Dem Hype um das Thema Künstliche Intelligenz ist in letzter Zeit Ernüchterung gewichen. Auch wenn KI bisher noch nicht die Arbeitserleichterung bietet, die viele Unternehmen sich erhofft haben, ist es wichtig, sich weiterhin damit zu beschäftigen.
Seit der Veröffentlichung von ChatGPT gab es in den letzten zwei Jahren nur wenige Themen, die so präsent waren, wie das Thema Künstliche Intelligenz (KI). Dabei gibt es künstliche Intelligenz schon seit mehreren Jahrzehnten. Das besondere an ChatGPT ist, dass es sich hier um eine sogenannte generative Künstliche Intelligenz handelt, die zudem nun für die breite Masse nutzbar ist.
Doch nach der anfänglichen Euphorie um ChatGPT & Co. , hat sich in den letzten Wochen und Monaten der Hype etwas abgeschwächt. Viele Unternehmen und Nutzende stellen ernüchtert fest, dass die meisten Modelle noch nicht zuverlässig funktionieren und KI bisher noch nicht die versprochene Effizienzsteigerung bietet. Was für den Experten nicht verwunderlich erscheint, führt beim normalen Usern zu der Frage: „Wie geht es nun mit KI weiter?“
Die Gründe für die Abschwächung des Hypes und wie Unternehmen nun mit KI umgehen sollen, davon berichtet dieser Beitrag.
Was ist generative KI?
Generative KI ist eine Form der künstlichen Intelligenz, die in der Lage ist, auf Basis ihrer Daten neue Inhalte wie Texte, Bilder, Videos, Musik und Code zu erstellen. Sie lernt aus ihren Trainingsdaten und generiert daraus neue Daten. Im Gegensatz dazu ist herkömmliche KI in erster Linie reaktiv und trifft Entscheidungen auf Basis von Regeln und Algorithmen. Herkömmliche KI fokussiert sich somit eher auf spezifische Aufgaben, anstatt neue Inhalte hervorzubringen.
Generative KI-Modelle erstellen Daten meist durch Deep Learning. Für das Training werden große Datenmengen benötigt. Aus diesen Trainingsdaten werden Muster und Beziehungen ermittelt, aus denen dann wiederum neue, ähnliche Inhalte generiert werden können. Für das Training der Daten gilt grundsätzlich, je mehr Daten verwendet werden können, und je hochwertiger die Qualität der Daten ist, desto besser sind die Ergebnisse der KI.
Warum gibt es so einen Hype um ChatGPT und KI?
ChatGPT und die damit verbundene generative KI stellen einen bahnbrechenden technischen Fortschritt dar, insbesondere was die natürliche Sprachverarbeitung betrifft. Die Möglichkeit komplexe Fragestellungen in natürlicher Sprache zu verarbeiten und darauf plausible Antworten zu erhalten, war bisher in dieser Form nicht möglich. Darüber hinaus ist die Verfügbarkeit dieser Technologie für die breite Masse etwas Neues. Die nutzerfreundliche Eingabeoberfläche des Chats erleichtert vielen Menschen den Einstieg und senkt die Hemmschwelle zur Nutzung. Die Anwendungsmöglichkeiten von ChatGPT reichen von der einfachen Beantwortung von Fragen, über die Generierung von Inhalten, wie z.B. Texten, Ideen oder Codes, bis hin zur Vereinfachung von Prozessen. Auch das wirtschaftliche Potenzial von generativer KI ist enorm. All diese Faktoren lassen den Anschein erwecken, dass KI der Heilsbringer der Zukunft ist. Dies hat zu dem Hype in den letzten beiden Jahren geführt.
Gründe für Abschwächung des KI-Hypes
Für die Abschwächung des KI-Hypes gibt es mehrere Gründe. Neben technischen Grenzen gehören dazu auch wirtschaftliche Herausforderungen, rechtliche und ethische Bedenken und ein realistischerer Blick der User als bisher.
