Der Schlüssel zu einer erfolgreichen Implementierung von Künstlicher Intelligenz (KI) liegt nicht nur in der Technologie selbst, sondern zunächst einmal in den zugrunde liegenden Daten. Insbesondere unstrukturierte Daten, die etwa 80 Prozent der Unternehmensinformationen ausmachen, bieten ein enormes Potenzial, um KI-Modelle zu trainieren. Viele Unternehmen haben jedoch noch Schwierigkeiten, diese heterogenen Daten effektiv zu verwalten und für KI-Anwendungen nutzbar zu machen.

Das Jahr 2024 brachte erneut schnelle Fortschritte in der KI-Forschung und Modellentwicklung sowie die Entwicklung, Erprobung und erste Implementierungen in vielen Unternehmen. Im Jahr 2025 werden zahlreiche Organisationen bedeutende Verbesserungen und Erweiterungen ihrer Produkte, Dienstleistungen und Geschäftsprozesse realisieren – jedoch wird die nächste Generation an Fortschritten nicht ohne weiteres erreichbar sein.

Daten sind der Kompass moderner Unternehmen. Sie strömen aus unterschiedlichen Quellen zusammen und weisen den Weg für richtungsweisende Entscheidungen, die den Erfolg eines Unternehmens bestimmen können. Business Intelligence (BI) ermöglicht es, diese riesigen Datenmengen Gewinn bringend zu nutzen: Trends vorhersagen, Geschäftsprozesse optimieren, versteckte Umsatzpotenziale erschließen oder Kosten einsparen.

Infosys führt die Small Language Models Topaz BankingSLM und Topaz ITOpsSLM ein. Die beiden kleinen Sprachmodelle basieren auf dem Nvidia AI Stack und werden von Infosys innerhalb seines Center of Excellence (CoE) für Nvidia-Technologien entwickelt.

Die Partner Box und AWS möchten es Organisationen jeder Größe ab sofort ermöglichen, ihre Produktivität mit generativer KI zu maximieren. Box-Kunden könnten ihre Anwendungen jetzt mithilfe von Amazon Bedrock sowie Basismodellen wie Claude von Anthropic und Amazon Titan erstellen.

Deloitte unterstützt Finanzinstitute mithilfe von KI bei der Erfüllung der Anforderungen des EU Digital Operational Resilience Act (DORA). Ein neues Tool nutzt Large Language Models (LLMs) zur Automatisierung des detaillierten Vertrags-Screenings und zur Angleichung an DORA-Standards.

TyDi QA (Benchmark for Information-Seeking Question Answering in Typologically Diverse Languages) ist ein Benchmark-Dataset für multilinguale Sprachmodelle. Es besteht aus über 200.000 von Menschen erstellten und annotierten Frage-Antwortpaaren in elf typologisch unterschiedlichen Sprachen. Die Aufgaben wurden nicht einfach aus anderen Sprachen übersetzt, sondern in der jeweiligen Sprache erstellt.

Während Unternehmen nach Möglichkeiten suchen, ihre IT-Prozesse zu verbessern, hat sich Generative KI schnell als effektiv bei der Automatisierung mühsamer IT-Aufgaben erwiesen. Auch das IT-Servicemanagement (ITSM) kann erheblich von Generativer KI profitieren, indem es fortschrittliche IT-Service-Funktionen für ein breiteres Spektrum von Unternehmen zugänglich macht.

Ernüchterndes Ergebnis: Forschende der ETH Zürich haben erstmals den EU AI Act in messbare technische Anforderungen für allgemeine KI-Modelle übersetzt und ein Benchmarking entwickelt, um die Rechtskonformität dieser Modelle zu überprüfen.

Das im September angekündigte neue Release der ServiceNow-Plattform „Xanadu“ stand im Mittelpunkt des diesjährigen ServiceNow World Forum in München. Inhaltlicher Fokus waren erweiterte KI-Funktionen für Administratoren, Unternehmen und ihre Kunden.