AI Leaders A: WKN A2P37J | AI Leaders C: WKN A2PF0M
AI Leaders A: WKN A2P37J
AI Leaders C: WKN A2PF0M
AI Leaders C: WKN A2PF0M
AKTUELLE NEWS AUS DER KI-WELT
AI LEADERS – Der Fonds
Sehr geehrte Investoren und Freunde,
der AI-Leaders konnte in den letzten 12 Monaten einen Wertzuwachs von 23,44% erwirtschaften und liegt bei einem Fondsvolumen von 70 Mio. Euro
AI Leaders - Meister der Korrektur 15.7 - 15.8.2024
Wie erwartet reagiert das KI gestützte Risikomanagement TOPAS auf eine erhöhte Marktvolatilität und schichtet in schwankungsärmere Aktien um.
Infolgedessen fallen die Korrekturen in diesem Zeitraum deutlich niedriger aus als bei vergleichbaren Fonds:
AI Leaders: -4,93%
L&G: -5,87%
Allianz : -7,54%
DWS: -7,77%
Oddo: -7,90%
Deka: -7,93%
Echiquier: -8,24%
WisdomTree: -8,52%
Seit Einsatz des KI gesteuerten Risikomanagements TOPAS im September 2022 konnte der AI-Leaders eine deutlich höhere Wertentwicklung erwirtschaften als der S&P 500 und der MSCI World Index.
Gleichzeitig zeigt der AI-Leaders das beste Risiko-Rendite Verhältnis aller KI-Aktienfonds bei einer Volatilität von unter 16% auf.
Risiko-Rendite-Diagramm 12 Monate
Bedingt durch die Korrektur hat sich bei Top 10 Werten einige Veränderungen ergeben.
TOP 10 Werte Anfang Juli 2024
Top 10 Werte am 26.08.2024
Allokation der wichtigsten Branchen: Stand 26.08.2024
Semiconductor: 18,11%
E-Commerce: 12,16%
Healthcare: 3,51%
CloudComputing: 3,28%
BigData: 1,76%
Allokation nach Ländern: Stand 26.08.2024
Bedingt durch das hohe Wachstum und Gewinnentwicklung unserer Aktien können wir über die nächsten Jahre mit einer sehr erfreulichen Entwicklung des AI-Leaders rechnen. Mit kurzfristigen Rücksetzern muss dabei immer gerechnet werden.
AMAZON-CEO BEHAUPTET, SEIN KONZERN SPART 4.500 JAHRE ENTWICKLUNGSZEIT DURCH GENERATIVE KI
Amazon CEO Andy Jassy berichtet, dass der Einsatz des GenAI-Assistenten Amazon Q für die Softwareentwicklung die Zeit für Java-Updates drastisch reduziert hat. Das Unternehmen schätzt die Einsparungen auf Tausende Entwicklungsjahre und Hunderte Millionen Dollar.
In einem Beitrag auf LinkedIn berichtet Amazon-CEO Andy Jassy von angeblichen Effizienzgewinnen durch den Einsatz des Business-Chatbots Amazon Q für Software-Entwicklung. Insbesondere bei der Aktualisierung von Java-Anwendungen auf neuere Versionen habe Amazon Q enorme Zeit- und Kosteneinsparungen ermöglicht.
Jassy bezeichnet die Aktualisierung von Kernsoftware als eine der mühsamsten, aber wichtigsten Aufgaben für Softwareentwicklungsteams. Da es sich dabei nicht um neue Funktionalitäten handelt und man das Gefühl hat, die Benutzererfahrung nicht zu verbessern, würde diese Arbeit oft gescheut oder zugunsten neuer Aufgaben zurückgestellt.
Mit einer neuen Funktion zur Code-Transformation konnte Amazon Q laut Jassy die durchschnittliche Zeit für ein Upgrade einer Anwendung auf Java 17 von typischerweise 50 Entwicklertagen auf nur wenige Stunden reduzieren. Das Unternehmen schätzt, dass dadurch das Äquivalent von 4.500 Entwicklerjahren eingespart wurde.
Knapp 80 Prozent KI-Code gehen ohne Änderungen durch
Innerhalb von nur sechs Monaten habe Amazon mehr als 50 Prozent seiner Java-Produktionssysteme in einem Bruchteil der üblichen Zeit und mit deutlich weniger Aufwand auf modernisierte Java-Versionen aktualisieren können. 79 Prozent der von Amazon Q automatisch generierten Code-Reviews hätten die Entwickler ohne weitere Änderungen übernommen.
Die Vorteile gehen laut Jassy weit über die eingesparten Entwicklungsstunden hinaus: Die Updates hätten die Sicherheit verbessert und die Infrastrukturkosten gesenkt, was zu geschätzten jährlichen Effizienzgewinnen von 260 Millionen Dollar führe.
Jassy sieht in diesem Beispiel einen Beleg dafür, wie große Unternehmen durch den Einsatz GenAI erhebliche Effizienzsteigerungen bei der Wartung von Basissoftware erzielen können. Für Amazon sei dies ein „Game-Changer“ gewesen.
