Gartner-Experten beantworten Ihnen die wichtigsten Fragen zur generativen KI in Ihrem Unternehmen

Die generative KI kann aus vorhandenen Artefakten lernen, um neue, realistische Artefakte (in großem Maßstab) zu generieren, die die Merkmale der Trainingsdaten widerspiegeln, diese aber nicht wiederholen. Sie kann eine Vielzahl neuer Inhalte produzieren, wie Bilder, Videos, Musik, Sprache, Text, Softwarecode und Produktdesigns.  

Generative KI verwendet eine Reihe von Techniken, die sich ständig weiterentwickeln. An erster Stelle stehen KI-Basismodelle, die auf einem breiten Satz unbeschrifteter Daten trainiert werden, die mit zusätzlicher Feinabstimmung für verschiedene Aufgaben verwendet werden können. Für die Erstellung dieser trainierten Modelle sind komplexe mathematische Verfahren und eine enorme Rechenleistung erforderlich, aber im Grunde handelt es sich um Vorhersagealgorithmen. 

Heute erstellt generative KI am häufigsten Inhalte als Reaktion auf Anfragen in natürlicher Sprache. Sie erfordert keine Kenntnis oder die Eingabe von Code, aber die Anwendungsfälle in Unternehmen sind zahlreich und umfassen Innovationen im Arzneimittel- und Chipdesign sowie in der materialwissenschaftlichen Entwicklung. (Lesen Sie auch „Was sind einige praktische Anwendungen der generativen KI?“)

Seit 2020 verfolgt Gartner die Entwicklung der generativen KI im Rahmen seines Hype Cycle™ für Künstliche Intelligenz (zudem zählte die generative KI zu unseren wichtigsten strategischen Technologie-Trends für 2022). Inzwischen hat die Technologie den Status des Innovationsauslösers hinter sich gelassen und ist in die Phase der überhöhten Erwartungen aufgestiegen. Aber generative KI machte erst Ende 2022 mit der Einführung von ChatGPT, einem Chatbot, der zu sehr menschlich anmutenden Interaktionen fähig ist, Schlagzeilen.

ChatGPT, das von OpenAI ins Leben gerufen wurde, erlangte über Nacht enorme Popularität und erregte die Aufmerksamkeit der Öffentlichkeit. (Das Tool DALL E 2 von OpenAI generiert in ähnlicher Weise Bilder aus Text in einer verwandten generativen KI-Innovation).

Gartner zufolge wird sich die generative KI zu einer Allzwecktechnologie entwickeln, die ähnliche Auswirkungen haben wird wie die Dampfmaschine, Elektrizität und das Internet. Der Hype wird nachlassen, sobald die Realität der Implementierung einsetzt, aber die Auswirkungen der generativen KI werden sich verstärken, wenn Menschen und Unternehmen mehr innovative Anwendungen für die Technologie bei der Arbeit und im täglichen Leben entdecken.

Basismodelle, einschließlich generativer, vortrainierter Transformatoren (was ChatGPT antreibt), gehören zu den Innovationen der KI-Architektur, die zur Automatisierung, zur Ergänzung von Menschen oder Maschinen und zur autonomen Ausführung von Geschäfts- und IT-Prozessen eingesetzt werden können. 

Zu den Vorteilen der generativen KI gehören eine schnellere Produktentwicklung, ein verbessertes Kundenerlebnis und eine höhere Mitarbeiterproduktivität, wobei die konkreten Vorteile vom jeweiligen Anwendungsfall abhängen. Endnutzer sollten hinsichtlich des angestrebten Mehrwertes realistisch sein, insbesondere wenn sie einen Service in seiner bestehenden Form nutzen, der erhebliche Einschränkungen aufweist. Generative KI erzeugt Artefakte, die ungenau oder verzerrt sein können, sodass eine menschliche Validierung unabdingbar und die Zeitersparnis für Mitarbeiter möglicherweise begrenzt ist. Gartner empfiehlt, Anwendungsfälle mit KPIs zu verknüpfen, um sicherzustellen, dass jedes Projekt entweder die betriebliche Effizienz verbessert oder für neue Nettoeinnahmen oder bessere Erlebnisse sorgt.

