Gartner zu Künstlicher Intelligenz Generative KI ist auf dem absteigenden Ast

Anbieter zum Thema

Gartner Deutschland GmbH

WatchGuard Technologies GmbH

Fsas Technologies GmbH

In ihrem jüngsten Report über den Hype Cycle von Künstlicher Intelligenz (KI) sehen die Analysten der Gartner Group noch viele weitere KI-Disziplinen. Während sich der Hype um Generative KI (GenAI) aufgrund enttäuschter Erwartungen abschwächt, erhalten andere transformative Disziplinen und Formen von KI und Machine Learning eine höhere Priorität.

Generative KI hat den Gipfel der übertriebenen Erwartungen, also des Hypes, nach Ansicht der Gartner-Analysten Afraz Jaffri und Karitha Khandabattu überschritten und befindet sich auf dem Weg ins „Tal der Enttäuschungen“. Doch der Hype halte noch an, obwohl mehr Wertschöpfung aus anderen KI-Techniken gewonnen werde, mitunter in Kombination mit GenAI. Diese Projekte würden sich auf standardisierte Prozesse stützen, die bei der Implementierung helfen.

Um den größten Vorteil aus diesem Trend zu ziehen, sollten Unternehmen, die in KI führend sein wollen, künftige Systemarchitekturen auf KI-Komposittechniken stützen. Dabei könnten sie Ansätze aus Innovationen nutzen, die sich im ganzen KI-Hype-Cycle finden.

Bildergalerie

Was die Gartner-Analysten meinen, sind Effekte und Faktoren, die mit dem Umfang moderner KI-Projekte entsprechend an Gewicht gewinnen. Dazu gehören Governance, Risikomanagement, Datenbesitzrechte (sehr umstritten), Datensicherheit und -schutz sowie die Überwindung der IT-technischen „Altlasten“. Diese Faktoren würden zwar auf jeder Ebene, vom Individuum über Teams und Unternehmen bis zur Nation, in Angriff genommen. Doch die Ausgereiftheit lasse trotz fortschreitender Regularien noch viel zu wünschen übrig.

Generative KI

Wie die Gartner-Analystin Svetlana Sicular im Report von Juni 2024 schreibt, experimentieren Endverbraucher „aggressiv“ mit GenAI, wohingegen frühzeitig aktive Player in den meisten Branchen bereits erste Erfolge erzielt hätten. Die führenden Technologie-Anbieter würden GenAI-gestützten Apps und Werkzeugen Priorität einräumen. Das geschäftliche Augenmerk wechsle mittlerweile von der Aufregung um Basismodelle (Foundation Models) hin zu Anwendungsfällen, die den jeweiligen ROI fördern.

„Die meisten Implementierungen von GenAI sind derzeit intern und mit geringem Risiko behaftet“, beobachtet Sicular. „Doch aufgrund des raschen Fortschritts bei den Produktivitätswerkzeugen und den Praktiken für KI-Governance werden Unternehmen GenAI bald auch für geschäftskritischere Anwendungsfälle in spezifischen Branchen und in wissenschaftlicher Forschung einsetzen.“ Manche Anbieter nennen das beispielsweise „Industrial AI“.

Synergie vieler Faktoren

Auf lange Sicht (in frühestens zwei bis fünf Jahren) würden GenAI-gestützte Benutzerschnittstellen laut Sicular die Kommerzialisierung der Technologie erleichtern und dadurch KI etc. demokratisieren. Zahlreiche Lösungen hätten sich herausgebildet, um Innovationen bei Basismodellen, Hardware und Daten für GenAI zu unterstützen.

Laut Gartner-Umfrage zu KI-Nutzung in Unternehmen, die 2023 durchgeführt wurde, berichten 18 Prozent der Marktführer, die KI nutzen, dass ihre Organisationen bei der Einführung von GenAI schon gute Fortschritte machen. „Diese Unternehmen lernen, wie sie durch Prompt Engineering und Feintuning ihre eigenen Daten für GenAI optimal nutzen“, so Sicular. KI-fähige Daten und damit verbundene Metadaten seien zu zentralen Bestandteilen von GenAI-Strategien geworden. Synthetische Daten helfen Unternehmen, knappe Datenbestände zu erweitern, um so auch Vorurteile („Bias“) auszugleichen, feingranulare Hochauflösung zu erzielen und zugleich Datenschutz zu gewährleisten.

