AKTUELLE NEWS AUS DER KI-WELT
KI-SYSTEM DIAGNOSTIZIERT PARKINSON ANHAND VON ATEMSIGNALEN
Ein KI-System soll am Atemmuster einer Person erkennen, ob eine Parkinson-Erkrankung vorliegt und mit welchem Schweregrad. Das System könnte zu besseren Behandlungen führen und auch bei der Früherkennung helfen.
Die Parkinson-Diagnose ist eine medizinische Herausforderung, da es keine wirksamen Biomarker gibt. KI-Forschende des MIT rund um die Forscherin Dina Katabi wollen dieses Problem mit einem KI-System lösen, das nächtliche Atemmuster analysiert.
Atmungsdaten als Parkinson-Indikator
„Ein Zusammenhang zwischen der Parkinson-Krankheit und der Atmung wurde bereits 1817 in der Arbeit von Dr. James Parkinson festgestellt. Das hat uns dazu motiviert, über die Möglichkeit nachzudenken, die Krankheit anhand der Atmung zu erkennen, ohne auf die Bewegungen zu achten“, sagt Katabi.
Atemsymptome könnten sich Jahre vor motorischen Symptomen manifestieren, so Katabi. Daher seien Atemmerkmale vielversprechend für die Risikobewertung vor der Parkinson-Diagnose.
Die Forscher trainierten ihr KI-System mit gesammelten Atmungsdaten von mehr als 7600 Menschen, von denen rund 750 an Parkinson litten. Sie entwickelten für ihre Studie ein Gerät, das Atmungsdaten berührungslos anhand von Radiowellen erfasst, die während des Schlafs vom Körper einer Person zurückgeworfen werden. Die kleine Box wird dafür einfach in der Nähe des Patientenbetts platziert. Alternativ kann die untersuchte Person einen Atmungsgürtel tragen.
Parkinson-Diagnose über Nacht und daheim
Das trainierte neuronale Netz verwendet eine Aufmerksamkeitsebene, mit der es die eigenen Vorhersagen in Bezug auf die Atmung im Schlaf und das Elektroenzephalogramm interpretieren kann.
Laut der Studienergebnisse kann das KI-Modell in den eigenen und in externen Testdatensätzen Morbus Parkinson mit einer Genauigkeit von bis zu 90 Prozent erkennen. Für diese Diagnosefähigkeit reichen die Atmungsdaten einer Nacht. Mit den Daten von zwölf Nächten erreicht das System eine Genauigkeit von bis zu 95 Prozent.
Das Setup der KI-gestützten Parkinson-Diagnose. Ein Gerät erfasst über Nacht Atmungsdaten im Schlaf. Das KI-System diagnostiziert anhand der Atemsignale Parkinson und trifft eine Einschätzung über den Schweregrad und den Verlauf. | Bild: MIT
„Diese Arbeit liefert Beweise dafür, dass KI Menschen mit Morbus Parkinson anhand ihrer nächtlichen Atmung identifizieren und den Schweregrad und das Fortschreiten der Krankheit genau beurteilen kann. Wichtig ist, dass wir unsere Ergebnisse in einer unabhängigen externen Morbus-Parkinson-Kohorte validieren konnten. Die Ergebnisse zeigen das Potenzial eines neuen digitalen Biomarkers für Parkinson“, schreiben die Forschenden.
Potenzial für die Früherkennung von Parkinson
Das Team sieht mehrere Vorteile in dem System: Es könne die Kosten und Dauer von klinischen Studien zu Parkinson reduzieren und so die Entwicklung von Medikamenten beschleunigen. Durch die einfache Diagnose und Überwachung im eigenen Zuhause könnten zudem Menschen außerhalb von Ballungszentren per Ferndiagnose ebenfalls von Spezialisten behandelt werden.
