Künstliche Intelligenz: Diese sechs Aktien sind laut Morgan Stanley die Profiteure des Edge-AI-Megatrends

Edge AI, die innovative Verlagerung von künstlicher Intelligenz an die Peripherie des Netzwerks, verändert Industrien auf globaler Ebene. Echtzeitdatenverarbeitung auf Geräten wie Smartphones und autonomen Fahrzeugen bietet nicht nur schnellere Reaktionen, sondern auch verbesserten Datenschutz. Diese Technologie öffnet neue Türen für Investoren. Laut Morgan Stanley stehen sechs Aktien bereit, die von diesem Megatrend profitieren werden. TraderFox berichtet.

Edge AI, die Verlagerung von künstlicher Intelligenz (KI) von zentralen Servern an den Rand des Netzwerks (Edge), revolutioniert zahlreiche Branchen. Diese Technologie ermöglicht Echtzeitdatenverarbeitung direkt auf Geräten wie Smartphones, IoT-Geräten und autonomen Fahrzeugen, wodurch Latenzzeiten reduziert und Datenschutz verbessert werden.

Für Anleger bietet Edge AI spannende Chancen. Die Nachfrage nach schnellerer, sicherer und effizienterer Datenverarbeitung wächst, getrieben durch Trends wie das Internet der Dinge (IoT) und die zunehmende Automatisierung. Unternehmen, die Edge AI-Technologien entwickeln oder integrieren, könnten erhebliche Wettbewerbsvorteile erlangen und langfristig Wert schaffen. Zudem diversifiziert Edge AI das Investmentportfolio, da es sowohl von technologischen Fortschritten als auch von breiteren Wirtschaftssektoren profitiert.

Die Investition in Edge AI kann daher nicht nur zur Erzielung hoher Renditen beitragen, sondern auch als strategische Positionierung in einem zukunftsorientierten Markt dienen. Das ist eine Anlagethese, an der auch Morgan Stanley Gefallen findet. In einem Update zum Thema Edge-AI gibt die US-Investmentbank jedenfalls Antworten rund um dieses spannende Thema, die wie folgt ausfallen:

Was ist Edge-KI?

Edge bezieht sich auf den Bereich, in dem KI-Algorithmen lokal auf Hardware-Geräten und nicht in zentralisierten Datenzentren in der Cloud ausgeführt werden. Es bezieht sich einfach auf Schlussfolgerungen oder Berechnungen am "Rand" eines Netzwerks, per Definition näher an dem Punkt, an dem die Daten erzeugt werden.

Dieser Ansatz kann helfen, Kosten zu sparen, Latenzzeiten zu verringern, die Bandbreite zu rationalisieren, den Datenschutz zu verbessern und eine Echtzeitverarbeitung an dem Punkt zu ermöglichen, an dem die Daten gesammelt werden. Zu den alltäglichen Beispielen für Edge AI gehören die Gesichtserkennung auf einem Smartphone, die Spracherkennung in intelligenten Lautsprechern und die Erkennung von Anomalien in Industrieanlagen.

Ist dies ein neues Phänomen?

Edge-KI ist nicht neu. Der Begriff "Edge" war in der Vergangenheit lose austauschbar mit dem "Internet der Dinge" oder dem "industriellen IoT", das im Laufe der Zeit seine eigenen Hype-Zyklen durchlaufen hat. Mit dem Aufkommen der generativen KI beschleunigt sich jedoch der Impuls für Geräte-Upgrades, um eine größere Rechenleistung nativ auf der Verbraucherhardware zu ermöglichen, und geht über die oft nur begrenzt genutzten Smart Speaker hinaus.

Google-Suchinteresse an neuen Trends

Quellen: AlphaSense, Google Trends, Morgan Stanley Research

Was sind die Vorteile der Edge-KI?

Die in diesem Beitrag zitierte Notiz der US-Investmentbank konzentriert sich auf das Edge Computing bei batteriebetriebenen Geräten (d. h. nicht netzbetrieben). Dabei kann es sich um ein Smartphone, eine Smartwatch oder eine Drohne handeln - alles, was die Fähigkeit zur Datenverarbeitung besitzt. Die Verarbeitung auf dem Gerät - Edge Computing - bietet andere Vorteile als die Verarbeitung von Daten in der Cloud.

