Ascannio - stock.adobe.com

Diese 10 Trends prägen die generative KI in Zukunft

Das Wachstum generativer KI wird in den kommenden Jahren enorm sein, ebenso ihre Auswirkungen auf andere Technologien und potenzielle neue Anwendungsfälle.

Generative KI-Technologie hat sich in den letzten Jahren in vielen Bereichen durchgesetzt. Ein großer Teil dieser Entwicklung ist auf Fortschritte bei neuen Sprachmodellen zurückzuführen, die durch Transformatoren ermöglicht wurden. In der Zwischenzeit haben Verbesserungen bei etwas älteren Techniken es der künstlichen Intelligenz (KI) erleichtert, Texte, Bilder, Stimmen, synthetische Daten und andere Arten von Inhalten in höherer Qualität zu erzeugen.

Die Einführung von ChatGPT hat die generative KI ins Rampenlicht gerückt und das öffentliche Bewusstsein für ihr Potenzial für Wirtschaft, Produktivität und Kunst geschärft.

„Mit der Veröffentlichung von ChatGPT wurde KI für jeden, der einen Browser besitzt, kostenlos zugänglich. So können unsere Familien, Kinder und Menschen ohne KI- oder Data-Science-Hintergrund damit arbeiten“, sagt Bret Greenstein, Data and Analytics Partner bei PwC. „Dies kommt nach einem Jahr, in dem bildgenerierende KI und Filter in mobilen Apps magische Ergebnisse hervorgebracht haben, so dass sich die Öffentlichkeit bereits für KI im Alltag erwärmt hat und sich ihrer bewusst ist.“

Jonathan Watson, CTO bei der Rechtsberatungsplattform Clio, führt die explosionsartige Zunahme der generativen KI auch auf die jüngsten Fortschritte bei generativen Modellen wie Generative Adversarial Networks (GAN) und Variations-Auto-Encodern zurück, die qualitativ hochwertige Ergebnisse erzeugen können. Darüber hinaus bietet generative KI zahlreiche Anwendungen wie Musik, Kunst, Spiele und Gesundheitswesen, die sie für die breite Bevölkerung attraktiver machen.

Einige Beobachter sehen in der generativen KI eine neue Allzwecktechnologie, die die gleiche Breitenwirkung entfalten könnte wie die Dampfmaschine und die Elektrizität. „Ich denke, das Interesse an generativer KI ist so schnell gestiegen, weil sie als unser zweites Gehirn fungieren kann und letztlich das Potenzial hat, die Produktivität und Effizienz in einer Vielzahl von Branchen drastisch zu verbessern“, sagt Rex Chekal, leitender Produktdesigner bei TXI, einem in Chicago ansässigen Unternehmen für Produktinnovation. „Im Grunde genommen wird dadurch meine kognitive Bandbreite freigesetzt, damit ich mich auf wichtigere und hochwertigere Aufgaben konzentrieren kann.“

Anwendungsfälle für generative KI in der Industrie

Branchenexperten sehen viele neue Anwendungsfälle für generative KI, die über das schnellere Schreiben von E-Mails oder das Stellen von Fragen hinausgehen:

Generierung von Code. Donncha Carroll, Partner und Chief Data Scientist, der das Data Science- und Engineering-Team bei Lotis Blue Consulting leitet, sagt, dass seine Gruppe GitHub Copilot verwendet, um ganze Python-Codeblöcke zur Unterstützung ihrer Dienstleistungen zu schreiben. Das Tool bringt je nach Projekt eine Produktivitätssteigerung von 30 bis 50 Prozent.

Schreiben verschiedener Arten von Text. John Blackmon, CTO bei ELB Learning, erklärt, dass sein Unternehmen generative KI einsetzt, um verschiedene Arten von Inhalten zu generieren, darunter Ressourcenleitfäden, Anleitungen, Nachrichtenartikel, Essays, Produktbeschreibungen und Beiträge für soziale Medien. „Solange Sie die KI-Inhalte gründlich prüfen und sie als Hilfsmittel und nicht als endgültigen Inhalt verwenden, kann und wird sie Ihnen das Leben und die Arbeit erleichtern“, sagt er.