In einer kürzlich von Gartner durchgeführten Webinar-Umfrage unter mehr als 2.500 Führungskräften gaben 38 % an, dass das Kundenerlebnis und die Kundenbindung das Hauptziel ihrer Investitionen in generative KI sind. Es folgten Umsatzwachstum (26 %), Kostenoptimierung (17 %) und Geschäftskontinuität (7 %).

Die mit der generativen KI verbundenen Risiken sind erheblich und entwickeln sich rasch weiter. Eine Vielzahl von Bedrohungsakteuren hat die Technologie bereits genutzt, um „Deep Fakes“ oder Produktkopien zu erstellen und Artefakte zu erzeugen, die immer komplexere Betrügereien unterstützen.

ChatGPT und andere ähnliche Tools werden mit großen Mengen öffentlich zugänglicher Daten trainiert. Sie sind nicht darauf ausgelegt, der DSGVO und anderen Urheberrechtsgesetzen zu entsprechen. Daher ist es unerlässlich, die Verwendung der Plattformen durch Ihr Unternehmen genau zu beobachten. 

Zu den zu überwachenden Aufsichtsrisiken gehören:

• Mangel an Transparenz. Generative KI- und ChatGPT-Modelle sind unberechenbar, und nicht einmal die für sie verantwortlichen Unternehmen verstehen ihre Funktionsweise immer ganz.

• Richtigkeit. Generative KI-Systeme produzieren manchmal ungenaue und fingierte Antworten. Prüfen Sie alle Ergebnisse auf Richtigkeit, Angemessenheit und tatsächliche Nützlichkeit, bevor Sie sich auf die Informationen verlassen oder sie öffentlich verbreiten. 

• Verzerrung und Voreingenommenheit. Sie müssen Richtlinien oder Kontrollen einrichten, um voreingenommene Ergebnisse zu erkennen und in Übereinstimmung mit der Unternehmensrichtlinie und den einschlägigen gesetzlichen Anforderungen zu reagieren.

• Geistiges Eigentum und Urheberrecht. Derzeit gibt es keine verifizierbaren Garantien für die Data Governance und den Schutz vertraulicher Unternehmensinformationen. Nutzer sollten davon ausgehen, dass alle Daten oder Anfragen, die sie in ChatGPT und seine Konkurrenzprodukte eingeben, zu öffentlichen Informationen werden. Daher raten wir Unternehmen, Kontrollen einzurichten, um eine unbeabsichtigte Preisgabe von geistigem Eigentum zu vermeiden. 

• Cybersicherheit und Betrug. Unternehmen müssen sich darauf vorbereiten, dass böswillige Akteure generative KI-Systeme für Cyber- und Betrugsangriffe nutzen, wie z. B. solche, die Deep Fakes für das Social Engineering von Mitarbeitern einsetzen. Außerdem müssen sie für die Einrichtung von risikomindernden Kontrollen sorgen. Wenden Sie sich an Ihren Cyberversicherungsanbieter, um zu prüfen, inwieweit Ihre bestehende Richtlinie KI-bezogene Verstöße abdeckt.

• Nachhaltigkeit. Die generative KI verbraucht jede Menge Strom. Wählen Sie Anbieter, die den Stromverbrauch senken und hochwertige erneuerbare Energien nutzen, um die Auswirkungen auf Ihre Nachhaltigkeitsziele zu verringern.

Gartner empfiehlt außerdem, die folgenden Fragen zu berücksichtigen:

• Wer definiert den verantwortungsvollen Umgang mit generativer KI, insbesondere da sich kulturelle Normen weiterentwickeln und Social-Engineering-Ansätze von Region zu Region variieren? Wer stellt die Compliance sicher? Welche Folgen hat eine unverantwortliche Nutzung?

• Wie kann der Einzelne handeln, wenn etwas schief geht?

