Chat GPT ging vor rund einem Jahr an den Start und hat das Interesse an generativer KI gepusht. Large Language Models waren nicht neu, doch priorisierten Führungskräfte KI erst jetzt. Wie sind die Erfahrungen und wie geht es weiter?
Online-Kommunikation mit einem Kundenservice-Chatbot war vor einem Jahr nichts Neues mehr. Doch dann kam Chat GPT und zeigte die Möglichkeiten von generativer KI auf.
Atchariya / stock.adobe.com
Im Laufe des vergangenen Jahres haben neue generative KI-Modelle gezeigt, dass sie gängige Aufgaben im Umgang mit natürlicher Sprache - beispielsweise um Texte zusammenzufassen oder zu übersetzen - oft besser erledigen können als auf traditionellem Wege. KI-Modelle verfügen über die Fähigkeiten, Namen zu nennen und Texte zu generieren, die sich wie von Menschenhand geschrieben lesen. Angesichts ihrer Größe und ihrer spezifischen Funktionalität sind jedoch unterschiedliche Ansätze und Überlegungen erforderlich, um Large Language Models (LLMs) richtig zu nutzen.
Zwar ist der Start von Chat GPT bereits über ein Jahr her, dennoch befinden wir uns immer noch in der Experimentierphase, vor allem wenn es darum geht, zu wissen, wie man generative KI am besten im großen Stil im Unternehmen einsetzt. Die meisten Unternehmen sehen das Potenzial für Hunderte oder sogar Tausende von potenziellen Anwendungen in ihrem Unternehmen, haben aber bisher nur einige wenige Proof-of-Concepts (POCs) erstellt. Was sind bislang die Hürden?
LLM-Einsatz nicht ohne Hürden
Dass LLMs im Unternehmen eingeführt werden, scheitert an vielen unterschiedlichen Hindernissen. Eine der wichtigsten Fragen betrifft Kontrolle und Befugnisse. Unternehmen müssen über einen Mechanismus verfügen, der sicherstellt, dass die Modelle bestimmte sensible Daten auf angemessene Weise verwenden und nur die dafür befugten Personen darauf zugreifen. Um KI verantwortungsvoll anzuwenden und optimale Ergebnisse zu erzielen, muss effektiv und zuverlässig kontrolliert werden, wer über welche Befugnisse verfügt.
Ein weiterer Engpass sind die Kosten. Als Chat GPT zum ersten Mal auf den Markt kam, wurde viel über die Aufwendungen für das Training der Modelle diskutiert. Wobei viele die Kosten für das Training mit den Ausgaben für die Anwendung der Modelle verwechseln. Während die jeweilige Nutzung durch eine einzelne Anfrage normalerweise nicht teuer ist, können die Geldsummen leicht in die Höhe schießen, wenn die Anzahl der Anwendungsfälle im Unternehmen steigt. Daher ist es erforderlich, über das richtige Modell für die spezifische Anforderungen sowie eine kosteneffektive Strategie für die Integration und Wartung von LLMs zu verfügen.
Ein drittes Hindernis für die Einführung von generativer KI wie Chat GPT oder Jasper sind Sicherheitsbedenken. Unternehmen müssen beispielsweise sicherstellen, dass sie keine sensiblen Daten an einen nicht genehmigten externen Dienstleister senden. Sicherheit bezieht sich zudem auch auf die Möglichkeit, überprüfen zu können, was von diesen Modellen angefordert wurde und wie sie anschließend geantwortet haben. In Unternehmen, die auf Daten basierte Prozesse setzen, müssen die Verantwortlichen wissen, welche Personen welche Handlungen in diesem Prozess getätigt haben, damit man Probleme zurückverfolgen und beheben kann, so sie auftreten sollte.
Angesichts dieser Engpässe, die die vollständige Einführung von LLMs in Unternehmen verzögern, stellt sich die Frage, was als Nächstes kommt.
Blick in die Zukunft generativer KI
Bei bedeutenden technologischen Veränderungen wie durch Chat GPT kann es zwölf bis 36 Monate dauern, bis ein Unternehmen die Technologie so eingeführt hat, dass es die Vorteile nutzen und gleichzeitig die Risiken minimieren kann. Große Unternehmen brauchen Zeit, um neue Wege einzuschlagen. Verglichen damit ändern sich LLMs viel schneller. Während Unternehmen beginnen, die Verwendung von textbasierten LLMs zu formalisieren, bieten parallel dazu multimodale Modelle, die Bilder und Videos ein- und ausgeben können, bereits neue Möglichkeiten, aber auch neue Herausforderungen. Unternehmen müssen daher permanent bereit sein, weiter zu experimentieren, zu prüfen, zu planen und neue LLMs anzuwenden.
Der AI Act der EU steht ebenfalls vor der Tür, und die USA haben vor kurzem eine neue Verordnung zur KI angekündigt, so dass Unternehmen intensiv daran arbeiten müssen, Vorschriften fortlaufend einzuhalten. Wir gehen dabei immer davon aus, dass sich die Regulierungsbehörden langsamer entwickeln als die Technologie selbst, was bedeutet, dass Unternehmen künftige Vorschriften vorwegnehmen müssen, bevor sie überhaupt entworfen oder genehmigt sind. Ein Ratschlag: Eine gute Governance ist der beste Weg, um auf den letzten Drücker ein großes Durcheinander zu vermeiden.
Die Quintessenz: Keine Angst vor LLMs
In einigen Fällen besteht der Eindruck, dass LLMs zu kompliziert sind. Diese Technologie ist jedoch viel zugänglicher als das letzte Jahrzehnt des maschinellen Lernens. Auch diejenigen, die nicht über den ausgefeiltesten Data Stack oder das beste Data Team verfügen, können mit generativer KI Großes leisten. Dies ist zweifellos eine große Chance für die meisten Branchen mit unterschiedlichem KI-Reifegrad.
Wir haben bereits erlebt, wie LLMs Unternehmen auf breiter Front helfen. Wenn tagtäglich weniger Arbeit erforderlich ist, lassen sich erhebliche Kosten einsparen, und Dinge, die dem Menschen vorbehalten bleiben wie Kreativität, Vorstellungskraft und Ähnliches, können besser für neue Produkte, Dienstleistungen und tiefgehende Einsichten in das Geschäft eingesetzt werden.