Knapp sechs von zehn Sales-Mitarbeitenden (58 Prozent) glauben, dass KI es ihnen einfacher machen wird, zu verkaufen. Der Grund: Kaufinteressierte werden vermehrt vor dem Kontakt mit dem Vertrieb Künstliche Intelligenz zur Produktrecherche nutzen. Jede dritte Person im Vertrieb (36 Prozent) erwartet durch diese KI-gestützte Vorabrecherche außerdem kürzere Verkaufszyklen. Das sind Ergebnisse einer Sales-Trends-Umfrage des Plattform-Anbieters HubSpot unter 1.477 Sales-Profis in 14 Märkten.

Kaufinteressierte gehen mit tieferem Wissen und mehr Selbstvertrauen in den Kontakt mit Sales

Tatsächlich recherchieren Interessentinnen und Interessenten vor einem Kauf bereits jetzt verstärkt selbst oder nutzen Self-Service-Tools. 88 Prozent der Sales-Profis geben an, dass sich ihr Gegenüber vor dem Erstgespräch bereits über das Unternehmen, die Produkte beziehungsweise Dienstleistungen (83 Prozent) oder die Angebote des Wettbewerbs (84 Prozent) informiert hat.

Die KI-gestützte Produktrecherche auf Käuferseite bedeutet für Vertriebsteams, dass die potenzielle Kundschaft mit tieferem Wissen, mehr Selbstvertrauen und mehr Entscheidungsfreude in das Gespräch mit ihnen geht. 68 Prozent der befragten Vertriebsmitarbeitenden gehen davon aus, dass sich ihre Rolle dadurch signifikant verändern wird. 67 Prozent glauben, dass KI im nächsten Jahr Kaufinteressierte bereits an den Punkt bringen wird, dass sie informierte Entscheidungen treffen können, ohne überhaupt mit dem Vertrieb gesprochen zu haben.

Die fünf wichtigsten Wachstumsstrategien 2024 aus Vertriebssicht

Strategische Beratung und Beziehungsaufbau werden im Vertrieb wichtiger

Wenn Kaufinteressierte KI zur Informationsbeschaffung nutzen, werden sich die Aufgaben im Sales verschieben. 28 Prozent der Sales-Profis sähen dann ihre wichtigste Aufgabe darin, Kaufenden zu vermitteln, dass sie die richtige Kaufentscheidung getroffen haben. 27 Prozent erwarten, dass es dann am wichtigsten ist, auf den individuellen Business Case einzugehen und Chancen der Produktnutzung aufzuzeigen. Ein Viertel geht davon aus, dass es vor allem darum gehen wird, während des Verkaufsprozesses eine gute Beziehung zur Kundschaft aufzubauen. 23 Prozent sehen die Personalisierung der gesamten Kommunikation während des Kaufprozesses als relevanteste Aufgabe an.

„Für Vertriebsmitarbeitende wird zukünftig die strategische Beratung ihrer Kundschaft in den Mittelpunkt rücken.“

Gregor Hufenreuter, Country Manager DACH & CEE von HubSpot

Gregor Hufenreuter, Country Manager DACH & CEE von HubSpot, sagt dazu: „Die Umfrage zeigt, dass der Vertrieb vor entscheidenden Veränderungen steht. Die Kundschaft wird dank KI mehr über unsere Produkte wissen, weshalb wir mehr über die Kundenbedürfnisse wissen müssen. Für Vertriebsmitarbeitende wird zukünftig die strategische Beratung ihrer Kundschaft in den Mittelpunkt rücken. Aufgaben sind, auf ihre Bedürfnisse und Herausforderungen einzugehen, Kundenbeziehungen aufzubauen und zu festigen und das Vertrauen zu stärken. Der Einsatz von Künstlicher Intelligenz im Vertrieb kann dabei helfen, diese Aufgaben erfolgreich zu meistern.”

Die fünf wichtigsten Wachstumsstrategien

Die effektivste Strategie, um das Unternehmenswachstum zu fördern, ist für die befragten Sales-Profis die Erschließung neuer Märkte (29 Prozent). Aber auch Smarketing, also die verbesserte Zusammenarbeit zwischen Sales und Marketing (25 Prozent), sowie ein effizienterer Vertriebsprozess (25 Prozent) können dazu beitragen. Für 24 Prozent liegt die Strategie darin, potenzieller und bestehender Kundschaft ein personalisiertes Erlebnis zu bieten. Weitere Wachstumsstrategien sind Upselling und Cross-Selling in den Fokus zu rücken (23 Prozent) sowie Daten effektiver zu nutzen (22 Prozent).

