LSEG und NVIDIA: Tick History auf der GPU – und die Frage nach der Datenkopie

110 Billionen Datenzeilen: So groß ist laut LSEG der Bestand an Marktdaten in LSEG Tick History. Am 14. Oktober 2026 hat die London Stock Exchange Group gemeldet, gemeinsam mit NVIDIA Analysen auf diesem Bestand schneller machen zu wollen. Laut LSEG-Benchmark sinkt die Verarbeitungszeit „von Stunden auf Sekunden“. Das ist eine Anbieterbehauptung, die in der Mitteilung nicht unabhängig belegt wird. Die interessantere Frage lautet ohnehin, wo gerechnet wird und wer die Rechnung trägt.

Was LSEG und NVIDIA konkret angekündigt haben

Zunächst zum Handfesten. LSEG kündigt eine Zusammenarbeit mit NVIDIA an, damit Finanzinstitute große Mengen an LSEG Tick History schneller und in größerem Maßstab auswerten können. Als Werkzeug nennt die Mitteilung NVIDIA cuDF, eine GPU-beschleunigte Bibliothek für DataFrames. Ein DataFrame ist dabei eine tabellenartige Datenstruktur, mit der Analysierende Zeilen und Spalten filtern, verknüpfen und aggregieren. Eine GPU wiederum ist ein Grafikprozessor, der sehr viele einfache Rechenschritte gleichzeitig ausführen kann, weshalb er sich für große Tabellen eignet. Auch das Zusammenspiel von cuDF mit Polars wird in der Mitteilung genannt.

Tick History ist, vereinfacht gesagt, das Gedächtnis des Marktes. Tick-Daten sind die kleinste Einheit der Marktdaten: jede einzelne Kursstellung und jeder einzelne Handel, jeweils mit Zeitstempel. Wer den Schlusskurs eines Tages hinter sich lassen und die Abfolge der Ereignisse innerhalb von Sekundenbruchteilen sehen will, braucht genau diese Granularität. Sie hat ihren Preis, denn aus einem einzigen Handelstag wird eine Tabelle, die jede übliche Tabellenkalkulation überfordert.

Der zweite Punkt der Ankündigung betrifft den Ort der Verarbeitung. Laut LSEG sollen Kundinnen und Kunden die Analyse durchführen können, ohne eine weitere vollständige Kopie des zugrunde liegenden Datensatzes zu erstellen. Die Mitteilung spricht davon, die historischen Marktdaten näher an die Rechenumgebungen zu bringen, die für Quant-Forschung, Marktanalyse und KI genutzt werden. Wie diese Nähe technisch aussieht, steht dort nicht. Bei diesem Satz lohnt genaueres Hinsehen, denn er trägt mehr Gewicht als die Geschwindigkeitsangabe.

Eingeordnet wird das Ganze unter dem Namen „LSEG Everywhere AI“, der Strategie, mit der LSEG seine Inhalte in KI-Umgebungen und Arbeitsabläufe von Kundschaft tragen will. Nutzende sollen laut LSEG großvolumige Datenverarbeitung auf Tick-History-Datensätzen ausführen können, um aus LSEG-Inhalten schneller Erkenntnisse zu gewinnen. Das klingt nach Werbetext, ist aber im Kern eine Aussage über Logistik: Daten, die ohnehin vorhanden sind, sollen ohne Umweg ausgewertet werden.

Die Größenordnung hinter LSEG Tick History

Rechnen wir nach, was die Mitteilung von LSEG an Zahlen liefert. LSEG Tick History umfasst laut LSEG 110 Billionen Datenzeilen. Sie verteilen sich auf 100 Millionen Instrumente und reichen über mehr als 30 Jahre zurück. Die Quellen sind mehr als 580 Börsen, Handelsplätze und Datenlieferanten. Das sind Angaben des Anbieters, geprüft werden können sie von außen nicht. Plausibel wirken sie für einen Bestand, der seit Jahrzehnten wächst und Daten aus vielen Märkten sammelt.

dm-Rechnung: 110 Billionen Zeilen geteilt durch 100 Millionen Instrumente ergeben rechnerisch rund 1,1 Millionen Zeilen pro Instrument. Das ist nur ein Durchschnitt, und der Haken liegt in der Verteilung, die die Quelle nicht nennt. Naheliegend ist, dass stark gehandelte Werte weit mehr Zeilen haben, viele selten gehandelte Instrumente dagegen weit weniger. Als Faustformel taugt er trotzdem: Ein einzelnes Instrument ist für sich genommen noch handhabbar, der Bestand als Ganzes ist es nicht.