Amazon Q Code Transformation ist eine neue Funktion, die bestehenden Code analysiert, Veränderungen vorschlägt und auch durchführt. Dabei werden etwa Paketabhängigkeiten aktualisiert, veraltete und ineffiziente Codekomponenten überarbeitet und Sicherheitspraktiken integriert.
Zusammenfassung
- Amazon CEO Andy Jassy berichtet, dass der Einsatz des GenAI-Assistenten Amazon Q für die Softwareentwicklung die Zeit für Java-Updates drastisch reduziert hat. Das Unternehmen schätzt, dass dadurch 4.500 Jahre Entwicklungszeit eingespart wurden.
- Mit der neuen Funktion „Code Transformation“ von Amazon Q konnte die durchschnittliche Zeit für das Upgrade einer Anwendung auf Java 17 von typischerweise 50 Entwicklertagen auf nur wenige Stunden reduziert werden. 79 Prozent des von Amazon Q automatisch generierten Codes wurde von den Entwicklern ohne weitere Änderungen übernommen.
- Laut Jassy führen die Effizienzgewinne durch den Einsatz von Amazon Q bei Java-Updates nicht nur zu eingesparten Entwicklungsstunden, sondern auch zu verbesserter Sicherheit und geringeren Infrastrukturkosten. Amazon schätzt die jährlichen Einsparungen auf 260 Millionen Dollar.
NVIDIAS "STORMCAST" PROGNOSTIZIERT GEWITTER AUF KILOMETERSKALA
Bild: Tech. Midjourney prompted by THE DECODER
Nvidia-Forscher haben das KI-Modell "StormCast" entwickelt, das Gewittervorhersagen auf einer Skala von wenigen Kilometern ermöglicht.
Bisher war es für KI-Modelle eine Herausforderung, die komplexe Dynamik der Atmosphäre auf dieser feinen Skala abzubilden. Die Forscher kombinierten für StormCast deshalb zwei Innovationen: Zum einen setzen sie auf ein generatives Modell, das viele mögliche Entwicklungen simulieren kann. Zum anderen prognostiziert StormCast einen dichten atmosphärischen Zustand mit Dutzenden von vertikalen Schichten.
StormCast ahmt das hochauflösende Modell „High-Resolution Rapid Refresh“ (HRRR) nach, das derzeit vom amerikanischen Wetterdienst NOAA verwendet wird. Es prognostiziert dafür 99 Zustandsvariablen auf einer Skala von 3 Kilometern in stündlichen Zeitschritten. Dabei werden insbesondere die untersten Schichten der Atmosphäre berücksichtigt.
Nvidias StormCast erreicht Qualität von aktuell besten Vorhersagen
In Tests zeigte StormCast eine ähnliche Vorhersagequalität wie das HRRR-Modell. Die Wahrscheinlichkeiten für leichten, mäßigen und starken Regen stimmten bis zu 6 Stunden im Voraus gut überein. Auch die Entwicklung von Gewitterzellen, Auf- und Abwinde sowie Kaltluftströmungen unter Gewittern wurden von StormCast realistisch wiedergegeben.
Ein Vorteil des KI-Ansatzes ist, dass Ensembles, also Gruppen von leicht variierten Vorhersagen, einfach erstellt werden können. Bereits mit fünf Ensemblemitgliedern war StormCast dem einzelnen HRRR-Lauf überlegen. Solche Ensembles sind mit klassischen Wettermodellen sehr rechenintensiv.
Einige Herausforderungen bleiben: Unter anderem sollten zukünftige Modelle auf mehr Trainingsdaten und größeren Gebieten lernen. Auch die Kalibrierung der Ensembles kann noch verbessert werden.
Dennoch ebnen die Ergebnisse den Weg für eine neue Generation von hochauflösenden, KI-gestützten Wettermodellen, ist das Team überzeugt. Solche Modelle könnten Meteorologen helfen, gefährliche Gewitter noch genauer und schneller vorherzusagen und so Schäden und Todesopfer zu vermeiden. Auch für lokale Klimaprognosen seien solche Modelle vielversprechend.
Zusammenfassung
- Nvidia-Forscher haben das KI-Modell „StormCast“ entwickelt, das Gewittervorhersagen auf einer Skala von wenigen Kilometern ermöglicht, indem es ein generatives Modell mit der Prognose eines dichten atmosphärischen Zustands kombiniert.
- In Tests zeigte StormCast eine ähnliche Vorhersagequalität wie das derzeit beste Wettermodell HRRR. Wahrscheinlichkeiten für Regen, die Entwicklung von Gewitterzellen sowie Auf- und Abwinde wurden realistisch wiedergegeben.
- Das Team sieht noch Herausforderungen, ist aber überzeugt, dass der Ansatz den Weg für eine neue Generation von hochauflösenden, KI-gestützten Wettermodellen ebnet, die Meteorologen helfen könnten, gefährliche Gewitter genauer und schneller vorherzusagen.
Herzliche Grüße aus Stuttgart
Tilmann Speck
Christian Hintz
Gerd Schäfer