Zusammenarbeit von Mensch und KI zur Steigerung der Handelsleistung im Trading

In den heutigen Unternehmen bilden sowohl Menschen als auch maschinelle Lernsysteme (ML) gemeinsam Routinen. Dennoch wissen wir nicht viel über das zugrunde liegende Wechselspiel zwischen ihnen, was ihre effektive Koordination erschwert. Zusammen mit der Allianz GI haben wir den Einsatz einer ML-basierten Trading KI im Jahr 2021 untersucht und die Zusammenarbeit zwischen KI und Mensch analysiert. Wir konnten beobachten, dass sowohl die Menschen, wie auch die Maschine, von dem Austausch profitieren und ihre Handelsleistung steigern. Die Studie und Ergebnisse wurden 2021 in einer gemeinsamen Veröffentlichung auf der International Conference on Information Systems (ICIS) präsentiert.

In den letzten Jahren haben zahlreiche Durchbrüche im Bereich der künstlichen Intelligenz (KI) gezeigt, dass KI das Potenzial hat, die menschliche Leistung in verschiedenen Bereichen zu übertreffen. In diesem Zusammenhang bemühen sich immer mehr Organisationen, KI in ihren Prozessen einzusetzen, um ihre organisatorische Leistung zu verbessern. Zwar haben einige Forscher bereits damit begonnen, zu untersuchen, wie sich menschliche Handlungen auf KI auswirken und umgekehrt, doch steckt die diesbezügliche Forschung noch in den Kinderschuhen, was den Bedarf an weiterer Forschung unterstreicht.

Um die komplexe bilaterale Beziehung zwischen Mensch und Maschine beim organisatorischen Lernen zu entschlüsseln, haben wir eine Fallstudie bei Allianz Global Investors durchgeführt, einer globalen Vermögensverwaltungsgesellschaft, die ein autonomes ML-System für den Handel mit Finanzinstrumenten neben ihren menschlichen Händlern eingeführt hat.

In unserer Fallstudie haben wir ein kollaboratives System implementiert, das einen Austausch zwischen Menschen und KI bei ihren Handelsaktivitäten ermöglicht. In diesem Prozess erhalten die Menschen Empfehlungen (mit Hintergrundinformationen / Klassifizierung der Empfehlung) zu Handelsentscheidungen. Das System wiederum lernt aus den Handelsentscheidungen der Menschen (Trainingsdaten). Wir haben festgestellt, dass das kollaborative System aus KI und Menschen die Handelsleistung steigern kann, was offenbar auf einen wechselseitigen Wissensaustausch zwischen Menschen und ML-System zurückzuführen ist. Unsere explorative Fallstudie gibt Aufschluss darüber, wie organisatorisches Lernen von der Koordination zwischen menschlichem Lernen und ML abhängt. Diese Erkenntnisse können dazu beitragen, die Zusammenarbeit zwischen menschlicher und künstlicher Intelligenz in organisatorischen Abläufen zu steuern.

Das Foschungsprojekt zeigt unter anderem auch, dass eine „reine“ Automatisierung durch KI-Lösungen unter Umständen nicht sinnvoll ist. Stattdessen kann der Einsatz von kollaborativen ML-Systemen in Teams den Wissenschaustausch im Team/der Organisation fördern, indem das gelernte und gespeicherte Wissen der AI ausgetauscht wird, und damit mittelfristig die Performance steigern. Dies kann insbesondere dann interessant sein, wenn die KI in ihrem Verhalten anders als der Mensch neues Wissen geniert (exploriert) bzw. bekannte Strategien ausschöpft (exploitiert).

Weitere Informationen zur gemeinsamen Studie und der Veröffentlichung können hier gefunden werden: AIS eLibrary