Studiensteckbrief

Die Sales-Trends-Umfrage wurde im Juli 2023 von HubSpot mit Qualtrics durchgeführt. N=1.477 Vertriebsmitarbeitende aus B2B- und B2C-Unternehmen aus den USA, Australien, Kanada, Frankreich, Deutschland, UK, Japan, Singapur, Schweden, Finnland, Norwegen, Dänemark,
Belgien und den Niederlanden.

Aufmacherbild / Quelle / Lizenz
Image by Mohamed Hassan from Pixabay

2024 wird ein spannendes Jahr für alle CMOs, Marketingteams und Agenturen. Nach einem herausfordernden Jahr 2023 dokumentiert das neue „CMO Barometer 2024“ der Serviceplan Group wieder mehr Optimismus und stellt oft auch wachsende Budgets in Aussicht. 767 internationale Marketing-Entscheider:innen (davon 430 aus der DACH-Region) nahmen an der umfangreichen Studie teil, die erstmals gemeinsam mit der University of St.Gallen (HSG) durchgeführt wurde. Weniger überraschend: Einigkeit der Marketingprofis darüber, dass Künstliche Intelligenz (KI) DAS Top-Thema für sie im kommenden Jahr werden wird.

Das Jahr 2023 war und ist geprägt von Krisen, die auch die Wirtschaft immer wieder vor enorme Herausforderungen stellen. Kein Wunder, dass die weiteren Erwartungen bei vielen Marktteilnehmenden eher zurückhaltend sind und Investitionen mit Vorsicht betrachtet werden. CMOs sitzen an den zentralen Schalthebeln der Unternehmen und haben ein gutes Gespür dafür, wohin die Marketing-Reise künftig geht. Ihre professionelle Einschätzung dient als wertvoller Seismograph für die Business-Stimmung in Unternehmen und Agenturen, dokumentiert die wichtigsten Trends und formuliert relevante Anforderungen.

Die drei zentralen Erkenntnisse der aktuellen Studie, die im September diesen Jahres in 11 Ländern durchgeführt wurde, geben bereits heute einen spannenden Ausblick auf das Marketingjahr 2024:

34 Prozent der internationalen CMOs (DACH-Region: 28%) blicken optimistisch auf 2024, 40 Prozent der befragten Entscheider:innen (DACH-Region: 32%) erwarten sogar steigende Marketing-Budgets.

Die Nutzung von neuen Technologien, allen voran KI, wird 2024 DAS Top-Thema im Marketing. Erfolgreiche Unternehmen und Marken schaffen in Zukunft Verbindungen aus Künstlicher und Emotionaler Intelligenz.

Die wichtigste Fähigkeit von CMOs wird die Offenheit gegenüber Trends und neuen Technologien sein. Marketing-Teams müssen zu High-Performance Organisationen werden. Kunden erwarten von ihren Agentur-Partnern ein Challenger Mindset.

Florian Haller, CEO der Serviceplan Group blickt auf Basis der Erkenntnisse des neuen „CMO Barometers“ zuversichtlich ins neue Jahr: „Die Ergebnisse zeugen zwar noch von Zurückhaltung, was die Wirtschaftslage und Investitionen angeht, aber die Tendenz geht klar in Richtung Optimismus. Wir werden uns gemeinsam diesen Herausforderungen stellen und mit ihnen wachsen. An unserer Seite haben wir dafür ein neues, spannendes Instrument: Künstliche Intelligenz kann, wenn sie richtig eingesetzt wird, unseren Arbeitsalltag erleichtern, Lösungen für komplexe Fragestellungen bieten und Innovationen auf ein neues Level heben. Nicht überraschend, dass KI 2024 das bestimmende Thema bei den CMOs ist.“

Neben der Künstlichen Intelligenz als zentrales Top-Thema für das Marketingjahr 2024, das 32 Prozent der befragten 430 Entscheider:innen in der DACH-Region auf Platz 1 gewählt haben, folgt mit 11 Prozent Sustainability auf Platz 2.

