Der Hedgefonds Bridgewater und das Startup Thinking Machines Lab, gegründet von der ehemaligen OpenAI CTO Mira Murati, haben ein spezialisiertes KI-Modell für Finanzaufgaben entwickelt. Dieses auf dem Open-Weight-Modell Qwen3-235B basierende und feingetunte System erreichte in internen Tests eine Genauigkeit von 84,7 Prozent. Damit übertraf es namhafte Konkurrenzprodukte wie Gemini, Claude und GPT deutlich und verursachte gleichzeitig nur etwa ein Vierzehntel der Betriebskosten. Die Ergebnisse wurden bisher nicht von unabhängigen Dritten verifiziert.
Herausforderung in der Finanzanalyse
Investoren sind täglich einer Flut von Nachrichten, Analysen, Unternehmensberichten und E-Mails ausgesetzt. Laut einem Bericht von Bridgewaters AIA Labs und Thinking Machines Lab besteht die eigentliche Herausforderung nicht im Lesen der Dokumente, sondern in den fortlaufenden kleinen Urteilen darüber, welche Informationen relevant sind. Die Forscher zielten darauf ab, diese Entscheidungsfindung zu automatisieren. Sie definierten sechs Aufgaben aus dem Alltag eines Investors, darunter die Bewertung der Relevanz eines Finanzartikels für einen Manager oder die Interpretation von Zentralbankdokumenten hinsichtlich zukünftiger Zinsänderungen. Diese Urteile sind für Experten trivial, aber schwer in Worte zu fassen.
Leistung etablierter KI-Modelle
In den Tests der Autoren zeigten sogenannte Frontier-Modelle, wie Varianten von Gemini, Claude und GPT, mit einfachen Prompts lediglich eine Genauigkeit von etwa 50 Prozent. Selbst mit detaillierten, von Experten verfassten Anweisungen und einem dreistufigen Bewertungssystem („relevant und interessant“, „relevant, aber uninteressant“, „irrelevant“) stieg die Genauigkeit nur in den mittleren 70-Prozent-Bereich. Dies blieb unter der von den Autoren gesetzten Schwelle von 80 Prozent für einen vertrauenswürdigen Einsatz. Der Bericht weist zudem darauf hin, dass neuere Modelle nur geringfügige Verbesserungen pro Dollar Kosten zeigen; beispielsweise war GPT 5.4 zwar 43 Prozent teurer als 5.2, aber nur marginal genauer.
Feinabstimmung als Lösung
Die Lösung lag in der Feinabstimmung („Fine-Tuning“) eines Open-Weight-Modells auf proprietären Beispielen. Dabei wurde ein bestehendes Modell mit spezifischen, unternehmenseigenen Daten weiter trainiert. Die entscheidende Zutat war das Urteil der Bridgewater-Investoren. Zunächst wurden Dokumente von externen Dienstleistern gelabelt, wobei sich viele dieser Labels als fehlerhaft erwiesen. Um zu vermeiden, dass teure Fachkräfte alle Dokumente überprüfen mussten, entwickelten die Forscher einen Ansatz: Ein erstes Modell lernte aus den anfänglichen Labels und bewertete die Dokumente erneut. Überall dort, wo das Modell und das ursprüngliche Label nicht übereinstimmten, wurde ein Fehler vermutet. Nur diese umstrittenen Fälle wurden den Investoren zur Korrektur vorgelegt.
Das Training erfolgte auf der Tinker-Plattform von Thinking Machines Lab, die auf Qwen3-235B aufbaut. In der internen Bewertung des Teams erreichte das feingetunte Modell eine Genauigkeit von 84,7 Prozent, verglichen mit 78,2 Prozent für das beste getestete Frontier-Modell. Zudem waren die Betriebskosten fast 14-mal geringer.
Implikationen für proprietäre Daten
Abseits der reinen Zahlen unterstreicht die Studie, dass große KI-Labore wie OpenAI nicht alle verfügbaren Datenquellen erschöpft haben. Es existieren weiterhin umfangreiche proprietäre Unternehmensdaten und ungenutztes menschliches Fachwissen, die erhebliches Verbesserungspotenzial bieten. Dies gilt insbesondere dort, wo Unternehmen ihre wertvollsten Daten bewusst privat halten. Wer solche Daten an ein Frontier-Labor weitergibt, riskiert, später mit einem darauf aufbauenden Produkt konkurrieren zu müssen. Die Feinabstimmung offener Modelle mithilfe von Tools wie Tinker bietet Unternehmen eine Alternative, um Gewichte, Daten und gegebenenfalls die Hardware selbst in eigener Kontrolle zu behalten.
Thema: OpenAI. Quelle/Inspiration: The Decoder.