T-Systems-Claim-Logo
Suchen
Eine Dartscheibe mit Dartpfeilen in der Mitte

Generative KI: Vom Hype zum echten Erfolgsfaktor

Echte Geschäftsergebnisse in der sich ständig weiterentwickelnden KI-Landschaft finden

17. Juni 2024Andrej Schreiner

Der steinige Weg zum KI-Erfolg

Seien wir ehrlich: Inmitten des Hypes um generative künstliche Intelligenz (GenAI) müssen sich viele Unternehmen mit der harten Realität auseinandersetzen, dass ehrgeizige Initiativen keine überzeugenden Ergebnisse erzielen. Unternehmen stehen ständig vor der Aufgabe, sich auf das Wesentliche zu konzentrieren und die Herausforderungen von KI in Wettbewerbsvorteile zu verwandeln. Daher ist es höchste Zeit, jetzt Ihre Strategie zu überdenken, um mit ihrem nächsten Enterprise-KI-Projekt neue Erfolgsmaßstäbe zu setzen.

Rasche Verbreitung von GenAI und Large Language Models

Zwei KI-Experten vor einem Bildschirm

Die explosionsartige Verbreitung von generativer KI und Large Language Models (LLMs, große Sprachmodelle) ist beispiellos: ChatGPT von OpenAI hat in nur wenigen Monaten 100 Millionen Nutzer erreicht. Die Landschaft der künstlichen Intelligenz entwickelt sich rasant. Seit Anfang 2024 wird die führende Position von OpenAI durch leistungsstarke neue Modelle wie etwa Claude 3 von Anthropic, das Large Model von Mistral AI oder neue Entwicklungen, zum Beispiel im Bereich der Large Action Models (LAMs), herausgefordert. Diese erzeugen zusammenhängende und zielgerichtete Handlungssequenzen statt nur Text.

Da Tech-Giganten und Start-ups ihren KI-Wettbewerb weiter verschärfen sowie rasante Innovationen bei GenAI und LLMs vorantreiben, bleibt die Zukunft dieser transformativen Technologie spannend. Unternehmen müssen den Markt für künstliche Intelligenz genau im Auge behalten und zwischen allgemeiner Begeisterung und Realität unterscheiden, um echte Chancen für sich zu erkennen, die Sinn für sie machen.

Greifbare Ergebnisse statt Trends

In den Vorstandsetagen ist eine Frage dauerhaft in aller Munde: „Was ist unsere GenAI-Strategie, wie laufen unsere Projekte und wie hoch ist der ROI?“

Die IDC schätzt die Ausgaben für KI-zentrierte Systeme in Europa im Jahr 2023 branchenübergreifend auf 34,2 Mrd. USD und prognostiziert eine durchschnittliche jährliche Wachstumsrate (CAGR) von 29,6 % bis 2027. Die Ausgaben für LLMs und GenAI waren anfangs eher durch die allgemeine Begeisterung und die Angst, etwas zu verpassen (FOMO) motiviert, als durch strategisch festgelegte Ziele, und haben einen Wettlauf der Service Provider um Marktanteile ausgelöst.

KI-Assistenten, Chatbots und Coding-Tools haben sich jedoch als unmittelbar nützlich erwiesen. Heute nutzen Unternehmen verschiedene Applikationen, etwa:

  • Im Gesundheitswesen können LLMs automatisch klinische Berichte und Zusammenfassungen von Arzt-Patienten-Interaktionen erstellen und so den Verwaltungsaufwand der Gesundheitsversorger verringern. Konversationelle KI-Assistenten, die von LLMs unterstützt werden, können personalisierte Gesundheitsinformationen bereitstellen, medizinische Fragen beantworten und Patienten durch die Behandlung führen.
  • Die Automobilindustrie kann von generativen Modellen profitieren, die synthetische Daten aus verschiedenen Fahrszenarien erstellen können, um Algorithmen für selbststeuernde Autos sicher und effizient zu trainieren. Mit GenAI lassen sich auch personalisierte Marketinginhalte und maßgeschneiderte Produktempfehlungen erstellen sowie intelligente Sprachassistenten für Infotainmentsysteme in Fahrzeugen entwickeln, um die Customer Experience zu verbessern.
  • Im öffentlichen Sektor können LLMs Dokumente wie Kurzdossiers, Reden, Berichte sowie Korrespondenzen verfassen und so Regierungsmitarbeitern Zeit sparen. Konversationelle KI-Agenten können Bürgern personalisierte Informationen und Ratschläge zu Behördendiensten sowie Verwaltungsvorschriften geben.

Angesichts der Milliardeninvestitionen und des weltweiten Wettlaufs um KI-Talente geht Gartner davon aus, dass bis 2026 mehr als 80 % der Unternehmen GenAI-APIs oder -Modelle in ihre Produktionsumgebungen integriert haben werden. Im Jahr 2023 waren es noch weniger als 5 %. Trotz des weit verbreiteten Glaubens an LLMs als universelle Lösung für geschäftliche Herausforderungen weist Forbes darauf hin, dass 90 % der GenAI-Lösungen beim Proof-of-Concept (POCs) scheitern, bevor sie die volle Einsatzreife erreichen.