Corina Kurscheid, Global Associate VP Personal Care bei der Beiersdorf AG bestätigt die beiden zentralen Challenges: „Ich sehe zwei heiße Themen für das kommende Marketingjahr: Als erstes Nachhaltigkeit, konkret Greenwashing vs. Greenhushing, und als zweites KI, die Integration und Nutzung sowie aber auch die Vermeidung von Missbrauch.“

Marco Buschmeier, Director Global Marketing (CMO), delta pronatura Dr. Krauss & Dr. Beckmann KG verweist zudem auf die veränderte Erwartungshaltung der Kund:innen: „Das Thema Nachhaltigkeit wird massiv an Geschwindigkeit zunehmen. Konsument:innen haben immer häufiger klare Erwartungen an Marken, dass diese nachhaltig sein müssen. Die Konsequenzen aus Green Deal, CSRD etc. werden massiv sein.“

Automatisierung im Marketing wird 2024 weiter dynamisch voranschreiten

Nils Klamma, CMO von Lexus Deutschland skizziert konkret die Marketing-To-Dos für 2024: „Marke wird in Zukunft DER Erfolgsfaktor sein. Es gilt, die richtige Journey für seine Marke zu definieren. In 2024 wird sich deshalb alles um die Optimierung der Journey, inklusive Data, KI und Stack drehen. Nicht neu, aber es entwickelt sich schnell und ist ein absolutes Prio-Thema. Darüber hinaus gilt es zu eruieren, wie man Nachhaltigkeit besetzt. Auch wenn die Zielgruppen deswegen heute noch nicht kaufen. In Zukunft wird das ein Hygienefaktor sein, den jede Marke braucht.“

Über die Hälfte der befragten CMOs sehen Künstliche Intelligenz, Machine Learning & Marketingautomatisierung als den zentralen Marketingtrend 2024.

Roger Strack, CMO beim ADAC erläutert die damit verbundenen Herausforderungen: „2024 wird die weitere Automatisierung durch neue, zusätzliche Anwendungen im Marketing zentral sein. Und zwar in allen Bereichen: Ob Content-Erstellung, Aussteuerung oder Analytics. Neue Tools und Anwendungen werden mit dem Ziel eingesetzt, persönlicher, effizienter und effektiver zu kommunizieren. Hier müssen wir flexibel und agil testen, um Learnings zeitnah in operatives Doing zu überführen.“

Internationaler Blick zeigt spannende Unterschiede

Die internationale Studie der Serviceplan Group in Zusammenarbeit mit der University of St.Gallen ermöglicht auch einen spannenden Ländervergleich. Dieser zeigt deutlich, dass die Ausstattung von Marketingteams von Markt zu Markt unterschiedlich sein wird: Großbritannien und die Niederlande etwa konzentrieren sich auf eine höhere Relevanz bei den richtigen Formaten, anstatt neue Prozesse und Strukturen zu schaffen. Internationale Einigkeit herrscht dagegen bei den beiden dominierenden Marketingtrends 2024: KI und Nachhaltigkeit.

Simon Philip Rost, Chief Marketing Officer, GE Healthcare Solutions for Enterprise Imaging erklärt, worauf es künftig bei erfolgreicher Zielgruppen-Kommunikation ankommt: “2024 zusammengefasst: Hyper-Personalisierung, Advanced Analytics und Generative AI. Und dies immer im Kontext von Stärkung von Brand Purpose, Nachhaltigkeit und sozialer Verantwortung.“

CMOs benötigen in Anbetracht der Herausforderungen im Jahr 2024 Superkräfte 

Spannend ist beim aktuellen „CMO Barometer“ stets ein Vergleich mit der letzten Befragung: Mit Blick auf 2023 nannten die befragten CMOs ihrerzeit noch eher allgemeine Leadership-Skills im Sinne der Stärkung der Zukunftsfähigkeit. Für 2024 ergab die Studie, dass künftig vor allem Umsicht, Weitsicht und Umsetzungskraft gefragt sind.

Kerstin Köder, Head of Marketing EMEA bei SAP beschreibt die benötigte Superkraft der CMOs wie folgt: „Connector und Orchestrator der End-to-End Customer Journey sein, auch wenn wir nicht alle Touch Points selbst ownen! Wer sonst stellt sicher, dass Kunden eine begeisternde Journey erleben?! CMOs jonglieren mit externen Marktdaten, internem Prozesswissen und Mitarbeiterführung, sind dabei immer nah am Kunden und nah an Stakeholdern und vereinen stets das notwendige technische Know-how mit Kreativität.“

Die Ergebnisse der umfangreichen Studie zeigen zudem, dass die CMOs 2024 noch viel mehr Manager der Komplexität sein müssen als zuvor.