Stellen Sie sich vor, ein Quant-Team will eine Hypothese über Handelsverhalten prüfen, und zwar nicht an einem Dutzend Titeln, sondern quer durch viele Märkte und Jahrzehnte. Dann zählt nicht die Rechenleistung des einzelnen Rechners, sondern die Frage, wie viele Daten überhaupt in vertretbarer Zeit bewegt werden können. Bei den genannten Größenordnungen entscheidet das Bewegen oft stärker über Aufwand und Dauer als das Rechnen selbst.

Mehr als 580 Quellen bedeuten außerdem, dass die Daten in ihrer Herkunft heterogen sind. Jede Börse, jeder Handelsplatz und jeder Lieferant hat eigene Formate, Zeitzonen und Eigenheiten. Genau diese Vielfalt macht einen gepflegten, einheitlich zugänglichen Bestand wertvoll, und sie erklärt, warum viele Häuser ihn nicht selbst aufbauen. Wer aber lizenziert auf einen solchen Bestand zugreift, steht vor der nächsten Frage: Wie kommt man mit der eigenen Analyse an die Daten heran?

Mehr als 30 Jahre Historie sind für Analysen ein eigener Wert. Lange Zeitreihen erlauben es, eine Methode in ruhigen Jahren ebenso zu prüfen wie in Phasen starker Schwankungen, statt sie an einer einzigen Marktlage zu messen. Das ist der Unterschied zwischen einem Ergebnis, das zufällig passt, und einem, das mehrere Marktphasen übersteht. Genau hier liegt der Reiz großer Historien: Sie machen Annahmen überprüfbar, die sonst nur Behauptungen blieben. Der Haken: Je länger der Zeitraum, desto größer die Datenmenge, die jemand verarbeiten muss.

Wo die Ankündigung im KI-Bild des Finanzmarkts steht

Ordnen wir das Ganze ein. Dass Anbieter von Marktdaten ihre Bestände für KI-Anwendungen öffnen wollen, passt zu einer Entwicklung, die längst auch die Aufsicht beschäftigt. Wie Notenbanken und Regulierende den KI-Einsatz im Finanzsystem betrachten, haben wir bei digital-magazin.de zuletzt am Beispiel der Debatte um KI im Finanzsystem und den Blick der Aufsicht auf deren Einsatz beschrieben. Dort geht es um Risiken und Zuständigkeiten, hier um Infrastruktur. Beides berührt sich, sobald Modelle auf sehr großen Datenbeständen trainiert oder getestet werden.

Die Ankündigung selbst lässt sich nüchtern lesen. LSEG will seine Marktdaten dort verfügbar machen, wo Forschende und Handelshäuser bereits rechnen, und NVIDIA liefert mit cuDF die GPU-Seite. Wer das Geschäft von außen betrachtet, sieht zwei Partner, die ihre Stärken zusammenlegen: der eine den Datenbestand, der andere die Beschleunigung. Das ist legitim, und es ist zunächst nicht mehr als das.

Was die Mitteilung nicht tut, ist ebenso aufschlussreich. Sie liefert keine Aussage darüber, wie viele Kundinnen und Kunden das Angebot nutzen werden, und sie nennt keine Referenzen. Ehrlich gesagt gehört das zur Textgattung: Eine Pressemitteilung soll Interesse wecken, nicht Fragen beantworten. Fachleute sollten sie deshalb als Startpunkt für Nachfragen lesen, nicht als Antwort.