Die Analysten von Morgan Stanley glauben, dass diese Vorteile neue Anwendungen in der Technologie-Hardware vorantreiben werden. Die wichtigsten Vorteile von Edge Computing gegenüber Cloud Computing sind demnach die folgenden: (1) Personalisierung; (2) niedrige Kosten pro Abfrage; (3) Verfügbarkeit offline/on-Demand; (4) niedrige Latenzzeit im Vergleich zu Rechenzentren; und (5) Datenschutz und Sicherheit mit Anomalieerkennung.

Die Vorteile von Edge-AI

Quelle: Morgan Stanley Research

Die Ausführung von KI-Modellen direkt auf dem Gerät bietet jedoch eine Reihe von Herausforderungen gegenüber der Verarbeitung von Modellen in der Cloud:

1. Akku- und Stromverbrauch - Tests haben ergeben, dass die Ausführung von KI-Modellen auf dem Gerät das 30- bis 50-fache des Akkus beanspruchen kann. Wie begrenzt ist der Akku des Geräts, wenn keine hochentwickelten KI-Modelle angewendet werden? Morgan Stanley bewertet die Batterielebensdauer und deren relative Bedeutung für ein Gerät. Befähiger in dieser Kategorie erweitern entweder A) die Batteriekapazität oder B) reduzieren den Stromverbrauch von Komponenten.

2. Verarbeitungsleistung und Speicher - Wie stark sind die Verarbeitungs- und Speicherkapazitäten des Geräts eingeschränkt? Die Analysten bewerten die aktuelle Verarbeitungskapazität und das Potenzial, diese zu erhöhen, um komplexere Modelle zu ermöglichen. Befähiger in dieser Kategorie verbessern die Verarbeitungsleistung des Geräts.

3. Formfaktor - Inwieweit ist das Gerät in seiner Größe eingeschränkt? Wie sieht es mit der Haltbarkeit des Geräts und/oder den rauen Bedingungen aus, denen ein Edge-Gerät ausgesetzt sein könnte (denken Sie an eine Öl- und Gasbohrmaschine)? Die US-Investmentbank bewertet hier, ob die Volumen-/Gewichtsbeschränkungen und die Langlebigkeit der Produkte ein Hindernis für die Nutzung von KI-Funktionen darstellen. Geräte in dieser Kategorie ermöglichen es, Platz für aufgerüstete Hardware freizumachen.

4. Anwendungsfälle - Wofür wird das Gerät verwendet? Wie zentral ist es für KI-Anwendungen? Wie hoch ist der sprichwörtliche ROIC für die Ausführung von Inferenzen auf diesem Gerät? Bei Smartphones stellt diese Kategorie keine Einschränkung dar - es ist klar, warum Verbraucher ein Smartphone mit Gen-KI verwenden würden. Aber für Wearables ist es ein Hindernis. Ähnlich sehen die Analysten die KI-Anwendungsfälle für Drohnen zum jetzigen Zeitpunkt als weniger gut etabliert an. Die Anbieter in dieser Kategorie nutzen Entwickler-Kits, um Killer-Apps für eingeschränkte Geräte zu entwickeln.

In diesen Beschränkungen liegt die Chance für Investments. Morgan Stanley glaubt, dass Unternehmen, die diese Einschränkungen lösen können, dazu beitragen werden, dass sich KI-Modelle auf andere Weise in Objekten und Geräten verbreiten, als wenn der Zugriff auf Modelle ausschließlich über die Cloud erfolgt. Mit Hilfe des globalen Morgan Stanley-Teams hat man eine Liste von Aktien zusammengestellt, die nach Meinung der US-Investmentbank zu einem verbesserten Edge Computing beitragen können.

Sechs Befähiger-Aktien, die den Wandel hin zu Edge-KI möglich machen

Quellen: Morgan Stanley Research.

Quelle: Qualitäts-Check TraderFox

Quelle: Qualitäts-Check TraderFox

Quelle: Qualitäts-Check TraderFox

Quelle: Qualitäts-Check TraderFox

Quelle: Qualitäts-Check TraderFox