Automatisierung. Kavitha Chennupati, Senior Director of Global Product Management bei SS&C Technologies, einem Entwickler von IT-Lösungen, sagt, dass das Unternehmen generative KI einsetzt, um vorzuschlagen, wo neue Automatisierungen eingesetzt werden sollten. Dies ermöglicht es einer noch größeren Anzahl von Mitarbeitern, die Entwicklung von Automatisierungen, wie zum Beispiel Robotic Process Automation (RPA) Bots und Low-Code-gesteuerte Prozesse, zu initiieren.

Dokumentation. Pierre Custeau, CTO bei ToolsGroup, einem Unternehmen für Supply-Chain-Planung und -Optimierung, setzt generative KI-Tools ein, um den Prozess der Erstellung besserer Dokumentationen zu unterstützen.

Die Zukunft der generativen KI

Praktisch jede Unternehmensanwendung und jeder Dienst setzt heute in irgendeiner Form generative KI ein. Auch wenn die Technologie vielversprechend ist, müssen Unternehmen bei der Ausweitung der Nutzung dieser Technologie einige Herausforderungen und Einschränkungen berücksichtigen. Viele der ersten Einschränkungen verlangsamen die Anwendungen, während andere zu echten Problemen führen können, wie zum Beispiel KI-Halluzinationen, bei denen generative KI-Anwendungen Inhalte erfinden, die nicht an Fakten gebunden sind. Jüngste Beispiele für KI-Halluzinationen sind Googles Bard, der fälschlicherweise behauptete, das James-Webb-Weltraumteleskop habe die ersten Bilder eines Exoplaneten aufgenommen, und der Fall eines australischen Bürgermeisters, der OpenAI wegen Verleumdung verklagte, nachdem ChatGPT behauptet hatte, er sei wegen Bestechung ins Gefängnis gekommen.

Unternehmen, die diese Art von Chatbots einsetzen, müssen sich darüber im Klaren sein, dass diese Art von Fehlinformationen Kunden dazu bringen können, möglicherweise gefährliche Reparaturen durchzuführen, was zu einer Schädigung ihrer Marke führen kann. Erfolgreiche Unternehmen werden Gegenmaßnahmen entwickeln, um die Wahrscheinlichkeit von Fehlinformationen zu verringern, und um Wege zu finden, wie generative KI einen echten Mehrwert für die Kunden und das Endergebnis liefern kann.

Hier sind 10 zukünftige Trends, auf die Sie achten sollten.

1. Aufforderungsbasierte Erstellung (Prompt-basierte Erstellung)

Einige der bemerkenswertesten Anwendungen generativer KI finden sich in den Bereichen Kunst, Musik und natürliche Sprachverarbeitung. Watson von Clio geht davon aus, dass dies dazu führen wird, dass der Bedarf an Prompt-Engineering-Fähigkeiten steigt, um bessere Inhalte zu produzieren. Er geht davon aus, dass viele Unternehmen die UX durch Tools für die Prompt-basierte Erstellung verbessern werden; allerdings müssen IT-Entscheidungsträger bei der Verwendung dieser Tools die Unternehmensdaten und -informationen schützen. Bei richtiger Implementierung kann es sogar so aussehen, als würde man nicht mit KI arbeiten.

2. APIs erschließen Anwendungsfälle für Unternehmen

Auch wenn der Chat derzeit die ganze Aufmerksamkeit auf sich zieht, werden neue APIs die Einbindung verschiedener generativer KI-Funktionen in Unternehmensanwendungen erleichtern. „Während die Menschen ChatGPT für viele Dinge nutzen, von der Programmierung von Software bis hin zu Gute-Nacht-Geschichten für unsere Kinder, sind es die APIs, die ChatGPT möglich machen, die so interessant sind“, sagt Greenstein von PwC. Mit diesen APIs kann jede Anwendung – von mobilen Anwendungen bis hin zu Unternehmenssoftware – generative KI nutzen, um eine Anwendung zu verbessern. Microsoft und Salesforce experimentieren bereits mit neuen Möglichkeiten, KI in Produktivitäts- und CRM-Anwendungen einzubauen.