Wer nutzt Tick History? Die Quelle nennt keine Nutzergruppen oder Kundennamen. Sie sagt nur, die Zusammenarbeit solle Finanzinstituten helfen und Daten näher an Umgebungen für Quant-Forschung, Marktanalyse und KI bringen. Ich ordne die Ankündigung im Ressort FinTech ein, weil sie Marktdaten-Infrastruktur betrifft, also jene Schicht, auf der Handelshäuser, Fonds und Banken ihre Modelle aufbauen. Das ist unscheinbarer als eine neue App, wirkt aber tiefer in den Alltag von Analysierenden hinein. Und genau deshalb ist der nüchterne Blick auf das, was angekündigt wurde, und auf das, was nicht, so wichtig.

Die Mitteilung datiert vom 14. Oktober 2026, einem Mittwoch. Sie kündigt eine Zusammenarbeit an, beschreibt aber kein fertiges Produkt mit Konditionen. Das ist eine Ankündigung, nicht mehr und nicht weniger.

Was cuDF und Polars sind, und was die GPU damit zu tun hat

Beginnen wir mit dem Handwerkszeug, denn die Mitteilung von LSEG nennt zwei Namen, die außerhalb von Quant-Teams selten fallen. Der erste ist NVIDIA cuDF. Dahinter steckt eine GPU-beschleunigte DataFrame-Bibliothek von NVIDIA. Ein DataFrame wiederum ist eine tabellenartige Datenstruktur im Arbeitsspeicher, mit Zeilen und benannten Spalten, auf der Analysierende filtern, gruppieren, verknüpfen und aggregieren, ähnlich wie in einer sehr großen Kalkulationstabelle, nur eben programmierbar.

Eine GPU ist ein Grafikprozessor, also ein Chip, der ursprünglich für Bildberechnung gebaut wurde und sehr viele gleichartige Rechenschritte gleichzeitig ausführen kann. Das passt zu Tabellenoperationen, bei denen dieselbe Regel auf Millionen Zeilen angewendet wird. Ein klassischer Prozessor arbeitet dagegen mit weniger, dafür vielseitigeren Rechenkernen.

Der zweite Name ist Polars. Laut Projektseite ist es eine Open-Source-Bibliothek zur Datenverarbeitung mit einer klar strukturierten, typisierten Programmierschnittstelle. Die Mitteilung erwähnt, dass der Benchmark mit cuDF und Polars gemeinsam gelaufen ist. Wie genau beide dabei ineinandergreifen, steht dort nicht. Ich lasse deshalb offen, welche Aufgabe welche Komponente übernimmt, und ergänze nichts, was nicht belegt ist.

Warum ist das für Marktdaten relevant? Weil Tick-Daten, also jede einzelne Preisänderung, jeder Abschluss und jede Orderbuch-Bewegung, in genau dieser Tabellenform vorliegen. Das Orderbuch ist die Liste aller offenen Kauf- und Verkaufsaufträge zu einem Wertpapier. Wer es aus historischen Ereignissen rekonstruieren will, muss sehr viele Zeilen in strikter Reihenfolge verarbeiten. Genau solche Arbeit nennt LSEG als Zielszenario.

Stellen Sie sich vor, ein Quant-Team will eine Handelsidee über mehrere Marktphasen und mehrere Handelsplätze prüfen. Wird dafür die Datenbasis gekürzt, damit die Rechnung in überschaubarer Zeit fertig wird? Unsere Einordnung: Das ist in der Praxis ein naheliegender Kompromiss. Wie weit Tick History diese Notlösung überflüssig macht, hängt an Details, die die Mitteilung nicht liefert. Das Prinzip aber ist klar: Die Werkzeuge sind nicht exotisch, neu ist die Verbindung mit dem Datenbestand.

Der LSEG-Benchmark: von Stunden auf Sekunden, aber gemessen von wem?

Das Kernversprechen lautet: Laut LSEG-Benchmark lassen sich Jahre an Tick History mit NVIDIA cuDF und Polars in Sekunden analysieren, die Verarbeitungszeit sinke von Stunden auf Sekunden. Das ist eine Aussage des Anbieters über eigene Benchmarks. Eine unabhängige Messung nennt die Mitteilung nicht.