Datenmangel
Für das Training der KI werden große Datenmengen benötigt. Sind nicht genug Trainingsdaten vorhanden, sind die Möglichkeiten zur Verbesserung begrenzt. Da frei verfügbare Quellen des Internet bereits zum größten Teil zu Trainingszwecken genutzt wurden, wird die Verbesserung der KI-Modelle erschwert.
Datenqualität
KI-Modelle und ihre Ergebnisse sind nur so gut, wie die Daten, mit denen sie trainiert wurden. Daten von geringer Qualität, die nicht aufbereitet und ggfs. bereinigt wurden, können zu verzerrten oder falschen Ergebnissen, z.B. in Form von Bias führen.
Begrenzte Fähigkeiten
Aktuelle KI-Modelle sind zwar oberflächlich in der Lage Anweisungen zu folgen. Sie besitzen aber kein wirkliches Denkvermögen. Sie sind nicht in der Lage ein tieferes Verständnis für eine Situation zu entwickeln und dadurch differenzierte Entscheidungen zu treffen.
Hohe Kosten
Training und der Betrieb von KI-Systemen verursachen einen extrem hohen Energieverbrauch und dadurch bedingte Kosten. Dies stellt auch die Wirtschaftlichkeit von KI-Systemen in Frage.
Überbewertung von KI-Unternehmen
Der KI-Hype hat auch Einfluss auf dem Aktienmarkt. Tech-Aktien sind momentan extrem hoch bewertet und bei manchen Personen kommen Erinnerungen an die Dotcom-Blase hoch. Marktkorrekturen sind daher wahrscheinlich.
Regulierungen
Um Risiken und Missbrauch von KI zu mindern, werden zunehmend rechtliche Rahmenbedingungen gesetzt. Insbesondere die KI-Verordnung der Europäischen Union sorgt für einen verbindlichen Rechtsrahmen, in dem der Umgang mit KI festgelegt wird.
Datenschutz
Werden für das Training personenbezogene Daten verwendet, wird das Persönlichkeitsrecht und das Recht auf informationelle Selbstbestimmung verletzt. Daher sollten für das Training ausschließlich anonymisierte oder pseudonymisierte Daten verwendet werden.
Urheberrecht
In der Vergangenheit wurden für das Training auch häufig Daten verwendet, die dem Urheberrecht unterliegen. Diese unkontrollierte Nutzung von geschützten Werken stößt zunehmend auf Widerstand, insbesondere bei Künstlern und Medienunternehmen.
Ethische Bedenken
Nach einem ersten Jubel über die technologischen Möglichkeiten, kommen auch ethische Bedenken stärker in den Vordergrund. Schließlich kann KI auch unser Persönlichkeitsrecht beschädigen oder zu kriminellen Zwecken verwendet werden. Der Wunsch nach Richtlinien und Vorgaben zum ethischen Einsatz von KI ist stärker geworden.
Ernüchterung
Nach der anfänglichen Euphorie folgt nun die Ernüchterung. Nach einem „Alles ist möglich“-Gefühl werden die Erwartungen nun realistischer. Nutzende erkennen nun die wirklichen Möglichkeiten und Grenzen von KI-Systemen und können diese besser einschätzen.
Geringere Produktivitätssteigerung
User erkennen mittlerweile, dass die Produktivitätssteigerung durch KI-Einsatz (noch) deutlich geringer ausfällt als bisher versprochen.
Unterschätzung des Trainingsaufwands
Ein großer Teil der Leistung für eine funktionierende KI ist das umfangreiche Training. Viele User sind bisher davon ausgegangen, dass KI-Tools direkt nach der Implementierung funktionieren. Der Aufwand für Training und Anpassung der Systeme wurde von vielen unterschätzt.
Fehlende Use Cases
Viele Unternehmen wissen noch nicht wirklich, wie sie KI einsetzen sollen. Ihnen fehlt es an Anwendungsfällen und einer KI-Strategie.
Wie sollen sich Unternehmen nun in Bezug auf KI verhalten?
