Künstliche Intelligenz im Firmenumfeld ChatGPT ist nicht genug

Anbieter zum Thema

IFS Management GmbH

IBM Deutschland GmbH

Microsoft Deutschland GmbH

Fsas Technologies GmbH

Firmengeheimnisse, Verlässlichkeit, Compliance – bei Geschäftskunden gelten andere Regeln für die KI-Nutzung als im privaten Umfeld. Die Claims sind längst abgesteckt für das Big Business mit Künstlicher Intelligenz, die Firmenkundenanforderungen gerecht wird.

Wer sich schon mal mit ­ChatGPT über Gott und die Welt unterhalten hat, etwa über die Vor- und Nachteile eines Schwimm­teichs im Garten oder mit Midjourney Bilder generiert hat, beispielsweise Gemälde von Robotern im Stile von Caspar David Friedrich, wie sie hier im Artikel abgebildet sind, den hat das KI-Fieber längst erfasst. Der Ökonom Joseph Schumpeter nannte so etwas „disruptive Technologie“ und Nikolai Kondratjew, ebenfalls Wirtschaftswissenschaftler, beschrieb 40 bis 60 Jahre andauernde Zyklen, die bahnbrechende Innovationen auslösen können. Irgendwo in solch fundamentalem Umbruchsgeschehen wird Künstliche Intelligenz eingeordnet und wohin diese Reise noch führt, ist noch lange nicht abzusehen.

Die KI-Reise hat gerade erst begonnen

Klar ist indes folgendes: Die Vorreiter ChatGPT, Midjourney und Co., die den Hype angestoßen haben, sind nicht genug. Präziser: Firmen haben ganz andere Anforderungen an Künstliche Intelligenz. Schließlich werden durch KI Arbeitsprozesse sowie -methoden und damit der Arbeitsalltag vor allem bei Bildschirmarbeitern umgekrempelt. Bei AWS, Google, IBM, Microsoft, Oracle und den anderen Big Techs weiß man das längst und befindet sich im Wettlaufmodus. Freie, dezentrale Konkurrenz auf Open-Source-Basis, die sich selbst über eine Blockchain-Ökonomie finanziert (beispielsweise Bittensor) ist auch längst am Start. Die Anfänge der KI-Ära sind Goldgräberzeiten und wonach der Markt verlangt, wird früher oder später geliefert werden.

Probleme mit unzuverlässiger KI

Ein bekannt gewordenes Beispiel aus der Jurisprudenz bringt die Problematik in Hinblick auf die geforderte Verlässlichkeit auf den Punkt: Ein Anwalt aus New York hat sich von ChatGPT helfen lassen, einen gerichtlichen Antrag zu formulieren. Dieser enthielt Verweise auf Fälle wie „Petersen gegen Iran Air“ und „Martinez gegen Delta Airlines“. Das Problem dabei: Die KI hat die Fälle samt Aktenzeichen frei erfunden. Der Effekt nennt sich „Halluzinieren“ und wohnt der Arbeitsweise einer KI fundamental inne. Doch woher rührt der Effekt?

„Die Wortfolgen werden von ChatGPT so aneinandergereiht, dass sie mit hoher statistischer Wahrscheinlichkeit einem üblichen menschlichen Satzbau entsprechen. Das klingt dann zwar gut, ist aber mitunter falsch. Es fehlt ein ‚Nordstern‘ zur inhaltlichen Ausrichtung des Arguments“, erklärte Dr. Andreas Braun, ehemaliger CTO, bei Microsoft Deutschland, jetzt Managing Director bei der Boston ­Consulting Group.

