Generative KI - Was bleibt nach dem Hype?

Im Gegensatz zu anderen KI-Ansätzen kann generative KI neue Inhalte generieren, was zu einem regelrechten KI-Boom geführt hat. Die zentrale Frage bleibt, wie sich die Technologie weiterentwickelt, wenn die anfängliche Euphorie abklingt und eine realistische Einschätzung der Möglichkeiten und Grenzen folgt. Das diesjährige KI-Seminar befasst sich mit dieser Thematik und bietet tiefere Einblicke in die Anwendung und Integration von Künstlicher Intelligenz (KI) in Unternehmen.

Während der Veranstaltung wurden praxisorientierte Anwendungsfälle, ethische und regulatorische Fragen sowie die Herausforderungen beim Einsatz von KI-Technologien beleuchtet. Nachfolgend werden die wesentlichen Inhalte und Erkenntnisse des Seminars zusammengefasst.

Einordnung der KI-Technologien

Der aktuelle Stand der KI-Technologien kann anhand des KI Hype Cycles von Gartner illustriert werden. Generative KI befindet sich auf dem Höhepunkt des Hype Cycles, was zu riesigen Erwartungen geführt hat. Trotz der beeindruckenden Fähigkeiten gibt es klare Grenzen, und es erfordert erhebliche Anstrengungen, um generative KI im professionellen Umfeld erfolgreich und gewinnbringend einzusetzen. Dennoch wird diese Technologie die Arbeitswelt nachhaltig verändern.

KI-Integration in Unternehmen

Um die Integration von KI in Unternehmen erfolgreich zu gestalten, sollte zunächst ein kleines Team von 2-4 interessierten Mitarbeitenden aufgestellt werden. Dieses Team experimentiert mit KI-Technologien und sammelt wertvolle Erfahrungen. Dabei ist es wichtig, einen gesicherten Zugang zur KI bereitzustellen, der nicht einfach nur auf öffentlichen Diensten wie ChatGPT via OpenAI basiert. Zusätzlich ist die Schulung und Ausbildung des Teams unerlässlich, um das Potenzial der KI voll auszuschöpfen.

Sobald das Team ein fundiertes Verständnis von KI entwickelt hat, können gezielt Geschäftsmöglichkeiten innerhalb der Firma identifiziert werden. Es empfiehlt sich, mit einfachen Pilotprojekten zu beginnen, bei denen Fehler keine gravierenden Folgen haben. Diese ersten Projekte sollten jedoch bereits einen spürbaren Nutzen stiften. Sobald erste Erfolge verzeichnet sind, kann die Anwendung der KI schrittweise optimiert und auf weitere Bereiche im Unternehmen ausgeweitet werden.

Anwendungsfälle

Die Integration von generativer KI bietet vielfältige Anwendungsmöglichkeiten zur Effizienzsteigerung und Prozessoptimierung. Zu den zentrale Anwendungsfälle gehöhren:

• Übersetzungen und Korrekturen: KI kann Texte automatisch in verschiedene Sprachen übersetzen, Grammatik und Stil korrigieren sowie die Lesbarkeit verbessern. Dies spart Zeit und erhöht die Qualität der Inhalte.
• Zusammenfassungen: KI-Systeme sind in der Lage, grosse Mengen an Text automatisch zu analysieren und prägnante Zusammenfassungen zu erstellen. Dies hilft, wichtige Informationen schneller zu erfassen und Entscheidungen effizienter zu treffen.
• Programmier-Unterstützung und Entwicklung: KI-Tools unterstützen Entwickler bei der Code-Generierung, Fehlerkorrektur und Automatisierung von wiederkehrenden Programmieraufgaben. Dies beschleunigt Entwicklungsprozesse und erhöht die Produktivität.
• Wissensmanagement und Bildung: Generative KI kann dazu beitragen, Wissensdatenbanken zu erstellen und zu pflegen, auf die Mitarbeiter schnell zugreifen können. In der Bildung ermöglicht sie die personalisierte Vermittlung von Lerninhalten und die effiziente Organisation von Schulungen.
• Datenanalyse und Berichterstattung: KI-Tools analysieren umfangreiche Datenmengen und bereiten diese für Berichte auf, was Unternehmen bei der Identifikation von Trends und der Entscheidungsfindung unterstützt.
• Inhaltserstellung und Ideenfindung: Obwohl KI kreative Inhalte generieren kann, bleiben die Ergebnisse in der Originalität und Tiefe oft hinter menschlichen Ideen zurück. Dennoch kann sie bei der Unterstützung der Ideenfindung im Marketing oder bei der Textproduktion hilfreich sein.
• Automatisierter Kundensupport: KI-basierte Chatbots und Systeme bearbeiten Routineanfragen effizient, stossen jedoch bei komplexeren Anfragen oder emotionalen Interaktionen an ihre Grenzen. Zudem besteht die Gefahr, dass aufgrund von Halluzinationen fälschliche Informationen vermittelt werden können.

Avolut: KI-generierte Produktbeschreibungen

Chicorée, ein Fast-Fashion-Retailer, der sich auf günstige Damenmode spezialisiert hat, bringt alle zwei Wochen rund 100 neue Produkte in seine Läden. Mithilfe von avolut werden jetzt Produkttexte automatisch generiert. Die Produkttexte werden auf Basis von Bild- und Stammdaten erstellt, wobei OpenAI für die Generierung genutzt wird. Ein grosser Vorteil des Systems besteht darin, dass neue Texte auch für Produkte im Sale automatisch erstellt werden. Ein eng definierter Prompt sorgt für konsistente Ergebnisse.