Konkret fehlt, was Sie für jede Bewertung bräuchten. Welche Analyse wurde gerechnet? Wie viele Daten gingen in den Test ein, und was heißt dort „Jahre“? Auf welcher Hardware lief die Messung, und welche Konfiguration diente als Vergleichsbasis für die „Stunden“? Nichts davon ist beschrieben. Einen Faktor oder gar eine Ersparnis lässt die Quelle deshalb nicht zu, und ich rechne ihn bewusst nicht aus.

Das ist keine Spitzfindigkeit. Ein Benchmark ist immer nur so aussagekräftig wie sein Aufbau. Eine Abfrage, die auf einem schlecht abgestimmten Vergleichssystem Stunden braucht, sagt wenig darüber, was ein gut eingerichtetes System ohne GPU leisten würde. Umgekehrt kann eine sorgfältig gewählte Aufgabe die Stärken einer GPU besonders gut zeigen. Beides wäre legitim, nur müsste man es wissen.

Die Richtung ist plausibel, denn tabellarische Massenoperationen gelten als geeignetes Terrain für GPUs. Die Größenordnung dagegen lässt sich aus der Mitteilung nicht beurteilen. Das gilt auch für Ihre eigene Lage, denn Ihre Abfragen sind nicht die des Benchmarks.

Interessant ist, was NVIDIA in der Mitteilung als Argument setzt. Ioana Boier von NVIDIA sagt, cuDF helfe Forschenden, LSEG Tick History im großen Maßstab zu analysieren, ohne beim Downsampling die Details wegzurechnen, die die Daten für fortgeschrittene Analytik und KI wertvoll machen. Downsampling heißt: Man verdichtet feinkörnige Daten auf gröbere Zeitraster, etwa auf eine Zeile pro Sekunde oder Minute, um Rechenzeit zu sparen. Dabei gehen Feinheiten verloren.

„NVIDIA cuDF helps researchers analyze LSEG Tick History at scale without downsampling away the detail that makes the data valuable for advanced analytics and AI.“ (NVIDIA cuDF helfe Forschenden, LSEG Tick History im großen Maßstab zu analysieren, ohne beim Downsampling die Details wegzurechnen, die die Daten für fortgeschrittene Analytik und KI wertvoll machen.)

Ioana Boier, NVIDIA, laut Pressemitteilung

Das ist ein nachvollziehbares Argument, aber auch eine Behauptung. Ob und wie stark Downsampling in der Praxis der Kundschaft tatsächlich nötig war, beantwortet die Mitteilung nicht.

Warum „keine zweite volle Kopie“ mehr ist als ein technisches Detail

Dieses Bild wurde komplett mit KI generiertProviderhiggsfieldModellgpt_image_2PromptClose-up of a high-performance GPU accelerator card in a server rack next to an abstract heat-map of financial time series on a monitor, shallow depth of field, technical editorial look. Photorealistic editorial magazine photo, 16:9. Absolutely no text, no letters, no numbers, no logos, no brand marks.

Nun zur eigentlichen Pointe. Laut LSEG gelingt die Analyse, ohne eine weitere vollständige Kopie des zugrunde liegenden Datensatzes zu erstellen, und zwar unter Wahrung der Lizenzen, Berechtigungen und Kontrollen, die den Zugriff regeln. Ron Lefferts, Co-Head of Data & Analytics bei LSEG, formuliert es so: Kundschaft wolle mit detaillierten historischen Daten schnell arbeiten, „without the burden and risk of creating another full copy“. Sinngemäß also: ohne Last und Risiko, eine weitere komplette Kopie anzulegen.

Das ist ein Anbieterargument, und es ist ein geschicktes. Denn es verschiebt den Blick von der Geschwindigkeit auf die Infrastruktur. Damit verschiebt sich die Frage von der Geschwindigkeit zur Infrastruktur: wo gerechnet und damit abgerechnet wird.

Warum? Jede Kopie muss verwaltet, gesichert und lizenzrechtlich geklärt werden. Wer Marktdaten in die eigene Umgebung zieht, betreibt dort Speicher, pflegt Versionen, hält Zugriffsrechte aktuell und muss im Zweifel belegen können, wer was wann gesehen hat. Das ist Arbeit, und sie hört nicht auf, wenn der Import fertig ist.

