Es gibt keine wissenschaftliche Grundlage für Geschäftsprognosen, keine gemeinsamen Erwartungen oder Instrumente. Normalerweise ist das Beste, auf das Sie hoffen können, nicht völlig falsch zu liegen. Es ist eine niedrige Messlatte, und selbst dann erreichen Wirtschaftsprognostiker sie selten. Oder haben Sie die Rezession vergessen, die einfach nicht stattgefunden hat? Zumindest wurden wir weithin vor dem Zusammenbruch des Immobilienmarktes im Jahr 2008 gewarnt. Oh, richtig. Das waren wir nicht.
Diese Schlagzeile aus der Ausgabe 2022 des Harvard Business Review fasst es am besten zusammen. „Geschäftsprognosen sind zuverlässig falsch – und dennoch wertvoll.“
„Es handelt sich dabei um Vorstellungsübungen, deren Einzelheiten, wie Studien gezeigt haben, selten korrekt sind“, heißt es in dem Artikel. „Obwohl versierte Führungskräfte zuverlässig falsch liegen, können sie aus Prognosen einen strategischen Wert ziehen.“
Aber wie lange wird „zuverlässig falsch“ noch ein akzeptabler Maßstab sein, insbesondere in diesen volatilen Zeiten, in denen das wirtschaftliche Überleben davon abhängt, heute zu wissen, was morgen passieren wird?
Baozhong Yang, Professor für Finanzen am Robinson College of Business des US-Bundesstaates Georgia, sagt, dass ein Teil des Problems darin liege, dass die Durchführung von Managementbefragungen in so großem Umfang kostspielig sei – und zwar in der Häufigkeit, die erforderlich sei, um sich an die Marktvolatilität anzupassen.
„Es stehen so viele nützliche Informationen zur Verfügung“, sagte Yang. „Die Herausforderung bestand darin, alles in einer nützlichen Form zu organisieren.“
Yang ging diese Herausforderung zusammen mit den Robinson-Professoren Manish Jha und Jialin Qian sowie Michael Weber von Chicago Booth und NBER in ihrem kürzlich veröffentlichten Buch an Papier„Nutzung generativer KI für wirtschaftliche Erkenntnisse“, auf der SSRN Preprint-Server. Wie der Titel schon sagt: Die Technologie von morgen ist die Lösung von heute.
Die Forscher nutzten KI, um Transkripte von Unternehmenskonferenzen zu analysieren und Informationen über die Erwartungen der Manager in Bezug auf verschiedene Wirtschaftsindikatoren wie BIP, Produktion, Beschäftigung und Investitionen zu extrahieren.
„Unsere Idee bestand darin, Telefonkonferenzen in qualitative Managementdaten umzuwandeln“, sagte Yang. Mithilfe verfügbarer Technologien konnten sie eine Vielzahl wirtschaftlicher Faktoren innerhalb der Unternehmen erfassen.
Daraus haben sie eine neue Kennzahl entwickelt, den „AI Economy Score“, der Managementprognosen für die Wirtschaft zusammenfasst. Dieser Wert spiegelt das zukünftige BIP und wirtschaftliche Faktoren wider, einschließlich Industrieproduktion und Beschäftigung.
„KI-generierte Erwartungen können wirtschaftliche Trends auf verschiedenen Ebenen und über lange Zeiträume vorhersagen“, so die Forscher. „Darüber hinaus kommt die Studie zu dem Schluss, dass die Erwartungen von Managern eine Vorhersagekraft haben, weil Manager über Informationen aus erster Hand verfügen und nach ihren Überzeugungen handeln, was sich auf die Wirtschaft auswirkt. Insgesamt zeigt diese Studie, dass KI dabei helfen kann, wertvolle Einblicke in Wirtschaftstrends zu liefern und Forschern, politischen Entscheidungsträgern usw. zu helfen.“ Investoren.“
Yang sagte, die Bewertung werde für mehrere Sektoren nützlich sein. Niedrige KI-Wirtschaftswerte deuten auf ein schwieriges wirtschaftliches Umfeld mit ungünstigen Marktbedingungen hin, die es schwierig machen, Geschäfte zu machen. Hohe KI-Wirtschaftswerte spiegeln Optimismus, rasantes Umsatzwachstum und eine positive finanzielle Leistung wider, sagen die Forscher.
Yang sagte, die in diesen Telefonkonferenzen besprochenen Themen lieferten wichtige Indikatoren. Unter düsteren wirtschaftlichen Bedingungen agieren Unternehmen vorsichtig. Der Optimismus lässt nach.
Aber wenn die Wirtschaft im Aufschwung ist, konzentrieren sich die Diskussionen im Allgemeinen auf Diskussionen über Umsatzwachstum, verbesserte Marktbedingungen, organisches Umsatzwachstum und eine insgesamt positive Geschäftsentwicklung.
Die Transkripte wurden in ein generatives KI-Modell eingespeist, das so programmiert ist, dass es Antworten auf die Erwartungen des Managements an die zukünftige Wirtschaftslage und die einzelnen Unternehmen liefert.
Es wurden Daten aus mehr als 120.000 Telefonkonferenzen gesammelt, die 5.513 einzelne Unternehmen repräsentierten. Aus den Zahlen wurden Indikatoren auf nationaler und branchenspezifischer Ebene generiert.
„Wir haben die Vorhersagekraft“, sagte Yang. „Wir wussten einfach nicht, wie wir es effektiv nutzen können.“
Eine weitere Innovation: Trennung der Daten nach Branchen, unter Berücksichtigung der Tatsache, dass einige Sektoren den vorherrschenden Wirtschaftstrends trotzen können.
Yang geht davon aus, dass der AI Economic Score der breiten Öffentlichkeit zugänglich gemacht wird.
Das ultimative Ziel ist ein besser informierter Kunde oder Investor. Bereits vorhandene Technologien in den Bereichen Prognose, Marktanalyse, Politiksimulation und Risikobewertung können den Interessengruppen erheblich helfen.
Vielleicht sogar von „zuverlässig falsch“ zu „zuverlässig“ vorrücken.
Weitere Informationen:
Manish Jha et al., Nutzung generativer KI für wirtschaftliche Erkenntnisse, SSRN (2024). DOI: 10.2139/ssrn.4976759