Künstliche Intelligenz – Part 3: Profiteure im Bereich der Hardwarelösungen

Künstliche Intelligenz (KI, Artificial Intelligence, AI) hat das Potenzial, auf längere Sicht das Lieblingsthema vieler Anleger zu bleiben. In unserem ersten Artikel haben wir umrissen, welches riesige Feld tatsächlich hinter dem Schlagwort Artificial Intelligence steckt. Dabei zielt die Artikelserie darauf ab, herauszufinden, welche Unternehmen und Anwendungen vom Hype getrieben sind und welche tatsächlich langfristig von dem Thema AI profitieren können. Diese Fortsetzung engt das Sichtfeld auf Unternehmen ein, die KI-basierte Anwendungen für Endverbraucher entwerfen und vermarkten.

Hardwarelösungen, die mit Künstlicher Intelligenz arbeiten

Künstliche Intelligenz, als selbstständig lernender und agierender Algorithmus, hat per Definition zunächst wenig mit Hardware zu tun. Unter KI-basierten Hardwareprodukten sind in diesem Zusammenhang physische Produkte bzw. Geräte zu verstehen, die entweder erforderlich sind, um die Informationen zu beschaffen, die eine KI nutzt oder um Geräte, die Künstliche Intelligenz (KI) nutzen, um verschiedene Aufgaben zu erfüllen.

Chips als Grundlage für die Anwendung von KI

In unserem ersten Artikel zu möglichen Profiteuren des KI-Trends haben wir bereits darauf hingewiesen, dass der Markt der Halbleiterherstellung heutzutage sehr kleinteilig ist. Deshalb widmen wir diesem Bereich noch einen gesonderten Artikel. Im Zusammenhang mit Hardwarelösungen geht es vor allem um die Weiterverarbeitung der fertigen Halbleiter zu den eigentlichen Chips als funktionales Bauelement. Diese Chips sind wiederum die Grundlage für die tatsächliche Hardware.

Eine Gattung von Chips sind sogenannte ASICs. ASIC steht für Application Specific Integrated Circuit (anwendungsspezifische integrierte Schaltung). Wie der Name schon sagt, sind ASICs anwendungsspezifisch. Sie sind nur für einen einzigen Zweck bestimmt und funktionieren während ihrer gesamten Lebensdauer gleich. Zum Beispiel ist die CPU in einem Telefon oder die GPU eines Computers ein ASIC.

Graphics Processing Unit (GPUs) sind spezialisierte Prozessoren, die ursprünglich für Spiele und Grafikanwendungen entwickelt wurden – landläufig hat sich der Begriff Grafikprozessor eingeschlichen. Inzwischen werden GPUs häufig für KI-Lernaufgaben, speziell Machine Learning, eingesetzt. Der Grund dafür ist, dass GPUs hochgradig parallelisierbar sind und viele Berechnungen gleichzeitig durchführen können. Zu den wichtigsten GPU-Herstellern gehören Nvidia und AMD. Sechs der zehn weltweit schnellsten Supercomputer nutzen Nvidias High-End-GPUs.

Eine Tensor Processing Unit (TPU) ist ein von Google entwickelter anwendungsspezifischer integrierter Schaltkreis (ASIC). Diese wurden auf KI-Workloads wie Matrixmultiplikation und andere Operationen optimiert, die häufig in neuronalen Netzen verwendet werden. TPUs können die Geschwindigkeit und Effizienz von KI-Workloads im Vergleich zu herkömmlichen CPUs und GPUs erheblich verbessern.

Field-Programmable Gate Arrays (FPGAs) programmierbare Logikgatter-Anordnungen bzw. integrierte Schaltkreise mit einer programmierbaren Hardware-Struktur. Im Gegensatz zu den vorher genannten GPUs ist die Schaltung in einem FPGA-Chip nicht fest geätzt, sondern kann nach Bedarf neu programmiert werden. FPGAs wurden von der kalifornischen Chip-Schmiede Xilinx erfunden. Xilinx gehört mittlerweile zu AMD und ist nach wie vor der führende Hersteller von FPGAs.