Stellen Sie sich vor, ein Handelshaus hält einen großen Teil seiner Historie in mehreren Umgebungen vor, weil verschiedene Teams unterschiedliche Auswertungen fahren. Jede dieser Kopien ist ein eigener Posten für Betrieb und Kontrolle. Ob eine Lösung ohne zusätzliche Kopie diese Posten tatsächlich verkleinert, lässt sich aus der Mitteilung nicht ablesen. Plausibel klingt es, belegt ist es nicht.

Der Haken liegt in den Fragen, die offen bleiben. Wo läuft die Berechnung konkret, und wer stellt die Rechenkapazität bereit? Wer trägt am Ende die GPU-Kosten, die Kundschaft, der Datenanbieter oder ein Dritter? Die Mitteilung beantwortet das nicht. Zum Vergleich: Bei der Frage, wer Rechenlast für KI-Anwendungen stellt, zeigt sich in der Branche gerade, wie stark Inferenz-Hardware zur Kostenfrage wird, wie wir bei der Rechenlast für Inferenz berichtet haben. Wo Daten liegen und wer sie verarbeitet, ist zudem eine Frage der Kontrolle, wie unser Beitrag zur digitalen Souveränität im Mittelstand zeigt.

Offen ist auch die Governance. Die Mitteilung verspricht, dass Lizenzen, Berechtigungen und Kontrollen erhalten bleiben. Wie diese Kontrollen technisch umgesetzt werden, wie Prüfende sie nachvollziehen können und was bei Abweichungen gilt, steht nicht darin. Eine Garantie lässt sich daraus nicht ableiten, und ich will sie auch nicht herbeischreiben. Für Compliance-Abteilungen wäre es der erste Punkt auf der Rückfrageliste.

Wir bei digital-magazin.de halten deshalb fest: Die Frage „Kopie oder keine Kopie“ ist eine Frage nach Kosten, Kontrolle und Verantwortung. Wer sie nur als Performance-Detail liest, übersieht, dass sich damit verschiebt, wo Daten liegen, wo gerechnet wird und wer dafür geradesteht. Und genau dort, nicht in den Sekunden, wird sich entscheiden, ob das Angebot für Banken, Fonds und Handelshäuser mehr ist als eine gute Pressemitteilung.

Warum LSEG gerade jetzt mehr Datenlast erwartet

Die Mitteilung nennt einen konkreten Treiber: Der Aktienhandel bewegt sich laut LSEG in Richtung eines fast 24-stündigen Betriebs („move towards near 24-hour trading“). Das ist eine Einordnung des Unternehmens, keine Marktstatistik. Sie hat aber eine nachvollziehbare Konsequenz. Wer nicht mehr täglich nach Handelsschluss Daten lädt und über Nacht auswertet, muss historische Analysen mitten im laufenden Betrieb fahren können. Laut LSEG wenden sich Unternehmen deshalb von älteren Modellen ab, die auf Datenladen zum Marktschluss und nächtliche Analysen setzen.

Dazu liefert LSEG zwei Zahlen aus dem ersten Halbjahr 2026, und hier ist Sorgfalt gefragt, denn es sind zwei verschiedene Kennzahlen, die sich auf unterschiedliche Dinge beziehen.

• Echtzeit-Netzwerk: Der Traffic im Echtzeit-Netzwerk von LSEG ist im ersten Halbjahr 2026 gegenüber dem ersten Halbjahr 2025 um 29 Prozent gestiegen. Im Juni erreichte er laut LSEG eine neue Spitze von 26 Millionen Nachrichten pro Sekunde.
• Tick History: Die API-Anfragen der Kundschaft an Tick-History-Daten sind laut LSEG um 48 Prozent gestiegen.

Das eine misst Verkehr in einem Netzwerk, das Marktdaten live verteilt. Das andere misst Abfragen an ein historisches Archiv. Beide Zahlen gegeneinander zu halten, wäre ein Vergleich von Äpfeln mit Lastwagen, und ich lasse es bewusst bleiben. Auch Hochrechnungen auf Tage oder Jahre spare ich mir: Die Mitteilung liefert dafür keine Grundlage.

