Forscher erzeugen 380 wissenschaftliche Finanzartikel in zwölf Stunden mit KI

Laut Mihail Velikov von der Pennsylvania State University und Robert Novy-Marx von der University of Rochester können KI-basierte Tools wissenschaftliche Finanzpublikationen in Massen produzieren, die sich von „echten“, also von Menschen verfassten Forschungsarbeiten, kaum unterscheiden.

In gerade einmal zwölf Stunden haben die Experten mit diesen Hilfsmitteln 380 veröffentlichungsreife finanzwissenschaftliche Arbeiten generiert. „KI kann mittlerweile eine Unmenge an Arbeiten in grossem Massstab produzieren, und das wird die Art und Weise verändern, wie wir Wissen generieren und verbreiten“, sagt Velikov. „Dies ist ein Frühwarnsignal dafür, was mit modernen KI-Fähigkeiten auf uns zukommt“, so der Forscher weiter.

Ein ernstes Frühwarnsignal

Die Forscher hatten keineswegs vor, eine KI-Fertigungsstrasse für Finanzforschungsarbeiten zu schaffen. Velikovs wissenschaftliche Arbeit konzentriert sich auf die Identifizierung von Anomalien am Aktienmarkt. Er beobachtete Muster in den Daten, die nicht mit anerkannten theoretischen Modellen zum Verhalten von Finanzmärkten übereinstimmen.

Er und Novy-Marx arbeiteten daraufhin an einem Data-Mining-Projekt, bei dem sie Unternehmensbilanzdaten auf potenzielle Signale analysierten, die vorhersagen könnten, welche Aktien den Markt übertreffen werden. Sie identifizierten über 30’000 Signale, deren Vorhersagekraft sie prüften, wozu auch der Vergleich mit 200 dokumentierten Anomalien gehörte, die in der Finanzliteratur veröffentlicht sind. Auf dieser Basis haben die Forscher die Liste auf 95 Signale eingegrenzt, die neu waren.

Vier Artikel zu jedem Signal

Velikov hat die Infos anschliessend in ein von ihm erstelltes KI-basiertes Tool eingegeben, das auf der Grundlage der Analyse einen Bericht generierte. Dieser ähnelte veröffentlichten Artikeln, die neue Anomalien dokumentieren. Das Einzige, was in der KI-Arbeit fehlte, war eine Hypothese oder Interpretation, warum die Anomalien existieren könnten.

„Das war Ende 2023, und mir wurde klar, dass grosse Sprachmodelle vielleicht gut darin sein könnten, Geschichten zu erfinden, die erklären, warum diese Anomalien auftreten“, so Velikov. Also probierte er es gemeinsam mit seinem Kollegen aus. Die Forscher nutzten „Anthropics LLM Claude Opus 4.1“, um die Berichtsvorlagen auf der Grundlage der Infos und Analysen aus dem Data-Mining-Projekt zu wissenschaftlichen Artikeln auszubauen.

Für jedes der 95 Signale wiesen sie das Tool an, vier unterschiedliche Manuskripte zu erstellen, jedes mit einer anderen Hypothese und theoretischen Begründung, um die beobachteten Ergebnisse für dasselbe Signal zu erklären. 380 Artikel entstanden. Jeder enthielt eine Zusammenfassung, eine Einleitung, Daten, Ergebnisse, ein Fazit und Literaturangaben. Die von der KI generierten Artikel sowie der Code, der zu ihrer Erstellung verwendet wurde, sind öffentlich zugänglich.

Peer-Review-System gefordert

Die effiziente Erstellung wissenschaftlicher Artikel durch KI wirft Fragen und Bedenken hinsichtlich der akademischen Forschung und des Peer-Review-Systems auf. Damit ist die Beurteilung von Einreichungen bei Fachverlagen durch Experten gemeint. Generell ist die Zahl der Einreichungen bei Fachzeitschriften und Konferenzen in den vergangenen Jahren stark angestiegen, was die Peer-Reviewer oft überfordere.

Von KI ganz oder teilweise produzierte minderwertige Arbeiten mit wissenschaftlichem Anspruch überschwemmen das akademische Verlagswesen. Das haben bereits auch Forscher der University of Pennsylvania und drei weiteren US-Hochschulen herausgefunden. Das Team um Claudine Gartenberg von der University of Pennsylvania hat fast 7’000 Einreichungen und mehr als 10’000 Gutachten aus den Jahren 2021 bis 2026 analysiert.

 

Quelle: pressetext.com/Wolfgang Kempkens
Bildquelle: Symbolbild © Andrey_Popov/Shutterstock.com

Publireportagen

Empfehlungen