34,2 Mrd. USD

Die Ausgaben für KI-zentrierte Systeme in Europa wurden für 2023 branchenübergreifend auf 34,2 Mrd. USD geschätzt.1

29,6 %

Die durchschnittliche jährliche Wachstumsrate (CAGR) der Ausgaben für KI-zentrierte Systeme in Europa wird bis 2027 bei 29,6 % liegen.2

  • 1 

    Worldwide Artificial Intelligence Spending Guide

  • 2 

    International Data Corporation, 2023, idc.com

Was lernen Unternehmen aus ihren KI-Initiativen?

 Infografik zur Aufrechterhaltung der Agilität in der KI-Unternehmenslandschaft

Strategien müssen in einem sich ständig verändernden Umfeld überdacht werden: fortgeschrittene KI, insbesondere große Sprachmodelle, werden als Königsweg für alle geschäftlichen Herausforderungen betrachtet. In Wirklichkeit ist die generative KI jedoch noch nicht ausgereift. Unklare Ziele und schlecht definierte Probleme erschweren die Übersetzung von Geschäftsanforderungen in ausführbare KI-Aufgaben und die anschließende Erfolgsmessung. Da sich die KI-Landschaft ständig verändert und immer mehr neue Modelle, Orchestrierungsbibliotheken und Cloud-Services präsentiert, besteht die Gefahr, dass man in einer endlosen Prototyping-Schleife landet, die sich negativ auf das Ergebnis auswirken kann.

Die Erkenntnis: Der Schlüssel liegt in einer rigorosen Evaluierung des Potenzials gegen die Komplexität, gefolgt von raschen strategischen Experimenten. Dieser iterative experimentelle Ansatz vermeidet verfrühte umfangreiche Investitionen in Anwendungsfälle mit unklaren Anforderungen oder erheblichen technischen Hürden.

Unzuverlässige Daten, Datenschutz- und Sicherheitsbedenken: Datenqualität und -sicherheit haben in KI-gesteuerten Unternehmen höchste Priorität, da KI-Systeme ohne einen umfangreichen Pool an robusten, unverfälschten Daten nicht funktionieren. Während Unternehmen, insbesondere in streng regulierten Branchen, Zugang zu einer Fülle an textlastigen Daten haben, bleiben die Herausforderungen der Datenzuverlässigkeit, des Datenschutzes und der Sicherheit akut. Unbefugtes Eindringen, Datenschutzverletzungen und Cyberangriffe stellen eine ernsthafte Bedrohung für die Integrität und Vertraulichkeit von GenAI-Systemen dar. Ethische Dilemmata wie Urheberrechtsverletzungen, Rechte an geistigem Eigentum sowie Voreingenommenheit durch die zum Trainieren von KI verwendeten Daten haben bereits zu Rechtsstreitigkeiten geführt und unterstreichen die Notwendigkeit einer gewissenhaften Entwicklung und Anwendung von KI.

Die Erkenntnis: Für den effektiven Einsatz von Large Language Models (LLMs) und um deren Zuverlässigkeit sowie eine ethisch einwandfreie Nutzung zu fördern, ist es von grundlegender Bedeutung, dass hochwertige, unvoreingenommene Daten gewährleistet werden. Unternehmen können über Pay-as-you-go-Hosting auf skalierbare LLM-Lösungen zugreifen oder sich für eine maßgeschneiderte Kontrolle mit einer dedizierten privaten Infrastruktur entscheiden. Darüber hinaus bieten eine strenge Datengovernance und Cybersicherheit mit regelmäßigen Audits sowie Konformitätsprüfungen einen sicheren Rahmen, um die Anforderungen an den Datenschutz und die Sicherheit beim Einsatz von KI zu erfüllen.

Das Dilemma der Kosten und der Komplexität: Die Implementierung von GenAI ist nicht nur mit einer Anfangsinvestition, sondern auch mit laufenden Kosten verbunden. Die Cloud-Kosten für die Ausführung von Large Models sind hoch, für die Entwicklung eigener Lösungen sind teure Experten und Hardware erforderlich, und selbst die Nutzung von Open-Source-Optionen erfordert technisches Know-how. Die Steuerung des GenAI-Outputs, System-Upgrades, spezialisierte Mitarbeiter, Datensicherheit, Ethik, Compliance, Überwachung, Schulung und rechtliche Erwägungen erhöhen allesamt die Kosten. In vielen Fällen übersteigen die Anfangsinvestitionen und die Betriebskosten alle Kostenoptimierungs- oder Umsatzvorteile, sodass Projekte noch vor der eigentlichen Einführung eingestellt werden. Außerdem erfordern viele geschäftliche Anwendungsfälle ein hohes Maß an Anpassung. Das damit verbundene komplexe Zusammenspiel von LLM-Orchestrierung, Datenintegration, Retrieval Augmented Generation (RAG), Modelleinbettung und Integration von Vektordatenbanken stellt ein erhebliches Hindernis dar. Darüber hinaus kann das Streben nach schnellen Ergebnissen dazu führen, dass die Teams wichtigen nicht-funktionalen Aspekten wie der Skalierbarkeit der RAG-Pipeline, einer robusten Modellleistung, der Sicherheit und einem strengen Datenschutz zu wenig Bedeutung beimessen. Daraus resultieren technische Mängel, die später behoben werden müssen.