„Die Einführung von Generativer KI krempelt die Softwareentwicklung um“, schreibt Sicular. „Die Automationstechniken im Development versprechen, fünf bis zehn Prozent der Arbeit eines Programmierers zu automatisieren.“ Unternehmen und andere Organisationen seien willens, mithilfe von GenAI endlich die Modernisierung ihres Legacy-Codes anzupacken. AWS-Entwickler konnten beispielsweise veralteten, unsicheren Java-Code binnen kürzester Zeit mithilfe des KI-Tools Amazon Q modernisieren.

Zwei Megatrends

Im Hype Cycle stellt Gartner dieses Jahr zwei Megatrends heraus, nämlich AI Engineering und Knowledge Graphs. Beide signalisieren die Notwendigkeit, KI-Modelle skalierbar auf robuste Weise zu handhaben. Bei AI Engineering kommen neue Team-Topologien zum Einsatz, um Unternehmenslösungen bereitzustellen. Knowledge Graphs hingegen stellen verlässliche „Logik“ und erklärbare Vernunft bereit, die im Gegensatz zu den fehleranfälligen, wenn auch leistungsstarken Vorhersagefähigkeiten des Deep Learnings in Generativer KI stehen.

Frühstarter

Im frühen Stadium des sogenannten „Innovation Trigger“ des Hype Cycles finden sich Technologien wie Composite AI, KI-fähige Daten, kausale KI, Entscheidungsintelligenz, KI-Simulation und Multiagenten-Systeme. Sie spiegeln den wachsenden Bedarf, die Automation von Prozessen und Entscheidungen über die Ergebnisse, die Einzelmodelle erbringen, um orchestrierte, iterative Mehrmodell-Dienste auszubauen.

Der Hype-Gipfel

Auf dem Gipfel der Euphorie finden sich derzeit (Stand Juni 2024) Technologien und Verfahren wie verantwortungsbewusste KI, AI-TRiSM, Prompt Engineering und souveräne KI. AI TRiSM steht für „AI Trust, Risk and Security Management“, was wie die anderen Disziplinen auf wachsende Sorgen um die Governance- und Sicherheitsaspekte des rasch sich ausbreitenden Einsatzes von KI in Unternehmen und bei Einzelpersonen hindeutet.

Der absteigende Ast

Es mag überraschen, dass auf dem Abstieg in das „Tal der Enttäuschungen“ solche gerade erst eingeführte Verfahren und Technologien wie etwa ModelOps, synthetische Daten, „smarte“ Roboter, Edge-KI und schließlich neuromorphes Rechnen zu finden sind. „Diese Innovationen haben noch ihren Schwung, aber der Grad der Umsetzung schwankt stark, und sie werden entweder falsch genutzt oder sind Gegenstand übertriebener Erwartungen hinsichtlich ihres Wirtschaftswertes“, schreiben die Gartner-Analysten Afraz Jaffri und Karitha Khandabattu. Neuromorphes Rechnen und „smarte“ Roboter seien im vergangenen Jahr gut vorangekommen, was auf das Potenzial hindeute, den restlichen Hype Cycle rasch zu durchlaufen, bis sie das „Plateau der Produktivität“ erreichen, wie es „Computer Vision“ bereits heute tue.

Cloud AI Services

Die Cloud-basierten KI-Dienste seien seit 2023 im Hype Cycle abgestiegen, weil so viele neue GenAI-basierte KI-Dienste in der Cloud verfügbar geworden sind. Sowohl Anbieter als auch Endbenutzer hätten sich Problemen gegenübergesehen, die mit der Kapazität des Dienstes, seiner Zuverlässigkeit, der Häufigkeit von Modellaktualisierungen und Kostenschwankungen zu tun hatten. Die Gartner-Analysten Afraz Jaffri und Karitha Khandabattu schreiben diese Phänomene normalen „Wachstumsproblemen“ zu. An mehreren Stellen gehen sie auf den Energiebedarf ein und auf die Sorgen, die damit seitens der KI-Nutzer oder -Dienstleister verknüpft sind.