3. Geschäftsprozesse neu denken

Mit der Verbesserung der generativen KI werden wahrscheinlich mehr alltägliche Aufgaben automatisiert oder erweitert. Greenstein prognostiziert, dass dies den Unternehmen die Möglichkeit geben wird, ihre Geschäftsprozesse neu zu gestalten, um die Technologie zu nutzen und die Möglichkeiten der Mitarbeiter zu erweitern. „Wie bei jeder bahnbrechenden Technologie, die auf den Markt kommt, werden dadurch völlig neue Geschäftsmodelle entstehen“, so Greenstein. „KI-native Geschäftsmodelle und -erfahrungen werden es kleinen Unternehmen ermöglichen, groß aufzutreten, und großen Unternehmen, sich schneller zu bewegen.“

4. Verbesserte Gesundheits-Apps

Chekal von TXI sieht das Potenzial für generative KI, die Ergebnisse für Patienten zu verbessern und das Leben für das medizinische Personal zu erleichtern. Generative KI kann medizinische Dokumente extrahieren und digitalisieren, um Gesundheitsdienstleistern den Zugriff auf Patientendaten zu erleichtern. Sie wird auch die personalisierte Medizin und Therapie verbessern, indem sie mehr medizinische, Lebensstil- und genetische Informationen für die entsprechenden Algorithmen organisiert. Intelligente Transkription wird Zeit sparen und dabei unterstützen, komplexe Informationen als Teil des Arzt-Patienten-Gesprächs und nicht als separaten Prozess zusammenzufassen. Darüber hinaus wird sie das Engagement der Patienten durch personalisierte Empfehlungen, Erinnerungen an die Einnahme von Medikamenten und eine bessere Verfolgung von Symptomen verbessern.

5. Bessere synthetische Daten

Synthetische Daten gibt es schon seit Jahren. Verbesserungen in der generativen KI-Technologie könnten Unternehmen dabei unterstützen, unvollkommene Daten zu nutzen und gleichzeitig Bedenken hinsichtlich des Datenschutzes und der Vorschriften zu entkräften. „Der Einsatz generativer KI bei der Erstellung synthetischer Daten hat das Potenzial, unsere Fähigkeit zur raschen Erstellung neuer KI-Modelle zu verbessern, unsere Entscheidungsfähigkeit zu steigern und unseren Unternehmen Möglichkeiten zu geben, viel flexibler auf Veränderungen zu reagieren“, ist Custeau von der ToolsGroup überzeugt.

6. Effektivere Szenarienplanung

Custeau glaubt auch, dass generative KI die Fähigkeit zur Simulation groß angelegter makroökonomischer oder geopolitischer Ereignisse verbessern kann. Die Branche hat mit einer Reihe von Ereignissen zu kämpfen, die zu massiven Unterbrechungen der Versorgungskette geführt haben, was wiederum langanhaltende Auswirkungen auf Unternehmen, Wirtschaft und Umwelt zur Folge hatte. Das Team von Custeau hat nach besseren Möglichkeiten zur Simulation seltener Ereignisse gesucht, die dazu beitragen können, deren negative Auswirkungen kostengünstig zu verringern.

7. Hybride Modelle erhöhen die Zuverlässigkeit

Große Sprachemodelle (Large Language Models, LLMs) wie ChatGPT zeigen das Potenzial für neue Technologien wie Transformatoren auf. Künftige Fortschritte können jedoch oft die Kombination mehrerer Modelle erfordern. „Das derzeitige Problem mit diesen Tools ist, dass sie aufgrund ihres probabilistischen Charakters und der ungenauen Berichte, die auf den Billionen von Datensätzen basieren, die sie abrufen, nicht für regulierte Branchen geeignet sind“, gibt Emmanuel Walckenaer, CEO von Yseop, einer Plattform zur Generierung von Inhalten, zu bedenken. Hybride Modelle kombinieren die Vorteile von LLMs mit den präzisen und kontrollierbaren Erzählungen der symbolischen KI. Er sagt voraus, dass hybride Modelle Innovation, Produktivität und Effizienz in regulierten Branchen fördern werden, indem sie genauere Ergebnisse gewährleisten.

