Kommentar von Sascha Schubert, SAS Generative KI – fünf Schritte vom Hype zum Nutzen

Anbieter zum Thema

SAS Institute AG

Board Deutschland GmbH

INFOMOTION GmbH

QUNIS GmbH

Generative Künstliche Intelligenz (KI) ist der große Hoffnungsträger, wenn es darum geht, die Produktivität von Mensch und Business auf eine neue Ebene zu heben. Eine Voraussetzung für den sinnvollen und nachhaltigen Einsatz ist aber ein gesteuertes, kontrollierbares Umfeld – gerade daran scheitert es jedoch bei vielen Unternehmen noch.

Seit der breitflächigen Einführung von ChatGPT im November 2022 hat sich Generative KI den Ruf als Technologie mit schier unbegrenzten Möglichkeiten erworben. Entscheider sehen darin die Chance, Innovation voranzutreiben, Kundenbeziehungen und Mitarbeiterzufriedenheit zu verbessern sowie die operative Effizienz zu steigern.

Entsprechend wenige Unternehmen versuchen, sich dieser Technologie komplett zu entziehen. Das belegt eine aktuelle Studie von Coleman Parkes im Auftrag von SAS: Lediglich vier Prozent der IT-Entscheider in Deutschland gaben darin an, dass ihre Organisation weder Generative KI einsetzt noch dies plant – die große Mehrheit beschäftigt sich demnach in irgendeiner Weise bereits mit der Technologie.

Unkoordinierte Versuche reichen jedoch nicht: Um das volle Potenzial von ChatGPT & Co. zu erschließen, müssen Unternehmen vorab einige Hausaufgaben erledigen.

1. Strategische Implementierung: Vom Konzept in die Praxis

Laut der Studie finden es 43 Prozent schwierig, Generative KI von der Konzeptphase in die Praxis zu überführen. Ein erster Schritt für die erfolgreiche Implementierung ist die Identifizierung der Use Cases für Generative KI mit den größten Auswirkungen, um möglichst schnell einen messbaren Return on Investment (ROI) zu erzielen. Genau daran scheitert es jedoch noch laut 44 Prozent der Befragten, deren Organisation bereits Generative KI einsetzt oder dies plant.

Tipp: Entscheidungsträger sollten sich mit KI auskennen, bevor sie eine Strategie für Generative KI entwickeln. Das erfordert einige Zeit und die Einbindung externer Experten, die das Team beraten.

2. Integration: Nahtlose Einbindung in Decisioning-Workflows

Vielen Unternehmen fällt es schwer, Generative KI mit ihren Prozessen und Tools zu verknüpfen. Laut Studie registrieren 45 Prozent erhebliche Kompatibilitätsprobleme mit vorhandenen Systemen.

Eine Stärke von Generativer KI ist, dass die Technologie ideal geeignet ist für die Hyper-Automatisierung von einfachen, repetitiven Aufgaben. Sie zeichnet sich dadurch aus, dass sie sehr große Mengen an Daten bündeln kann, um Entscheidungsprozesse zu unterstützen.

Tipp: Eine entscheidende Voraussetzung ist daher, dass die gewählte Generative-KI-Software von einem Anbieter stammt, der mit den vorhandenen Workflow- und Decisioning-Plattformen integrierbar ist.

3. Inhouse-Skills: Aufbau interner Expertise

HR-Abteilungen finden nur wenige Mitarbeiter, die für Generative KI qualifiziert sind. Das zeigen auch die Studienergebnisse: Immerhin sehen zwei Drittel der Umfrageteilnehmer einen Mangel an interner Expertise, und 36 Prozent bewerten diesen Engpass sogar als Hürde für die Einführung der Technologie.

Zum Teil ist dieses fehlende Know-how allerdings hausgemacht: Immerhin zwei Drittel der Befragten, bei denen Generative KI im Einsatz oder geplant ist, gaben an, dass ihr Unternehmen lediglich ein Minimum oder gar kein Training für Governance und Monitoring bereitstellt.