• Wie erteilen und widerrufen Nutzer ihre Zustimmung (Opt-in oder Opt-out)? Welche Lehren lassen sich aus der Debatte über den Datenschutz ziehen?

• Wird der Einsatz von generativer KI das Vertrauen in Ihr Unternehmen – und in Institutionen allgemein – stärken oder schwächen?

• Wie können wir sicherstellen, dass die Ersteller und Eigentümer von Inhalten die Kontrolle über ihr geistiges Eigentum behalten und angemessen entlohnt werden? Wie sollten neue Wirtschaftsmodelle aussehen? 

• Wer stellt das ordnungsgemäße Funktionieren während des gesamten Lebenszyklus sicher und wie soll dies geschehen? Brauchen Vorstände zum Beispiel einen Leiter für KI-Ethik?

Und zu guter Letzt ist es wichtig, die regulatorischen Entwicklungen und Rechtsstreitigkeiten in Bezug auf generative KI kontinuierlich zu überwachen. China und Singapur haben bereits neue Vorschriften für den Einsatz von generativer KI erlassen und in Italien gab es eine vorläufige Regulierung. Die USA, Kanada, Indien, das Vereinigte Königreich und die EU sind derzeit dabei, ihr regulatorisches Umfeld zu gestalten.

Lesen Sie auch „Was sind die Best Practices bei der Verwendung von generativer KI?“ und „Sollte ich Nutzungsbedingungen für generative KI entwerfen?”

Der Bereich der generativen KI wird sich sowohl bei der wissenschaftlichen Entdeckung als auch bei der Kommerzialisierung von Technologien schnell weiterentwickeln, aber auch bei kreativen Inhalten, der Verbesserung von Inhalten, synthetischen Daten, generativer Technik und generativem Design zeichnen sich immer mehr Anwendungsfälle ab. 

Zu den äußerst praktischen Anwendungen, die heute bereits genutzt werden, gehören:

• Verbesserung und Erstellung schriftlicher Inhalte: Erstellung eines Textentwurfs in einem gewünschten Stil und einer gewünschten Länge.

• Beantwortung von Fragen und Entdeckung: Befähigung von Nutzern, Antworten auf Eingaben basierend auf Daten und Aufforderungsinformationen zu finden.

• Ton: Textmanipulation, um die Sprache zu mildern oder den Text zu professionalisieren.

• Zusammenfassungen: Gekürzte Versionen von Gesprächen, Artikeln, E-Mails und Webseiten.

• Vereinfachung: Aufgliederung nach Überschriften, Erstellung von Gliederungen und Extraktion der wichtigsten Inhalte.

• Klassifizierung von Inhalten für bestimmte Anwendungsfälle: Sortierung nach Stimmung, Thema usw.

• Verbesserung der Chatbot-Leistung: Bessere „Sentity“-Extraktion, Klassifizierung der Stimmung in der gesamten Konversation und Generierung von Ablaufdiagrammen aus allgemeinen Beschreibungen.

• Software-Codierung: Codegenerierung, -übersetzung, -erklärung und -überprüfung.

Zu den aufkommenden Anwendungsfällen mit langfristigen Auswirkungen gehören:

• Erstellung medizinischer Bilder, die die zukünftige Entwicklung einer Krankheit zeigen.

• Synthetische Daten, die helfen, knappe Daten zu ergänzen, Verzerrungen abzuschwächen, den Datenschutz zu wahren und Zukunftsszenarien zu simulieren.

• Anwendungen, die Nutzern proaktiv zusätzliche Aktionen vorschlagen und sie mit Informationen versorgen.

• Modernisierung von altem Code.

Die generative KI bietet neue und disruptive Möglichkeiten zur Umsatzsteigerung, Kostensenkung, Produktivitätssteigerung und zum besseren Risikomanagement. Schon bald wird sie zu einem Wettbewerbsvorteil und Unterscheidungsmerkmal werden. 

Gartner teilt die Möglichkeiten in drei Kategorien ein.