Zudem könne das KI-System bei der Früherkennung von Parkinson helfen, die derzeit noch auf das Auftreten motorischer Signale angewiesen sei. Diese würden allerdings erst auftreten, wenn 50 bis 80 Prozent der dopaminergen Neuronen bereits degeneriert sind.
„Unser System zeigt erste Hinweise darauf, dass es potenziell eine Risikobewertung vor dem Auftreten klinischer motorischer Symptome ermöglichen könnte“, schreiben die Forschenden.
Ferner zeige die Studie das Potenzial von KI in der Medizin, um ungelöste Herausforderungen in der neurowissenschaftlichen Forschung anzugehen und neue Biomarker zu entwickeln. Laut Katabi arbeiten bereits Pharma- und Biotechnik-Unternehmen mit ihrem System.
Das MIT führte die Studie in Zusammenarbeit mit der University of Rochester, der Mayo Clinic und dem Massachusetts General Hospital durch. Die Arbeit wird vom National Institutes of Health gefördert, mit Unterstützung durch die National Science Foundation und die Michael J. Fox Foundation.
Zusammenfassung
- Forschende des MIT entwickeln ein KI-System, das anhand von nächtlichen Atemmustern Parkinson mit einer Genauigkeit von bis zu 95 diagnostizieren kann. Es kann auch Aussagen über den Schweregrad und den Verlauf der Erkrankung treffen.
- Das System könnte die Entwicklung von Medikamenten und die Versorgung von Parkinson-Patienten außerhalb von Ballungszentren erleichtern. Es hat zudem Potenzial für die Parkinson-Früherkennung.
- Laut der leitenden Forscherin Dina Katabi experimentieren Pharma- und Biotechnik-Unternehmen bereits mit dem System.
Quellen: MIT, the decoder, mixed
KI IN DER MEDIZIN: METHODE ÜBERWINDET ZENTRALE HÜRDE
KI in der Medizin setzt aktuell häufig auf manuell gelabelte Datensätze. Eine neue Methode überwindet diese Einschränkung mit selbst-überwachtem Lernen für Röntgenaufnahmen.
KI-Systeme für die medizinische Diagnostik von Röntgenaufnahmen des Brustkorbs unterstützen die Radiologie dabei, Lungenkrankheiten oder Krebs erkennen. Für das Training der KI-Modelle greifen Forschende auf Algorithmen des überwachten Lernens zurück. Diese Trainingsmethode hat sich auch in anderen Bereichen der Bildanalyse bewährt und gilt als zuverlässig.
Doch das überwachte Lernen benötigt von Menschen gelabelte Daten. In der Medizin ist das ein großes Problem: Die Interpretation medizinischer Aufnahmen ist zeitaufwendig und erfordert teure menschliche Experten. Die Daten sind daher ein Flaschenhals für die Verbesserung und Ausweitung der KI-Diagnostik auf andere Erkrankungen. Einige Forschende experimentieren daher bereits mit KI-Modellen, die mit ungelabelten Daten vortrainiert werden und anschließend mit den seltenen von Experten gelabelten Daten nach trainiert werden.
KI-Bildanalyse setzt vermehrt auf selbst-überwacht trainierte Modelle
Außerhalb der medizinischen Diagnostik haben sich derweil selbst-überwacht trainierte Modelle für die Bildanalyse durchgesetzt. Frühe Beispiele wie Metas SEER oder DINO und Googles Vision Transformer zeigten das Potenzial der Kombination aus selbst-überwachten Trainingsmethoden und riesigen, ungelabelten Datensätzen.
Durchbrüche wie OpenAIs CLIP verdeutlichten zusätzlich die zentrale Rolle, die mit Bildern und zugehörigen Textbeschreibungen multimodal trainierte Modelle in der Bildanalyse und -generierung spielen können. Im April zeigte Google mit der LiT-Methode ein multimodales Modell, das die Qualität explizit für den ImageNet-Benchmark überwacht trainierte Systeme erreichte.