Tipp: Unternehmen müssen in die Rekrutierung und Ausbildung von Generative-KI-Experten investieren, um ihre Strategie zu unterstützen.

4. Faire Generative KI: Erklärbarkeit und Genauigkeit der Ergebnisse

Transparenz ist eine elementare Voraussetzung, um das Vertrauen in Generative KI zu stärken. Jedoch sind sich nicht einmal IT-Verantwortliche zu 100 Prozent im Klaren darüber, wie die Technologie funktioniert. So gab in der Studie weniger als die Hälfte der Befragten in Deutschland an, dass sie über ein umfassendes persönliches Verständnis für Generative AI und deren potenziellen Auswirkungen auf Geschäftsprozesse verfügt. 61 Prozent der Befragten hegen Bedenken, was die Erklärbarkeit und Genauigkeit von Ergebnissen betrifft, die Generative KI liefert.

Tipp: Datenexperten können Natural Language Processing anwenden, um Daten vorzuverarbeiten. Damit schaffen sie die Voraussetzung, um die generierten Ergebnisse in einfachen Begriffen zu erklären und gleichzeitig potenziell gefährliche Verzerrungen sowie operative Kosten zu minimieren.

5. Effektive Kontrolle: Governance und Monitoring

Investitionen in Generative KI werden dann als sinnvoll beurteilt, wenn die Technologie zuverlässig und transparent arbeitet und ethische Standards berücksichtigt. Den meisten Unternehmen fehlt es jedoch am notwendigen Überblick, um das nachvollziehen zu können. Demnach geben erst vier Prozent der Befragten hierzulande an, dass ihre Organisation ein lückenloses Governance Framework für ChatGPT & Co. etabliert hat, nur zehn Prozent sehen sich umfassend auf die regulatorischen Vorschriften von Staat und EU vorbereitet.

Lediglich 35 Prozent der Unternehmen, in denen Generative KI (künftig) im Einsatz ist, bedient sich eines kontinuierlichen automatisierten Monitorings der Systeme. Auch für Risiken, die ein Large Language Model (LLM) mit sich bringt, sind bislang die wenigsten optimal aufgestellt: Gerade einmal zwei Prozent haben Systeme implementiert, mit denen sich eine Voreingenommenheit der Daten (Bias) in den Modellen messen lässt. Ein ebenso geringer Anteil gibt an, potenzielle Bedrohungen für den Datenschutz erkennen zu können.

Tipp: Integrierte Workflows können den gesamten Lebenszyklus von LLMs validieren – von regulatorischer Compliance bis hin zu Model Risk Management.

Übergreifende Plattform ist notwendig

Wie lässt sich Generative KI innerhalb der Geschäftsprozesse skalieren? Über eine Enterprise-fähige Plattform, die eine übergreifende Orchestrierung auch für Daten aus Third-Party- und Open-Source-Systemen ermöglicht – dies hat bereits ein Viertel der befragten Entscheidungsträger in Deutschland erkannt.

Um mit Generativer KI die Prozesse im gesamten Unternehmen zu optimieren, ist eine zentrale Steuerungsplattform zur Automatisierung, Überwachung und kontinuierlichen Aktualisierung der verwendeten Modelle notwendig. Die menschliche Intervention kann sich somit auf die Aktivitäten mit dem höchsten Mehrwert konzentrieren und die positiven Auswirkungen von Generative AI auf die Geschäftsbilanz maximieren.

Diese Plattform kann folgende Funktionen sicherstellen:

• Sichere Integration von LLMs in aktuelle Geschäftsprozesse: Über Schnittstellen lassen sich Prompts steuern, Modelle kontrollieren und Decisioning-Workflows erstellen.

• Einsatz von Copilots als Agenten: Konversationen zur Beschleunigung von Aufgaben wie Datenanalyse, Modellerstellung, branchenspezifische Anforderungen.

• Generierung synthetischer Daten in hoher Qualität: um Problemen mit Datenqualität, Verfügbarkeit von Daten und Datenschutz entgegenzuwirken.

(ID:50204531)