KI-Prognose 2025 KI 2025: Herausforderungen und Chancen

Anbieter zum Thema

bb-net media GmbH

Fsas Technologies GmbH

AfB gemeinnützige GmbH

Künstliche Intelligenz ist längst mehr als eine Vorreitertechnologie. 2025 muss sich zeigen, welchen echten Mehrwert die Technologie bringt und welche Herausforderungen in Wirtschaft, Software und Hardware damit gelöst werden können.

Viele Unternehmen setzen schon längst auf KI-Technologie. Doch ist in vielen Bereichen noch unklar, welchen messbaren Mehrwert KI tatsächlich bietet. Der KI-Experte Carsten Kraus stellt Prognosen auf, wie sich KI sich 2025 entwickeln könnte.

Wirtschaft: Günstigere und innovative KI

Preiskampf bei KI-Modellen: Der Wettbewerb unter den Anbietern von KI-Modellen wird voraussichtlich anhalten. Endnutzer werden von gesunkenen Preisen und einer zunehmenden Verfügbarkeit von kleinen, spezialisierten Modellen profitieren. Ihre geringen Kosten werden zu einer weiteren Verbreitung und häufigeren Anwendung führen. Eine ähnliche Entwicklung ist bei den großen Modellen nicht zu erwarten.

AI ACT: Es besteht die Möglichkeit, dass der AI Act der EU weniger Einschränkungen mit sich bringt: Der Anhang 3 des AI Acts der Europäischen Union könnte sowohl erweitert als auch reduziert werden. Eine Anpassung der Definition von Hochrisikosystemen könnte zu einer praxisnahen Regulierung führen, die sowohl Innovationen vorantreibt als auch Risiken minimiert.

Im Gespräch mit Christian Uhl, CEO Enthus

KI-Wertschöpfung durch Flexibilität und Datenqualität

Software: Spezialisierte Sprachmodelle & autonome KI

Sprachmodelle: Die Verwendung von großen Sprachmodellen wie ChatGPT bleibt weit verbreitet, während zunehmend auch kleinere, spezialisierte Sprachmodelle ergänzend eingesetzt werden. Diese Modelle sind gezielt auf bestimmte Aufgaben optimiert, verbrauchen weniger Energie und können durch Retrieval-Augmented Generation (RAG) oder spezifische Prompts effizient und flexibel angepasst werden.

Synergie von LLMs und Deep RL: Durch die Synergie von LLMs und Deep RL (Deep Reinforcement Learning) können KI-Systeme dynamische und anpassungsfähige Lösungen entwickeln, die durch Erfahrungen lernen und komplexe Aufgaben wie strategische Planung oder Echtzeit-Entscheidungen bewältigen können. Bis 2025 wird dieser Ansatz voraussichtlich weiter vorangetrieben und zu einem entscheidenden Treiber für Innovationen im Bereich Künstliche Intelligenz werden.

Agentic Frameworks: Agentic Frameworks erleichtern die Erstellung autonomer Agenten, die selbstständig Aufgaben übernehmen und Entscheidungen treffen. Sie sind vielseitig einsetzbar, können Informationen beschaffen und analysieren, Inhalte erstellen oder Handlungsvorschläge machen.

Bild-und Videogenerierung: Die Bild- und Videoerzeugung mithilfe von KI erreicht ein neues Level. Dadurch wird es beinahe unmöglich, zwischen echten und KI-generierten Inhalten zu unterscheiden. Andererseits werden selbst Smartphone-Fotos automatisch mittels KI verbessert, was dazu führen kann, dass Originalinhalte immer seltener werden. Mit dem AI Act wird die flächendeckende Kennzeichnung von KI-bearbeiteten Inhalten zur Pflicht, was ähnliche Akzeptanzprobleme wie Cookie-Banner mit sich bringen wird. Um mehr Klarheit zu schaffen, empfiehlt sich eine spezifische Kennzeichnung wie „Real Humans“. Diese würde klarstellen, dass die gezeigten Inhalte echte Menschen und keine Avatare oder KI-generierten Figuren darstellen.

Hardware: Neue Lösungen für steigenden Energiebedarf

Steigende Nutzerzahlen: Dieses Jahr bereiten sich Modellbetreiber auf massiv steigende Nutzungszahlen vor. Entsprechend plant Meta ein Rechenzentrum mit einer Leistung von 2 Gigawatt. Diese Kapazität ist ausreichend um pro Stunde circa 6 Milliarden 1000-Token-Anfragen, also circa 1,7 Millionen paralleler Anfragen pro Sekunde zu verarbeiten.

Wachstum des Energiebedarfs: Der Energiebedarf von GPTs ist zwar geringer als angenommen, aber immer noch sehr hoch, wenn man bedenkt, dass diese in großem Umfang eingesetzt werden.So benötigt eine GPT-4o- Anfrage mit 1000 Tokens in etwa so viel Energie wie wenn ein Tesla 2 Meter fährt. Da moderne KI-Architekturen inzwischen jedoch für viele kleine Anwendungen integriert werden, steigt der Aufwand proportional. Eine Million mal 2 Meter sind schon 2000 Kilometer. Dieses Wachstum erfordert neue Ansätze zur Energieeffizienz: Technologien wie Quantisierung und spezialisierte Hardware für Inference-Prozesse werden entscheidend, um Energiekosten zu reduzieren. Darüber hinaus könnten Kernkraftwerke Rechenzentren künftig mit Energie versorgen, während neue Hardware wie Analogrechner und Inference-Spezialisten einfache Kalkulationen und spezialisierte Anwendungen revolutionieren.

Quantencomputing: Obwohl Quantencomputing als große Hoffnung aktuell stark diskutiert wird, ist für 2025 noch keine praktische Anwendung zu erwarten. Quantencomputing bleibt vorerst ein Forschungsfeld mit langfristigem Potenzial.

Humanoide Roboter: Auch der Einsatz von Humanoiden-Robotern ist 2025 ein Thema. Diese werden zunehmend in Fabriken und auf Baustellen eingesetzt und bieten Potential zur Steigerung der Effizienz und Reduktion der Kosten. Automobilkonzerne testen den Einsatz aktuell bereits. In der EU wird der großflächige Betrieb, sowohl gewerblich als auch privat, allerdings aufgrund von Regulierungen noch auf sich warten lassen, in den USA und China ist die Entwicklung früher zu erwarten.

Technologie führt zu zahlreichen Herausforderungen

Wie generative KI die Grenzen der Rechenzentrumsinfrastruktur aufzeigt

(ID:50302128)