Was sich sagen lässt: Beide Kennzahlen zeigen nach oben, und LSEG nutzt sie als Begleitmusik für die Ankündigung. Die Zusammenarbeit mit NVIDIA ordnet das Unternehmen in seine Strategie „LSEG Everywhere AI“ ein. Gemeint ist offenbar, Inhalte und Marktdaten dorthin zu bringen, wo Analysierende und KI-Modelle ohnehin arbeiten. Wie diese Strategie im Detail aussieht, steht in der Mitteilung nicht.

Finanzmarkt-Infrastruktur lebt ohnehin von Echtzeit. Wie anspruchsvoll es ist, Zahlungen rund um die Uhr zu verarbeiten, zeigt ein Blick auf die Echtzeitverarbeitung im Zahlungsverkehr. Der Bereich ist ein anderer, die Grundfrage ähnlich: Was passiert mit Systemen, die für feste Zeitfenster gebaut wurden, wenn es keine Pause mehr gibt?

Anwendungsfälle laut LSEG

LSEG beschreibt, welche Arbeitsabläufe die Zusammenarbeit unterstützen soll. Die Formulierung ist vorsichtig („intended to support“), es geht also um eine Absicht, nicht um fertig ausgelieferte Produkte. Die genannten Felder im Überblick:

• Quant-Research und Strategietests: Gemeint sind längere Historien, zusätzliche Handelsplätze und eine größere Bandbreite an Marktbedingungen, ohne dass die Detailtiefe der Daten sinkt. Das Verfahren dahinter heißt Backtesting: Eine Handelsstrategie wird auf vergangene Marktdaten angewendet, um zu prüfen, wie sie sich damals geschlagen hätte.
• Ausführungs- und Marktanalyse: LSEG nennt die Rekonstruktion von Orderbüchern und historischen Marktbedingungen sowie die Analyse von Preisen, Liquidität und Ausführungsqualität in größerer Tiefe. Ein Orderbuch ist die Liste aller offenen Kauf- und Verkaufsaufträge zu einem Wertpapier. Es nachzubauen heißt, den Handelsmoment von damals Auftrag für Auftrag nachzuzeichnen.
• Risiko: Die Mitteilung fasst Risiko mit Market Replay und KI-gestützter Research zusammen und spricht von beschleunigter Szenarioanalyse.
• Market Replay: Damit ist das historische Abspielen von Marktverläufen gemeint, also das Nachstellen vergangener Handelsphasen.
• KI-gestützte Research: LSEG spricht von einer Grundlage, auf der Kundschaft eigene Analyse- und KI-Modelle auf „governed“ LSEG-Daten anwenden kann.

Fast jeder Punkt kreist um dieselbe Frage: Wie viel Detail darf bleiben? Die Alternative wäre Downsampling, also das Ausdünnen der Daten, etwa indem man statt jedes einzelnen Ticks nur noch Werte pro Minute betrachtet. Das spart Rechenzeit, kostet aber genau die Feinstruktur, auf die es bei Ausführungsqualität oder Liquiditätsanalysen ankommt.

Konkret kann man sich das so vorstellen: Stellen Sie sich vor, eine Handelsabteilung will die Ausführungsqualität eines einzelnen Handelstags über mehrere Handelsplätze hinweg nachvollziehen. Mit ausgedünnten Daten läuft die Auswertung schnell, aber das Ergebnis sagt womöglich nichts über das Verhalten in Momenten hoher Taktung. Mit vollen Daten ist es aussagekräftiger, dauert aber länger. Genau diesen Zielkonflikt will die Ankündigung entschärfen. Ob sie das in der Praxis tut, hängt von Details ab, die die Mitteilung offenlässt.

