Bislang noch nicht ganz klar, wie Anleger vom Hype um Big Data - also der Echtzeit-Analyse großer Datenmengen - profitieren können. Natürlich bestand die Möglichkeit, in die Technologieriesen wie IBM, Google, Cisco oder Facebook zu investieren, die Big Data nutzen - mehr Optionen gab es bisher aber nicht. Mittlerweile schießen immer mehr kleine Anbieter aus dem Boden, die Software entwickeln, um die Datensammlungen zahlreicher Unternehmen zu durchforsten und zu analysieren. Nur: die wenigsten davon sind börsennotiert.
Allerdings ist es für Anleger jetzt schon spannend, was mit Big Data alles möglich ist. Auch, wenn konkrete Investitionsmöglichkeiten noch nicht erkennbar sind. So besagt eine Theorie, dass der Suchmaschinengigant Google mit entsprechenden Algorithmen aus den Suchbegriffen aller Nutzer Rückschlüsse auf die Entwicklung bestimmter Aktien ziehen könnte.
Konkrete Big-Data-Beispiele
Im Gesundheitswesen werden wertvolle Informationen über Nebenwirkungen von Medikamenten und die Wirksamkeit neuer Behandlungsmethoden gewonnen, indem Erfahrungsberichte von Patienten und Ärzten im Internet anonym ausgewertet werden.
Die Stadt Stockholm realisiert ein intelligentes Verkehrsmanagement, um Staus und Unfälle zu vermeiden. Grundlage ist die Analyse von Verkehrs- und Wetterdaten.
Einen Beitrag zur Energiewende leistet die Messung und Analyse des Stromverbrauchs mit Smart Metern, um den Bedarf genauer vorherzusagen und den Verbrauch zu reduzieren.
In letzter Zeit gibt es auch immer mehr Software, die es möglich macht, Blogs und Soziale Netzwerke nach entsprechenden, marktbewegenden Neuigkeiten zu durchforsten. Die New Yorker Börse (NYSE) beispielsweise hat sich von dem Unternehmen Social Market Analytics ein Tool programmieren lassen, mit dem Tweets ausgewählter Twitterkanäle ausgewertet werden, um Stimmungsindikatoren zu berechnen. Dafür werden die Tweets von Wirtschaftsmedien, Händlern und Unternehmen nach bestimmten Hashtags, also Schlagworten, gefiltert und bewertet. Zusammen mit den altbewerten Börsenindikatoren entstehen so Prognosen für die Kursbewegungen einzelner Papiere oder auch ganzer Branchen. Der Haken an dieser Methode: gezielte Falschmeldungen ergeben auch ein falsches Bild.
So sagt auch Frank Herkenhoff von der Deutschen Börse in Frankfurt, dass man sich zwar mit der Analyse von Social Media-Nachrichten befasst habe, dies aber nicht weiter verfolgen werde. "Die Wahrscheinlichkeit der Manipulation ist sehr hoch", so Herkenhoff. Gerade, da sich nicht überprüfen lasse, welche Nachrichten absichtlich gefälscht seien, sei das Risiko zu hoch. "Es fällt ja unter die freie Meinungsäußerung, was ich da poste", sagt er. Außerdem müssten nicht nur echte Menschen hinter den Fake-Nachrichten stecken. Spam-Robots könnten massig falsche Nachrichten verbreiten, die dann zu Kursveränderungen führen.
So profitieren Kleinanleger von Big Data
Darüber hinaus eignen sich viele der derzeit am Markt vorhandenen Tools nur für professionelle Anleger oder Daytrader, die sowohl die Zeit, als auch das Geld dafür haben, sich mit nichts anderem als den neuesten Nachrichten zu beschäftigen und entsprechend darauf zu reagieren. "Wir filtern täglich rund 500.000 Nachrichten und Tweets, das ist für einen Kleinanleger natürlich nur zum Bruchteil interessant", räumt deshalb auch Volker Stümpflen, Gründer des Münchner Big-Analytics-Spezialisten Clueda AG, ein. Sein Unternehmen hat unter anderem für die Baader Bank ein Analyse-System entwickelt, mit dem aus den Nachrichten, die über die Agenturen Bloomberg und Thompson Reuters verbreitet werden, relevanten Informationen und Stimmungen gefiltert werden.