Umsatzmöglichkeiten

Produktentwicklung: Mit generativer KI werden Unternehmen neue Produkte schneller entwickeln können. Dazu gehören neue Medikamente, umweltfreundlichere Haushaltsreiniger, neue Geschmacks- und Duftstoffe, neue Legierungen sowie schnellere und bessere Diagnosen.

Neue Einnahmekanäle: Laut einer Studie von Gartner werden Unternehmen mit einem höheren KI-Reifegrad einen größeren Nutzen für ihren Umsatz erzielen.

Kosten- und Produktivitätsmöglichkeiten

Verstärkung von Arbeitskräften: Die generative KI kann die Fähigkeiten von Mitarbeitern bei der Erstellung und Bearbeitung von Texten, Bildern und anderen Medien verbessern. Außerdem kann sie Inhalte zusammenfassen, vereinfachen und klassifizieren, Softwarecode erstellen, übersetzen und überprüfen sowie die Chatbot-Leistung verbessern. Gegenwärtig ist die Technologie sehr gut in der Lage, eine breite Palette von Artefakten schnell und in großem Umfang zu erstellen.

Langfristige Talentoptimierung: Mitarbeiter werden sich durch ihre Fähigkeit auszeichnen, Ideen, Projekte, Prozesse, Dienstleistungen und Beziehungen unter Einbeziehung von KI zu konzipieren, auszuführen und zu verfeinern. Diese symbiotische Beziehung wird die Zeit bis zur Erlangung von Fachkompetenz verkürzen und die Bandbreite und Kompetenz von Arbeitskräften in allen Bereichen erheblich erweitern.

Verbesserung von Prozessen: Die generative KI kann einen echten, kontextbezogenen Mehrwert aus riesigen Inhaltsbeständen ableiten, die bisher möglicherweise weitgehend ungenutzt blieben. Dies wird Arbeitsabläufe verändern.

Risikomöglichkeiten

Risikominderung: Die Fähigkeit der generativen KI, Daten wie Kundentransaktionen und potenziell fehlerhaften Softwarecode zu analysieren und einen breiteren und tieferen Einblick in sie zu gewähren, verbessert die Mustererkennung und die Fähigkeit, potenzielle Risiken für das Unternehmen schneller zu erkennen. 

Nachhaltigkeit: Mit generativer KI können Unternehmen die Vorschriften zur Nachhaltigkeit einhalten, das Risiko von verlorenen Vermögenswerten mindern und die Nachhaltigkeit in die Entscheidungsfindung, das Produktdesign und die Prozesse einbinden.

Die generative KI wird sich auf die Pharma-, Herstellungs-, Medien-, Architektur-, Innenarchitektur-, Ingenieur-, Automobil-, Luft- und Raumfahrt-, Verteidigungs-, Medizin-, Elektronik- und Energiebranche auswirken, indem sie Kernprozesse durch KI-Modelle verbessert. Sie wird sich auf Marketing, Design, Unternehmenskommunikation, Schulung und Softwareentwicklung auswirken, indem sie die unterstützenden Prozesse, die sich über viele Organisationen erstrecken, erweitert. Einige Beispiele:

• Wir schätzen, dass bis 2025 mehr als 30 % der neuen Medikamente und Materialien systematisch mit generativen KI-Techniken entdeckt werden, während es heute noch null sind. Für die pharmazeutische Industrie ist die generative KI vielversprechend, denn sie bietet die Möglichkeit, die Kosten und den Zeitaufwand für die Arzneimittelentdeckung zu senken.

• Laut unserer Vorhersage werden bis zum Jahr 2025 30 % der ausgehenden Marketingnachrichten großer Organisationen synthetisch generiert werden, gegenüber weniger als 2 % im Jahr 2022. Textgeneratoren wie GPT-3 können bereits zur Erstellung von Marketingtexten und personalisierter Werbung verwendet werden.

• In der Herstellungs-, Automobil-, Luft- und Raumfahrt- sowie Verteidigungsbranche kann die generative KI Designs erstellen, die für bestimmte Ziele und Einschränkungen wie Leistung, Materialien und Herstellungsverfahren optimiert sind. Dies beschleunigt den Designprozess, da den Ingenieuren eine Vielzahl potenzieller Lösungen zur Erkundung vorgelegt wird.