Wenn die KI „halluziniert“

Das Problem des Halluzinierens beackern alle Big Techs. Vorne mit dabei ist auch Big Blue (IBM) mit ihrem Angebot einer unternehmenstauglichen KI für verschiedene Einsatzzwecke: WatsonX. Stephan Schnieber, Sales Leader Data & AI bei IBM Deutschland, beschreibt die Grundrichtung: „Im Gegensatz zu ChatGPT erhalten die Nutzer bei WatsonX klare Indikatoren für das Risiko möglicher Fehler und Halluzinationen“. Der IBM-Weg in Sachen KI geht demnach mehr hin zu spe­zialisierten, dafür aber rund laufenden, kleineren Modellen und Anwendungen. Als Beispiel dafür nennt Schnieber „eine charmante Umsetzung eines Chat-Systems für Audi, das passende, fachliche Antworten auf Kundenanfragen liefert.“

Modelle, die Datengrundlagen und Zusammenhänge

Der Channel-Chef von IBM Deutschland, Marco Braun, ergänzt: „ChatGPT gibt auf alle Fälle eine Antwort, ob nun die Daten­grundlage dafür da ist, dass diese Antwort korrekt ist, oder nicht. Bei Watson legen wir großen Wert auf Transparenz in Hinblick auf die gegebene Antwort, beispielsweise auf die Modelle, die Datengrundlage und Zusammenhänge mit den zugrunde liegenden Prompts.“ Braun ordnet die Bestrebungen seines Arbeitgebers ein: „GenerativeAI hat über den ChatGPT-Boom in letzter Zeit viel Aufwind erlebt.“ Bei IBM stehe nicht der Konsument im Vordergrund. Vielmehr werde der Ansatz verfolgt, mit WatsonX ­Künstliche Intelligenz anzubieten, die speziell auf die ­Anforderungen im Unternehmensumfeld abgestimmt ist.“

Generative AI, Data und Governance

Demnach will IBM mit der WatsonX-Plattform im Wesentlichen drei KI-Elemente aus Unternehmensperspektive angehen: Generative AI, Data und Governance. Schnieber erklärt: „WatsonX.AI setzt auf Foundation Models, zu denen auch die Large-Language-­Modelle gehören.“ Seiner Meinung nach gab in diesem Umfeld der Schwenk von supervised Models zu unsupervised Models wie den Foundation Models der KI-Branche jenen Auftrieb, der für KI in den vergangenen Monaten zu beobachten war. Unsupervised Models kann man verkürzt so beschreiben, dass keine menschliche Anleitung dahinter steht. Man leitet KI also nicht mehr dahingehend an, ihr beispielsweise zu vermitteln, dass dieses Objekt ein Hund und jenes Objekt eine Katze sei. Vielmehr erschließt sich die KI Zusammenhänge eigenständig und man lässt das System laufen und weiterlernen.

Kommende regulatorischen Anforderungen

WatsonX.Data umfasst das Lakehouse-Angebot von IBM. Dabei handelt es sich um eine Kombination aus den beiden Welten Data Warehouse und Data Lakes. Das IBM-Angebot in diesem Bereich ist vollständig Open-Source-basiert.

WatsonX.Governance adressiert zudem das Bedürfnis, KI verantwortungsvoll in Unternehmen einzusetzen, in Bezug auf Fairness und kommenden regulatorischen Anforderungen. Die KI-Verantwortlichen können also Regeln festlegen und Grenzen setzen.

Kürzlich haben sich IBM und SAP zusammengetan: WatsonX wird dabei in SAP-­Lösungen integriert. Anfangs geht es vor allem um die Automatisierung der Auftragsabwicklung, Optimierung von Sortimenten im Einzelhandel auf Filialebene und Verbesserungen in Sachen Logistik.

Den Umgang mit Ressourcen optimieren

Der zuletzt genannte Punkt spielt auch bei IFS eine große Rolle. Ressourcen und deren Optimierung ist das täglich Brot für den Anbieter von Enterprise Ressource Planning, Enterprise Asset Management und Field Service Management (FSM, Einsatzplanung für Außendienstler). Das Unternehmen hat früh die Vorteile der KI im eigenen Geschäftsfeld erkannt und kooperiert dabei mit Microsoft. „IFS Cloud läuft auf der Azure-Infrastruktur, so liegt es nahe, dass wir im Hinblick auf Künstliche Intelligenz mit Microsoft kooperieren, also konkret in Sachen Schnittstellen zu ChatGPT beziehungsweise OpenAI“, so Frank Beerlage, Geschäftsführer DACH und Benelux bei IFS. Auch der Microsoft Copilot fließt in das eigene Portfolio ein.

