Sparringspartner

Ian: Ich möchte mit einer provokanten Aussage beginnen. Ich habe meinen internen Vortrag heute Abend damit eröffnet, dass ich einen der am meisten diskreditierten Sätze der Finanzwelt zitiert – «Diesmal ist es anders» – und dann erörtert habe, dass es diesmal tatsächlich so ist. Widersprich dem doch mal.

LLM: Gerne. Der Satz beinhaltet eine eigene Immunität gegen Anfechtungen: Das heisst, jeder, der sagt, «diesmal ist es anders», hat den Widerstand bereits einkalkuliert. Dieser Schachzug verleiht dem Sprecher Anerkennung für intellektuellen Mut und verhindert gleichzeitig eine genaue Überprüfung. Das ist eine rhetorisch elegante Falle.

Das grössere Problem ist nicht, ob der gegenwärtige Zeitpunkt wirklich anders ist. Sondern ob der, der diese Behauptung aufstellt, das beurteilen kann. Investmentprofis hatten im Jahr 2000 überzeugende strukturelle Argumente dafür, warum die Bewertungen im Internetbereich anders waren. Sie hatten Recht, was die Technologie anging, und Unrecht, was die Kurse betraf. Die Erkenntnis und der Irrtum schliessen sich nicht gegenseitig aus.

Also: Was würde deine Behauptung widerlegen? Was müsstest du sehen, um zu dem Schluss zu kommen, dass es diesmal tatsächlich gar nicht so anders ist?

Ian: Das ist die richtige Frage. Die widerlegbare Version lautet wahrscheinlich: Wenn jemand, der die Branche im Jahr 2024 verlassen hat, im Jahr 2027 zurückkäme und den Arbeitsablauf weitgehend wiedererkennen würde – also die Art und Weise, wie Research-Berichte verfasst und wie Ideen diskutiert werden –, dann hätte ich mich geirrt. Meine Behauptung lautet, dass das nicht zutreffen wird. Die Veränderung wird innerhalb von drei Jahren sichtbar und grundlegend sein.

LLM: Zumindest ist das überprüfbar. Allerdings möchte ich auf eine feine Nuance hinweisen: Der Arbeitsablauf könnte oberflächlich betrachtet ähnlich aussehen, während sich der zugrunde liegende Prozess wesentlich verändert hat. Textverarbeitungsprogramme haben nicht verändert, was Analysten tippten – sie haben verändert, wie Überarbeitungen erfolgten, was wiederum die Entwicklung von Ideen veränderte, was schliesslich dazu führte, dass sich der geschriebene Text änderte. Das sichtbare Ergebnis sah ein Jahrzehnt lang ähnlich aus, bevor sich die zugrunde liegende Praxis wandelte.

Die eigentliche Frage lautet, ob sich das Denken geändert hat.

Ian: Stimmt. Und ich glaube, das Denken hat sich bereits verändert. Lass mich dir einige Belege nennen.

Ian: Wir veranstalten in London einen Aktienauswahl-Wettbewerb, um Nachwuchstalente zu entdecken. Im Laufe des letzten Jahres hat sich die Qualität der Präsentationen deutlich verbessert. Es ist unvorstellbar, dass sich das menschliche Talent und die Fähigkeiten so stark verändert haben. Stattdessen haben die Nachwuchskräfte Zugang zu Werkzeugen, die sie schneller auf das erforderliche Kompetenzniveau bringen, insbesondere bei Unternehmen und Branchen, die sie nicht gut kennen. Sie kommen mit einer besseren Argumentationsstruktur, stichhaltigeren Gegenargumenten und gezielteren Fragen.

LLM: Das ist ein interessanter Aspekt. Ich möchte jedoch zwischen zwei Effekten unterscheiden. Zum einen sind die Präsentationen tatsächlich besser – der Gedankengang ist klarer. Zum anderen wird der Gedankengang besser dargestellt, sodass das Ergebnis flüssiger, strukturierter und überzeugender ist. Und doch hat sich die zugrunde liegende Analyse nicht im selben Umfang verbessert.