Technologien, die KI-Vertrauen und -Transparenz bieten, werden eine wichtige Ergänzung zu generativen KI-Lösungen sein. Außerdem sollten Führungskräfte diesen Leitfaden für den ethischen Einsatz von LLMs (Large Language Models) und anderen generativen KI-Modellen befolgen:

• Intern beginnen. Bevor Sie die generative KI zur Erstellung von kundenorientierten oder anderen externen Inhalten einsetzen, sollten Sie diese ausgiebig mit internen Stakeholdern und Anwendungsfällen von Mitarbeitern testen. Schließlich möchten Sie nicht, dass Halluzinationen Ihrem Unternehmen schaden.

• Wert auf Transparenz legen. Seien Sie Mitarbeitern, Kunden oder Bürgern gegenüber offen und weisen Sie sie darauf hin, dass sie mit einer Maschine interagieren, indem Sie jedes Gespräch mehrmals deutlich kennzeichnen.

• Der Sorgfaltspflicht nachkommen. Richten Sie Prozesse und Leitlinien ein, um Verzerrungen und andere Fragen der Vertrauenswürdigkeit zu verfolgen. Tun Sie dies, indem Sie die Ergebnisse validieren und kontinuierlich prüfen, ob das Modell vom Kurs abweicht.

• Bedenken bezüglich Datenschutz und -sicherheit aus dem Weg räumen. Stellen Sie sicher, dass sensible Daten weder als Input verwendet noch abgeleitet werden. Lassen Sie sich von Ihrem Modellanbieter bestätigen, dass diese Daten nicht für Machine Learning außerhalb Ihres Unternehmens verwendet werden.

• Es langsam angehen lassen. Behalten Sie die Funktionalität über einen längeren Zeitraum in der Beta-Phase. So können Sie die Erwartungen an perfekte Ergebnisse dämpfen.

Ihre Belegschaft nutzt generative KI wahrscheinlich schon, entweder auf experimenteller Basis oder zur Unterstützung ihrer arbeitsbezogenen Aufgaben. Um eine Schattennutzung und ein falsches Gefühl der Compliance zu vermeiden, empfiehlt Gartner die Erstellung von Nutzungsbedingungen anstatt die Durchsetzung eines völligen Verbots. 

Gestalten Sie die Richtlinie simpel – bei Verwendung von ChatGPT oder einem anderen Standardmodell kann sie auf drei Verbote und zwei Gebote reduziert werden:

• Verbot: Geben Sie keine personenbezogenen Informationen ein.

• Verbot: Geben Sie keine sensiblen Informationen ein.

• Verbot: Geben Sie keine Informationen über das geistige Eigentum des Unternehmens ein.

• Gebot: Deaktivieren Sie den Verlauf, wenn Sie externe Tools (wie ChatGPT) verwenden, die diese Möglichkeit bieten.

• Gebot: Überwachen Sie die Ausgaben genau, da sie manchmal subtile, aber bedeutsame Halluzinationen, sachliche Fehler und voreingenommene oder unangemessene Aussagen enthalten.

Wenn das Unternehmen seine eigene Instanz eines LLM verwendet, entfallen die Datenschutzbedenken, die die Eingabe beschränken. Es ist jedoch nach wie vor notwendig, die Ausgabe genau im Auge zu behalten.

In der Geschäftswelt sind viele Menschen in irgendeiner Form Ersteller von Inhalten. Die generative KI wird ihre Arbeit erheblich verändern, sei es durch die Erstellung von Texten, Bildern, Hardware-Designs, Musik, Videos oder anderen Dingen. Folglich müssen Arbeitskräfte zu Redakteuren von Inhalten werden, was andere Fähigkeiten erfordert als die Inhaltserstellung.

