Roadmap für Künstliche Intelligenz 2023

Vom Spielzeug innovativer Vorreiterunternehmen entwickelt sich Künstliche Intelligenz (KI) mit exponentieller Geschwindigkeit in nahezu jedem Sektor zum Werkzeug für die Optimierung von Unternehmensprozessen. Was sind die vier großen KI-Trends des Jahres.

Output-orientierte Optimierung von Schlüsselprozessen ​

KI dringt aus der Laborumgebung immer tiefer in unternehmerische Anwendungsfelder ein. Umso bedeutsamer wird daher die Messung der Wertschöpfungsvorteile. Dazu wird es notwendig sein, Mehrwerte der Prozessoptimierung quantifizierbar zu machen. Die jüngste Studie des Wirtschaftsprüfers Deloitte “State of AI” zeigt, dass 79 Prozent der Befragten KI in mindestens drei Anwendungen eingesetzt haben (zuvor 62 Prozent), wobei Kostensenkungen das am häufigsten genannte Ergebnis sind (78 Prozent). 94 Prozent der Befragten sind der Meinung, dass KI in den nächsten fünf Jahren den Erfolg entscheidend beeinflussen wird. Dennoch bleibt der Nachweis des betriebswirtschaftlichen Nutzens die größte Herausforderung für die Umsetzung von KI-Projekten. Er wird die Skalierung und Integration von KI in das Daily Business und die Arbeitsprozesse entscheidend mitbestimmen.

Die Nutzung von KI und Automatisierung ist ein Erfolgskriterium für Unternehmen. Es wird sich zeigen, dass immer mehr Unternehmen diese Technologie wie ein autonomes Fahrzeug in der Wildnis nutzen werden – um sich in unvorhersehbarem Gelände zurechtzufinden und Echtzeitentscheidungen zu treffen. Diese Entscheidungen können nicht nur wahrscheinliche zukünftige Hindernisse, sondern auch alle möglichen realen Einschränkungen, Regeln und Kompromisse berücksichtigen. Dadurch werden sich mehr Unternehmen dem Konzept der Autonomie zuwenden, um die Effizienz zu steigern, Prozesse zu optimieren und Probleme schneller zu lösen.

Comeback von älterer KI ohne Sexappeal ​

Durch das aktuelle Chaos auf vielen Märkten – nach der Covid-Pandemie und inmitten des Ukraine-Krieges und der Energiekrise – werden Unternehmen versuchen, KI-Anwendungen und -Initiativen mit strategischen Makrozielen auf höchster Ebene zu verknüpfen. Beispielsweise, um näher an den Kunden heranzukommen, die Produktivität und Effektivität zu verbessern und agiler zu werden. Aber auch auf der Mikroebene wird KI-gesteuertes Decisioning von Prozessen und Interaktionen eine zentrale Rolle spielen. KI wird dadurch dazu befähigt, strategische Entscheidungen zu treffen und Maschinelles Lernen zu steuern. Weitere Einsatzmöglichkeiten finden sich neben der Unternehmensebene auch bei den empathischen und persönlichen Zielen der Stakeholder. Um das zu erreichen, werden ältere Elemente der klassischen KI zum Einsatz kommen, wie beispielsweise Symbolic Reasoning und Business Rules – vielfach auch kombiniert mit modernen Technologien Maschinellen Lernens.

Compliance und Vertrauen entscheiden über KI-Regulierung ​

Der verantwortungsvolle und vertrauenswürdige Einsatz von KI ist ein komplexes Thema, wobei die EU und – vielleicht ironischerweise – China die Führung übernehmen, während die USA und das Vereinigte Königreich hinterherhinken. Der verantwortungsvolle Einsatz von KI sollte dennoch kein Wettlauf sein, denn in einem zunehmend vernetzten globalen Markt kann es dabei keine Gewinner geben. Die Realität ist jedoch auch, dass derjenige, der als Erster über die weiche Ethik und Selbstregulierung hinaus zu harten KI-Gesetzen übergeht, Standards setzen wird. Der Europäische Rat hat vor kurzem den Vorschlag für ein detailliertes EU-AI-Gesetz angenommen. Es ist anzunehmen, dass dieser 2023 finalisiert wird.

Unternehmen werden dazu herausgefordert, Compliance-Anforderungen zu operationalisieren und sie mit guten Absichten in Einklang zu bringen. KI-basierte Systeme müssen inventarisiert und gerade risikoreiche Entscheidungen genau geprüft werden. Die Einbeziehung der Interessengruppen wird auf alle Beteiligten ausgeweitet werden, nicht nur auf die KI-Techniker und Datenwissenschaftler. KI-Systeme müssen kontinuierlich – und nicht nur bei ihrer Entwicklung – auf Leistung, Robustheit und Fairness überwacht werden. Stakeholder werden Transparenz und Erklärungen einfordern, beispielsweise, wenn sie mit KI-gestützten Entscheidungen konfrontiert sind, die sich etwa auf ihren Hypothekenantrag, ihr Stellenangebot oder ihren Versicherungsanspruch beziehen. Das wird aus Kontrollgründen eine Zentralisierung der Prozesse erfordern.

Generative KI, eine Lösung auf der Suche nach einem Problem​

Im Jahr 2022 hat es eine explosionsartige Entwicklung großer, „grundlegender“ KI-Modelle gegeben. Diese sind größtenteils generative KI-Modelle, die Inhalte wie Quellcode, Bilder, Videos und mehr erzeugen. So hat beispielsweise OpenAI am 30. November ChatGPT auf den Markt gebracht, das in den ersten fünf Tagen mehr als eine Million Nutzer angezogen hat. Man kann mit ihm Unterhaltungen in natürlicher Sprache führen und Quellcode generieren. Das Jahr 2023 wird daher zum Testfeld für diese Modelle von OpenAI, Google, DeepMind, Meta und dem BigScience-Konsortium. Diese mehrsprachigen Modelle sind wesentlich umfangreicher als GPT-3 und können für Forschungszwecke heruntergeladen werden. Im Falle von Bloom sind sie sogar vollständig frei zugänglich. Dies hat zu einer Flut von Demos von Text-zu-Video-, Sprache-zu-Text- und Übersetzungs-Apps geführt.

Ein Video zu generieren, in dem ein Hund mit einem Superheldenumhang durch die Luft fliegt, ist jedoch nicht unbedingt ein hochwertiger Anwendungsfall für KI in Unternehmen. Es gibt einige sofort nutzbare Sweet-Spot-Bereiche wie Sprache-zu-Text im Marketing, Kundenservice oder Codierungssupport. In diesem Jahr können wir erwarten, dass mehr generative KI-Start-ups auf den Plan treten werden, um sehr spezifische Anwendungsfälle zu monetarisieren. Da der Aufbau und die Ausführung der Kernmodelle sehr teuer sind, werden auch erhebliche Mittel in Unternehmen fließen, die den Zugang zu diesen generischen Modellen als Dienstleistung anbieten. Die großen Akteure lassen sich nicht in die Karten schauen. Sie behaupten, dass sie zuerst die KI-Sicherheit erforschen wollen oder dass es sich um grundlegende Technologien für den langen und kurvenreichen Weg zu einer allgemeineren Künstlichen Intelligenz handelt. Aber es geht auch darum, die richtigen Anwendungsfälle zu finden und zu vermarkten, bevor es die anderen tun.

Peter van der Putten

Director AI Lab bei Pegasystems