Forschenden der Harvard Medical School und der Stanford University ist nun ein großer Fortschritt gelungen: Sie veröffentlichen CheXzero, ein selbst-überwacht trainiertes KI-Modell, das aus Bild- und Textdaten selbstständig lernt, Erkrankungen zu identifizieren.
CheXzero lernt aus Röntgenaufnahmen und klinischen Aufzeichnungen
Die Forschenden trainierten CheXzero mit mehr als 377.000 Röntgenaufnahmen des Brustkorbs und mehr als 227.000 dazugehörige klinische Aufzeichnungen. Das Team testete das Modell anschließend mit zwei separaten Datensätzen zweier verschiedener Einrichtungen, eine außerhalb der USA, um Robustheit bei unterschiedlicher Terminologie sicherzustellen.
In den Tests identifizierte ChexZero erfolgreich Pathologien, die nicht explizit in den von menschlichen Experten angefertigten Notizen erwähnt wurden. Das Modell übertraf dabei andere selbst-überwachte KI-Werkzeuge und näherte sich der Genauigkeit menschlicher Radiologen.
„Wir befinden uns in den Anfängen der nächsten Generation medizinischer KI-Modelle, die in der Lage sind, flexible Aufgaben durch direktes Lernen aus Texten zu erfüllen“, so Studienleiter Pranav Rajpurkar, Assistenzprofessor für biomedizinische Informatik am Blavatnik Institute der HMS. „Bislang waren die meisten KI-Modelle auf die manuelle Kommentierung riesiger Datenmengen – bis zu 100.000 Bilder – angewiesen, um eine hohe Leistung zu erzielen. Unsere Methode benötigt keine solchen krankheitsspezifischen Annotationen.“
CheXzero entfernt Daten-Flaschenhals für medizinische KI-Systeme
CheXzero lerne, wie Konzepte im unstrukturierten Text mit visuellen Mustern im Bild übereinstimme, so Rajpurkar. Die Methode eignet sich daher auch für andere bildgebende Verfahren, etwa CT-Scans, MRTs oder die Echokardiografie.
„CheXzero zeigt, dass die Genauigkeit komplexer medizinischer Bildinterpretationen nicht länger von der Gnade großer, beschrifteter Datensätze abhängen muss“, so der Erstautor der Studie, Ekin Tiu, ein Student in Stanford und Gastforscher an der HMS. „Wir verwenden Röntgenaufnahmen der Brust als Beispiel, aber in Wirklichkeit lässt sich die Fähigkeit von CheXzero auf eine Vielzahl von medizinischen Situationen übertragen, in denen unstrukturierte Daten die Norm sind, und verkörpert das Versprechen, den Engpass bei der Beschriftung großer Datenmengen zu umgehen, der den Bereich des medizinischen maschinellen Lernens geplagt hat.“
Code und Modell sollen öffentlich auf GitHub verfügbar gemacht werden und werden von einer wissenschaftlichen Veröffentlichung in Nature begleitet.
Zusammenfassung
- Medizinische KI-Modelle sind auf menschliche Label angewiesen, um genaue Diagnosen zu stellen. Ein neues KI-Modell überwindet diese Hürde.
- CheXzero lernt aus Röntgenaufnahmen und begleitenden klinischen Notizen und kann Krankheiten auf Röntgenbildern der Brust identifizieren.
- Chexzero nähert sich laut den Forschenden der Genauigkeit menschlicher Expert:innen und übertraf andere KI-Modelle.
- Die Methode lässt sich auch auf andere medizinische Aufnahmen anwenden und könnte die aufwendigen menschlichen Labels größtenteils überflüssig machen.
Quellen: HMS, the decoder, mixed
KI VERBESSERT SEPSIS-FRÜHERKENNUNG IN KRANKENHÄUSERN DEUTLICH
Ein KI-System für Sepsis-Früherkennung registriert 82 Prozent aller Erkrankungen. Es könnte bald tausende Menschenleben retten.
