Kommentar von Bryan Harris, SAS Generative KI – vom Hype zum Business

Anbieter zum Thema

SAS Institute GmbH

Fsas Technologies GmbH

Board Deutschland GmbH

QUNIS GmbH

2024 werden Unternehmen ihre Einschätzung von ChatGPT & Co. ändern: Statt generative künstliche Intelligenz (KI) als Insel-Technologie zu betrachten, werden sie sie zunehmend in umfassende KI-Strategien einbinden. Der folgende Beitrag erläutert, welche Voraussetzungen erfüllt sein müssen, damit ein verantwortungsvoller Einsatz im Businessumfeld möglich wird.

Generative KI-Technologien sind vor allem seit der Veröffentlichung von ChatGPT in aller Munde. Richtig im Business angekommen sind sie allerdings noch nicht. So zeigt eine Bitkom-Studie vom September vergangenen Jahres, dass erst zwei Prozent der Befragten generative KI zentral im Unternehmen einsetzen, weitere 13 Prozent planen dies. Gut ein Drittel der Unternehmen (37 Prozent) hatte sich zu diesem Zeitpunkt noch gar nicht mit dem Thema beschäftigt.

Dabei gibt es zahlreiche Einsatzmöglichkeiten, für die sich generative KI anbietet. Drei Anwendungsgebiete dominieren, wenn es um die Optimierung von Geschäftsprozessen geht.

• Synthetische Daten: Die Erzeugung statistisch kongruenter Daten, die sich wie „echte“ Daten verhalten, so in der Realität aber nicht existieren – also beispielsweise fiktive, aber realistische Patientendaten –, hilft bei der Einhaltung von Datenschutzvorgaben und der Reduzierung von Voreingenommenheit in den Daten (Bias). Ziel ist es, prädiktive Modelle signifikant zu verbessern und gleichzeitig die Kosten für die Datenauswertung zu verringern.

• Digitaler Zwilling: Die digitale Nachahmung eines physischen Systems dient dazu, „What-if?“-Szenarien durchzuspielen und präzisere Vorhersagen zu treffen, die strategische Entscheidungen unterstützen, Mehrwert schaffen sowie Risiken und Verluste minimieren. Insbesondere die Simulation und Optimierung komplexer Systeme wie Lieferketten oder Fertigungsumgebungen sind Ausgangspunkt für höhere Resilienz von Unternehmen.

• Large Language Models: Die typischerweise auf einer Deep-Learning-Architektur basierenden Modelle, die Natural Language Processing weiterführen, werden auf umfangreichen Datensätzen trainiert. Sie sind in der Lage, menschliche Sprache auf einem fortgeschrittenen Niveau zu verstehen, zu generieren und zu verarbeiten.

Vielseitige Anwendungsszenarien

Die Technologie bietet Optimierungspotenzial für unterschiedlichste Branchen: Banken können Simulationsdaten für Stresstests und Szenarioanalysen nutzen, um Risiken vorherzusagen. Und um Betrug zu bekämpfen: Zwar sind Verbraucher zunehmend sensibilisiert für Betrugsversuche, aber Betrüger werden mithilfe von generativer KI und Deepfake-Technologien versierter und verfeinern ihre Techniken. Finanzinstitute benötigen daher ebenso ausgefeilte Technologien, um die zunehmend ausgereiften Angriffe auf ihre Kunden zu erkennen und zu blockieren.

Die Weiterentwicklung von generativen KI-Tools wird ein wichtiger Faktor für personalisierte Medizin sein – dazu gehört unter anderem die Erstellung patientenspezifischer Avatare für klinische Studien oder der individuell an die speziellen Bedürfnisse des einzelnen Patienten ausgerichtete Therapieplan. Systeme, die auf dieser Technologie basieren, führen zu besseren Entscheidungen im klinischen Umfeld, indem sie Krankenkassen, Leistungserbringern und Pharmaunternehmen datenschutzkonforme Echtzeitinformationen an die Hand geben.

In der industriellen Fertigung kann Digital-Twin-Technologie dazu dienen, vielseitige analytische Fragestellungen zu beantworten, beispielsweise zu Produktqualität oder Wartungsbedarf. Mit dem digitalen Zwilling lassen sich Sensor- und Betriebsdaten in Echtzeit auswerten sowie komplexe Systeme wie Fabriken, Smart Cities und Energienetze nachbilden. Digitale Zwillinge verschaffen Unternehmen die Chance, Abläufe zu optimieren, Produktqualität zu verbessern, Sicherheit zu erhöhen, Zuverlässigkeit zu stärken und Emissionen zu senken.

Generative KI im Marketing

Für Marketer birgt die Technologie handfeste Vorteile, insbesondere, was Produktivität und Kreativität angeht. Zum einen sorgt sie für Effizienzgewinn, wenn KI-basierte Assistenten automatisiert repetitive Marketingaufgaben übernehmen, sie erleichtert Datenanalyse und hilft, Kampagnen- und Customer-Journey-Management zu verschlanken. Zum anderen ist es bereits technologisch möglich, mithilfe von generativer KI und anhand von Kundenreaktionen präzise Persönlichkeitsprofile zu erstellen, die die Voraussetzung für eine hochpersonalisierte Ansprache bilden.

