Wirtschaft | Firmennews | Meta
Meta übertrifft Gewinnerwartung - Hohe KI-Investitionen drückt aber die Anlegerstimmung
Der US-Technologiekonzern Meta hat im ersten Quartal seinen Gewinn verdoppelt und damit die Erwartungen übertroffen. Dennoch zeigten sich die Anleger nach der Vorstellung der Quartalszahlen am Mittwoch zurückhaltend, Grund ist vor allem der angekündigte höhere Investitionsbedarf für Künstliche Intelligenz (KI). Konzernchef Mark Zuckerberg zeigte sich optimistisch, beim Thema KI aufholen zu können.
Der Mutterkonzern von Facebook, Instagram und Whatsapp verzeichnete in den ersten drei Monaten des Geschäftsjahres 12,4 Milliarden Dollar (rund 11,6 Milliarden Euro) Gewinn, wie Meta mitteilte. Der Umsatz legte demnach im ersten Quartal um 27 Prozent auf 36,5 Milliarden Dollar zu. Mit beiden Kennzahlen übertraf das Unternehmen die Erwartungen der Analysten.
Zugleich kündigte Meta an, die in diesem Jahr geplanten Investitionen von 30 bis 37 Milliarden auf 35 bis 40 Milliarden Dollar zu erhöhen, da der Bedarf für Forschung, Entwicklung und technisches Material insbesondere im Bereich KI stark gestiegen sei. Die Aktie des kalifornischen Unternehmens sackte daraufhin im zweistelligen Prozentbereich ab.
Meta war im Vergleich zu Google und Microsoft bei der KI-Entwicklung zurückgefallen. "Der Aufbau einer führenden KI wird ein größeres Unterfangen sein", sagte Zuckerberg. Es werde voraussichtlich "mehrere Jahre dauern". Er zeigte sich aber überzeugt, dass Meta sich in Stellung gebracht habe, um den "am meisten genutzten KI-Assistenten der Welt" zu entwickeln.
Einzelne Experten empfahlen, Meta solle Investitionen in sein "Metaverse" - eine Art visueller Online-Welt, die Zuckerberg zur Zukunft des Internets erklärt hat - zurückstellen, um stattdessen mehr Mittel für KI frei zu machen. Reality Labs, die für das Metaverse zuständige Konzerntochter, machte im ersten Quartal 3,8 Milliarden Dollar Verlust.
Insgesamt attestieren Beobachter dem Unternehmen aber gute Aussichten. Meta verdient vor allem mit Online-Werbung Geld und hat mit weltweit 3,24 Milliarden Nutzern auf seinen Plattformen eine massive Reichweite. Die große Nutzerzahl bringt dem Konzern auch für KI Vorteile, weil er neue Modelle gut testen und ihren Erfolg messen kann.
pe/hcy
Julie JAMMOT / © Agence France-Presse
Das Rennen um eine Vormachtstellung von KI, warum ist es so wichtig Vorne zu sein?
Das Rennen um eine Vormachtstellung in der Künstlichen Intelligenz (KI) hat in den letzten Jahren erheblich an Bedeutung gewonnen, da KI-Technologien das Potenzial haben, nahezu jeden Aspekt des täglichen Lebens, der Wirtschaft und der globalen Politik zu beeinflussen. Hier sind einige Schlüsselgründe, warum die Führung in der KI-Entwicklung so wichtig ist:
Wirtschaftliche Vorteile: KI bietet enorme Möglichkeiten zur Steigerung der Produktivität und Effizienz in einer Vielzahl von Industrien, von der Fertigung über die Finanzdienstleistungen bis hin zum Gesundheitswesen. Unternehmen, die führend in der KI sind, können Wettbewerbsvorteile erlangen, ihre Kosten senken, die Kundenzufriedenheit verbessern und neue Märkte erschließen.
Innovation und Technologieentwicklung: KI treibt Innovationen in vielen technologischen Bereichen voran, darunter Robotik, autonomes Fahren, personalisierte Medizin und mehr. Länder oder Unternehmen, die in der KI-Entwicklung führend sind, setzen Standards und Formate, die weltweit übernommen werden könnten, was ihnen einen erheblichen Einfluss auf globale Technologienormen und -praktiken verschafft.
Sicherheit und Überwachung: KI-Systeme werden zunehmend in sicherheitsrelevanten Anwendungen eingesetzt, von der Überwachung öffentlicher Räume bis hin zur Cybersecurity. Eine Vorreiterrolle in der KI ermöglicht es Staaten oder Unternehmen, effektivere Sicherheitssysteme zu entwickeln und zu implementieren, was auch Fragen der nationalen Sicherheit betrifft.