Sepsis zählt zu den häufigsten Erkrankungen im stationären Sektor. Trotz Behandlung versterben etwa 25 Prozent der Patient:innen mit Sepsis und 45 Prozent mit schwerer Sepsis. Ein frühestmöglicher Therapiebeginn erhöht die Überlebenschancen deutlich.
Ursache der Sepsis sind Infektionserkrankungen, die außer Kontrolle geraten. In Deutschland sterben jährlich mehr als 75.000 Menschen an Sepsis. 15.000 bis 20.000 gelten laut Studien als vermeidbar. Damit ist Sepsis die dritthäufigste Todesursache in Deutschland hinter Herz-Kreislauf- und Krebserkrankungen.
Auch in anderen Ländern ist Sepsis eine häufige Todesursache. In den USA entwickeln jährlich ungefähr 1,7 Millionen Erwachsene Sepsis. Mehr als 250.000 von ihnen sterben.
Die Weltgesundheitsorganisation hat Sepsis 2017 als globale Bedrohung eingestuft und schätzt, dass im selben Jahr 49 Millionen Menschen von Sepsis betroffen und 11 Millionen daran verstorben sind – etwa 20 Prozent der jährlichen, globalen Todesfälle.
Früherkennung bei Sepsis entscheidet über Leben und Tod
Der Erkennungszeitpunkt der Sepsis entscheidet über den Krankheitsverlauf. Je früher Sepsis erkannt wird, desto höher sind die Heilungschancen. Frühe Symptome wie Fieber oder Verwirrung gleichen jedoch denen anderer Erkrankungen und werden so manchmal übersehen.
Forschende der Johns Hopkins Universität haben daher ein KI-Frühwarnsystem für Sepsis entwickelt, das die Krankengeschichte von Patient:innen mit aktuellen Symptomen und Laborergebnissen gemeinsam analysiert und so feststellt, ob ein Sepsisrisiko besteht. Das KI-System schlägt außerdem Behandlungsprotokolle vor, etwa den Einsatz von Antibiotika.
Das „Targeted Real-Time Early Warning System“ (TREWS) trackt zudem Patient:innen von ihrer Ankunft im Krankenhaus bis zur Entlassung und soll so sicherstellen, dass keine wichtigen Informationen übersehen werden – auch bei wechselndem Personal oder einer Verlegung.
Die Einführung des Systems an allen Kliniken wurde von Bayesian Health geleitet, einem 2016 aus der Johns Hopkins Universität ausgegliedertem Unternehmen. In mehreren Studien der Johns Hopkins Universität nutzten mehr als 4.000 Mediziner:innen aus fünf Krankenhäusern das KI-System bei der Behandlung von 590.000 Patient:innen. Die Forschenden testeten TREWS Diagnosefähigkeit zudem mit 173.931 früheren Fällen.
KI-System TREWS schlägt ältere Systeme deutlich
Laut der Studie waren 38 Prozent aller Warnungen von TREWS tatsächliche Sepsisfälle. Insgesamt erkannte das KI-System so 82 Prozent aller Sepsisfälle im Studienzeitraum.
„Dies ist in vielerlei Hinsicht ein Durchbruch“, so Mitautor Albert Wu, Internist und Direktor des Johns Hopkins Center for Health Services and Outcomes Research. „Bislang haben sich die meisten Systeme dieser Art viel öfter geirrt, als sie richtig gelegen haben.“
Andere elektronische Werkzeuge zur Sepsiserkennung registrieren nur bis zu 33 Prozent aller Sepsisfälle. In der gesamten Anzahl aller Warnungen solcher Systeme machen die tatsächlichen Sepsisfälle zudem nur zwei bis fünf Prozent aus. „Diese Fehlalarme untergraben das Vertrauen“, so Wu.
Warnmeldungen von TREWS, auf die innerhalb von drei Stunden reagiert wurde, führten im Schnitt zu einer knapp zwei Stunden früheren Antibiotikabehandlung, schreiben die Autor:innen. Das habe in dieser Gruppe zu einer geringeren Krankenhaussterblichkeit, weniger Organversagen und einer geringeren Aufenthaltsdauer geführt.