Auch wenn sich der KI-Hype in den letzten Monaten abgeschwächt hat, bleibt Künstliche Intelligenz weiterhin ein wichtiges Zukunftsthema. Daher ist es wichtig, dass Institutionen und Personen sich weiterhin mit KI auseinandersetzten. Folgende Aktivitäten können auch trotz der Abschwächung des KI-Hypes angegangen werden:
Entwicklung einer KI-Strategie
Um KI sinnvoll im Unternehmen einzusetzen, sollten Einsatzbereiche und Anwendungsfälle identifiziert und strategisch geplant werden. Dazu gehört auch die Ermittlung der Prozesse und Arbeitsabläufe, in denen der Einsatz von KI den größten Mehrwert bietet. Eine KI-Strategie ist selbstverständlich auf die allgemeinen Zielen des Unternehmens abzustimmen. Auf Basis der Strategie kann dann eine KI-Roadmap erstellt werden.
Erste Pilotprojekte
Meistens ist es sinnvoll, mit kleineren Pilotprojekten zu starten, die schnell erste Erfolge bringen. Durch diese Projekte können erste Erfahrungen zum Thema KI gesammelt, und die Risiken noch gering gehalten werden. Gleichzeitig sind diese „Quick Wins“ motivierend und machen Lust auf mehr.
Eigene Daten optimieren
Daten in Unternehmen liegen in der Regel nicht in geeigneter Qualität vor, um diese für das Training von KI nutzen zu können. Daher ist es sinnvoll diese aufzubereiten. Ein erster Schritt wäre z.B. die Bereinigung und Verbesserung von Metadaten, die z.B. in ERP oder CRM-Systemen vorhanden sind. Dies kann z.B. durch Dublettenkontrolle, Korrektur von Typos, Ergänzung von unvollständigen Daten oder Aktualisierung von veralteten Daten erfolgen.
Aufbau von KI-Kompetenz
Fachkräfte mit KI-Kompetenzen sind rar. Schulung und Weiterbildung von eigenen Mitarbeitenden sind daher wichtig, um diese an das Thema KI heranzuführen und eigene Kompetenzen aufzubauen. Durch die Bildung interdisziplinärer Teams können KI-Projekte ganzheitlich angegangen werden.
Umsetzung von rechtliche Vorgaben
Rechtliche Regelungen, z.B. zum Datenschutz oder aus der KI-Verordnung sollten zeitnah umgesetzt werden, um rechtssicher KI anwenden zu können.
Einführung von ethischen Richtlinien
Um den ethisch korrekten Umgang mit KI im Unternehmen zu gewährleisten, sollten konkrete ethische Vorgaben definiert werden. Eine KI-Policy, die für alle Mitarbeitende verpflichtend ist, zeigt Mitarbeitenden und Kunden wie im Unternehmen mit Daten und KI umgegangen wird. Dies schafft Vertrauen.
Kontinuierliche Anpassung von KI-Aktivitäten
Geplante Maßnahmen und Rahmenbedingungen zum KI-Einsatz sollten nicht starr und fest sein. Da der Bereich KI sich ständig wandelt, müssen Aktivitäten bei Bedarf flexibel angepasst werden können. Eine kontinuierliche Überprüfung und Verbesserung der KI-Aktivitäten ist daher ratsam.
Fazit
KI ist gekommen, um zu bleiben! Auch wenn die Entwicklung langsamer voranschreitet als ursprünglich erwartet, wird KI in der Zukunft unser Leben verändern. Trotz der Abschwächung des KI-Hypes ist es dennoch wichtig, dass Unternehmen und Personen sich weiterhin mit KI auseinandersetzen. Mit den vorgestellten Aktivitäten können Unternehmen die Potenziale von KI nutzen, ohne große Risiken einzugehen. Dadurch bleiben Sie flexibel, und können jederzeit ihre KI-Aktivitäten erweitern. Entscheidend ist dabei, dass KI nicht als einzelnes Projekt angesehen, sondern als Teil der Gesamtstrategie des Unternehmens betrachtet wird. Nur dann bietet KI dem Unternehmen und allen Mitarbeitenden einen dauerhaften Mehrwert.