Prostock-studio - stock.adobe.co
Bei generativer KI bleiben Menschen weiter wichtig
Künstliche Intelligenz soll in vielen Bereichen menschliche Arbeitsprozesse übernehmen. Dabei kommt die Technologie nicht gänzlich ohne menschlichen Einfluss aus.
Zur optimalen Nutzung von generativer KI müssen Unternehmen diese mit der richtigen Daten- und Cloud-Strategie einführen und anwenden. Dabei sind Menschen entscheidend, ob als Eingabe- und Dateningenieur, für die Integration und Orchestrierung oder zur Überwachung der Ergebnisse.
Generative KI ist derzeit einer der meistdiskutierten Technologietrends weltweit. Im Gegensatz zu anderen KI-Systemen, die sich auf die Erkennung von Trends und Mustern konzentrieren, erzeugt generative KI auf Basis großer Datensätze kreative Ergebnisse wie Texte, Bilder und Code in nahezu Echtzeit. Diese bahnbrechende Technologie hat das Potenzial, ganze Branchen und die Arbeitswelt selbst völlig zu verändern. Dabei kennen ihre Einsatzmöglichkeiten kaum Grenzen.
Schüler nutzen sie bereits tagtäglich für Hausaufgaben. Privatanwender schreiben damit Texte oder erzeugen Bilder. In Unternehmen lassen sich Dokumente und Videos aus mehreren Jahrzehnten analysieren, um neuartige Erkenntnisse zu gewinnen. Im Gesundheitswesen unterstützt sie beispielsweise die Entdeckung neuer Medikamente durch die Vorhersage von Moleküleigenschaften oder die medizinische Bildanalyse, indem sie Röntgenbilder und CT-Scans klarer darstellt, um Krankheiten früher zu erkennen. Die IT-Branche profitiert von Verbesserungen in den Bereichen Anwendungsentwicklung und -wartung, IT- und OT-Betrieb und -Support, Systemtechnik sowie Bereitstellung von Geschäftsprozessen.
Zusammenspiel zwischen Mensch und Algorithmus
Dabei befindet sich generative KI an der Schnittstelle zwischen Deep Learning und natürlicher Sprachverarbeitung(NLP). Daher ist eine intensive Zusammenarbeit von Menschen und Algorithmen notwendig. Die Technologie lernt, während sie Hypothesen aufstellt und damit Inhalte generiert – von Geschichten und Zusammenfassungen über Code bis hin zu Computergrafiken. Gerade diese Aufgaben kosten Menschen viel Zeit und Mühe.
Trotzdem sind Mitarbeiter weiterhin erforderlich, um Aspekte wie Verantwortung, Vertrauenswürdigkeit und Validierungzu gewährleisten. Menschen müssen der Maschine die richtigen Fragen stellen und sie mit den richtigen Daten füttern, um die richtigen Antworten zu erhalten. Zudem müssen sie die Ergebnisse auf ihre Richtigkeit und Sinnhaftigkeit prüfen. Nur dann kann generative KI auch zuverlässig Probleme lösen, den benötigten Code erzeugen oder korrekte Texte schreiben.
Vier Bereiche sind dabei besonders wichtig:
1. Prompt Engineering
Generativer KI die richtigen Fragen zu stellen, ist zu einer sehr wichtigen Fähigkeit geworden. Entsprechend steigt der Bedarf an Experten für Prompt Engineering, also der Entwicklung geeigneter Eingabe-Aufforderungen. Dies ist eine wichtige Komponente der Feinabstimmung von Sprachmodellen, um bestimmte Ergebnisse oder Verhaltensweisen zu erzielen. Prompt Engineering umfasst das Testen und Verfeinern von Eingaben, um sie für bestimmte Aufgaben zu optimieren. Dabei kommen Techniken wie Prompt Tuning, Blending und Synthese zum Einsatz. Damit lassen sich die Stärken und Schwächen des Sprachmodells ausnutzen, um mit minimalem Aufwand für den Benutzer bessere Ergebnisse zu erzielen, sei es Inhalt oder Code.
2. Datentechnik
Über die Analytik hinaus müssen Dateningenieure die richtige Pipeline für die Aufnahme, das Management und den Betrieb von Daten erstellen. Generative KI kann dies unterstützen und einen kleinen Datenpool durch die Erstellung synthetischer Daten erweitern. Diese können dazu beitragen, Verzerrungen zu beseitigen sowie automatisch Fehler zu erkennen und Daten zu korrigieren.
3. Integration und Orchestrierung
Generative KI kann in Unternehmens-, Such- und Wissenssysteme integriert werden, um intelligente Anwendungen für neue Geschäftsmodelle zu erstellen. Bei der Integration generativer KI-Systeme müssen jedoch Unternehmen darauf achten, die Fähigkeiten bestehender Anwendungen und ihrer Daten einzubinden, anstatt sie zu ersetzen.