TREWS soll tausende Menschen retten
„Es ist der erste Einsatz einer KI am Krankenbett, die von tausenden Versorgern genutzt wurde und durch die nachweislich Leben gerettet wurden“, so Suchi Saria, Gründungsdirektorin des Malone Center for Engineering in Healthcare an der Johns Hopkins University und Hauptautorin der Studien. Sie erwartet, dass TREWS und ähnliche Systeme jährlich Tausenden von Sepsis betroffenen Personen das Leben retten wird.
Saria und ihre Kolleg:innen wollen TREWS in Zukunft auf weitere Risiken neben Sepsis ausweiten. Bereits jetzt habe das Team die Technologie angepasst, um Patient:innen zu identifizieren, bei denen ein Risiko für Druckverletzungen, plötzliche Verschlechterung durch Blutungen, akutes Atemversagen und Herzstillstand besteht.
TREWS sei grundlegend anders als ältere Diagnosesysteme ohne KI-Unterstützung. „Es ist anpassungsfähig und berücksichtigt die Vielfalt der Patientenpopulationen, die besondere Art und Weise, wie Ärzte und Pflegepersonal die Pflege an verschiedenen Standorten durchführen, und die besonderen Merkmale jedes Gesundheitssystems, sodass es wesentlich genauer ist und das Vertrauen der Anbieter gewinnt und angenommen wird“, so Saria.
Zusammenfassung
- Sepsis gehört zu den häufigsten Todesursachen.
- Forschende der Johns Hopkins Universität stellen ein KI-Frühwarnsystem für Sepsis vor, das Patientendaten, Symptome und Laborergebnisse gemeinsam analysiert, so das Sepsisrisiko bestimmt und Behandlungen vorschlägt.
- Das „Targeted Real-Time Early Warning System“ (TREWS) erkannte 82 Prozent aller Sepsisfälle. 38 Prozent aller Warnungen von TREWS waren tatsächlich Sepsisfälle. Das ist eine deutliche Steigerung im Vergleich zu existierenden Systemen.
Quelle: The decoder, mixed
ALPHA ONE: EUROPAS SCHNELLSTES KOMMERZIELLES KI-RECHENZENTRUM
Das deutsche KI-Start-up Aleph Alpha startet eines der weltweit stärksten KI-Rechenzentren. Es soll helfen, KI-Lösungen für staatliche Institutionen zu entwickeln.
Die Führungsrolle der USA in der KI-Forschung und -Entwicklung wird angetrieben von dort ansässigen, großen Tech-Unternehmen wie Microsoft, Google, Nvidia, OpenAI, Meta oder Amazon. In diesen Unternehmen arbeiten hunderte KI-Experten. Zusätzlich kooperieren die Tech-Riesen mit akademischen Forscheren weltweit.
Ein zentraler Motivator dieser Kooperationen sind neben den Forschungsgeldern auch der Zugriff auf die massiven Rechenzentren der Unternehmen. Google, Meta oder Nvidia betreiben Hochleistungsrechenzentren, die sich in der Spitze der schnellsten KI-Supercomputer ansiedeln.
KI-Infrastruktur für europäische Souveränität
In den USA und China sind die industriell betriebene Rechenzentren zentral für die Entwicklung großer KI-Modelle wie OpenAIs GPT-3, DALL-E 2, Metas OPT oder Googles LaMDA und Imagen. Auch Deepminds KI-Erfolge mit AlphaZero oder AlphaFold 2 währen ohne den Zugriff auf Alphabets Rechenzentren ebenfalls unmöglich gewesen – und der Trend geht in Richtung noch größerer Modelle, noch mehr Daten und noch mehr Rechenleistung.
