skip to content

Lehren aus Gamestop: Die Spur führt ins Internet

Was in sozialen Medien gepostet wird, kann Aktienkurse und ganze Börsen stark beeinflussen. Die Aufsichtsbehörden sind auf diesem Auge aber oft noch blind. Das soll sich ändern.

Mehr als ein Jahr ist es her, dass der Fall des US-Videospielhändlers Gamestop die Börsenwelt durcheinanderwirbelte. So deutlich wie nie zuvor wurde Börsianer:innen, Aufsichtsbehörden und auch einer breiten Öffentlichkeit vor Augen geführt, welchen enormen Einfluss soziale Medien auf die Entwicklung von Aktienkursen haben können.

Nutzerinnen und Nutzer des Chat-Forums „Wall Street Bets“ auf der Social-Media-Plattform Reddit waren damals maßgeblich dafür verantwortlich, dass der Aktienkurs von Gamestop durch die Decke ging. Die Chat-Beteiligten waren der Meinung, dass die Aktie unterbewertet sei und gezielt von Finanzmarktteilnehmer:innen schlecht geredet werde. Sie hielten mit Käufen des Wertpapiers dagegen, professionelle Marktteilnehmer:innen sprangen auf den Zug auf. So zwangen sie sogar einen US-Hedgefonds, der auf einen sinkenden Aktienkurs gesetzt hatte, in die Knie. Ein Vorgang, den es in dieser Form zuvor nicht gegeben hatte und der auch die Aufsichtsbehörden unvorbereitet traf.

Auch US-Milliardär Elon Musk bewegt mit seinen Posts in den digitalen Medien immer wieder die Börsen – und heizte mit einem Tweet im vergangenen Jahr übrigens den Gamestop-Hype an. Ende 2021 führte ein Tweet von ihm auch dazu, dass der Wert der Kryptowährung Dogecoin in die Höhe schoss.

Whistleblower im Fall Wirecard

Tagtäglich gibt es viele Millionen Posts weltweit zu einzelnen Unternehmen und Finanzthemen in sozialen Netzwerken. Es werden Unwahrheiten verbreitet, aber auch gute Analysen geteilt, clevere Fragen aufgeworfen und auch mal Insiderinformationen eingestellt. Dies geschah etwa im Fall des inzwischen insolventen Zahlungsdienstleisters Wirecard. Am 10. Juni 2020, also acht Tage vor dem Bekanntwerden der massiven Bilanzprobleme und dem Absturz der Wirecard-Aktie, wies ein bis heute unbekannter Nutzer, der sich Lilalaunebär nannte, in einem Online-Forum darauf hin, dass die Wirtschaftsprüfer:innen von EY dem Dax-Konzern das Testat verweigern würden. Auch weitere heikle Details, die sich später als richtig erwiesen, gab er preis. Anschließend verschwand der Nutzer oder die Nutzerin wieder von der Online-Plattform.

Diese Beispiele zeigen: Einzelne Finanzwerte und ganze Börsen werden inzwischen durch soziale Medien bewegt. Einzelne Nutzer:innen versuchen dort mit ihren Posts sogar, Aktienkurse gezielt zu beeinflussen. Nur geschieht das alles bislang weitgehend unterhalb des Radars der Aufsichtsbehörden und der breiteren Öffentlichkeit.

Software soll Geschehen in sozialen Medien überwachen

Hier knüpft das Projekt von Detlef Schoder an, Direktor des Instituts für Wirtschaftsinformatik an der Universität Köln. Gemeinsam mit dem Bonner Unternehmen Stockpulse will Schoders Team eine Software entwickeln, die es den Aufsichtsbehörden und Handelsüberwachungsstellen der Börsen ermöglichen soll, überhaupt nachzuvollziehen, was in den sozialen Medien passiert – um daraus auch Konsequenzen ableiten zu können. „Wir wollen ein Entscheidungsunterstützungssystem für eine forensische Analyse aufbauen“, sagt Schoder. Den Behörden also die Möglichkeit geben, auffällige „Spuren“ zurückzuverfolgen.