Einfluss auf Arbeitsmärkte und Gesellschaft: Wie und wo KI eingesetzt wird, kann erhebliche Auswirkungen auf Arbeitsmärkte haben, einschließlich der Schaffung neuer Jobkategorien und der Verschiebung von Jobanforderungen. Länder, die bei der Implementierung von KI führend sind, können besser darauf vorbereitet sein, ihre Bevölkerung für die Arbeitswelt der Zukunft zu schulen und umzuschulen.
Geopolitische Macht: KI ist auch ein Instrument geopolitischer Macht geworden. Die Kontrolle über fortschrittliche KI-Technologien kann Ländern einen strategischen Vorteil in globalen Angelegenheiten geben, ähnlich wie früher bei der Kernenergie oder der Raumfahrt.
Ethische und rechtliche Standards: Die Führung in der KI bringt auch die Verantwortung mit sich, ethische und rechtliche Rahmenbedingungen zu entwickeln, die den Missbrauch von Technologie verhindern und sicherstellen, dass ihre Vorteile breit und gerecht verteilt werden. Die Schaffung solcher Standards wird oft von den führenden Akteuren in diesem Bereich beeinflusst.
Angesichts dieser weitreichenden Implikationen ist das Rennen um KI nicht nur eine Frage technologischer Überlegenheit, sondern auch eine der ökonomischen Voraussicht, der gesellschaftlichen Weitsicht und der strategischen Sicherheit.
Wie baut man eine KI?
Der Aufbau einer Künstlichen Intelligenz (KI) kann eine komplexe und herausfordernde Aufgabe sein, die mehrere Schritte und verschiedene Expertisen umfasst. Hier ist ein grundlegender Überblick darüber, wie man eine KI entwickelt:
1. Problemdefinition
Bevor man mit der Entwicklung einer KI beginnt, muss man genau definieren, welches Problem oder welche Aufgabe die KI lösen soll. Dies könnte von der Automatisierung bestimmter Prozesse bis hin zur Erkennung von Mustern in Daten reichen.
2. Datensammlung
KI-Systeme lernen aus Daten, daher ist der nächste Schritt, eine umfangreiche und repräsentative Datensammlung zusammenzustellen. Diese Daten können je nach Anwendungsfall Bilder, Texte, Videos oder numerische Daten sein. Die Qualität und Quantität der Daten sind entscheidend für die Leistung der KI.
3. Datenverarbeitung
Bevor die Daten zum Training der KI verwendet werden können, müssen sie oft bereinigt und vorverarbeitet werden. Dies kann das Entfernen von Duplikaten, das Füllen von Datenlücken und das Normieren oder Standardisieren von Daten umfassen.
4. Wahl der Algorithmen
Entscheiden Sie sich für die KI-Algorithmen, die am besten zu Ihrem Problem passen. Klassische maschinelle Lernverfahren wie lineare Regression, Entscheidungsbäume und Support Vector Machines können für einfache Aufgaben geeignet sein, während tiefe Lernmodelle wie neuronale Netze besser für komplexe Probleme wie Bild- und Spracherkennung geeignet sind.
5. Modelltraining
Das Training eines KI-Modells erfordert das Füttern der verarbeiteten Daten in den gewählten Algorithmus, um das Modell zu trainieren, Muster zu erkennen oder Vorhersagen zu treffen. Dieser Schritt kann ressourcenintensiv sein und erfordert oft den Einsatz leistungsstarker Computer oder sogar spezialisierter Hardware wie GPUs.
6. Modellbewertung
Nach dem Training wird das Modell bewertet, um festzustellen, wie gut es auf neuen, zuvor ungesehenen Daten funktioniert. Dies geschieht üblicherweise durch Metriken wie Genauigkeit, Präzision, Recall und F1-Score.
7. Feinabstimmung und Optimierung
Basierend auf den Ergebnissen der Bewertung kann das Modell angepasst und optimiert werden. Dies kann das erneute Trainieren des Modells mit unterschiedlichen Parametern oder die Nutzung erweiterter Techniken zur Vermeidung von Überanpassung, wie Regularisierung und Dropout, beinhalten.
8. Deployment
Sobald das Modell ausreichend getestet und optimiert wurde, kann es in einer realen Umgebung eingesetzt werden. Dies erfordert oft die Integration in bestehende Systeme oder die Entwicklung einer Benutzerschnittstelle, damit Endnutzer mit der KI interagieren können.
9. Überwachung und Wartung
Nach der Implementierung muss die Leistung der KI kontinuierlich überwacht werden, um sicherzustellen, dass sie wie erwartet funktioniert. Gegebenenfalls sind Updates und Anpassungen vorzunehmen, um die KI an sich ändernde Bedingungen anzupassen.
Die Entwicklung einer KI ist ein iterativer Prozess, der Fachwissen in Bereichen wie Datenwissenschaft, Software-Engineering und domänenspezifisches Wissen erfordert. Es ist auch wichtig, ethische Überlegungen zu berücksichtigen, um sicherzustellen, dass die KI verantwortungsvoll und fair genutzt wird.
Bitte empfehle diesen Artikel weiter!