Geschichte der generativen KI
Abbildung 1: Die Geschichte der generativen KI.

8. Personalisierte generative Anwendungen

Blackmon von ELB Learning prognostiziert eine Zunahme personalisierter generativer Anwendungen, die auf die Vorlieben und Verhaltensmuster der einzelnen Nutzer zugeschnitten sind. Eine personalisierte generative Musikanwendung kann beispielsweise Musik auf der Grundlage der Hörgeschichte und der Stimmung eines Nutzers erstellen. In ähnlicher Weise kann die KI die Stärken, Schwächen und Lernstile eines einzelnen Lernenden während des Online-Trainings analysieren und dann die effektivsten Lehrmethoden und relevantesten Ressourcen empfehlen. Schließlich können KI-gestützte virtuelle Assistenten zu Standardfunktionen in Lernplattformen werden, indem sie den Lernenden in Echtzeit Unterstützung und Feedback geben, während sie in ihren Kursen vorankommen. Personalisierte Assistenten in Unternehmensanwendungen können dazu beitragen, Arbeitsabläufe auf der Grundlage des individuellen Stils zu optimieren.

9. Bereichsspezifische Apps

Carroll von Lotis Blue Consulting glaubt, dass generative KI zahlreiche Möglichkeiten für die Feinabstimmung domänenspezifischer Anwendungen eröffnen wird. So kann generative KI beispielsweise Erkenntnisse aus medizinischen Publikationen über eine Krankheit extrahieren oder das mühsame Eintippen von Anfragen in Kundenservicecentern automatisieren. LLMs können branchenspezifische Informationen aufnehmen, um Erkenntnisse für bereichsspezifische Arbeitsabläufe zu gewinnen. Für die IT-Entscheidungsträger verschiebt sich der Schwerpunkt von der Erkundung der neuen Technologie hin zur Identifizierung guter Daten für die Schulung von Kunden auf LLMs für ihre Anwendungen, ohne dass dadurch Betriebs- oder Reputationsrisiken für die Prozesse entstehen. „Dies kann der Katalysator sein, den IT-Führungskräfte brauchen, um einen Paradigmenwechsel bei der Datenqualität herbeizuführen und die Investition in den Aufbau hochwertiger Datenbestände zu rechtfertigen", so Carroll.

10. Natürlichsprachliche Schnittstellen

Todd Johnson, Managing Director bei der Nexer Group, einem Beratungsunternehmen für digitale Transformation, prognostiziert, dass generative KI dazu beitragen wird, natürlichsprachliche Schnittstellen (Natural Language Interfaces, NLIs) zu schaffen, die intuitiver und einfacher zu bedienen sind. „NLIs ermöglichen es den Nutzern, mit Computersystemen in natürlicher Sprache zu kommunizieren, anstatt in Programmiersprachen oder Syntax“, erklärt er. In einem Lieferkettenkontext kann generative KI beispielsweise eine Audioschnittstelle für Arbeiter in einem Lagerverteilungszentrum bereitstellen. Die Mitarbeiter können über ein Headset, das mit dem ERP-System eines Herstellers verbunden ist, mit der NLI interagieren, um sich in einem überfüllten Lagerhaus zurechtzufinden, bestimmte Artikel zu finden und Materialien und Vorräte nachzubestellen. Dies kann Schreibfehler reduzieren und die Effizienz steigern.

„Sie werden oft den Begriff Kopilot hören, und ich denke, das ist die richtige Bezeichnung“, sagt Johnson. „Diese Technologie wird es jedem ermöglichen, sich darauf zu konzentrieren, wie er seine Kunden besser bedienen und sein Geschäft ausbauen kann.“

Erfahren Sie mehr über Künstliche Intelligenz (KI) und Machine Learning (ML)

ComputerWeekly.de
Close