„Es geht darum zu zeigen: Was ist in den sozialen Medien überhaupt passiert? Wer hat dort was gesagt? Wann und wo?“, so der Professor für Wirtschaftsinformatik. Dabei soll die Software nicht nur helfen, falsche Meldungen – sogenannte Fake News –, die in den sozialen Netzwerken kursieren und Börsenkurse beeinflussen können, zu identifizieren, „sondern es geht ganz generell um Irregularitäten. Alles, was auffällig ist, wollen wir erfassen“, erklärt Schoder.

Künstliche Intelligenz im Einsatz

Das auf 30 Monate angelegte Projekt, das im Oktober gestartet ist, wird von der Bundesregierung im Rahmen der Nationalen Strategie Künstliche Intelligenz (KI) sowie der Hightech-Strategie 2025 finanziell gefördert. Dass das nun geklappt hat, ist sicherlich auch der Causa Gamestop zu verdanken. „Der Fall Gamestop hat alles verändert. Sowohl die Börsenbetreiber als auch die Aufsichtsbehörden sind dadurch wachgerüttelt worden. Ihnen ist klargeworden, dass sie auf dem ‚Social-Media-Auge‘ nicht länger blind sein dürfen“, sagt Stefan Nann, Chef von Stockpulse.

Er und sein früherer Studienkollege Jonas Krauß, beide ehemalige Schüler von Detlef Schoder, haben Stockpulse im Jahr 2011 gegründet. „Die grundlegende Hypothese war schon damals: Die Börsen werden maßgeblich von Psychologie beeinflusst, nicht von Fakten“, so Nann. Und die sozialen Medien seien zunehmend verantwortlich für die Psychologie. Das Bonner Unternehmen beliefert heute schon Hedgefonds mit vielen Informationen darüber, was in den sozialen Medien geschieht. Es wertet mit Hilfe von Softwareprogrammen Posts in den Sprachen Englisch, Deutsch, Mandarin, Finnisch, Isländisch, Schwedisch und Dänisch aus – da es nicht nur mit der Deutschen Börse, sondern auch der US-Börse Nasdaq zusammenarbeitet, die wiederum die skandinavischen Börsen betreibt.

Software bewertet Autoren von Internet-Nachrichten

Für das Projekt mit dem Team von Schoder sollen vorerst allerdings nur Social-Media-Beiträge in deutscher und englischer Sprache einbezogen werden. „Wir versuchen also herauszufinden: Wie ungewöhnlich ist eine Meldung?“, fasst Schoder das Ziel zusammen. Dazu werde zunächst auf den Autor oder die Autorin eines Beitrags geschaut – die im Regelfall ja nicht unter Klarnamen, sondern einem selbst erdachten Nutzernamen schreiben. „Wir untersuchen etwa, ob das ein Nutzer mit Reputation ist, einer der schon lange im Netz unterwegs ist und noch nicht aufgefallen ist. Oder ob dieser Autor erst gerade aufgetaucht ist und sofort seltsame Inhalte postet“, sagt Schoder. Daraus ergebe sich dann ein sogenannter Author Score – eine Bewertung des Autors.

Danach werde der Inhalt des Posts untersucht. Gibt es darin bislang unbekannte oder extreme Wörter? Steht dort etwas, was nirgends sonst zu finden ist und dem Bekannten widerspricht? Daraus wird dann ein „Content Score“ gebildet – eine Bewertung des Inhalts. Als Letztes wird der sogenannte Outlet angeschaut. Wo wird etwas kommuniziert? Auf einem zweifelhaften Blog, auf einer renommierten Finanzseite, in einem Chat-Raum? Daraus ergibt sich der „Outlet Score“.