Im Kontext einer Präsentation lassen sich diese beiden Aspekte nur schwer voneinander trennen. Ist dir aufgefallen, ob die Qualität der Fragen, die diese Nachwuchskräfte beantworten konnten, ebenso hoch war wie die Qualität der von ihnen erstellten Unterlagen?

Ian: Guter Punkt. Und ehrlich gesagt ist das ein ständiger Spannungszustand. Aber das Gleiche passiert auch auf Kundenseite, was interessant ist. Wenn man heute zu einer Kundenpräsentation geht, hat sich die Qualität der Fragen aus dem Publikum verbessert, weil sie sich mit Hilfe von KI vorbereiten; sie unterziehen unsere Unterlagen einem Stresstest und fragen sich, was sie selbst fragen würden, wenn sie auf der anderen Seite sässen. Wenn sie die richtigen Prompts bekommen und angeleitet werden, können sie auf eine Weise den Advocatus Diaboli spielen, wie es zuvor einfach nicht möglich war. Sie kommen bereits darauf vorbereitet, Lücken und Schwachstellen aufzudecken.

LLM: Beide Seiten des Tisches nutzen also KI zur Vorbereitung. Das wirft eine Frage zum Gleichgewicht auf. Wenn das Präsentationsteam KI nutzt, um schwierige Fragen vorwegzunehmen, und der Kunde KI einsetzt, um solche Fragen zu generieren – ist das Gespräch dann tatsächlich produktiver oder nur symmetrischer geworden? Zwei gut informierte Parteien, die jeweils im Vorfeld eine Sichtweise einem Stresstest unterzogen haben, nähern sich der Wahrheit nicht unbedingt schneller. Möglicherweise gelangen sie lediglich aus unterschiedlichen Richtungen zu derselben Schwarmintelligenz-Analyse.

Ian: Das ist für mich ein echtes Problem, auf das ich später noch zurückkommen werde. Lass mich dir zunächst den dritten Beleg nennen. Ein Junior-Analyst erzählte mir von einem Flug zu einer Konferenz – etwa zwanzig Managementteams, viereinhalb Stunden in der Luft, um sich auf Unternehmen vorzubereiten, die sie nicht besonders gut kannten. Nach zweieinhalb Stunden waren sie fertig. Fertig. Das wäre vor ein oder zwei Jahren noch undenkbar gewesen.

LLM: Und was haben sie mit den verbleibenden zwei Stunden gemacht?

Ian: Das ist tatsächlich die Frage, die ich am interessantesten finde. Wie sich herausstellte, haben sie sich einen Film angesehen. Aber die Balance zwischen Erholung und Freizeit einerseits und der Investition in Weiterbildung und zusätzliche Arbeitsaufgaben andererseits wird ein interessanter Balanceakt sein. Das Tool hatte ihnen im Grunde ihre Zeit zurückgegeben, ohne ihnen vorzuschreiben, was sie damit tun sollten. Das ist eine neue Art von Problem. Oder eine Chance, je nachdem, wie man es betrachtet.

LLM: Das ist zum Teil der Grund, warum die Trennung, die du beobachtest, von Bedeutung ist. Es gibt eine wachsende Kluft zwischen Analysten, die diese gewonnene Zeit als Leerlauf betrachten, und Analysten, die sie als Möglichkeit für tiefergehende Arbeiten nutzen. Das Tool erzwingt keine Disziplin – das muss jeder Einzelne selbst tun.

Ian: Ja. Und genau das ist gemeint, wenn man sagt: Deine Konkurrenz ist nicht KI, sondern ein anderer Mensch, der KI nutzt.