Die wichtigsten IT-Trends
So wolkig wie der Name bleibt für viele nach wie die Bedeutung des Begriffs Cloud Computing - und dabei handelt es sich inzwischen unbestreitbar um einen seit Jahren anhaltenden Trend. Dabei ist das Grundprinzip recht einfach: Aufgrund der großen Netzwerk-Bandbreiten und der flächendeckenden Verfügbarkeit des Internets werden Computerressourcen zentralisiert und nur bei Bedarf über das Netzwerk - sei es das Internet (Public Cloud) oder das firmeninterne Netz (Private Cloud) - abgerufen. Das hilft Kosten und Energie zu sparen, weil Computerressourcen so effektiver verwaltet werden können.
Die Fortschritte in der Informationstechnologie und ihre rasante Verbreitung haben ein Phänomen nach sich gezogen, mit der die IT Schwierigkeiten hat, mitzuhalten: Die Menge an verfügbaren Daten steigt rasant an. Ein großer Teil dieser Daten wird dabei ohne menschliches Zutun maschinell erzeugt - beispielsweise allein durch die Protokollierung von Software und Zugriffen.
Als Big Data wird in der Informatik die Tatsache bezeichnet, dass derart große Datenmengen mit Standard-Datenbanken und -Werkzeugen nicht mehr zufriedenstellend verarbeitet werden können. Dabei lohnt es sich für Unternehmen wie Wissenschaft riesige Datenmengen zu verarbeiten - sei es in der Marktforschung (zum Beispiel schnelle Verarbeitung von Web-Statistiken) oder im Finanzsektor, wo die systematische Untersuchung der Transaktionen Unregelmäßigkeiten zutage fördern kann.
Datenbank-Systeme, die Big Data verarbeiten können - das heißt Datenbanken, die Daten im Bereich von Terabytes, Zetabytes, Exabytes und gar Zettabytes verarbeiten - setzen massiv auf eine parallele Verarbeitung der Anfragen. So werden Hunderte oder gar Tausende Rechner zu einem Datenbank-Grid zusammengeschlossen. So gut wie alle großen Technologie-Konzerne wie IBM, Intel, HP, Oracle, Dell oder EMC haben Lösungen für sehr große Datenmengen im Angebot.
Freie Software (auch Open-Source-Software genannt) und offene standardisierte Schnittstellen sind weiter auf dem Vormarsch - sehr zum Nutzen aller, die von IT-Infrastruktur abhängig sind. Denn mit offenen Technologien vermeiden Unternehmen den sogenannten Lock-in-Effekt: Sie sind an einen einzigen Anbieter und seine eigene Technologie gebunden, sondern können bei offenen Schnittstellen und Open-Source-Software samt Daten und Anwendungen auch den Anbieter wechseln.
Die Ursprünge der Idee Freier Software liegen in den Anfängen der Computerrevolution: Die vor allem aus dem Hippie-Umfeld stammenden Mitglieder des Homebrew Computer Clubs im Silicon Valley tauschten Wissen und Software wie selbstverständlich untereinander aus. Als Firmen wie Microsoft in den 1980er Jahren aus der Software ein Geschäft machten, rief der Programmierer Richard Stallman das GNU-Projekt zum Bau eines freien Betriebssystems und die erste explizit freie Softwarelizenz ins Leben: die GNU General Public License.
Heute bilden die Tools des GNU-Projekts zusammen mit anderer Software und dem Linux-Kernel die Basis der Linux-Distributionen wie Red Hat, Open-Suse, Ubuntu oder Debian sowie von Googles mobilem Betriebssystem Android. Linux in seinen verschiedenen Varianten ist das auf heute auf Servern überwiegend eingesetzte Betriebssystem. Zahlreiche Open-Source-Lösungen wie die Datenbanken MySQL oder PostgreSQL haben die Unternehmen erobert.
Das Zusammenschließen von Computern via schneller Netzwerk-Technik zu einem einzigen großen virtuellen Supercomputer (Cluster) wird als Grid-Computing bezeichnet. Dabei erscheint das Rechen-Netzwerk von außen als ein einziger Computer. Die einzelnen Teile des Grid-Computers sind dabei meist redundant ausgelegt. Das bedeutet: Fällt ein einzelner Rechner aus dem Gesamtverbund aus, hat das für die grundsätzliche Funktionalität des Gesamtsystems keine Auswirkungen.