Version 1: Basierend auf Stammdaten wie Produktname, aktuelle Saison oder Farbe wurden Produktbeschreibungen generiert. Durch optionale Prompts konnten weitere Informationen für die Beschreibungen mitgegeben werden.

Vorteile:

• Vollautomatisierte Lösung ohne manuelle Überprüfung.
• Saison- und Preisänderungen werden automatisch in die Texte einbezogen.
• Texte werden automatisch auf Deutsch und Französisch generiert.

Nachteile:

• Limitierter Kontext führt zu ähnlichen Produktbeschreibungen
• Aufgrund fehlender Stammdaten können keine Texte für Accessoires generiert werden.

Version 2: In der Weiterentwicklung des Systems wird ein besonderer Fokus auf die Erkennung von Produktattributen wie „Rundhals-Ausschnitt“ oder „Casual-Stil“ gelegt. Dies ist möglich, da nun Produktbilder analysiert werden. Produktbildern und Stammdaten werden gemeinsam mit Prompts von OpenAI verarbeitet. Seit August 2024 ermöglicht OpenAI die Definition des Output-Schemas, was zu präziseren und konsistenten Texten führt. 

Vorteile:

• Erstellung von Filtern im Onlineshop möglich
• Besseres Verständnis des Einkaufsverhalten 
• Produktempfehlungen können abgegeben werden

Nachteile:

• Nicht alle Attribute werden gleich gut klassifiziert
• Testdatensatz muss für eine Performancemessung erstellt werden
• Attribute sollten nicht für jedes Produkt verwendet werden (Medizinische Bilder)

Zukünftige Herausforderungen:

• Die Erstellung von Model-Fotos mit Kleidungsstücken
• Einsatz eines Fashion-Chatbots für Kundenfragen

Ethische Herausforderungen

Obwohl generative KI viel Potenzial hat, wurden auch verschiedene Herausforderungen identifiziert:

• Halluzinationen und Fehleranfälligkeit: Ein zentrales Problem ist die Neigung von generativen KI-Modellen zu Halluzinationen, bei denen falsche oder irrelevante Informationen generiert werden. Besonders in kritischen Anwendungsbereichen wie der Datenanalyse oder rechtlich bindenden Prozessen kann dies problematisch sein.
• Black-Box-Problematik: Die fehlende Transparenz bei KI-Modellen und die mangelnde Nachvollziehbarkeit der Entscheidungen stellen nach wie vor eine grosse Herausforderung dar. Dies gilt insbesondere, wenn KI-Systeme in Entscheidungsprozesse integriert werden.
• Urheberrecht und geistiges Eigentum: Trainingsdaten werden oft ohne explizite Zustimmung der Urheber verwendet, was rechtliche und ethische Konflikte verursacht.
• Biases und Diskriminierung: Künstliche Intelligenz kann bestehende Vorurteile in den Trainingsdaten widerspiegeln, was zu unfaire Ergebnissen führt.
• Verantwortung und Haftung: Unklar ist oft, wer für die Ergebnisse und Entscheidungen von KI-Systemen verantwortlich ist – der Entwickler, der Betreiber oder der Nutzer.
• Missbrauchspotenzial: KI-Systeme können für böswillige Zwecke eingesetzt werden, etwa bei Phishing-Attacken oder der Verbreitung von Fake News.
• Arbeitsplatzverlust: Es gibt Befürchtungen, dass Menschen in kreativen Berufen durch KI ersetzt werden, was die Arbeitsmarktsituation beeinflussen könnte.
   

Regulatorische Überlegungen

Besonders im Hinblick auf den neuen AI Act (AIA 2024) der Europäischen Union werden regulatorische Überlegungen für Unternehmen immer wichtiger.

Zentrale Punkte des AI Act:

• Vertrauenswürdige KI: Für Menschen sollte stets ersichtlich sein, wann sie mit KI in Berührung kommen.
• Vier Risikoklassen: Die KI-Systeme werden je nach Risiko eingestuft. Niedrig-Risiko-Systeme werden weniger streng reguliert als hochriskante Systeme, die sensible Daten wie Kreditbewertungen verarbeiten.
• Strafen: Unternehmen, die gegen den AI Act verstossen, müssen mit empfindlichen Strafen rechnen – bis zu 7 % des weltweiten Umsatzes.

Der AI Act betrifft auch Schweizer Unternehmen, wenn sie zum Beispiel Produkte in den EU-Raum liefern oder Daten von EU-Bürgern verarbeiten. Daher ist es essentiell, sich auf diese neuen Regularien vorzubereiten und durch verantwortungsvollen KI-Einsatz das Vertrauen europäischer Partner zu stärken.

Ausblick: KI nach dem Hype

Zum Abschluss des Seminars wurde die Frage gestellt: „Was bleibt nach dem Hype?“. Die Antwort: Künstliche Intelligenz wird nicht verschwinden, sondern sich weiterentwickeln – jedoch unter strengeren Auflagen und mit einer klaren Fokussierung auf ethische und transparente Anwendung. Unternehmen, die KI verantwortungsvoll einsetzen, können davon erheblich profitieren. Der Fokus sollte auf einer massgeschneiderten Integration liegen, die sowohl die Effizienz steigert als auch den Datenschutz gewährleistet.

Wichtigste Erkenntnis: Generative KI bietet enormes Potenzial zur Optimierung von Geschäftsprozessen, jedoch müssen Unternehmen klare Leitlinien für den verantwortungsvollen Umgang mit dieser Technologie festlegen und sicherstellen, dass sie den kommenden regulatorischen Anforderungen gerecht werden.

Wird sind gespannt, wie sich die KI Technologie und deren Einsatz weiterentwickelt. Gerne beraten und unterstützen wir Sie bei Ihren Projektideen rund um Generative KI. Kommen Sie auf uns zu!