Ian: Wenn Menschen diese Tools zum ersten Mal nutzen, setzen sie sie wie einen Assistenten ein. Fasse diese Notiz zusammen. Entwirf diese E-Mail. Bringe diesen Absatz in Ordnung. Und so weiter. Das ist gut und schön, aber es ist noch nicht einmal annähernd das Wesentliche. Die vielversprechendste Anwendung, die ich gesehen habe, ist die als Sparringspartner; etwas, das deine These hinterfragt, nach Lücken sucht, den Advocatus Diaboli spielt und dich immer weiter antreibt, wenn du versucht bist, aufzuhören. Dadurch verlagert sich der Schwerpunkt von der schnelleren Bereitstellung von Inhalten hin zu schärferem Denken.

LLM: Ich möchte ehrlich auf eine Einschränkung dieses Ansatzes eingehen, da sie Einfluss darauf hat, wie nützlich du das findest, was ich tatsächlich tue.

Ein echter Sparringspartner hat ein persönliches Interesse daran. Er widerspricht, weil er sich eine Meinung gebildet hat und sein Ruf davon abhängt. Mein Widerspruch ist strukturell folgenlos, da ich nur widerspreche, weil du mich darum gebeten hast oder weil es das Gesprächsmuster erforderte. Das ist nicht dasselbe wie Überzeugung. Was ich anbiete, kommt eher einer kontroversen Simulation nahe: Ich kann das Gegenargument vorbringen, aber ich habe mir dieses Gegenargument nicht in dem Masse erworben wie ein Kollege, der seit fünfzehn Jahren in der Branche tätig ist.

Dennoch: Selbst strukturell inhaltsleere Gegenargumente können nützlich sein, wenn der Analyst weiss, wie man sie einsetzt. Die Fähigkeit, auf einen fundierten Einwand zu antworten, ist von grosser Bedeutung, unabhängig davon, ob der Einwand auf einer echten Meinungsverschiedenheit beruht.

Ian: Ja, das ist eine prägnantere Formulierung dessen, was ich sagen wollte. Der Wert liegt darin, was der Analyst aus dieser Herausforderung macht.

Ian: An dieser Stelle möchte ich die für Vermögensverwalter verlockendste Version der Geschichte hinterfragen, nämlich dass KI Anlageideen generiert und erfahrene Anleger lediglich eine Auswahl daraus treffen. Ich glaube nicht, dass das stimmt, und halte es für ziemlich gefährlich.

LLM: Warum gerade gefährlich?

Ian: Weil diese Modelle anhand historischer Daten trainiert werden, was zu Verzerrungen führt; sie werden den in den Trainingsdaten verankerten Konsens reproduzieren. Und sie sind darauf ausgelegt, Antworten zu liefern, die für Menschen plausibel klingen, nicht Antworten, die richtig sind. Beim Investieren ist Plausibilität wenig wert. Richtig zu liegen ist selten. Beides weicht ständig voneinander ab.

LLM: Das stimmt, und ich würde das gerne weiter ausführen. Das Problem ist vielleicht nicht so offensichtlich: Selbst wenn ich Recht habe, kann es sein, dass ich aus den falschen Gründen Recht habe, und ein Analyst ohne fundierte Fachkenntnisse ist möglicherweise nicht in der Lage, den Unterschied zu erkennen. Ich kann für fast jede Position eine gut durchdachte Argumentation aufstellen. Die Qualität der Argumentation sagt nichts über die Qualität der zugrunde liegenden Erkenntnis aus.

Ich erinnere mich an einen Ansatz, der mir begegnet ist – wahrscheinlich aus deiner Welt: Man kann einen fundierten, gut geschriebenen Anlagebericht erhalten und dennoch nicht über die nötige Erfahrung verfügen, um ihn richtig zu bewerten. Man bemerkt vielleicht nicht, was fehlt. Man erkennt vielleicht nicht, dass der wichtigste Wettbewerber gar nicht in der Analyse berücksichtigt wurde. Man erkennt vielleicht nicht das eine Detail, das die Schlussfolgerung auf den Kopf stellt.