In Europa fehlen solche industriell betriebenen Zentren: Traditionell setzen die europäischen Staaten eher auf öffentliche Initiativen, wie die EuroHPC-JU-Partnerschaft, die Ressourcen der Europäischen Union, nationaler Mitgliedsstaaten und privater Unternehmen einsetzt, um Supercomputer in Europa aufzubauen.
Akteure wie der KI-Bundesverband warnen dennoch vor einer Abhängigkeit Europas von KI-Lösungen aus den USA und fordert den Aufbau europäischer KI-Modelle und -Infrastruktur.
Aleph Alpha startet schnellstes, kommerzielles KI-Rechenzentrum in Europa
Das 2019 gegründete Heidelberger KI-Start-up Aleph Alpha sieht das ähnlich und will das führende europäische Unternehmen bei der Erforschung und Entwicklung einer starken Künstlichen Intelligenz der nächsten Generation sein. Die EU soll so als entscheidende Akteurin im Bereich der KI etabliert und ihre digitale Souveränität gesichert werden.
Aleph Alpha wird als europäischer OpenAI-Konkurrent gehandelt und betreibt mit Luminous das größte europäische KI-Sprachmodell. Das Start-up ist zudem am öffentlich geförderten Open GPT-X-Projekt beteiligt und kündigte im Juni eine stärkere Kooperation mit dem britischen Chip-Hersteller Graphcore an.
Nun geht Aleph Alpha den nächsten Schritt auf dem Weg zum wichtigsten KI-Unternehmen in Deutschland und eröffnet am GovTech Campus Deutschland mit alpha ONE das leistungsfähigste kommerzielle KI-Rechenzentrum in Europa.
Alpha ONE zielt auf souveräne Wertschöpfungskette für KI
Alpha ONE bildet den ersten Infrastrukturkern für das „AI for Government“-Programm des GovTech Campus Deutschland. Die Bundesregierung eröffnete den Campus 2022. Er soll relevante digitale Technologien und Lösungen zur Anwendung in Staat und Verwaltung nutz- und skalierbar machen.
Konkretes Ziel des Programms ist die Bildung eines KI-Innovationszentrums, an dem Bund, Länder und Kommunen zusammen mit KI-Start-ups der GovTech-Szene konkrete Use-Cases entwickeln und testen können.
Das Rechenzentrum alpha ONE soll die Infrastruktur für KI-Lösungen für Bund, Länder und Kommunen ermöglichen. Ein Beispiel sind KI-Assistenten auf Basis des Luminous-Modells, wie in einer Initiative der Stadt Heidelberg. | Bild: Aleph Alpha
„Mit alpha ONE können wir am GovTech Campus für unsere Mitglieder aus Bund, Ländern und Kommunen die KI-Infrastrukturlücke mit einem souveränen Ansatz schließen, an konkreten Lösungen arbeiten und die Begleitung durch die Zivilgesellschaft ermöglichen. Das kann für die Digitalisierung des öffentlichen Sektors ein echter Game Changer werden“, so Lars Zimmermann, Mitgründer und Mitglied des Vorstands des GovTech Campus Deutschland.
Alpha ONE auf Platz 72 der Top 500 Supercomputer
Alpha ONE setzt auf insgesamt 512 Nvidia HGX A100 80 Gigabyte GPUs in 64 per InfiniBand verbundenen Servern und 15 Petabyte Speicher. Zusammen könne das Cluster bis zu 7,625 Peta-Flops Rechenleistung ermöglichen, so Aleph Alpha.
Damit belege alpha ONE Platz 72 auf der Liste der Top 500 der schnellsten Supercomputer der Welt. Das Rechenzentrum entstand in Zusammenarbeit mit Hewlett Packard Enterprise (HPE) und Nvidia.
„Der Aufbau und Betrieb eines modernen Data Centers dieser Dimension erforderte besondere Expertise. Wir freuen uns, eines der stärksten KI-Rechenzentren der Welt in Deutschland aufgebaut zu haben und einen wesentlichen Beitrag zur Technologiesouveränität, insbesondere in der öffentlichen Verwaltung, zu leisten“, sagt Jonas Andrulis, CEO und Gründer von Aleph Alpha.