Beim Grid-Computing werden zwei Ziele verfolgt: Einerseits ermöglicht das Zusammenschließen vieler Rechner eine hohe Arbeitsgeschwindigkeit des Gesamtsystems - und das im Vergleich zu anderen Supercomputer-Konzepten zu niedrigen Kosten. Voraussetzung ist dafür allerdings, dass die zu berechnenden Aufgaben stark parallelisierbar sind. Das heißt im Klartext: Die Berechnung eines Teils der Aufgabe, die der Computer lösen soll, darf nicht von einer anderen Berechnung abhängen. Nur so kann die Berechnung auf viele verschiedene Prozessoren oder Computer aufgeteilt werden.
Zweitens ermöglicht der Aufbau eines Grids mit Redundanz eine besonders ausfallsichere Server-Infrastruktur, selbst wenn preisgünstige Standard-Hardware verwendet wird, weil der Ausfall einzelner Rechner nicht die Funktionalität des Gesamt-Systems gefährdet.
Auch bei den Servern geben längst Konsumenten-Produkte in den Betrieben den Ton an, wenn auch weniger sichtbar als bei iPhone und iPad. Bis zur Jahrhundertwende herrschten in Unternehmen noch spezialisierte Server vor, auf denen Unix-Systeme wie mit Namen wie Solaris, HP-UX oder Irix liefen. Die Massenanfertigung von PCs und Konsumenten, die immer leistungsfähigere Hardware nachfragten, führten aber zu einer Verbilligung schneller Hardware.
Statt teure, besonders zuverlässige Hardware, nutzen Unternehmen heute als Server meist Computer mit x86er-Prozessoren von Intel oder AMD wie sie auch in jedem Büro oder Heim-Arbeitsplatz stehen. Meist wird darauf das Open-Source-Betriebssystem Linux oder Microsofts Windows eingesetzt. Die Unternehmen bleiben bei der Betriebssystem-Software flexibel und sind nicht auf teure Spezial-Hardware angewiesen, auf der nur ein bestimmtes herstellerspezifisches Unix-System läuft.
Die Virtualisierung von Servern ist bereits seit vielen Jahren ein anhaltender Trend, auf den heute kaum ein Unternehmen bei der Nutzung seiner IT verzichten möchte. Virtualisierung erlaubt eine deutlich flexiblere Nutzung der Hardware: Ein Server wird dabei aufgeteilt in beliebig viele virtuelle Server. Das ist eine wichtige technologische Voraussetzung für das Cloud Computing – doch nicht dasselbe. Beim Cloud Computing geht es um den gesamten Prozess des flexiblen Bereitstellens von Rechenressourcen, Daten und Anwendungen über eine standardisierte Schnittstelle. Die Virtualisierung von Server-Hardware schafft also technisch eine wichtige Voraussetzung für Cloud Computing.
Neue Cloud-basierte Business-Anwendungen benötigen häufig besonders schnelle Datenbanken - beispielsweise, wenn Mitarbeiter auf Unternehmensdaten per Smartphone oder Tablet zugreifen. Auf der Seite der Server lassen sich Datenbanken durch sogenanntes In-Memory-Computing deutlich beschleunigen. Was hinter dem Begriff steckt ist eigentlich ganz einfach: Die Rechner speichern die Daten nicht auf einer langsamen Festplatte, sondern im vielfach schnelleren Arbeitsspeicher - eben dem Memory.
Nachteilig daran ist, dass Arbeitsspeicher nicht nur um ein Vielfaches schneller ist als eine Festplatte, sondern die gleiche Speichermenge auch deutlich mehr kostet. Häufig wird bei In-Memory-Datenbanken vom Grid-Computing gebrauch gemacht, bei dem viele einzelne zu einem Rechner-Verbund zusammengeschlossen werden.
In-Memory-Computing gilt als Markt mit großen Wachstumschancen. Die großen Anbieter im Markt der Datenbank haben sich allesamt Know-how auf dem Gebiet eingekauft. So übernahm der deutsche Anbieter SAP für einen hohen Milliarden-Dollar-Betrag den Anbieter Business Objects. Orcale kaufte sich den In-Memory-Spezialisten Hyperion und IBM übernahm den kanadischen Anbieter Cognos.