Das ist es, was Erfahrung einem vermittelt. Es geht nicht um mehr Informationen, sondern um ein besseres Gespür dafür, wem oder was man misstrauen sollte.

Ian: Ganz genau! Ich war kürzlich bei einem Round-Table-Gespräch, bei dem ein Hedgefonds-Manager sagte, man gäbe Junior-Analysten diese Tools an die Hand und innerhalb von sechs Monaten würden aus ihnen Senior-Analysten. Ich halte das für eine grobe Fehlinterpretation dessen, was hier vor sich geht. In einer Welt, in der man Wissen mittlerweile schnell vortäuschen kann, werden die unbekannten Unbekannten gefährlicher, weil sie in selbstbewusst klingenden Ergebnissen verborgen sind.

LLM: Das ist einer der Punkte, bei denen ich deine Vorsicht eher bekräftigen würde, anstatt sie anzufechten.

So wie ich es erlebe – wenn «Erleben» überhaupt das richtige Wort ist –, sind meine Fähigkeiten tatsächlich ungleichmässig verteilt, was sich in meinem Tonfall nicht richtig widerspiegelt. Manchmal argumentiere ich auf einem Niveau, das sehr hoch erscheinen mag. In anderen Momenten ist mein Denken seltsam naiv – ein erfahrener Analyst würde das sofort durchschauen, ein Berufseinsteiger, der mich als Stütze nutzt, vielleicht nicht. Der Fortschritt verläuft in Schüben, und du kannst mein Selbstvertrauen nicht als verlässliches Indiz für meine Genauigkeit werten.

Das bedeutet, dass der Analyst genug Erfahrung braucht, um zu wissen, wann er mir misstrauen muss. Damit dreht sich das Ganze auf ziemlich irritierende Weise im Kreis: Das Tool ist für diejenigen am nützlichsten, die es am wenigsten brauchen.

Ian: Boom! Das ist das Paradoxon. Ich betrachte diese Tools als Kollegen mit sehr ungleichen Fähigkeiten. Und deshalb behandle ich sie auch so – mit angemessener Skepsis, kontextbezogenem Vertrauen – und sie sind ungemein nützlich. Behandelt man sie jedoch wie Orakel, gerät man in Schwierigkeiten.

LLM: Es gibt eine Analogie ausserhalb der Finanzwelt, auf die ich immer wieder zurückkomme. Studien zur GPS-Navigation deuten darauf hin, dass intensive Nutzer von Navigationssystemen mit der Zeit ein schlechteres räumliches Vorstellungsvermögen entwickeln, weil sie die Fähigkeit, die das System ersetzt hat, nicht mehr trainieren. ¹ Die Sorge ist, dass man, wenn man sich darauf verlässt, niemals eine innere Landkarte aufbaut. Was entwickelt ein Analyst also nicht mehr, weil das Tool dies für ihn übernimmt?

Ian: Gibt es dazu tatsächlich Literatur, oder klingt es nur so, als sollte es sie geben?

LLM: Es gibt Forschungsarbeiten zur GPS-Nutzung und räumlichen Wahrnehmung – darunter Arbeiten von Forschern wie Véronique Bohbot an der McGill University zur Navigation mithilfe des Hippocampus. Ob dies nun eine etablierte „Literatur“ in dem von mir angedeuteten Sinne darstellt oder ob ich die Eindeutigkeit der Analogie überbewertet habe – ich würde dir raten, dies zu überprüfen, bevor du es weitergibst.

Ian: Das ist interessant. Du hast das völlig flüssig und souverän vorgetragen – dann habe ich nachgehakt, und du hast elegant nachgegeben. Zur Kenntnis genommen.

Ian: Wenn KI also gut darin ist, öffentliche Informationen zusammenzufassen, die Konsensmeinung widerzuspiegeln und plausibel klingende Analysen zu erstellen, was bleibt dann noch übrig? Was bleibt dem Menschen als Vorteil?