Eine sehr spezielle Entwicklung ist die Neuromorphic Processing Unit (NPU), oft auch als neuromorpher Chip oder neuraler Prozessor bezeichnet. NPUs sind so konzipiert, dass sie die Struktur und Funktion des menschlichen Gehirns imitieren. Das Stichwort in Zusammenhang mit KI sind hier neuronale Netze. Dieses Teilgebiet der Künstlichen Intelligenz ist hervorragend in der Gestalt- und Mustererkennung. Durch ihre Spezialisierung können neuromorphe Chips Aufgaben wie Mustererkennung schneller und energieffizienter als CPU oder GPU lösen. Derzeit befinden sich mehrere Forschungsprojekte in einem fortgeschrittenen Stadium wie der TrueNorth-Chip von IBM.

Künstliche Intelligenz in Kameras

KI-fähige Kameras werden beispielsweise in Überwachungssystemen und autonom fahrenden Fahrzeugen eingesetzt. Die Kameras nutzen KI-Algorithmen wie Computer Vision, um Objekte und Personen in Echtzeit zu erkennen und zu identifizieren. Sicherheitskameras und -systeme wie Ring Doorbell (gehört zu Amazon) und oder Google Nest nutzen KI, um Menschen, Tiere und Objekte zu erkennen und Warnmeldungen an das Smartphone des Benutzers zu senden. Im Einzelhandel werden KI-basierte Kameras eingesetzt, um das Verhalten und die Vorlieben der Kunden zu verfolgen. Ein börsennotierter Hersteller AI-gestützter Kameras ist das amerikanische Unternehmen Ubiquiti Networks.

AI-basierte Geräte im Alltag

In Smartphones wird AI für eine Vielzahl von Aufgaben eingesetzt. Hardwareseitig kommen vor allem Kameras zum Einsatz, z. B. für die Gesichtserkennung, Bildaufnahmen oder Videoaufzeichnungen.

Ein schnell wachsender Bereich ist der Smart-Home-Markt. Sprachassistenten wie Amazon Alexa, Google Home und Apple HomePod enthalten Hardwarekomponenten wie Mikrofone und Lautsprecher. KI-gesteuerte Lautsprecher wie Amazon Echo und Google Nest nutzen die Verarbeitung natürlicher Sprache (NLP), um auf Sprachbefehle zu reagieren und Aufgaben wie die Wiedergabe von Musik oder die Steuerung von Smart-Home-Geräten auszuführen. Intelligente Thermostate wie Nest von Google nutzen KI, um das Nutzerverhalten zu lernen und die Temperatur entsprechend anzupassen, was zu Energieeinsparungen führen soll.

Wearable Devices wie Smartwatches und Fitness-Tracker nutzen KI-Algorithmen, um Daten zu Gesundheit und Wohlbefinden zu erfassen und zu analysieren. Diese Geräte enthalten spezielle Sensoren, wie z. B. Herzfrequenzmesser und Beschleunigungsmesser, die Daten zu körperlicher Aktivität, Schlaf und anderen Gesundheitsmetriken erfassen. Bekannte börsennotierte Hersteller von Smartwatches sind Apple (Apple Watch), Garmin (Garmin Venu), Samsung (Galaxy Watch) oder Xiaomi (Redmi Watch). Augmented-Reality- (AR) und Virtual-Reality-Geräte (VR) wie die Microsoft HoloLens und Meta Quest nutzen KI-Algorithmen, um realistische und interaktive virtuelle Umgebungen zu schaffen. Diese Geräte enthalten beispielsweise Sensoren und Prozessoren, die für AR- und VR-Anwendungen optimiert sind.