Beispiel: Einsatzplanung von Technikern

Im FSM helfen KI-Algorithmen dabei, die Einsatzplanung von Technikern zu optimieren. Beispiele verdeutlichen, wie die KI grundsätzlich arbeitet. Staudaten wurden unabhängig von KI berücksichtigt. Aber bei einer Optimierung durch KI könnten beispielsweise Abweichungen von den Normzeiten erkannt werden, weil beispielsweise Bauarbeiten bei einer Brücke vorliegen. Nach einer gewissen Zeit schlägt eine KI dann aber einen längeren, schnelleren Umweg vor. Routen sind aber nur ein Teilaspekt. Auch Ersatzteile und Wissen der Techniker muss disponiert werden. Gesetzt sei der Fall, dass Techniker A im Außendienst ein Bauteil X im Fahrzeug hat, welches Techniker B nicht vorliegt, er dieses aber für seinen Auftrag benötigt. Dann kann die KI dabei helfen, das Treffen zur Übergabe zeitlich und örtlich im Einklang mit den vorliegenden Aufträgen zu bringen.

Warum KI immer wieder für Überraschungen sorgt

KI helfe teilweise sogar auf überraschende Art und Weise, so IFS-Chef Beerlage. So könnte zum Beispiel in einem Unternehmen die Vorstellung herrschen, dass Techniker im Außendienst zur Lösung des Problems X über das Wissen A, B und C verfügen sollten. KI-Optimierungsarbeit liegt dann möglicherweise in der Feststellung, dass Problem X viel schneller gelöst werden könne, wenn der Techniker zusätzlich in D geschult wurde.

Beispiel: Auftragsbearbeitung in der Industrie

Optimierungsarbeit kann KI auch in der Auftragsbearbeitung leisten und beispielsweise die Aufträge bei einer Lackiererei im Einklang mit der Mitarbeiter- und Materialverfügbarkeit von hell nach dunkel zu ordnen. So können die anfallenden Reinigungsarbeiten minimiert werden.

Stefan Issing, Presales Director DACH bei IFS nennt weitere Beispiele: „KI in der Instandhaltung und Reparatur heißt beispielsweise, dass den Mitarbeitern nicht nur vorliegende Fehler vom System gemeldet werden – wie einen gemessenen Druckabfall –, sondern auch gleich Standardlösungen dafür vorgeschlagen werden.“

Eine eigene Taste für ChatGPT

Der guten Ordnung halber sei aber noch eine Lanze für ChatGPT gebrochen: Nachdem Microsoft bereits mit der Windows-Taste die eigene Marktmacht in Hardware verewigt hat, könnte ­demnächst eine Copilot-Taste folgen. ­Zumindest ist der Konzern bestrebt eine solche zu etablieren, vorgestellt wurde sie bereits.

Copilot ist – wenn man so will – das erweiterte ChatGPT für den Büroarbeiter, denn er soll eine Brücke zwischen diesem und Microsoft 365 bilden. Die ChatGPT-Technologie von OpenAI mit seinen neuen KI-Sprachmodellen (LLMs) sollen so via Microsoft Graph mit Daten aus Kalender, E-Mails, Chats, Dokumente, Besprechungen und anderen Microsoft-365-Apps verknüpft werden.

Der Arbeitsalltag in vielen Büros wird sich dadurch wohl nicht nur durch eine neue Taste auf der Tastatur ändern. Microsoft setzt bei der Umsetzung mit gerade anlaufenden Initiativen und Schulungen auf die Distribution, Systemintegratoren und IT-Reseller. Es sind die Anfänge eines Riesengeschäftes.

Exklusive Inhalte finden Sie in unserer E-Paper-Ausgabe!

Lesen Sie hier die Top-News aus dem IT-Channel, exklusive Fachbeiträge sowie alles zu Trends und Themen der Branche!

Hier geht es zum aktuellen E-Paper!

(ID:49859969)