„Marketingexzellenz = Marketingstrategie x Handwerk x Kreativität.“

Professor Dr. Sven Reinecke, Executive Director, University of St.Gallen

Proaktiv, strategisch und kreativ: Die Erwartungen an Agenturen sind komplex

Sehr klare Erkenntnisse fördert das „CMO Barometer“ auch mit Blick auf die Erwartungshaltung von Kund:innen gegenüber ihren Kommunikationsdienstleistenden zu Tage. 2024 müssen Agenturen ein Challenger Mindset auf Augenhöhe mitbringen, um Kundenherausforderungen zu erkennen und diese proaktiv strategisch bzw. kreativ zu lösen. Die erwarteten Impulse und die geforderten Fähigkeiten sind dabei breit gestreut. Daher wundert es nicht, dass Vertreter:innen auf Kundenseite unterschiedliche Ansprüche haben:

Sandra Viertauer, Head of Global Marketing & Communications bei Rosenthal wünscht sich von ihren Agenturen: „Auf die jeweilige Situation des Kunden individuell einzugehen – not one fits all.“ Philipp Langenbach, Generalbevollmächtigter und Leiter Marketing & PR bei der UmweltBank AG erwartet vor allem messbare Ergebnisse: „Das erwarte ich von Agenturpartnern: In Kennzahlen statt Kreation denken.“

Julia Zimmermann, Partnerin Brand Strategy & Positioning bei der Future Marketing (Teil der Serviceplan Group) empfiehlt Agenturen: „Der Schlüssel zur wahren Partnerschaft zwischen Agentur und CMOs ist der offene Diskurs über aktuelle und zukünftige Herausforderungen des Unternehmens mit einer klaren Ausrichtung auf die Zukunftsfähigkeit und Sicherung des wirtschaftlichen Erfolgs. Agenturen müssen in Zukunft helfen, Businessmodelle resilient und skalierbar aufzustellen. Sonst verpassen sie selbst den notwendigen Schritt in die Zukunft.“

Felix Bartels, CMO der Serviceplan Group nimmt den in der Studie zentral geäußerten Wunsch an die künftige Rolle von Agenturen an und sagt: „Für CMOs sind Agenturen als Challenger entscheidend. Klare Erwartungshaltung ist, die neuen Trends und Entwicklungen richtig einzuordnen, daraus konkrete Möglichkeiten aufzuzeigen und durch intelligente Umsetzungsstrategien wirklichen Impact zu erzeugen.“

Für die University of St.Gallen, die erstmals gemeinsam mit der Serviceplan Group an der Umsetzung und Auswertung des „CMO Barometers“ arbeitete, skizziert deren Executive Director, Professor Dr. Sven Reinecke, die aus seiner Sicht relevante Erfolgsformel im Marketing: „Marketingexzellenz = Marketingstrategie x Handwerk x Kreativität. Alle drei Elemente verlangen permanente Weiterentwicklung, um kontinuierlich die Basis für Spitzenleistungen zu legen.“

Das CMO Barometer 2024 der Serviceplan Group zeigt: Das Marketing braucht Superheld:innen. // Quelle: Serviceplan Group

Das „CMO Barometer 2024“:

Das „CMO Barometer“ ist eine umfangreiche, jährliche internationale Studie durchgeführt von Serviceplan Group. In diesem Jahr war zudem erstmals die University of St.Gallen involviert. Basierend auf einer Online-Befragung von Marketingverantwortlichen aus Unternehmen jeder Branche und Größe, haben sich im September 2023 insgesamt 767 CMOs aus Deutschland, Österreich, Belgien, Frankreich, Italien, Spanien, Luxemburg, den Niederlanden, der Schweiz, UK und Middle East beteiligt. Die Marketing-Profis teilen dabei exklusiv ihre Einschätzungen für das Marketingjahr 2024.

Weitere Details zu den Ergebnissen finden Sie hier.

Ein Jahr ChatGPT: Gut ein Drittel nutzt die KI für Unterhaltung, Recherchen und Inspiration – viele misstrauen den Ergebnissen

TÜV-Verband Studie: Mehrheit erwartet positive Auswirkungen Künstlicher Intelligenz auf Privat- und Arbeitsleben. Hoher Bedarf für KI-Weiterbildungen bei Erwerbstätigen. Bundesbürger:innen fordern gesetzliche Vorgaben, um Risiken einzudämmen. Verhandlungen in Brüssel: Europäischen „AI Act“ jetzt zügig verabschieden.  

Ein Jahr nach der Einführung von ChatGPT verbreiten sich Anwendungen generativer Künstlicher Intelligenz (KI) rasant: Gut jede:r Dritte Bundesbürger:in hat bereits ChatGPT genutzt (37 Prozent). Im Vergleich zum April ist das ein Zuwachs von 14 Prozentpunkten. Das ist das Ergebnis einer repräsentativen Forsa-Umfrage im Auftrag des TÜV-Verbands unter 1.008 Personen ab 16 Jahren. Demnach haben 85 Prozent der Befragten schon einmal von ChatGPT gehört oder darüber gelesen (plus 2 Punkte). „ChatGPT und andere KI-Anwendungen entwickeln sich zu wichtigen Werkzeugen für das berufliche und private Leben der Nutzer“, sagte Dr. Joachim Bühler, Geschäftsführer des TÜV-Verbands, bei der Vorstellung der Studienergebnisse.