Autonome Fahrzeuge, intelligente Anwendungen

Diese beiden Technologien finde man inzwischen auf dem „Slope of Enlightenment“ („Pfad der Erleuchtung“), also im letzten Stadium vor dem „Plateau der Produktivität“, was dem Mainstream entspricht. Trotz großer Bedenken, dem Entzug von Betriebslizenzen und beschränkenden Auflagen habe der Einsatz autonomer Fahrzeuge in manchen Regionen zugenommen. Intelligente Applikationen würden nun von GenAI unterstützt und in die Arbeitswelt vordringen. Es sei jedoch mehr Zeit nötig, um ihren Einfluss auf die Produktivität objektiv zu quantifizieren.

Neueinsteiger im Hype Cycle seien 2024 Quanten-KI, „verkörperte“ KI (siehe unten) und souveräne KI, weil Unternehmen und Regierungen damit beginnen, sich sowohl mit dem Potenzial als auch den Gefahren zu beschäftigen, die eine von KI beherrschte Zukunft bringen könnte. Hinweis: Quantenkommunikation ist abhörsicher. Deshalb wird sie von der deutschen Regierung ebenso energisch gefördert wie KI.

Die „Matrix der Prioritäten“

Gartner-Analysten glauben, dass binnen zwei Jahren Komposit-KI bereits die Standardmethode für Entwicklung von KI-Systemen sein und breit im Mainstream eingesetzt werde. Ihr kommt also seitens der Nutzer hohe Priorität zu. Eine weitere transformative Neuerung ist „Computer Vision“. Sie wird bereits im Massenmarkt der Endverbraucher auf „smarten“ Geräten wie Mobiltelefonen eingesetzt.

Weitere Neuerungen sind nur noch zwei bis fünf Jahren von der Mainstream-Nutzung entfernt. Dazu gehören Entscheidungsintelligenz, „verkörperte KI“, Generative KI, intelligente Anwendungen und verantwortungsbewusste KI. Sie bieten bedeutende Wettbewerbsvorteile und adressieren Probleme, die den Einsatz von KI-Modellen in Geschäftsprozessen betreffen, beispielsweise den Erhalt von Vertrauen seitens der Kunden und Mitarbeiter. Die Technologie mit dem geringsten Bedarf und weniger als einem Prozent Marktdurchdringung sei Quanten-KI, meinen die Auguren. Zugleich zeigen sie auf, dass sich Quanten-KI auf einer großen Zahl von Einsatzfelder positiv anwenden ließe.

„Verkörperte KI“

Zwar befinde sie sich noch im Anfangsstadium, doch zählt Gartner-Analyst Pieter den Hamer „Embodied AI“ bereits zu den transformativen KI-Technologien. Embodied AI basiert auf der Ansicht, dass Intelligenz und Verkörperung in einem bestimmten Kontext unauflöslich miteinander verknüpft seien, weil eines das andere gestalte. Bei diesem Ansatz wird ein physisches oder virtuelles Modell oder das eines virtuellen KI-Agenten zusammen mit seiner Benutzerschnittstelle, Sensoren, Erscheinungsbild, Aktuatoren (wie etwa Greifarme) trainiert und kollaborativ entwickelt. Der Zweck besteht wie bei Robotern oder Spielfiguren darin, mit einem spezifischen, realen oder simulierten Umfeld zu interagieren.

Dies ermögliche laut Hamer die robuste, zuverlässige und anpassungsfähige Ausführung „intelligenter“ Aufgaben: „Solche KI-Agenten können entweder autonom agieren oder die Fähigkeiten von Menschen in praktischen, dynamischen Umgebungen erweitern.“ Ihre Wahrnehmung erfolge aktiv, ihr Verhalten passe sich den Bedingungen an, gesteuert von der Intelligenz des jeweiligen KI-Agenten und je nach den „körperlichen“ Fähigkeiten des Gastkörpers in einer bestimmten Umgebung.

Sie könnten virtuelle Assistenten, Avatare, Spielfiguren, autonome Fahrzeuge und „smarte“ Roboter sein. Dies sei laut Hamer „der Weg zu effektiverer und vertrauenswürdigerer KI, und KI finde Eingang zu immer weiteren Produkten, Diensten und Geschäftsmodellen“, etwa in gefährlichen Einsatzfeldern wie Katastrophengebieten oder menschenfeindlichen Umgebungen.

(ID:50203407)