Die Erkenntnis: Um die Kosten und die Komplexität der Implementierung von GenAI erfolgreich zu steuern, müssen detaillierte Analysen durchgeführt werden, um die anfänglichen Investitionen gegen die langfristigen Vorteile abzuwägen. So muss beispielsweise ein Einzelhandelsunternehmen, das in KI-gesteuerte Kundenservice-Bots investiert, die Kosten für Cloud-Dienste, Fachpersonal und laufende Wartung gegen die potenziellen Umsatzsteigerungen durch verbesserte Kundenzufriedenheit und  bindung abwägen. Die Zusammenarbeit zwischen den IT-, Marketing- und Kundendienstabteilungen gewährleistet die Abstimmung der Ziele und eine effiziente Ressourcenzuweisung. Die Priorisierung nicht-funktionaler Anforderungen wie Skalierbarkeit und Sicherheit lässt sich am Beispiel eines Fintech-Unternehmens veranschaulichen, das KI-basierte Betrugserkennungssysteme implementiert, bei denen Robustheit und Datenschutz von größter Bedeutung sind. Zur kontinuierlichen Verbesserung gehören regelmäßige Bewertungen der Leistungskennzahlen und des Nutzerfeedbacks, die rechtzeitige Anpassungen zur Optimierung von Effizienz und Effektivität ermöglichen.

Alles in allem empfehlen wir Unternehmen, einen ausgewogenen Ansatz zu verfolgen. Sie sollten mit der technologischen Entwicklung Schritt halten und gleichzeitig sicherstellen, dass ihre KI-Strategien eng an ihren konkreten Geschäftszielen ausgerichtet sind. Hierzu einige Faustregeln:

  • Legen Sie klare Ziele und KPIs fest: Die Festlegung von präzisen Geschäftszielen und Leistungsindikatoren ist von entscheidender Bedeutung. Der Wert von KI liegt im strategischen Ausbau bestehender Systeme, nicht einfach im Einsatz eines Chatbots.
  • Investieren Sie in die Talentförderung: Durch die Unterstützung der fachlichen Weiterentwicklung Ihrer Mitarbeiter stellen Sie sicher, dass die KI-Funktionen den Unternehmenszielen entsprechen. Eine Kombination von Fachwissen und Geschäftssinn ist von entscheidender Bedeutung, um vollständig von KI-Lösungen zu profitieren.
  • Innovation fördern und eine verantwortungsvolle Governance entwickeln: Durch das Fördern einer Kultur der Zusammenarbeit zwischen technischen und kaufmännischen Teams lassen sich genau die Lösungen entwickeln, die den realen Herausforderungen entsprechen. Gleichzeitig wird die Entwicklung einer verantwortungsbewussten Governance helfen, den komplexen ethischen und rechtlichen Fragen des Einsatzes von KI Rechnung zu tragen.

Wie gelingt es, in KI-Umgebungen präzise zu agieren?

Auf ihrer Reise durch die KI-Landschaft sollten Unternehmen in Bezug auf KI stets auf zwei Dinge achten: die ständige Weiterentwicklung der Technologie und ihre stringente Orientierung an konkreten Geschäftsergebnissen.

Kurz gesagt: Die strategische Integration von KI sollte nicht bloß den Technologie-Hype verstärken, sondern durch die Synergie von Innovation und Governance zu einem messbaren Geschäftserfolg führen.

Sind Sie bereit, die Herausforderungen von KI in einen Wettbewerbsvorteil zu verwandeln?

Die Einführung von künstlicher Intelligenz ist ein höchst komplexer Prozess, der mit vielen Herausforderungen verbunden ist, aber auch zahlreiche Chancen bietet. Wenn Sie mehr darüber erfahren möchten, wie Sie diese Herausforderungen in ein Sprungbrett für Innovation und Wachstum verwandeln können, können Sie mich gerne für ein Gespräch kontaktieren. Wir freuen uns auf Ihre Fragen!

Zur Person
Andrej Schreiner, Product Lead – AI, CTO Office, T-Systems International GmbH

Andrej Schreiner

Product Lead – AI, CTO Office, T-Systems International GmbH

Profil und alle Artikel ansehen

Dies könnte Sie auch interessieren

Wir freuen uns auf Ihre Meinung

Haben Sie irgendwelche Ideen, Vorschläge oder Fragen zu diesem Thema? Wir laden Sie herzlich zu einem Gedankenaustausch mit uns ein. Nehmen Sie Kontakt mit uns auf!
Besuchen Sie t-systems.com außerhalb von Germany? Besuchen Sie die lokale Website für weiterführende Informationen und Angebote für Ihr Land.