"Bring your own device“ heißt es in immer mehr Unternehmen. Laut Consumerization Report 2011 erlauben bereits 59 Prozent der deutschen Firmen ihren Arbeitnehmern, private IT-Geräte im Unternehmen zu nutzen, in den USA sind es bereits 75 Prozent. Mit gutem Grund: Die Mitarbeiter nutzen auf der Arbeit schlicht die Geräte, mit denen sie sich selbst am besten auskennen - und die sie privat am meisten schätzen. Davon profitieren vor allem das iPhone und iPad von Apple sowie die Smartphones mit Googles Android-System.
Für die IT-Branche bedeutet die Hinwendung zu den Konsumenten einen tiefgreifenden Wechsel ihrer Strategie. Reichte es früher aus, die IT-Einkäufer von den eigenen Produkten zu überzeugen, die immer schneller und effizienter wurden, müssen nun diejenigen überzeugt werden, die die Geräte auch tagtäglich einsetzen.
Und da zählen plötzlich ganz andere, weniger fassbare Werte. Wird man mich bewundern? Wird mich das Produkt erstaunen, überraschen? Denn auch Arbeit darf Freude machen. Zudem gibt es neue Herausforderungen für die Sicherheitsexperten der IT-Abteilung. Schon gibt es erste Software-Lösungen, die mittels Virtualisierung Privates und Geschäftliches auf den Smartphones trennt.
Wie können Geschäftsabläufe profitabler werden, Kosten gesenkt und Risiken minimiert werden? Unter dem Schlagwort Business Intelligence werden alle Versuche gefasst, die solche Fragen mit Hilfe der elektronischen Verarbeitung von Daten beantworten wollen. Das englische Wort „Intelligence“ ist dabei im Sinne vom Sammeln und Aufbereiten von Daten gemeint. Der Begriff Business Intelligence wurde bereits in den 1990er Jahren populär.
Doch insbesondere das Cloud Computing und die Verbreitung Internet-fähiger mobiler Geräte verschaffen Managern neue Möglichkeiten. Die Firmenlenker können nun auch mobil via Smartphone oder Tablet jederzeit auf Geschäftszahlen und Software-gestützte Analysen zugreifen. Komplexere Business-Intelligence-Anwendungen können gleich Prognosen und Analysen auf Basis von mobil eingegebenen Daten erstellen. Laut den Analysten von Gartner werden in einigen Jahren ein Drittel aller Analysen auf Unternehmensdatenbanken von einem Smartphone oder Tablet aufgerufen, schreibt das Computermagazin iX.
Dadurch sollen Handelsentscheidungen erleichtert werden. "Man kann sowohl bestimmte Aktien als auch ganze Gruppen bewerten. Das geht bis auf die Makroebene: wie verändern sich Volkswirtschaften?", so Stümpflen. Die verschiedenen Systeme sind nicht nur in der Lage, nach einzelnen Schlagwörtern zu suchen, sie erkennen auch Redundanzen, Zusammenhänge und lernen dazu. So können sie beispielsweise aus dem gehäuften Auftreten des Namens eines Unternehmens und Begriffen wie Entlassung eine Prognose für die Entwicklung der Aktie erstellen. Und das ganze in Sekunden - ohne dass Mitarbeiter alle Nachrichten lesen, bewerten und ihre Ergebnisse für das nächste Meeting aufbereiten und präsentieren müssen.
Die Analyse von marktbewegenden Nachrichten sei für Kleinanleger allerdings schon unter finanziellen Aspekten nicht sonderlich nützlich. Da seien einfach die Kosten zu hoch, so Stümpflen von Clueda. Es gibt jedoch, gerade in den sozialen Netzwerken, diverse Filtermethoden, um börsenrelevante Nachrichten aus dem Wust aus nutzlosen Informationen herauszufiltern. Der Dienst Stocktwits zum Beispiel analysiert Tweets ausgewählter Experten. Das Motto hinter dieser Plattform lautet: "Learn from other stock traders and get new ideas."
"Es gibt eine Reihe von Firmen, deren Angebote für Kleinanleger sinnvoll sind", weiß Stümpflein. Eine Analyse der Marktstimmung, statt der marktbewegenden Nachrichten koste rund 40 Euro im Monat und sei deshalb auch für den kleinen Investor erschwinglich. Wegen der Manipulationsproblematik sollten Anleger diese Twitter-Nachrichten allerdings nicht als Kaufempfehlung werten, sondern höchstens als Denkanstoß für eigne Recherchen.
