Folgende drei Einwände höre ich regelmäßig, wenn ich mit Unternehmen über die Potenziale von generativer künstlicher Intelligenz spreche. Erstens: Wir befürchten, damit gegen Datenschutzrichtlinien zu verstoßen. Zweitens: Der Datenhunger der KI sprengt unsere IT-Kapazitäten. Drittens: Wir würden ja gerne – aber uns fehlt das Personal. Berechtigte Bedenken, die sich mit sicheren Corporate-KI-Tools aus der Public Cloud abfedern lassen.
Vor allem die Technologie- und Finanzbranche setzt Künstliche Intelligenz ein, geht aus einer Umfrage der Deutschen Industrie- und Handelskammer (DIHK) hervor.1 Aber es lohnt auch der Blick in die Industrie. Erste Unternehmen bewegen sich mit GenAI in Richtung Industrie 5.0. Denn sie heben die Zusammenarbeit von Mensch und Maschine auf ein neues Level, weil beide dank generativer Sprachmodelle miteinander kommunizieren können. Der Autozulieferer Schaeffler beispielsweise stattet erste Werkzeugmaschinen mit einem Copiloten von Siemens und Microsoft aus. Braucht das Unternehmen einen neuen Code zur Maschinensteuerung, dann kann das der Copilot übernehmen. Der Mensch muss ihm nur die gewünschten neuen Funktionen diktieren. Eine eigene generative KI unterstützt Audi bei der Entwicklung neuer Felgen. Bosch wiederum generiert mit GenAI Bilder fehlerhafter Produkte. Als Trainingsdaten speist der Industriekonzern die Bilder anschließend in eine Software ein, damit diese bei neuen Fertigungslinien Mängel erkennt.
Wenn ich mich auf sozialen Plattformen wie LinkedIn umschaue, dann habe ich den Eindruck, dass es kaum jemanden gibt, der oder die sich noch nicht von der Begeisterung für generative künstliche Intelligenz hat anstecken lassen. Ich finde diese Experimentierlust großartig, besonders wenn Unternehmen GenAI bereits als Quelle für neue (Geschäfts-)Ideen nutzen oder generative KI als Planungstool oder Sparringspartner einsetzen. Da die Anwendungsfälle nun immer komplexer werden, steigen allerdings die Anforderungen an die IT-Infrastruktur im Unternehmen. Mit viel Rechenleistung allein ist es nicht getan. Wer mit GenAI effektiver und effizienter werden möchte, der braucht ein hohes Maß an IT-Sicherheit und volle Compliance mit den bestehenden Datenschutzregelungen. Auch der AI Act der Europäischen Union nimmt GenAI für mehr Rechtssicherheit an die Leine: Betreiber von Basismodellen wie ChatGPT sollen offenlegen, mit welchen Daten sie ihre Modelle trainieren.
Ich habe eben das Stichwort Basismodell genannt – ich hätte auch von Grundlagenmodell, Foundation Models oder noch präziser von Large Language Models sprechen können. Das sind Synonyme für den eigentlichen Kern der generativen KI. Die Modelle werden mit Unmengen an Rohdaten trainiert, damit sie diese analysieren und verstehen lernen. Quantität und Qualität der Daten sind entscheidend, damit GenAI anhand erlernter Muster neue Inhalte – Texte, Bilder, Musik, aber auch Software – erzeugen kann. Der Chatbot, der prominenteste Sprössling aus der GenAI-Familie, basiert auf dem Sprachmodell Generative Pretrained Transformer (GPT) von Open AI. Vermutlich kommunizieren Sie regelmäßig mit ihm – ob nun beruflich oder privat. Aber wissen Sie, welche Daten Sie ihm anvertrauen können und welche keinesfalls? Und: Besitzen Sie in Ihrem Unternehmen ausreichend gute Daten, um eigene GenAI-Anwendungen zu etablieren?
Damit sind wir bei der vielleicht wichtigsten Herausforderung für generative KI: das Thema Datenschutz. 85 Prozent der Befragten geben in einer Bitkom-Umfrage2 an, dass die Anforderungen an den Datenschutz die eigenen KI-Bemühungen ausbremsen, 76 Prozent sprechen von rechtlichen Unklarheiten. Das erklärt, warum 68 Prozent deutschen Unternehmen das Potenzial von generativer KI sehen und sie für die wichtigste Zukunftstechnologie halten, aber nur zwei Prozent GenAI tatsächlich nutzen. Falls Sie beim Thema KI und Datenschutz oder Compliance ebenfalls Bauchschmerzen spüren und potenzielle Risiken hinsichtlich der KI-Governance vermeiden möchten, dann sollten Sie auf Cloud-Dienste setzen – und darauf achten, dass Sie eine Plattform wählen, die diese Aspekte vereint. Nur so können Sie datenschutz- und urheberrechtskonforme Inhalte generieren, wenn Sie mit künstlicher Intelligenz Grafiken, Texte oder Programmcode erstellen. Suchen Sie sich einen Partner, der Sie beim Gang in die Cloud unterstützen kann, damit Sie sich das Potenzial sicher erschließen.