„Fast ein Viertel nutzt ChatGPT für die Lösung verschiedenster Probleme (23 Prozent) und 12 Prozent programmieren damit.“

Laut Umfrage sind die wichtigsten Anwendungen Unterhaltungszwecke (52 Prozent), Recherchen (44 Prozent), die Erstellung von Texten (40 Prozent) oder die Generierung und Bearbeitung von Fotos oder Videos (26 Prozent). Fast ein Viertel nutzt ChatGPT für die Lösung verschiedenster Probleme (23 Prozent) und 12 Prozent programmieren damit. Allerdings gibt es auch Vorbehalte und Sorgen rund um den Einsatz von KI. Gut die Hälfte der Befragten hat kein Vertrauen in die Ergebnisse generativer KI-Anwendungen (56 Prozent).  Und eine überwältigende Mehrheit von 83 Prozent ist der Meinung, dass es gesetzliche Vorgaben für den sicheren Einsatz Künstlicher Intelligenz geben sollte. „Nach der EU hat sich jetzt auch die US-Regierung zu einem Rechtsrahmen für Künstliche Intelligenz bekannt“, sagte Bühler. „Die Verhandlungen für den europäischen AI Act sind auf der Zielgeraden und müssen jetzt zu einem erfolgreichen Ende geführt werden.“

Laut den Ergebnissen der Umfrage erwartet eine breite Mehrheit, dass sich die Technologie positiv auf ihr Leben auswirken wird. Aus Sicht von 55 Prozent hat KI das Potenzial, die Befragten in ihrem privaten Leben zu unterstützen. Bei 58 Prozent gilt das auch für den eigenen Beruf. Fast die Hälfte der Erwerbstätigen erwartet, dass Künstliche Intelligenz in fünf Jahren eine große oder sehr große Rolle für ihre berufliche Tätigkeit spielen wird. „Künstliche Intelligenz ist gekommen, um zu bleiben“, sagte Bühler. „Ein Jahr ChatGPT hat gezeigt, dass KI direkte oder auch indirekte Auswirkungen auf das Arbeitsleben sehr vieler Berufstätiger haben wird.“ Fast jede:r dritte Erwerbstätige befürchtet, beruflich abgehängt zu werden, wenn sie die Technologie nicht beherrschen (31 Prozent). Und fast zwei Drittel der Befragten hält eine Weiterbildung zu Künstlicher Intelligenz für ihre berufliche Tätigkeit für sinnvoll (63 Prozent). „Unsicherheit besteht noch darüber, inwieweit KI-Systeme eine echte Gefahr für den eigenen Arbeitsplatz sind oder diesen wie Computer, Internet oder Smartphone schrittweise verändern werden“, sagte Bühler. Gut die Hälfte der Erwerbstätigen ist der Meinung, dass KI-Systeme Routineaufgaben ihrer beruflichen Tätigkeit übernehmen werden oder das jetzt schon tun. Und immerhin 29 Prozent glauben, dass KI ihre berufliche Tätigkeit ganz oder teilweise ersetzen könnte.

„Eine große Mehrheit von 91 Prozent fordert daher eine Transparenz- und Kennzeichnungspflicht für Inhalte, die mit Hilfe von Künstlicher Intelligenz erzeugt worden sind.“

Große Mehrheit sieht erhebliche Risiken beim Einsatz von KI

Trotz einer insgesamt aufgeschlossenen Haltung zu Künstlicher Intelligenz sehen die Befragten auch erhebliche Gefahren. Gut drei von vier stimmen der Aussage zu, dass beim Einsatz von KI-Technologie derzeit nicht abschätzbare Risiken bestehen (78 Prozent). Insbesondere die Folgen der KI-Nutzung für das Mediensystem und die Demokratie sehen die Bundesbürger:innen kritisch. 92 Prozent glauben, dass mit dem Einsatz von KI kaum noch erkennbar sein wird, ob Fotos oder Videos echt oder gefälscht sind. Dass der Wahrheitsgehalt eines mit Hilfe von KI generierten Textes nicht mehr erkennbar ist, meinen 83 Prozent. Und 81 Prozent erwarten, dass KI-Technologie die Verbreitung von „Fake News“ massiv beschleunigen wird. Eine große Mehrheit von 91 Prozent fordert daher eine Transparenz- und Kennzeichnungspflicht für Inhalte, die mit Hilfe von Künstlicher Intelligenz erzeugt worden sind. Und 86 Prozent der Bundesbürger:innen halten eine verpflichtende Prüfung der Qualität und Sicherheit von KI-Systemen durch unabhängige Prüforganisationen wie zum Beispiel den TÜV für notwendig.