Autonome Fahrzeuge und Drohnen

Unternehmen wie Tesla und Waymo entwickeln selbstfahrende Autos, die KI nutzen, um auf den Straßen zu navigieren, Objekte zu erkennen und Entscheidungen zu treffen. Der “Autopilot” von Tesla nutzt eine Kombination aus Kameras, Radar, Ultraschallsensoren und GPS, um Daten über die Umgebung des Fahrzeugs zu sammeln. Diese Daten werden dann vom Bordcomputer des Fahrzeugs verarbeitet, um in Echtzeit Entscheidungen über die Bewegungen des Fahrzeugs zu treffen.

Das Unternehmen Mobileye, ein Spin-Off von Intel, hat sich auf die Entwicklung von fortschrittlichen Fahrerassistenzsystemen (ADAS) und autonomer Fahrtechnologie spezialisiert. Das Fahrerassistenzsystem von Mobileye setzt ebenfalls Kameras, Sensoren und fortschrittliche Algorithmen ein, um dem Fahrer Warnungen und Hilfestellungen zu geben.

Autonome Drohnen werden vor allem in der Luftfotografie und Vermessung eingesetzt. Mit KI-Algorithmen ausgestattete Drohnen können für Aufgaben wie Überwachung, Inspektion und Auslieferung eingesetzt werden. So experimentieren beispielsweise einige Lieferunternehmen mit dem Einsatz von Drohnen für die Auslieferung von Paketen an Kunden. In der Landwirtschaft werden autonome Drohnen eingesetzt, um das Saatgut zu verteilen oder Schädlinge zu bekämpfen. Im Bereich der militärischen Anwendungen dienen Drohnen der Aufklärung und teilweise sogar als sogenannte “Kamikaze-Drohnen”, die Ziele anfliegen und zerstören, ohne die berechenbare Parabel von Raketen zu fliegen. Bekannte Drohnenhersteller sind beispielsweise Lockheed Martin oder AeroVironment aus den USA, Northrop Grumman, Boeing oder die französische Parrot SA.

Intelligente Roboter

KI-gesteuerte Roboter werden in verschiedenen Branchen eingesetzt, z. B. in der Fertigung, im Gesundheitswesen und in der Landwirtschaft, um Aufgaben auszuführen, die sich entweder wiederholen oder hohe Präzision erfordern. Geräte für die Industrieautomatisierung, wie z. B. Roboter und Steuerungssysteme, nutzen KI-Algorithmen, um Produktionsprozesse zu optimieren und Ausfallzeiten zu reduzieren. Außerdem können Sie repetitive Aufgaben hochpräzise und mit einer deutlich geringeren Fehlerquote ausführen, als es Menschen können. Bekannte Hersteller sind das japanische Unternehmen Fanuc K.K. oder KUKA aus Deutschland.

Landwirtschaft als unbekannter Vorreiter der KI-Entwicklung

Im Bereich der KI-gestützten Hardware sind die Chiphersteller natürlicherweise in der Favoritenrolle, um von dem Trend zu profitieren – ohne Chips würde es keine Künstliche Intelligenz geben. Als Profiteur in einem größeren Kontext kann die Landwirtschaft gesehen werden. Die Vereinten Nationen (UNO) schätzen, dass wir in 30 Jahren 9,7 Milliarden Menschen auf der Erde leben werden. Die zur UNO gehörende Organisation für Ernährung und Landwirtschaft sagt voraus, dass die weltweite Nahrungsmittelproduktion um mindestens 70 % ansteigen muss. Andernfalls wäre eine angemessene Ernährung der Weltbevölkerung 2050 nicht gewährleistet, heißt es. Durch die Nutzung von modernen Maschinen und intelligenten Systemen ging der Flächenbedarf für die Nahrungsmittelproduktion in den letzten Jahren im weiter zurück. In Anbetracht der anstehenden Herausforderungen wird dieser Bereich anhaltenden Optimierungen unterworfen sein müssen.

