Projekt Spectrum: KI verbessert Inflations-Nowcasting kostengünstig
Ein Gemeinschaftsprojekt von BIZ, Bundesbank und EZB nutzt generative KI, um die Klassifizierung von Produktpreisen für das Inflations-Nowcasting zu revolutionieren. Die Methode ermöglicht eine präzise Analyse von Milliarden Preisdaten in wenigen Tagen und zu geringen Kosten.
KI-Dilemma: Datenflut trifft Kostenexplosion
Zentralbanken stehen vor einer Datenflut: Milliarden von Echtzeit-Produktpreisen aus Web-Scraping sind verfügbar, doch deren Klassifizierung nach statistischen Konventionen ist eine enorme Herausforderung.
Manuelle Verarbeitung ist unmöglich, und der Einsatz herkömmlicher großer Sprachmodelle (LLMs) wie GPT-5 wäre prohibitiv teuer und zeitaufwendig – die Klassifizierung des EZB Daily Price Dataset (DPD) mit 34 Millionen Produkten würde über sechs Monate dauern und mehr als 0,5 Millionen Euro kosten.
Projekt Spectrum, eine Kooperation von BIZ, Bundesbank und EZB, hat hierfür eine innovative Lösung entwickelt.
Statt LLMs direkt zu nutzen, transformiert es Produktbeschreibungen mittels KI in hochdimensionale Texteinbettungen, die dann von klassischen Machine-Learning-Algorithmen kategorisiert werden.
Diese Methode erreicht eine vergleichbare Genauigkeit wie LLM-Prompting, jedoch zu einem Bruchteil der Kosten: Das gesamte DPD wurde in nur fünf Tagen für rund 1.500 Euro klassifiziert.
Von Rohdaten zu handlungsrelevanten Einblicken
Das Projekt Spectrum hat nicht nur das bestehende DPD klassifiziert, sondern auch eine produktionsreife Pipeline-Lösung entwickelt.
Diese kann neue Produkte, die täglich zum DPD hinzugefügt werden, automatisch kategorisieren.
Ein iterativer Algorithmus sorgt zudem für kontinuierliche Verbesserung: Durch selektives Hinzufügen manuell gelabelter Daten wird die Klassifizierungslogik systematisch verfeinert, die Vorhersagegenauigkeit erhöht und die Anpassung an sich ändernde Produktspektren gewährleistet.
Damit verwandelt Project Spectrum fragmentierte Rohdaten in strukturierte Informationen, die Analysten und Politikern zeitnahe und detaillierte Einblicke in Preisentwicklungen ermöglichen.
Der Bericht richtet sich an Geldpolitik-Analysten, Datenwissenschaftler in Zentralbanken und statistische Ämter, die kosteneffiziente Automatisierungslösungen suchen.
KI-Potenzial endlich erschlossen
Dieses Projekt liefert den überzeugenden Beweis, dass KI-Methoden auch für massivste Datensätze kosteneffizient einsetzbar sind.
Es überwindet die bisherigen Hürden von Rechenzeit und Kosten, die den Einsatz von LLMs für Zentralbanken limitierten.
Damit ebnet Project Spectrum den Weg für eine neue Generation datengestützter Analysen und agilerer geldpolitischer Entscheidungen.