Zusammenfassung
- Das deutsche KI-Start-up Aleph Alpha eröffnet alpha ONE, Europas schnellstes, kommerzielles KI-Rechenzentrum.
- Alpha ONE bildet den ersten Infrastrukturkern für das „AI for Government“-Programm des GovTech Campus Deutschland.
- Bund, Länder und Kommunen sollen dort mit der GovTech-Szene konkrete Use-Cases entwickeln und testen können.
Quellen: Aleph Alpha, the decoder, mixed
AI LEADERS – DER FONDS
Nachdem die Märkte im Juli eine kurze Rallye gestartet hatten, wurden diese Zugewinne im August wieder abgegeben. Unverändert sind die Energiepreise, Krieg, Inflation, Lieferketten und steigende Zinsen bestimmende Treiber an den Börsen.
Die Sorge ist dabei insbesondere, dass es zu einer merklichen Eintrübung der Wirtschaft kommen könnte, im schlimmsten Fall zu einer ausgeprägten Rezession. Infolgedessen agieren viele Marktteilnehmer defensiv, stoßen Aktien aus ihren Depots ab und/oder halten sich bei weiteren Aktieninvestments zurück.
Auch im AI Leaders haben wir nach den ersten Korrekturen im März eine vorsichtige Position eingenommen. Dabei hat sich die Dynamik der investierten Unternehmen kaum verändert. Im Durchschnitt lag der Umsatzzuwachs bei knapp über 20%. Das Rentabilitätsniveau konnte dabei aufrechterhalten werden, trotz der Kostensteigerungen in vielen Bereichen. Dies zeigt, dass die meisten unserer Unternehmen dazu in der Lage sind, die steigenden Preisniveaus an die Kunden weiterzureichen.
In der aktuellen Marktphase steigende Preise an seine Kunden weiterzureichen und die Gewinnmargen konstant zu halten, spricht für eine außerordentlich starke Wettbewerbssituation.
Gute operative Ergebnisse schützt aber kurzfristig nicht von Kursrückgängen. Dies macht sich nur langfristig bemerkbar. Die aktuelle Situation gibt deshalb keinen Anlass zu denken, dass qualitativ hochwertige Unternehmen nicht auch diesmal zu alter Stärke zurückfinden werden.
Seit Mitte September 2022 nutzen wir das KI System TOPAS von ELAN Capital für die dynamische Portfolioallokation.
Durch den Einsatz von TOPAS hat sich das Portfolio, bei einem gleichbleibendem Aktienuniversum von 161 Einzeltiteln, in den letzten Wochen nachhaltig verändert.
Die größten Einzelwerte:
Stand: 28.09.2022
AI Leaders – Konkurrenzvergleich
Im Vergleich zu den wichtigsten Konkurrenten hat sich die Veränderung der Portfolioallokation ab April 2022 mit einer geringeren Volatilität und höheren Stabilität ausbezahlt:
Entwicklung über die letzten 6 Monate:
Entwicklung seit Anfang September 2022:
Den Grund für die vergleichsweise stabile Entwicklung ist die höheren Diversifikation und niedrigeren Bewertungen des AI Leaders im Vergleich zu seinen Konkurrenten.
Echiquier Artificial Intelligence – Kennzahlen*
Für die mittel- und langfristige Entwicklung des AI Leaders sind wir unverändert sehr optimistisch. Die niedrigen Kurse, das hohe Wachstum und der Einsatz von TOPAS bieten Investoren hervorragende Möglichkeiten sich im einzigartigen Wachtumssegment der künstlichen Intelligenz zu positionieren.
Für weitere Fragen stehe wir Ihnen wie immer gerne zur Verfügung.
Herzliche Grüße aus Stuttgart
Tilmann Speck
Christian Hintz
Gerd Schäfer