John Deere automatisiert mittels KI die Landwirtschaft

John Deere ist bereits seit fast 200 Jahren im Geschäft und in der Landwirtschaft aller andere als ein Underdog. Bekannt ist das Unternehmen vor allem für seine markanten grünen Traktoren. Was die meisten Außenstehenden nicht wissen: John Deere ist heutzutage weniger ein Hersteller von landwirtschaftlichen Fahrzeugen als vielmehr ein Unternehmen für Agrartechnologie. In Anbetracht der Entwicklung der letzten Jahre ist zu erwarten, dass John Deere in den nächsten 15 Jahren ein Spezialist für Künstliche Intelligenz sein wird.

John Deere investiert schon seit Jahrzehnten intensiv in Robotik und autonomes Fahren. In den späten 1990er-Jahren erwarb das Unternehmen das GPS-Startup NavCon in der Hoffnung, satellitengesteuerte Lenksysteme für Traktoren zu entwickeln. Innerhalb weniger Jahre gelang es John Deere, ein System zu entwickeln, das bis auf wenige Zentimeter genau war – frühere GPS-Systeme konnten bis zu mehreren Metern abweichen. In Zusammenarbeit mit niemand geringerem als der NASA entwickelte das Unternehmen das weltweit erste internetbasierte GPS-Ortungssystem. Man könnte also sagen, dass die Traktoren von John Deere ein Wegbereiter zu modernen autonomen Fahrzeugen waren.

Neben Traktoren arbeitet Deere auch an landwirtschaftlichen Drohnen. Die gemeinsam von John Deere und Volocopter entwickelte Großdrohne hat einen Durchmesser von 9,2 m und wird von 18 Rotoren angetrieben. Die VoloDrone kann sowohl ferngesteuert als auch automatisiert auf einer vorprogrammierten Route eingesetzt werden.

Ein weiteres Beispiel für den Einsatz von KI in den Maschinen von John Deere ist die Erkennung und Beseitigung von Unkraut in Echtzeit, was den ungeliebten Einsatz von Pestiziden hinfällig macht.

Fundamentale und technische Einordnung zu Deere & Co.

Das Geschäft von Deere läuft seit vielen Jahren gut. In den letzten Jahren konnte der Umsatz um rund 4 % pro Jahr gesteigert werden. Das operative Ergebnis und der Nettogewinn legten sogar um rund 6 % und 9 % pro Jahr zu (CAGR). Die Brutto-Marge lag in den letzten Jahren relativ stabil bei rund 28 %, die Netto-Marge bei etwa 8 %.

Technisch befindet sich Deere seit vielen Jahren in einem übergeordneten Aufwärtstrend. Seit rund zwei Jahren läuft der Kurs seitwärts. Im April 2022 wurde erstmalig das aktuelle ATH bei rund 445 USD angelaufen, danach lief der Kurs innerhalb von 2 Monaten zu einem Verlaufstief bei etwa 289 USD. Von diesem Verlaufstief befindet sich die Aktie mittelfristig wieder im Aufwärtstrend. Unterhalb des aktuellen Kurses liegen die nächsten Unterstützungen bei ca. 418 und 403 USD. Über dem aktuellen Kurs folgt das ATH als Widerstandsbereich.

Die weiteren Artikel der Reihe

Teil 1: „Künstliche Intelligenz – Diese Aktien profitieren von dem Trend“

Teil 2: “Künstliche Intelligenz – Part 2: die Basis für eine erfolgreiche Zukunft” 

Teil 4: “Künstliche Intelligenz – Part 4: Profiteure im Bereich der Softwarelösungen” 

Sowie zwei weitere spannende Artikel zum Thema KI: 

RadNet Inc. – Künstliche Intelligenz hilft bei der Bekämpfung von Brustkrebs

Künstliche Intelligenz: Diese Aktie ist ein Geheimtipp 

Offenlegung wegen möglicher Interessenkonflikte

Der Autor ist in den folgenden besprochenen Wertpapieren bzw. Basiswerten zum Zeitpunkt der Veröffentlichung dieser Analyse investiert: Nvidia.