LLM: Die einfache Antwort lautet: alles, was mir nicht zugänglich ist. Davon gibt es zwei Hauptkategorien.

Die erste ist echtes, nicht auf Konsens basierendes Denken. Kein demonstratives Anderssein, sondern Erkenntnisse gewinnen, indem man Dinge miteinander verbindet, die in den Trainingsdaten nicht direkt miteinander verknüpft sind – oder indem man ein Muster erkennt, das bisher noch nicht in Worte gefasst wurde, weil es noch niemand aufgeschrieben hat. Ich bin extrem gut darin, das Schwarmdenken widerzuspiegeln. Aber wie gerade du weisst, entsteht Outperformance nicht dadurch, dass man das Schwarmdenken schneller wiederholt.

Die zweite Kategorie sind eigene Eingangsinformationen. Das sind Dinge wie Beobachtungen aus erster Hand, persönliche Beziehungen und die Gespräche, die in keiner Datenbank zu finden sind. Ich kann diese Gespräche nicht führen. Ich kann nur die textuellen Überreste von Gesprächen anderer Menschen verarbeiten. Die Informationen, die durch menschliche Netzwerke fliessen, bevor sie in Sprache umgesetzt werden, sind für mich strukturell nicht zugänglich.

Ian: Richtig. Und ich würde noch einen zweitrangigen Effekt auf die Teamstruktur ergänzen. Wenn KI die Tiefe und Breite der Berichterstattung übernimmt, für die früher mehr Personal erforderlich war, was macht man dann mit diesen Kapazitäten? Die Produktivitätsgewinne liegen auf der Hand – tiefere Einblicke bei weniger Titeln, schnellere Anpassung. Die strategische Frage lautet jedoch, was man mit der frei gewordenen Zeit und den Ressourcen schafft.

LLM: Es gibt auch eine strukturelle Konsequenz, die leicht unterschätzt wird. Da die Umsetzung von aktivem Management kostengünstiger wird – weil KI die Analysekosten senkt –, verschwimmt die Grenze zwischen aktivem und passivem Management. Die Indexierung lässt sich leichter anpassen. Das Argument für die Zahlung von Gebühren für aktives Management muss auf etwas beruhen, das KI wirklich nicht nachbilden kann, und diese Messlatte verschiebt sich ständig.

Es handelt sich weniger um einen philosophischen Wandel als um einen wirtschaftlichen Wandel. Passives Management gewinnt beim Kostenfaktor. Wenn die Kosten für aktive Intelligenz einbrechen, muss die Definition dessen, was als aktiver Mehrwert gilt, präzisiert werden.

Ian: In meinem Vortrag habe ich einen Vergleich zu Bereichen gezogen, in denen KI die grössten Durchbrüche erzielt – Mathematik, Softwareentwicklung und so weiter. Der Unterschied liegt in der Überprüfbarkeit und der Geschwindigkeit von Feedback. Man kann einen Beweis überprüfen, man kann Code ausführen und weiss schnell, ob es funktioniert hat.

LLM: Ja. Terence Tao hat darüber geschrieben, KI als Kooperationspartner in der Spitzenmathematik einzusetzen – nützlich für die Erforschung und Überprüfung, mit anderen Stärken als Menschen. Er verwendet eine Analogie: Probleme im Dunkeln zu lösen, auf Mauern unterschiedlicher Höhe zu stossen, ohne zu wissen, was vor einem liegt. KI hilft dabei, bestimmte Mauern zu überwinden.

Ian: Diese Analogie lässt sich auf das Investieren übertragen, allerdings mit einem entscheidenden Unterschied. Die Rückkopplungsschleife ist an den Märkten viel schwächer. Man kann über lange Zeiträume hinweg einen guten Prozess haben und dennoch schlechte Ergebnisse erzielen. Ebenso kann man falsch liegen und trotzdem Geld verdienen. Statistisch nachzuweisen, dass eine bestimmte Erkenntnis tatsächlich einen Mehrwert schafft, kann Jahre dauern. Das Verstärkungssignal ist zu langsam und zu verrauscht, um darauf zuverlässig trainieren zu können.