Aus Sicht des TÜV-Verbands müssen die finalen Verhandlungen über die europäische KI-Verordnung („AI Act“) jetzt zügig abgeschlossen werden. „Nach der Europäischen Union strebt jetzt auch die US-Regierung mit einer Executive Order von Präsident Biden Regelungen für die sichere Entwicklung und Nutzung Künstlicher Intelligenz an“, sagte Bühler. „Die EU darf ihre globale Vorreiterrolle bei der Schaffung sicherer Rahmenbedingungen für die Entwicklung sicherer und vertrauenswürdiger KI nicht verspielen.“ Ein Streitpunkt in den finalen Trilog-Verhandlungen ist der Umgang mit so genannten KI-Basismodellen, die je nach Leistungsfähigkeit auch so genannte „Allzweck KI“ (General Purpose AI) wie ChatGPT umfassen. „Die Beteiligten sollten sich hier auf einen Kompromiss einigen“, forderte Bühler. Der von einigen Ländern geforderte vollständige Verzicht auf eine Regulierung der KI-Basismodelle widerspreche dem Geist des AI Act. Stattdessen sollten auch hier grundlegende Transparenzpflichten als Mindestanforderung festgelegt werden. Als entscheidender Termin der Trilog-Verhandlungen gilt der 6. Dezember.

„Die EU darf ihre globale Vorreiterrolle bei der Schaffung sicherer Rahmenbedingungen für die Entwicklung sicherer und vertrauenswürdiger KI nicht verspielen.“

Der AI Act sieht vor, KI-Anwendungen in vier Risikoklassen einzuteilen. Je nach Risiko müssen die Anbieter unterschiedliche Anforderungen erfüllen. „Der Großteil der KI-Anwendungen muss keinerlei Vorgaben erfüllen“, sagte Bühler. Andere KI-Systeme wie Social Scoring werden dagegen komplett verboten. KI-Systeme mit einem „begrenzten Risiko“ wie einfache Chatbots müssen bestimmte Transparenz- und Kennzeichnungspflichten erfüllen. Für KI-Anwendungen mit einem „hohem Risiko“, zum Beispiel in kritischen Infrastrukturen, Software im Personalwesen oder bestimmte KI-basierte Roboter, gelten strengere Sicherheitsanforderungen wie die Nachvollziehbarkeit ihrer Ergebnisse oder Diskriminierungsfreiheit.

Auf nationaler Ebene muss aus Sicht des TÜV-Verbands schon jetzt die Umsetzung der KI-Vorgaben vorbereitet werden. Basis dafür sind Normen, Standards und Qualitätskriterien. Darüber hinaus müssen entsprechende Prüf- und Testverfahren entwickelt werden. Die TÜV-Unternehmen haben das „TÜV AI.Lab“ gegründet und arbeiten mit Forschungseinrichtungen, Verbänden und Normungsinstituten zusammen. Notwendig ist auch eine Informationsoffensive für die Wirtschaft. Bühler: „Vor allem mittelständische Unternehmen und Startups brauchen Unterstützung bei der Umsetzung der Vorgaben.“

Methodik-Hinweis:
Grundlage der Angaben ist eine repräsentative Forsa-Umfrage im Auftrag des TÜV-Verbands unter 1.008 Personen ab 16 Jahren, darunter 649 Erwerbstätige. Die Umfrage wurde im Oktober 2023 durchgeführt.

Präsentation der Pressekonferenz „ChatGPT und Co.: Sicherheit von Künstlicher Intelligenz“

Aufmacherbild / Quelle / Lizenz
Image by Franz Bachinger from Pixabay

Das appliedAI Institute for Europe baut sein Portfolio zur KI-Weiterbildung in Europa weiter aus und launcht einen Machine Learning Operations (MLOps) Onlinekurs. Der Kurs inklusive Workbook bietet MLOps-Engineers einen Überblick über alles, was sie für die Skalierung ihrer MLOps Projekte wissen müssen.
München, 28. November 2023 – Mit dem Ziel, das europäische KI-Ökosystem zu stärken und Wissen über KI zu erweitern, stellt das appliedAI Institute for Europe vertrauenswürdige KI-Ressourcen bereit und schafft Bildungs- sowie Interaktionsformate. Neben weiteren Kursen, wie dem AI Essentials Training, launcht es nun einen Kurs zum Thema MLOps.

