknacken & Verleihen

Auch in anderen Bereichen ist das Prinzip kommerziell verwertbar. Amazon arbeitet mit Predictive Analytics und stellt aus der Klick-Historie der Kunden Empfehlungen zusammen, die zum Kauf animieren sollen. Es wird geschätzt, dass rund 35 Prozent des Amazon-Umsatzes durch solche Empfehlungen generiert werden. Wird Amazon in Zukunft wissen, was wir kaufen wollen, bevor wir es wissen?

Gesellschaftlich wird das Thema in der Verbrechensbekämpfung diskutiert und teilweise schon angewandt.  Wie das im Extremfall künftig aussehen könnte,  zeigt uns einmal mehr Hollywood in Steven Spielbergs „Minority Report“. Aber auch heute schon versuchen beispielsweise deutsche Polizeibehörden mittels Big Data und Mustererkennung über das sogenannte Predictive Policing Prognosen zu erstellen, wo möglicherweise bald eingebrochen werden könnte – um den Einbruch zu verhindern. Inwieweit die Geheimdienste hier schon tätig sind, darüber lässt sich trefflich spekulieren.

Natürlich weiß auch die Finanzbranche nicht erst seit gestern um die Bedeutung des Themas. Nehmen wir das Beispiel Bonitätsnoten: Banken als Kreditgeber nutzen längst alle möglichen verfügbaren Informationen, um das Ausfallrisiko eines Kunden zu bewerten.

Einkauf bei Amazon via Smartphone

Amazon-Einkauf: Wir wissen was du willst. | Bildquelle: picture alliance / dpa, Montage: boerse.ARD.de

James Bond, aber nicht im Dienste ihrer Majestät

Investoren, Hedgefonds, Banken und Finanzmärkte wollen aber nicht nur Risiken frühzeitig erkennen. Vor allem geht es darum, mit Hilfe von Predictive Analytics Chancen zu ergreifen, bevor es die Konkurrenz tut. Wer etwa weiß, ob und wann die US-Notenbank Fed die Zinsen erhöhen wird, hat einen entscheidenden Vorteil. Wie das in der Realität ungefähr aussieht, haben die Fachleute der Analysefirma Greyspark am Beispiel Blackrock geschildert.

„In den USA arbeitet Blackrock beispielsweise daran, mittels Satellitenbildern herauszufinden, wie viele Autos etwa auf den Parkplätzen vor den Walmarts im Lande stehen.“ Diese Daten könnten von einem Analysten dazu verwendet werden, um mehr über die Verbraucherausgaben herauszufinden. Ein Stock-Picker könnte solche Daten benutzen, um mehr über die Umsätze eines Unternehmens zu bestimmen, so Greyspark.

Natürlich gehören auch Soziale Medien oder gewöhnliche Geschäftsberichte zu den Datenquellen. Es ähnelt einem Wettlauf: „Wir möchten Datenquellen finden, die nicht sehr bekannt sind, aber faktisch Vorhersagen über künftige Renditen erlauben“, meint ein hoher Blackrock-Manager. Das ganze Procedere erinnert durchaus an die Arbeit von modernen Geheimdiensten und ihren Schreibtisch-Analysten.

Bond unterhält sich im Film

James Bond bei der Informationsbeschaffung: Früher wurde noch persönlich nach Daten geschürft. | Bildquelle: Eon Productions

Die Datenflut zähmen: Viel hilft viel?

Das ist kein leichtes Unterfangen, denn die Masse der Daten ist fantastisch hoch. Immer komplexere Algorithmen und natürlich auch die vielbeschworene Künstliche Intelligenz unterstützen, um das Rauschen auszufiltern und die wesentlichen Daten sichtbar zu machen. Und alles kann wichtig sein. Neben Satellitenbildern von interessanten Gebieten gehören dazu auch die Positionen von Container-Schiffen, Daten von Kreditkartentransaktionen, Job-Daten, Zeitungsartikel, Tweets oder Online-Suchanfragen.

Die Anwendung von Predictive Analytics auf diese alternativen Datenquellen könne dabei helfen, Einsichten zu entdecken und zu kontextualisieren, die bessere Prognosen erlauben, meint Anasse Bari, Professor an der New York University. Goldman Sachs beispielsweise soll deshalb auf der Suche nach der richtigen Strategie mehr Dateningenieure beschäftigen als Facebook.

Das Wachstum ist rasant  

Das Analyseinstitut OrbisResearch hat sich mit dem Gesamtmarkt von Predictive Analytics befasst. Im Jahr 2016 lag das Marktvolumen den Nachforschungen zufolge bei rund 3,9 Milliarden Dollar. Im Jahr 2023 liegt die Prognose der Experten bei etwa 15 Milliarden Dollar. Das entspricht einem jährlichen durchschnittlichen Wachstum von 21,2 Prozent.

Die wachstumsbestimmenden Schlüsselfaktoren, die die Analysten von Orbis identifizieren, sind bekannt: Die wachsende Bedeutung von Big-Data-Technologien und der weltweit steigende Datenverkehr. Immer mehr Daten werden erfasst, zugänglich und damit verwertbar. OrbisResearch hat auch die wichtigsten Player am Markt aufgelistet, zu denen auch einige sehr bekannte Namen wie SAP, Oracle, Microsoft und IBM zählen. Weniger bekannte Namen sind Tibco Software, Tableau Software, SAS Institute, Fico, NTT Data Corporation, Rapidminer, oder Angoss Software Corporation. Viele Unternehmen sind übrigens nicht an der Börse gelistet.

Ein klandestines Business

Es liegt in der Natur der Sache, dass sich die Akteure in diesem Bereich nicht gerne in die Karten schauen lassen, denn hier möchte sich jeder Marktteilnehmer einen Vorsprung durch Technik erarbeiten und ihn dann auch halten. Natürlich liegt es im Interesse der  Unternehmen, die Möglichkeiten von Predictive Analytics in den buntesten Farben auszumalen. Wie wir wissen, ist die Wirklichkeit bislang noch bei weitem zu komplex - selbst für die ausgefeilteste Technologie.

ts