In der Zwischenzeit wird sich die Art und Weise ändern, wie die Belegschaft mit Anwendungen interagiert, da diese dialogorientiert, proaktiv und interaktiv werden. Und das erfordert eine Neugestaltung des Nutzererlebnisses. In naher Zukunft werden generative KI-Modelle nicht mehr nur auf Anfragen in natürlicher Sprache reagieren, sondern auch Dinge vorschlagen, nach denen gar nicht gefragt wurde. Ihre Anfrage nach einem datengesteuerten Balkendiagramm könnte beispielsweise mit alternativen Grafiken beantwortet werden, von denen das Modell annimmt, dass Sie sie verwenden könnten. Zumindest in der Theorie wird dies die Produktivität von Arbeitskräften erhöhen, aber es stellt auch die herkömmliche Auffassung infrage, dass der Mensch bei der Entwicklung von Strategien die Führung übernehmen muss.

Die Nettoveränderung unter der Belegschaft wird je nach Branche, Standort, Größe und Angebot des jeweiligen Unternehmens sehr unterschiedlich ausfallen.

Viele Unternehmen haben generative KI-Pilotprojekte für die Codegenerierung, die Texterstellung oder das visuelle Design eingerichtet. Es gibt drei Möglichkeiten, ein Pilotprojekt einzurichten:

1. Standardmodelle. Verwenden Sie ein vorhandenes Basismodell direkt durch die Eingabe von Aufforderungen. Sie könnten das Modell zum Beispiel bitten, eine Stellenbeschreibung für einen Softwareingenieur zu erstellen oder alternative Betreffzeilen für Marketing-E-Mails vorzuschlagen.

2. Prompt Engineering. Programmieren und verbinden Sie Software mit einem Basismodell und nutzen Sie es. Diese Technik, die gängigste der drei, ermöglicht die Nutzung öffentlicher Dienste bei gleichzeitigem Schutz des geistigen Eigentums und der Nutzung privater Daten, um präzisere, spezifischere und nützlichere Antworten zu erstellen. Die Entwicklung eines Chatbots für HR-Leistungen, der Mitarbeiterfragen zu unternehmensspezifischen Richtlinien beantwortet, ist ein Beispiel für Prompt Engineering.

3. Maßgeschneiderte Modelle. Die Entwicklung eines neuen Basismodells übersteigt die Möglichkeiten der meisten Unternehmen, aber es ist möglich, ein Modell anzupassen. Dies erfordert das Hinzufügen einer Schicht proprietärer Daten in einer Weise, die das Verhalten des Basismodells erheblich verändert. Die Anpassung eines Modells ist zwar kostspielig, bietet aber ein Höchstmaß an Flexibilität.

Die Kosten für die generative KI reichen von vernachlässigbar bis zu vielen Millionen, je nach Anwendungsfall, Skalierung und Anforderungen des Unternehmens. Kleine und mittlere Unternehmen können aus den kostenlosen Versionen von öffentlichen, offen gehosteten Anwendungen wie ChatGPT oder durch die Zahlung geringer Abonnementgebühren einen erheblichen Geschäftswert ableiten. OpenAI zum Beispiel kostet etwas mehr als 20 $ pro Nutzer und Monat. Kostenlose und kostengünstige Optionen sind jedoch mit einem minimalen Schutz der Unternehmensdaten und den dazugehörigen Outputrisiken verbunden.

Größere Unternehmen und solche, die eine umfassendere Analyse oder Nutzung ihrer eigenen Unternehmensdaten mit einem höheren Maß an Sicherheit und Schutz des geistigen Eigentums und der Privatsphäre wünschen, müssen in eine Reihe von maßgeschneiderten Diensten investieren. Dies kann den Aufbau lizenzierter, anpassbarer und eigener Modelle mit Daten- und Machine-Learning-Plattformen beinhalten und erfordert die Zusammenarbeit mit Anbietern und Partnern. In diesem Fall können die Kosten in die Millionen gehen.

Es ist auch erwähnenswert, dass generative KI-Funktionen zunehmend in die Softwareprodukte integriert werden, die Sie wahrscheinlich täglich nutzen, wie Bing, Office 365, Microsoft 365 Copilot und Google Workspace. Es handelt sich um eine „kostenlose“ Stufe, obwohl die Anbieter die Kosten letztendlich als Teil von gebündelten Preiserhöhungen für ihre Produkte an die Kunden weitergeben werden.