Mithilfe des Onlinekurses lernen Teilnehmende die wichtigsten Konzepte und Prozesse zur Skalierung von ML-Projekten kennen. Ziel ist es, dass die Teilnehmenden nach dem Kurs beispielsweise in der Lage sind, ML-Projekte sinnvoll zu strukturieren oder zu lernen, wie Data Scientists während der Modellierungsphase effektiv zusammenarbeiten können. Der Kurs richtet sich insbesondere an Mitglieder von ML-Teams, die bereits über erste Kenntnisse in MLOps verfügen, aber noch keinen effektiven und professionellen MLOps-Arbeitsablauf haben.

Machine Learning-Lebenszyklus im Mittelpunkt

Der Fokus des MLOps-Kurses liegt auf Konzepten und Rahmenbedingungen, die dazu beitragen, ein gemeinsames Verständnis für MLOps innerhalb von ML-Teams zu fördern. Das begleitende Workbook zum Kurs ist so konzipiert, dass es den gesamten Lebenszyklus des maschinellen Lernens beschreibt. Das Workbook liegt als PDF-Dokument, als digitales Whiteboard oder als physisches Exemplar vor. Der Fokus auf den Lebenszyklus bietet eine entscheidende Perspektive auf MLOps, angefangen bei der Planung eines Machine Learning-Projekts bis hin zur Implementierung von Feedbackschleifen. Das Workbook kann mithilfe einer begleitenden Videoserie in fünf bis sieben Stunden durchgearbeitet werden.

„…kostenlose und praxisnahe Einblicke für effektive ML-Projektplanung und Zusammenarbeit von Data Scientists“

Dr. Frauke Goll

“Durch die Bereitstellung des kostenlosen MLOps Workbooks & Online-Kurses schreiten wir weiter voran, unserem Ziel, ein Open-Access-Accelerator zu sein, näherzukommen und hochwertige Inhalte sowie Ressourcen im Zeitalter der KI für die breite Öffentlichkeit zugänglich zu machen. Denn unser neuer MLOps-Kurs bietet genau das: kostenlose und praxisnahe Einblicke für effektive ML-Projektplanung und Zusammenarbeit von Data Scientists“, so Dr. Frauke Goll, Managing Director des appliedAI Institute for Europe.

Über das appliedAI Institute for Europe

Das appliedAI Institute for Europe hat sich zum Ziel gesetzt, das europäische KI-Ökosystem zu stärken, Wissen rund um KI zu entwickeln, vertrauenswürdige KI-Tools bereitzustellen und Bildungs- sowie Interaktionsformate rund um hochwertige KI-Inhalte zu schaffen.
Als gemeinnützige Tochtergesellschaft der appliedAI Initiative wurde das Institut 2022 in München gegründet. Die appliedAI Initiative selbst ist ein Joint Venture aus UnternehmerTUM und IPAI. Die Leitung des Instituts obliegt Dr. Andreas Liebl und Dr. Frauke Goll.
Das appliedAI Institute for Europe stellt die Menschen in Europa in den Mittelpunkt. Es verfolgt die Vision, eine gemeinsame KI-Community zu formen und hochwertige Inhalte im Zeitalter der KI für die gesamte Gesellschaft bereitzustellen. Durch die Förderung von vertrauenswürdiger KI beschleunigt das Institut die Anwendung dieser Technologie und stärkt Vertrauen in KI-Lösungen.

Mit einem Fokus auf Wissensentwicklung und der Bereitstellung vertrauenswürdiger KI-Tools bietet das appliedAI Institute for Europe eine wertvolle Ressource für Unternehmen, Organisationen und Einzelpersonen, die ihre Kenntnisse und Fähigkeiten im Bereich KI erweitern möchten. Durch Bildungs- und Interaktionsformate ermöglicht das Institut einen intensiven Austausch von Expertise und fördert die Zusammenarbeit zwischen Akteuren aus verschiedenen Bereichen.
Das appliedAI Institute for Europe lädt Unternehmen, Organisationen, Startups und KI-Enthusiast:innen ein, von den vielfältigen Angeboten und Ressourcen des Instituts zu profitieren.

Weitere Informationen finden Sie unter https://www.appliedai-institute.de/.