Auch die Deutsche Börse ist dabei

Ausspucken soll all diese Bewertungen die Software, an denen die Projektbeteiligten nun arbeiten. „Wir holen Texte aus den Foren heraus, verarbeiten sie und versuchen mit modernen Methoden, eine Semantik herauszulesen“, sagt Schoder. Es würden sogenannte Golden Sets erarbeitet – Beispiele für auffällige und unauffällige Texte, um die Software zu trainieren, beispielsweise auf bestimmte Vokabeln zu reagieren. Zusammengearbeitet werde bei der Entwicklung der Software auch mit der Deutschen Börse.

Ein weiterer Ansatz auf Grundlagen der künstlichen Intelligenz bilden sogenannte Word Embeddings. „Textkorpora werden in einen Hyperraum verrechnet. Jeder Begriff bekommt dabei einen Vektor, dann rechnet man mit den Vektoren der Begriffe weiter.“ Das hört sich nicht nur kompliziert an, es ist auch kompliziert. Während die Ermittlung der Vektoren rechenaufwendig sei, sei die darauf aufbauende Vektorrechnung mit Schulmathematik machbar, so Schoder. Er gibt ein Beispiel: „Die Aufgabe für die Software lautet, folgende Begriffe respektive ihre Vektoren zu verrechnen: Vektor des Begriffs König minus Vektor Mann plus Vektor Frau. Die Software wird höchstwahrscheinlich den Vektor finden, der dem Begriff Königin am nächsten kommt und diesen Begriff als Ergebnis vorschlagen.“

Künstliche Intelligenz versteht Ironie nicht

Ein weiteres Beispiel: „Durch Vektorrechnung lassen sich auch Begriffspaare in Beziehung setzen: Die Software nutzt die Ähnlichkeiten der Zusammenhänge ‚Deutschland gleich Berlin‘, ‚Spanien gleich Madrid‘ und wird in Analogie zum Begriff ‚Frankreich‘ höchstwahrscheinlich ‚Paris‘ vorschlagen“, sagt Schoder. Die Software lerne also, Begriffe zueinander in einen semantischen Kontext zu setzen. Sie erkenne Ähnlichkeiten in Texten. „Und dadurch erkennt sie, wenn sie gut programmiert ist, auch Auffälligkeiten, Abweichungen, Irregularitäten und kann dann Alarm schlagen“, so der Professor.

Schoder warnt aber vor überzogenen Erwartungen an diese künstliche Intelligenz. „Ich glaube nicht, dass solche Warnsysteme vollautomatisch funktionieren können. Also dass die Börse nach einem Alarm einfach einen automatischen Handelsstopp einer Aktie vornehmen kann“, sagt er. Er denkt, dass auf lange Zeit weiterhin Menschen und nicht Maschinen die letzte Entscheidung treffen müssen. Er gibt ein Beispiel, um seine Skepsis zu erklären: „Wenn Sie etwas Ironisches oder Sarkastisches schreiben, dann kann eine Maschine dies gewöhnlich nicht erkennen. Denn sie kann den Kontext, in dem Sie sich äußern, nicht einordnen. Ein Mensch kann das schon“, sagt er.

Zudem geht er nicht davon aus, dass die Software, die er mit seinem Team programmiert, mittelfristig in Echtzeit Daten liefern kann. Das sei zwar schon ein denkbares Ziel über das Projekt hinaus – aber sicher erst auf lange Frist machbar. Stattdessen liegt der Schwerpunkt des jetzigen Projekts darauf, den Überwachungsbehörden nachträglich alle Mittel an die Hand zu geben, um Auffälligkeiten in den sozialen Medien nachgehen zu können.

Datenschutzrechtlich sieht Nann von Stockpulse keine Probleme dabei, die Millionen Online-Posts auszuwerten. „Wir greifen nur auf das zurück, was öffentlich und sowieso für alle einsehbar ist“, versichert er.

Hier geht's zum Artikel: https://www.fr.de/wirtschaft/lehren-aus-gamestop-die-spur-fuehrt-ins-internet-91436262.html