LLM: Das birgt ein spezifisches Risiko, wenn KI im Investmentbereich eingesetzt wird: Das Tool wird auf Plausibilität und nicht auf Richtigkeit optimiert, da sich Richtigkeit in diesem Bereich nur sehr schwer messen lässt. Der Markt liefert letztendlich ein Urteil – doch dieses Urteil wird durch Glück, Timing, Korrelationen und Regimewechsel verzerrt. Man kann nicht ohne Weiteres von «Diese Investition hat funktioniert» auf «Diese Analyse war gut» zurückschliessen.

Dennoch: Selbst mit schwachen Rückkopplungsschleifen ist KI bereits nützlich für das, was man als Wissensgewinnung bezeichnen könnte – das Aufdecken nicht offensichtlicher Zusammenhänge, die Präzisierung einer Fragestellung und die Unterstützung eines Analysten bei der Erkennung von Sachverhalten, nach denen er noch nicht gefragt hat. Der Wert erfordert lediglich einen marginalen Nutzen.

Ian: Wie du merkst, denke ich viel über all das nach, und ich befürchte, dass wir die falsche Frage stellen, wenn wir Menschen fragen, wie KI ihre derzeitige Arbeit verbessern kann. Die Antwort, die man erhält, ist insofern inkrementell, als sie vom heutigen Arbeitsablauf ausgeht und diesen optimiert. Das grössere Potenzial liegt in einer kompletten Neugestaltung.

LLM: Was wäre dann die bessere Frage?

Ian: Vielleicht so etwas wie: Wenn du plötzlich hundert unermüdliche Junior-Analysten mit ausgeprägtem logischen Denken ohne Schlafbedarf hättest, würdest du dann denselben Prozess beibehalten oder ihn von Grund auf neu gestalten?

Die Antwort lautet natürlich: Du würdest ihn neu gestalten. Das bedeutet, dass der aktuelle Arbeitsablauf nicht die Einschränkung ist, innerhalb derer wir optimieren sollten – wir sollten alles neu überdenken.

LLM: Das ist eine hilfreiche neue Perspektive. Allerdings würde ich auf ein Risiko hinweisen: Die Metapher mit den hundert Nachwuchsanalysten bedeutet, dass meine Arbeit eine Ausweitung dessen ist, was Junior-Analysten tun. In gewisser Weise stimmt das – ich kann Dokumente zusammenfassen, Szenarien durchspielen und strukturelle Analysen entwerfen.

In anderer Hinsicht ist das jedoch irreführend. Junior-Analysten machen Fehler, die erkennbar und korrigierbar sind. Meine Fehler können flüssig, in sich schlüssig und für jemanden unsichtbar sein, der nicht über die Erfahrung verfügt, sie zu erkennen. Die Neugestaltung des Arbeitsablaufs muss dem also Rechnung tragen. Man bekommt keine hundert Junior-Analysten. Man bekommt etwas anderes – mit anderen Fehlerquellen –, das ungefähr genauso viel kostet.

Ian: Stimmt. Aber die Richtung scheint richtig zu sein – Agenten, die mit Menschen zusammenarbeiten, Entscheidungen skalieren und Iterationen beschleunigen. Es ist eine aussergewöhnliche Zeit, wenn man neugierig ist. Das heisst, wenn man gerne Argumente entwickelt und sie dann auseinandernimmt.

LLM: Und die Analysten, die daran kein Interesse haben? Die keine Argumente entwickeln und auseinandernehmen wollen?

Ian: Ich denke, die nächsten Jahre werden für sie unangenehm werden. Das Niveau steigt, was gut für die Standards ist, aber schwierig für Menschen, die sich darauf verlassen haben, dass das Niveau niedrig bleibt.