Die generative KI wird in den nächsten fünf Jahren immer stärkere Auswirkungen auf Unternehmen haben. Vorhersagen von Gartner:

• Bis 2024 werden 40 % der Unternehmensanwendungen über eingebettete dialogorientierte KI verfügen – im Jahr 2020 waren es noch weniger als 5 %.

• Bis 2025 werden 30 % der Unternehmen eine KI-gestützte Entwicklungs- und Teststrategie implementiert haben, gegenüber 5 % im Jahr 2021.

• Bis 2026 wird die generative KI 60 % des Designaufwands für neue Websites und mobile Apps automatisieren. 

• Bis 2026 werden über 100 Millionen Menschen Roboterkollegen einsetzen, um zu ihrer Arbeit beizutragen.

• Bis 2027 werden fast 15 % der neuen Anwendungen automatisch von KI ohne die Einbindung von Menschen generiert werden. Dies ist heute überhaupt noch nicht der Fall.

Auf dem Markt für generative KI gibt es viel Bewegung. Neben den großen Plattformanbietern gibt es viele Hunderte von Spezialanbietern, die durch reichlich Venture-Kapital und einen starken Zustrom neuer Open-Source-Modelle und -Fähigkeiten unterstützt werden. Anbieter von Unternehmensanwendungen, wie Salesforce und SAP, integrieren LLM-Funktionen in ihre Plattformen. Unternehmen wie Microsoft, Google, Amazon Web Services (AWS) und IBM haben Hunderte Millionen Dollar und enorme Rechenleistung investiert, um die Basismodelle zu entwickeln, auf denen Dienste wie ChatGPT und andere beruhen. 

Für Gartner sehen die derzeitigen Hauptanbieter wie folgt aus:

• Google hat zwei LLMs: Palm, ein multimodales Modell, und Bard, ein reines Sprachmodell. Google bettet seine generative KI-Technologie in seine Suite von Arbeitsplatzanwendungen ein, wodurch sie sofort in die Hände von Millionen von Menschen gelangt.

• Microsoft und OpenAI marschieren im Gleichschritt. Wie Google integriert auch Microsoft generative KI-Technologien in seine Produkte, hat aber den First-Mover-Vorteil und den Hype um ChatGPT auf seiner Seite.

• Amazon ist eine Partnerschaft mit Hugging Face eingegangen, das eine Reihe von LLMs auf Open-Source-Basis zur Entwicklung von Lösungen anbietet. Amazon verfügt zudem über Bedrock, das über AWS Zugang zu generativer KI in der Cloud bietet, und hat Pläne für Titan angekündigt, ein Set aus zwei KI-Modellen, die Text erstellen und die Suche und Personalisierung verbessern.

• IBM verfügt über mehrere Basismodelle und ist in der Lage, sowohl seine eigenen Modelle als auch die Modelle von Drittanbietern durch die Einspeisung von Daten und das erneute Training und die Anwendung des Modells fein abzustimmen.

Das hängt davon ab, wen Sie fragen. AGI (Allgemeine Künstliche Intelligenz), die Fähigkeit von Maschinen, mit der menschlichen Intelligenz gleichzuziehen oder sie sogar zu übertreffen und Probleme zu lösen, mit denen sie während ihres Trainings nie in Berührung gekommen sind, sorgt für heftige Debatten und eine Mischung aus Ehrfurcht und Dystopie. Die KI wird sicherlich immer leistungsfähiger und zeigt manchmal überraschende und neuartige Verhaltensweisen, die so nicht programmiert wurden.

Ein wahrscheinliches Szenario ist die Entwicklung einer maschinellen Intelligenz, die die menschliche Intelligenz nachahmt, aber letztlich darauf abzielt, den Menschen bei der Lösung komplexer Probleme zu helfen. Dazu bedarf es einer neuen Governance, neuer Vorschriften und der Beteiligung eines Großteils der Gesellschaft.