Next Big Thing: Multimodale KI

Multimodale KI integriert Text, Bild und Audio in einem einzigen Modell und wird damit das nächste Level für generative KI. Sie kann eine breite Palette an Inhalten gleichzeitig verarbeiten und ebnet somit den Weg für kontextsensiblere Anwendungen, die der effektiven Entscheidungsfindung dienen. Ein Beispiel dafür ist die Generierung von 3D-Objekten sowie Umwelt- und Geodaten, die in Bereichen wie Augmented Reality, Virtual Reality oder Digital Twin zur Simulation komplexer physischer Systeme zum Einsatz kommen.

Integrierte Plattform als Garant für Trustworthy (Generative) KI

Wichtig bei all diesen Einsatzszenarien ist, dass Anwender ebenso wie Verbraucher der Technologie vertrauen – sowohl, was die Herkunft als auch, was die Verwendung der Daten angeht. Denn eine „Blackbox“ verursacht bei sämtlichen Stakeholdern zurecht Skepsis bis Ablehnung. Transparenz, Erklärbarkeit und Nachvollziehbarkeit sind deshalb Pflicht. Mit Insellösungen und autonomen Einzelsystemen – also einer neuen Form der Schatten-IT – ist das nicht realisierbar. Unternehmen brauchen eine zentrale integrierte Steuerungsplattform, die übergreifend sicherstellt, dass gesetzliche Vorgaben, wie in der DSGVO oder dem jüngst verabschiedeten AI Act der EU festgelegt, eingehalten werden. Zentral dafür sind Funktionen wie Bias-Erkennung, Erklärbarkeit, Nachvollziehbarkeit von Entscheidungen, Modellüberwachung und -governance. Erst damit kann ein Unternehmen nachhaltig seiner Rechenschaftspflicht im Hinblick auf den verantwortungsvollen Einsatz der Technologie nachkommen.

Vertrauen fängt beim Datenmanagement an

Die Effektivität von KI-Modellen setzt ein sorgfältiges Management der Daten voraus, die für die Entwicklung, das Testen und die Implementierung verwendet werden. Gleich in der ersten Phase ist die Frage nach dem Zweck eines Modells und der Relevanz der ausgewählten Daten zu stellen – um zu vermeiden, dass ein Unternehmen Entscheidungen allein auf Basis der Verfügbarkeit von Daten trifft („Availability Bias”). Zudem gilt es, genau festzulegen, wer Lesezugriff auf die Daten hat, die in die Modelle fließen, und wer in die Auswertung und Einordnung der Analyseergebnisse involviert sein sollte. Klare Richtlinien, wie Mitarbeiter einzubinden sind, beugen durch Automatisierung bedingtem Bias vor.

Wie alle Systeme tendieren KI-Modelle dazu, im Laufe der Zeit Abweichungen zu entwickeln. Sie erfordern ein konsequentes Umtrainieren und Updaten, um verzerrte oder überholte Analyseresultate zu vermeiden. Last but not least: Zweckbezogene Datenlöschung umfasst die regelmäßige Bewertung gespeicherter Daten und das Entfernen redundanter Informationen – mit dem Ergebnis eines schlankeren, sichereren Datenökosystems.

Unternehmen, die diese Prinzipien fest in ihren Strategien rund um KI und Datenmanagement verankern, legen den Grundstein für ethische Datenpraxis und verantwortungsvolle Innovation.

Fazit

ChatGPT & Co. sind nicht nur vordergründig attraktiv, sie können auch Unternehmen handfeste Vorteile verschaffen. Um maximalen Mehrwert mit dem Einsatz von generativer KI zu schaffen, sind jedoch weitreichendes Branchenwissen, modernste KI-Technologie und durchgängige Governance zusammenzubringen. Generative-KI-Funktionalitäten müssen präzise, erklärbar und nachvollziehbar sein. Da Daten die Basis für jegliche Transaktionen mit KI sind, ist deren Qualität zwangsläufig streng und kontinuierlich zu prüfen – auch um sicherzustellen, dass sie repräsentativ sind und keine Gesellschaftsgruppen ausschließen.

Dafür sollen nicht zuletzt regulatorische Vorgaben wie der AI Act sorgen, für dessen Umsetzung sich Unternehmen wie SAS im Rahmen des AI Pacts einsetzen – und somit verantwortungsvolle KI vorantreiben. Trustworthy AI in Europa wird über eine rechtliche Anforderung hinaus zu einer freiwilligen strategischen Entscheidung für Unternehmen weltweit werden – wenn sie technologisch am Ball bleiben und gleichzeitig verantwortungsvoll handeln wollen. Und schließlich können sich auch KI-Entwickler, die anfangen, Technologien in Übereinstimmung mit dem EU AI Act zu bauen, einen Wettbewerbsvorteil verschaffen.

(ID:49987166)