4. Verantwortung
Mit Hilfe generativer KI erhalten Unternehmen die Möglichkeit, verantwortungsvolle Prozesse zu entwickeln. Dies ist vor allem wichtig, um eine transparente und gerechte Zukunft zu gewährleisten. Eine auf die Bedürfnisse von Menschen und der jeweiligen Branche ausgerichtete verantwortungsvolle KI muss über eine festgelegte Liste von Grundsätzen hinausgehen. Unternehmen sollten hier der Entwicklung eines strengen Rahmenwerks Priorität einräumen, wobei folgende Punkte zu berücksichtigen sind:
- Erklärbarkeit von Modellen – Ein Rahmenwerk mit Vorlagen sorgt für erklärbare Modelle in jeder Phase des KI-Prozesses
- Vertrauen in die Ergebnisse – Definierte Funktionen sind zur Validierung der Ergebnisse in der Entwurfsphase erforderlich, mit mehrstufigen Prüfungen für eine höhere Vertrauenswürdigkeit der KI-Ausgabe
- Zuverlässigkeit – Eine zuverlässige Performance des KI-Systems ist im Live-Betrieb nötig, inklusive individueller Tests für KI-Apps und Qualitätsprüfung für die Bereitstellung zuverlässiger Produkte
- Datenschutz und Sicherheit – Diese Punkte sind in den Phasen Datenerfassung, Auswahl von Merkmalen, Modellentwicklung und Training zu berücksichtigen
- Inklusion – Design- und Testvorlagen gewährleisten, dass die Vielfalt und der Hintergrund der Nutzer gut verstanden sind, bevor KI-Systeme entwickelt werden
- Fairness – Geeignete Vorlagen müssen entworfen, trainiert und getestet werden, um mögliche Verzerrungen und Ungerechtigkeiten im Endprodukt zu reduzieren
- Rückverfolgbarkeit – Es ist nicht nur festzustellen, wie ein System funktioniert, sondern auch, wie und zu welchem Zweck es geschaffen wurde, damit sich erklären lässt, warum ein System eine bestimmte Dynamik oder ein gewisses Verhalten aufweist.
- Rechenschaftspflicht – Strukturen und Prozesse werden kodifiziert und implementiert, um sicherzustellen, dass alle KI-Abläufe von den Grundsätzen geleitet werden, nach denen sie aufgebaut und mit allen Beteiligten abgestimmt wurden
- Change Management – Entsprechende Prozesse unterstützen die Akzeptanz, den Erfolg und den nötigen Kulturwandel im Unternehmen
Die Rolle der Cloud
Um die Möglichkeiten der generativen KI wirklich zu nutzen und ihr Potenzial zu optimieren, sollte die Technologie nur mit der richtigen Daten- und Cloud-Strategie eingesetzt werden. Denn aufgrund der riesigen Menge an zu verarbeitenden Daten, des erheblichen Speicherbedarfs und der komplexen Handhabung der Algorithmen ist sie in der Cloudbereitzustellen. Dazu sollten Unternehmen jedoch ihre Cloud-Strategie weiterentwickeln, um den neuen Anforderungen gerecht zu werden.
„Zur optimalen Nutzung von generativer KI müssen Unternehmen diese mit der richtigen Daten- und Cloud-Strategie einführen und anwenden. Dabei sind Menschen entscheidend, ob als Eingabe- und Dateningenieur, für die Integration und Orchestrierung oder zur Überwachung der Ergebnisse..“
Kalyan Kumar, HCLTech
Wer einfach nur Maschinen und Infrastruktur in die Cloud verlagert, erhält nicht den möglichen Mehrwert. Heute geht es bei der Cloud-Migration darum, bestehende Workloads zu modernisieren und umzugestalten, um neue Funktionen zu erhalten. Die in der Cloud möglichen Innovationen bilden die Basis zur Entwicklung neuer Anwendungen, die Technologien wie generative KI nutzen. Dies muss durch KI- und Data-Engineering-Fähigkeiten unterstützt werden, um einen deutlichen Geschäftswert zu erzielen.
Fazit
Jedes zukunftsorientierte Unternehmen möchte generative KI-Lösungen einsetzen. Damit kann es Innovationen vorantreiben, Geschäftsmodelle zukunftssicher machen und Wettbewerbsvorteile erzielen. Auch wenn die Einführung noch in den Kinderschuhen steckt, ist klar: Wer erfolgreich sein will, benötigt die richtige Cloud- und Daten-Strategie, Mitarbeitende mit den richtigen Fähigkeiten und den richtigen Partner, um KI-Technologien der nächsten Generation in bestehende Geschäftsabläufe zu integrieren.
Über den Autor: Kalyan Kumar (KK) ist Global Chief Technology Officer and Head - Ecosystems beim globalen Technologieunternehmen HCLTech. In dieser Rolle verantwortet er die übergeordnete Produkt- und Technologiestrategie, die Entwicklung neuer Technologien, den Aufbau strategischer Partner-Ökosysteme und das gesamte Cloud-Angebot des Unternehmens – CloudSMART. KK ist verantwortlich für dessen Strategie, Beratung, Angebotsmanagement, Geschäftsmanagement und das Cloud Native Lab Network. In seiner Rolle als Head of Ecosystems ist er für alle Cloud Ecosystem Business Units (AWS/Google/Microsoft/IBM-Red Hat/SAP) sowie für Tech OEM Ecosystem Units (Dell Tech/Vmware/Cisco/Intel) verantwortlich. Als Teil der Ökosystemstrategie treibt KK das Engagement für Start-ups und Industrieforen/Open-Source-Ökosysteme für HCL voran.
Die Autoren sind für den Inhalt und die Richtigkeit ihrer Beiträge selbst verantwortlich. Die dargelegten Meinungen geben die Ansichten der Autoren wieder.