Die Analysten von Gartner3 erwarten 2024 ein starkes Wachstum im Public-Cloud-Markt und prognostizieren einen 20-prozentigen Anstieg auf ein Volumen von 679 Milliarden Dollar. Dieser Anstieg liegt auch an KI. Denn mit der künstlichen Intelligenz verbinden sich viele Hoffnungen. Laut McKinsey haben allein GenAI-Lösungen das Potenzial, die globale Wirtschaftsproduktivität um 2,6 bis 4,4 Billionen US-Dollar zu steigern. Aber dafür müssen Unternehmen der KI mit der Cloud den Weg ebnen. Sie bietet auch Unternehmen, die weder über spezielle KI-Expertise noch über ausreichend Fachpersonal verfügen, die Chance, mit smarten Algorithmen effizienter und effektiver zu arbeiten. Die Plattformen der Hyperscaler wir Azure ML (Microsoft), Sagemaker (AWS), Vertex AI (Google) halten Frameworks, Bibliotheken und Collaboration-Tools bereit, mit denen sich generative KI-Modelle und Anwendungen entwickeln lassen.
Wer sich für einen Public-Cloud-Service entscheidet, sollte darauf achten, dass der Provider die KI-Anwendungen mit klaren Richtlinien zum verantwortungsvollen Umgang mit sensiblen Daten absichert. Die Cloud-Infrastruktur muss nicht nur leistungsstark, sondern auch konform mit datenschutzrechtlichen Bestimmungen und regulatorischen Anforderungen sein. Falls Sie bei Ihrer Cloud- und KI-Strategie mit einem Technologiedienstleister zusammenarbeiten, dann fragen Sie ihn danach, ob er mit einem GenAI-Proof-of-Concept (PoC) garantieren kann, dass Sie das KI-Potenzial Compliance-konform ausschöpfen können, ohne ins Training von KI-Systemen investieren zu müssen.
Für zahlreiche GenAI-Anwendungsfälle gibt es bereits eigene Software-as-a-Service-Angebote (SaaS). Und Marktführer wie Microsoft, SAP oder Salesforce integrieren immer häufiger generative künstliche Intelligenz in ihre SaaS-Lösungen. Ihre Pluspunkte: Sie lassen sich schnell und günstig umsetzen – ohne langwierige Implementierung. Ihr Nachteil: Schlüsselfertige Lösungen verhindern individuelle Anpassungen oder schränken sie stark ein. Wenn Sie komplexere GenAI-Projekte in der Cloud planen, dann empfehlen sich daher Platform-as-a-Service-Modelle (PaaS). Sie stellen Tools für schnelle Ergebnisse bereit, sind aber flexibel genug, um mit ihnen eigene GenAI-Modelle zu entwickeln.
Lassen Sie sich bei ihrer KI-Transformation nicht von den eigenen Bedenken oder einem unpassenden IT-Setup ausbremsen. KI ist kein Nice-to-have, reiht sich nicht nur unter die übrigen Technikprojekte ein. Nein, es ist für Unternehmen ein strategischer Imperativ, wenn diese wettbewerbsfähig bleiben möchten. Mein Tipp: Schöpfen Sie das Potenzial, das in der Technologie steckt, aus. Aber sehen Sie zu, dass Sie die datenschutzrechtlichen und ethischen Auswirkungen kontrollieren. Ein kompetenter Provider kann Sie dabei unterstützen. Und: Tauschen Sie sich mit anderen aus. Nicht nur die KI lernt dazu – bei uns Menschen ist das doch ganz genauso. Daher freue ich mich auf den Austausch mit Ihnen.
1 Digitalisierungsumfrage 2023, DIHK, 2024, dihk.de
2 Deutsche Wirtschaft drückt bei künstlicher Intelligenz aufs Tempo, Bitkom, 2023, bitkom.org
3 Gartner Forecasts Worldwide Public Cloud End-User Spending to Reach $679 Billion in 2024, Gartner 2024, gartner.com
