Unternehmen müssen in KI-Souveränität investieren

Immer mehr Unternehmen denken nun darüber nach, wie sie vom Trend rund um ChatGPT und generativer KI profitieren können. Um KI-Tools erfolgreich in ihre Workflows zu integrieren und langfristig flexibel zu bleiben, müssen sie sich jetzt dringende Fragen stellen: Wie integrieren wir KI in unsere eigene Infrastruktur? Wie vermeiden wir dabei Abhängigkeiten von wenigen Großunternehmen wie Google, OpenAI oder Microsoft? Wie können Unternehmen also einen souveränen Umgang mit KI finden?

Unabhängig machen mit eigener KI-Roadmap

Transparenz und Datenschutz bei KI sind möglich. Doch noch nicht für alle Use Cases stehen Tools zur Verfügung, die eine sichere Verarbeitung von sensiblen Unternehmensdaten gewährleisten. Unternehmen müssen sich daher jetzt Gedanken machen, wie sie Datenschutz, Performanz und Effizienz in einer KI-Roadmap konsolidieren, die flexibel auf die eigenen Bedürfnisse zugeschnitten ist.

Bei der Entwicklung einer KI-Strategie sollten Unternehmen zunächst diese Fragen beantworten:

• Wie können wir trotz der Schnelllebigkeit bei KI die für uns relevanten Trends im Blick behalten? Nach welchen Kriterien entscheiden wir, welche KI-Technologien wir uns genauer ansehen? Welche Technologien werden mittelfristig in unserer Branche eine Rolle spielen?
• Mit welchen Uses Cases beginnen wir, d. h. wie generieren wir dank KI-Tools „Quick Wins“, die wir dann für Lerneffekte nutzen und zu Bausteinen unserer KI-Roadmap ausbauen können?
• Mit welchen Partnern können wir beim Aufbau einer KI-Infrastruktur zusammenarbeiten, um Synergieeffekte zu generieren?
• Wo ergeben Open-Source-Modelle Sinn, die vielleicht weniger performant sind, dafür aber datensouverän in die eigene IT integriert werden können?

KI-Tools in eigene IT implementieren

Bei der Umsetzung einer KI-Roadmap kommt es dann auf eine klare Aufgabenverteilung an: Einerseits muss das Management die Strategie-Arbeit leisten und Use-Cases identifizieren, die sich innerhalb der bestehenden Architekturen realisieren lassen, ohne neue Silos zu schaffen. Anderseits muss es eine Bottom-up-Kultur des Experimentierens im Unternehmen geben, ohne zu viele Restriktionen von oben. Das heißt, Teams müssen in sicheren Umgebungen mit unkritischen Daten Dinge ausprobieren dürfen. Insgesamt dürfen sie nicht zu viel Respekt vor dem Thema KI haben und müssen noch viel mehr ins Handeln kommen.

Außerdem sollten Unternehmen ihre IT-Systeme modernisieren, um genügende Flexibilität für die Implementierung von KI zu haben. Doch worauf kommt es dabei an? Es ist klar, dass Datensilos vermieden werden müssen. Aber auch manche Legacy-Systeme sind nicht flexibel oder leistungsstark genug, um auf ihrer Basis eine KI-Strategie zu implementieren. Es lohnt sich deshalb, einen Blick auf Composable-Architekturen zu werfen, die MACH-Technologien nutzen: Microservices, API-first, Cloud-native und Headless.

Vor dem Hintergrund der sich beschleunigenden digitalen Transformation müssen Unternehmen neue Wege finden, Technologiearchitekturen zu implementieren. Ziel ist eine flexiblere, agilere und dadurch reaktionsfähigere IT. Der Composable-Ansatz ermöglicht es, schneller Anpassungen vorzunehmen und weitere Tools im Sinne des Best of Breed-Gedankens einzusetzen. Das ist entscheidend, da sich Anforderungen schnell ändern können und gerade beim Thema KI eine weiterhin exponentielle Entwicklung zu erwarten ist, die sich heute noch nicht komplett absehen lässt.

Den Einsatz von Open-Source-Modellen durchspielen

Für welche Use Cases können Unternehmen die hoch-performanten Modelle von OpenAI & Co. ohne Bedenken nutzen? Und wo setzen sie lieber auf Open Source Modelle, die sich datensouverän lokal einbinden lassen?

Lokale KI-Integrationen ergeben dort Sinn, wo die Kontrolle über die eigenen Daten geschäftskritisch ist. Passende Anwendungsfälle ergeben sich etwa unter Geheimhaltungsbedingungen vor einer Produktveröffentlichung. Die zielgruppengenaue KI-basierte Erstellung von Marketing-Content ist ein Beispiel und erleichtert Marketing-Teams die Arbeit unter Zeitdruck. Aber auch Auto-Reply-Systeme oder generative Agenten, die möglich autark eingehende Kundenanfragen, beantworten, verarbeiten sensible Daten. Die hier unterstützenden KI-Systeme sollten daher in einer datenschutzkonformen Umgebung laufen. Auch im B2B-Bereich gibt es geschäftskritische Anwendungsfälle, z. B. kann KI die Recherche vor einem Business-Pitch unterstützen und auch dabei helfen, verschiedene Szenarien virtuell durchzuspielen.

Die Vorteile von Open-Source-Modellen im Bereich generativer KI, wie Dolly oder Falcon, liegen in diesem Kontext auf der Hand. Dadurch, dass keine Daten an große Player wie OpenAI abgeben werden müssen, können auch sensible Unternehmensdaten ins Training der Modelle einfließen, was wiederum für das Finetuning und die Verbesserung der Workflows und CX entscheidend ist.

Fazit: Unternehmen müssen beim Thema KI ins Handeln kommen

Unternehmen dürfen sich nicht der Gefahr preisgeben, sich abhängig von wenigen großen KI-Playern zu machen. Diese können zwar leistungsstarke Tools zur Verfügung stellen, aber haben unter Umständen einen zu großen Datenhunger, was das Finetuning mit sensiblen Unternehmensdaten erschwert. Eine Abhängigkeit von ihnen ist auch gar nicht nötig, denn wie gezeigt können Unternehmen dank lokaler Kontrolle über KI-Systeme und deren Training viele Uses Cases auch in Eigenregie umsetzen.

Es steht fest: An KI führt für Unternehmen kein Weg vorbei, um wettbewerbsfähig zu bleiben. Und nur wenn Unternehmen jetzt strategisch vorgehen und sich KI-Souveränität erarbeiten, können sie eigene Innovationsprozesse nachhaltig voranzutreiben. Die gute Nachricht ist, die dafür nötigen Technologien, allen voran Composable und Open-Source-Modelle, stehen bereits zur Verfügung. Noch ist der Zeitpunkt günstig und Unternehmen, die sich jetzt frühzeitig auf den Weg machen, werden ihren Mitbewerbern immer einen Schritt voraus sein.

Kai Ebert

ist General Manager bei Valtech.