Mo­der­nes Ge­dächt­nis für die Roh­stoff-Ver­sor­gungs­si­cher­heit

Am 13. Juni 2025 eskalierte der Konflikt zwischen Israel und dem Iran. Sofort stellte sich die Frage, wie gravierend das für die Rohölversorgung werden würde. Am ersten Tag folgten Tausende Berichte zu Rohöl, in acht Tagen Zehntausende aus Tausenden Quellen. Von Hand ist das nicht zu bewältigen. Grosse Sprachmodelle wirken dafür vielversprechend.

Als am 22. Juni amerikanische Bomber die Anlage in Fordo trafen, folgte eine Flut von Berichten. Geflogen wurde aber nur ein einziger Angriff. Ein Sprachmodell muss erkennen, dass all diese Meldungen denselben Vorfall beschreiben. Sonst werden aus einem Ereignis Tausende. Jede neue Meldung muss mit den bereits erfassten Vorfällen abgeglichen werden. Ein grosses Modell schafft etwa eine Meldung pro Sekunde und ist für diese Mengen dennoch zu träge. Zudem ordnet es denselben Text nicht immer gleich ein und lässt moralische Wertungen einfliessen.

Ebenso wichtig ist, dass Vergleiche mit früheren Fällen nur damaliges Wissen nutzen dürfen. Damals war unklar, ob Hormus passierbar bleibt. Ein heutiges Modell weiss bereits, dass die Route danach schwer blockiert wurde. Dieses Vorwissen steckt in seinen Gewichten und lässt sich nicht ausblenden. Das Modell wirkt treffsicher, weil es die Zukunft schon gesehen hat. Fachleute nennen das Lookahead-Bias.

Derartige Limitationen haften den gängigen Sprachmodellen an. An der FH Graubünden ist ein vielversprechender Durchbruch gelungen. In drei Jahren Forschung, gefördert vom Schweizerischen Nationalfonds und von Innosuisse, entstanden kleine, spezialisierte Sprachmodelle, die im eigenen Haus laufen.

Sie verarbeiten tausend Meldungen pro Sekunde, das Tausendfache eines grossen Modells. Derselbe Text ergibt immer dieselbe Einordnung, rein sachlich. Dabei lesen sie den ganzen Text und bestimmen, ob und wie relevant eine Meldung für einen Rohstoff ist, ob sie verwertbar ist und welches marktbewegende Ereignis sie beschreibt. Diese Ereignisarten stammen aus einem Katalog, den Fachleute laufend pflegen.

Danach vergleicht das System Zeitpunkt, Inhalt und Zusammenhang jeder Meldung mit den bereits erfassten Vorfällen. Die früheste belastbare Meldung markiert den Eintritt des Ereignisses auf die Sekunde genau.

Erst dann lassen sich die Ereignisse sauber bewerten und prüfen, wie oft ein ähnlicher Vorfall in den dreissig Jahren auftrat. Jedes dieser Ereignisse erhält einen Score. Positiv bedeutet weniger Öl am Markt, negativ mehr. Seine Stärke beruht auf der Relevanz und dem Rang der betroffenen Anlage, des Ortes oder der Meerenge.

Seit 1996 sind so aus einem Archiv über hundert Millionen Ereignisbewertungen zu Rohöl entstanden. Summiert man sie, ergibt sich eine Kurve für Angebot und Nachfrage. Legt man den Ölpreis darüber, verhalten sich die Kurven erstaunlich ähnlich, obwohl die Bewertungen nie Preisdaten gesehen haben. Diese Wechselwirkung beweist, dass der Preis vor allem aus Angebot und Nachfrage hervorgeht.

Nebst Ereignissen dienen zeittreue Daten dem Abgleich zu Lagerbeständen, Fördermengen, Wetter, Terminpositionen und Prognosemärkten zu Geopolitik. So entsteht ein modernes Gedächtnis für die Versorgungssicherheit und erstmals eine sekundengenaue Karte der Ereignisse aus drei Jahrzehnten. Das Faszinierende an diesem Ansatz ist die Verbindung von Sprachmodellen mit ökonomischem Wissen, wodurch das System der FH Graubünden erstmals ein Gesamtbild der globalen Ereignisse erstellen kann, die den Rohstoffmarkt wirklich bewegen.

Gestützt darauf ist die NewsQuant AG als Spin-off entstanden. Sie leitet daraus Zusammenhänge zwischen Ereignissen und ihren Folgen her, um aus diesem lückenlosen Gedächtnis wertvolle Lehren für die Zukunft zu ziehen. Der Anspruch dahinter ist, weltweit zu wirtschaftlicher und gesellschaftlicher Stabilität beizutragen.

Weitere Blogs der FH Graubünden gibt es hier zu lesen.