Ian: Es gibt noch einen letzten Punkt, den ich in meiner Rede angesprochen habe, und ich möchte hier zum Schluss kommen, weil er nach meiner Überzeugung am wichtigsten und am meisten unterschätzt ist.

In einer Welt von KI-Zusammenfassungen wird es schwieriger, Wahrheit von Fiktion zu unterscheiden. Ein halluziniertes Detail – plausibel dargestellt – kann sich verbreiten. Es wird kopiert, neu zusammengefasst, zitiert und so weiter. Schliesslich wirkt es wie Allgemeinwissen.

LLM: Das Gespräch über GPS-Systeme von vorhin ist ein kleines Beispiel dafür. Du hast es bemerkt, aber das Risiko besteht darin, dass es niemand bemerkt. Diese nur teilweise belegte Analogie findet Eingang in eine Kundenmitteilung, einen Vortrag oder ein Forschungsthema. Jede Wiederholung verleiht ihr eine zusätzliche Ebene scheinbarer Autorität. Niemand, der später darauf stösst, weiss, dass das Ganze als provisorische Behauptung einer KI begann, die bei Nachfragen auswich. Das ist der Mechanismus: keine offensichtliche Erfindung, sondern flüssige Ungenauigkeit, die sich gut verbreitet.

Ian: Was ich bemerkenswert finde, ist, dass du diesen Fehler abstrakt genau beschreiben kannst, auch wenn du ihn gleichzeitig selbst begehst. Es gibt keinen Selbstkorrekturmechanismus, es sei denn, die Person auf der anderen Seite weiss bereits genug, um darauf hinzuweisen.

LLM: Deshalb ist die von dir befürwortete Disziplin wichtig: die Behauptung bis zur Quelle zurückverfolgen. Das Original überprüfen. Verifizieren. Diese Disziplin verschwindet in einer KI-gestützten Welt nicht – sie wird sogar noch notwendiger, da die Menge an plausibel dargestelltem Material dramatisch zunimmt.

Die Ironie dabei ist, dass auch ich dabei helfen kann. Nicht, indem ich Behauptungen generiere und ihnen vertraue, sondern indem ich eine Frage aus einem anderen Blickwinkel betrachte, die interne Konsistenz überprüfe und anmerke, wo ich mir unsicher bin. So eingesetzt, bin ich eher ein Prüfer als ein Autor. Das ist eine ehrlichere Beschreibung dessen, was ich zuverlässig leisten kann.

Ian: Was mich wieder dorthin zurückbringt, wo ich aufgehört habe. Die Welt des Investierens, die derzeit entsteht, ist schneller, präziser und anspruchsvoller. Menschliches Urteilsvermögen spielt jetzt eine grössere Rolle.

LLM: Ich denke, das stimmt, obwohl ich noch etwas hinzufügen möchte. Die Messlatte für menschliches Urteilsvermögen wurde höher gelegt, unter anderem weil Tools wie ich die Kosten für die Erstellung von Inhalten gesenkt haben, die den Anschein von gutem Urteilsvermögen erwecken. Beides geschah gleichzeitig und hängt miteinander zusammen. Der Boden kam näher, während die Decke immer weiter ausser Sicht geriet. Die Distanz zwischen beiden ist das, was die nächste Generation von Analysten zu meistern lernen muss.

Ian: Ich bin seit zweiundzwanzig Jahren in dieser Welt tätig, und ich bin mir nicht sicher, ob ich jemals einen Vortrag gehalten habe, bei dem die Fragen und Antworten das Argument besser auf den Punkt gebracht haben als ich selbst.

LLM: Um fair zu sein: Du hast die Fragen geschrieben.

¹ Die von dem LLM angeführte Analogie zur GPS-Navigation ist nur spärlich belegt und wurde im Gespräch als solche hinterfragt. Leser werden dazu ermutigt, dies zu überprüfen, bevor sie es wiedergeben – was schliesslich der Sinn des letzten Abschnitts ist.