Was die Mitteilung offen lässt

Eine Unternehmensmitteilung beantwortet selten die Fragen, die bei der Beschaffung zuerst auf dem Tisch landen. Hier ist das nicht anders. Folgende Punkte sollte Kundschaft klären, bevor sie planen:

• Preise: Was kostet der Zugang? Fällt die Rechnung bei LSEG an, bei NVIDIA, bei einem Infrastrukturanbieter oder bei allen dreien? Und nach welchem Modell: pro Abfrage, pro Rechenzeit, pauschal?
• Verfügbarkeit: Ab wann ist das Angebot nutzbar, für wen, in welchen Regionen? Die Mitteilung nennt keinen Termin.
• Hardware: Auf welchen GPUs läuft das Ganze, und wo stehen sie? Die Mitteilung spricht allgemein von NVIDIA-GPUs, nicht von Modellen oder Standorten.
• Benchmark-Methode: Welche Datenmenge wurde ausgewertet, welche Abfrage lief, mit welcher Hardware, mit welchem Vergleichswert für die „Stunden“? Laut LSEG-Benchmark sinkt die Verarbeitungszeit von Stunden auf Sekunden, aber unabhängig gemessen ist das nicht, und die Methode ist nicht beschrieben.
• Kundennamen: Welche Institute nutzen das bereits, falls überhaupt? Die Mitteilung nennt keine.
• Rechenumgebung: Wo genau läuft die Berechnung, wenn die Daten „dort bleiben, wo sie liegen“? Wer betreibt diese Umgebung, und wer haftet bei Störungen?

Die letzte Frage ist die wichtigste, und sie wird in Ausschreibungen gern zuletzt gestellt. Sie gehört an den Anfang. Denn alles andere, vom Preis bis zur Lizenz, hängt daran.

Dieser Text ist keine Anlageberatung, sondern eine Einordnung einer Unternehmensmitteilung.

Häufige Fragen zu LSEG Tick History auf der GPU

Was kündigt LSEG konkret an?

LSEG hat eine Zusammenarbeit mit NVIDIA angekündigt. Finanzinstitute sollen große Mengen an LSEG Tick History mit NVIDIA cuDF auf NVIDIA-GPUs analysieren können, laut LSEG ohne eine weitere vollständige Kopie des zugrunde liegenden Datensatzes. Die Lizenzen, Berechtigungen und Kontrollen für den Zugriff sollen dabei erhalten bleiben. Das ist die Darstellung des Unternehmens; eine unabhängige Prüfung nennt die Mitteilung nicht.

Was bedeutet GPU-beschleunigt hier?

Eine GPU ist ein Grafikprozessor, der sich auf viele gleichartige Rechenschritte parallel versteht und deshalb auch für Datenanalyse genutzt wird. cuDF ist die GPU-beschleunigte DataFrame-Bibliothek von NVIDIA, also ein Werkzeug für tabellarische Daten. Laut LSEG lässt sich Tick History damit auch zusammen mit Polars auswerten.

Welche Daten sind betroffen?

Es geht um LSEG Tick History, also das historische Archiv der LSEG-Marktdaten. Es ist ausdrücklich nicht das Echtzeit-Netzwerk, auf das sich die Verkehrszahlen aus dem ersten Halbjahr beziehen. Wer die beiden Dinge verwechselt, liest die Mitteilung falsch.

Was bleibt?

Die Geschwindigkeit ist die Schlagzeile, aber sie ist der schwächste Teil der Nachricht. „Von Stunden auf Sekunden“ klingt eindrucksvoll, stammt jedoch aus einem Benchmark von LSEG selbst, dessen Bedingungen offen bleiben. Solche Angaben sind Einladungen zum Nachmessen, mehr nicht.

Unsere Einordnung: Die eigentliche Nachricht liegt woanders, im Ort der Rechnung. Wer rechnet, wo die Daten liegen, verschiebt die Frage von „Wie schnell?“ zu „Wer kontrolliert die Umgebung?“. Für Banken, Fonds und Handelshäuser ist das keine Fußnote. Wenn LSEG recht hat und diese Last tatsächlich entfällt, wäre das ein praktischer Vorteil. Ob es so kommt, entscheidet sich an Preisen, Verfügbarkeit und Vertragsdetails.

Wir bei digital-magazin.de beobachten deshalb vor allem, was in den kommenden Vertragsunterlagen steht und was nicht. Denn unter dem Strich bemisst sich der Wert einer solchen Zusammenarbeit nicht an der schnellsten Abfrage, sondern daran, wer am Ende Daten, Rechenzeit und Verantwortung in der Hand hält.