Aufmacherbild / Quelle / Lizenz
Image by Gerd Altmann from Pixabay

Steigende Auslastung, ein Mangel an qualifizierten Fachkräften und bis zum Bersten angespannte Lieferketten – viele Unternehmen agieren heute unter zunehmend komplexen und volatilen Bedingungen. Sie sehen sich einem herausfordernden wirtschaftlichen Umfeld mit sich ständig ändernden Kundenerwartungen, geopolitischen Verwerfungen und immer strikteren gesetzlichen Anforderungen konfrontiert. Zusätzlich verschärft werden diese Herausforderungen durch die noch immer nicht vollständig überwundenen Folgen der Pandemie sowie Disruptionen einer Digital-First-Welt. Unternehmen sind ge­zwungen, ihre digitalen Transformationsstrategien zu beschleunigen. Viele sind bereits dabei, ihre betriebliche und technologische Infrastruktur umzugestalten, um auf diese Herausforderungen zu reagieren. Technische Voraussetzung dafür ist eine umfassendere Automatisierung ihrer IT- und Geschäftsprozesse mittels diverser etablierter Automatisierungstechnologien inklusive Business Rules und Policies – eben eine „Hyperautomatisierung“.

Gastautor Fabian Czicholl, betont: „Hyperautomatisierung geht über das bloße Automatisieren hinaus.“

Die Chancen der Hyperautomatisierung

Hyperautomatisierung geht über das bloße Automatisieren hinaus. Sie basiert auf der Kombination verschiedener Technologien wie Robotic Process Automation (RPA), natürlicher Sprachverarbeitung (NLP), künstlicher Intelligenz (KI) und maschinellem Lernen (ML). Anstatt eine einzelne Aufgabe zu automatisieren, ermöglicht Hyperautomatisierung die Digitalisierung mehrerer Aufgaben innerhalb eines umfassenderen Prozesses. Dies ist die Grundlage für eine funktions- und prozessübergreifende Fähigkeit zur Entscheidungsfindung und damit für geschäftliche Agilität und Resilienz. In der Praxis bedeutet dies, dass Unternehmen nicht nur bestimmte Aufgaben automatisieren, sondern ihre gesamte Wertschöpfungskette mit Hyperautomatisierung durchdringen sollten. Sie ermöglicht es Unternehmen, Aufgaben mit noch mehr Konsistenz, Genauigkeit und Geschwindigkeit zu erledigen. Dies wiederum senkt die Kosten und verbessert die allgemeine Kundenzufriedenheit. So können Unternehmen jeder Größe und Branche nicht nur effizienter arbeiten, sondern auch datengetriebene, vorausschauende Entscheidungen treffen.

KI eröffnet neue Perspektiven

Mit ihrem ganzheitlichen Ansatz bereitet Hyperautomatisierung den Weg für die Implementierung innovativer Technologien. So bietet sie Unternehmen die Chance, KI-gestützte Anwendungen nahtlos in ihre Geschäftsprozesse zu integrieren und so Produktivität und Effizienz noch weiter zu steigern. Mit einer intelligenten Automatisierungsstrategie können Unternehmen Innovationen beschleunigen und neue Einnahmequellen erschließen bei gleichzeitiger Kostenoptimierung. Hyperauto­matisierung ist eine langfristige, strategische Weichenstellung, die den Weg für den Unternehmenserfolg von morgen ebnet.

www.appian.com

CC BY-ND 4.0 DE

https://creativecommons.org/licenses/by-nd/4.0/deed.de#

Die Nachfrage nach Künstlicher Intelligenz (KI) in Unternehmen steigt, da Unternehmen ihr Potenzial zur Förderung von Innovation, Effizienz und Wachstum erkannt haben. Laut einer aktuellen Studie von Deloitte sagen 94 % der Unternehmen, dass KI-unterstützte Automatisierungslösungen ein kritischer Erfolgsfaktor in den nächsten 5 Jahren darstellen.

„Der Wettlauf um die Einführung von KI ist offensichtlich. Da die Möglichkeiten der KI immer weiter zunehmen, ist es für Unternehmen wichtig, wertvolle Lehren aus früheren Automatisierungsimplementierungen zu ziehen. Eine überstürzte Einführung von KI, ohne aus den Fehlern der Vergangenheit zu lernen, kann die Effektivität von KI ungewollt beeinträchtigen,“ warnt Cosima von Kries, Nintex Director, Solution Engineering EMEA.

Im Jahr 2019 stellte EY fest, dass 30 bis 50 % der initiierten RPA-Projekte scheitern. Viele Unternehmen tappten in die Falle, zuerst die Technologie zu implementieren und erst später über das Problem nachzudenken, das sie lösen sollte. Dies führte häufig zu verminderten Produktivitätsgewinnen, ohne dass die gesamte Organisation davon überzeugt werden konnte.

Die Unternehmen stellen sich auf die möglichen Herausforderungen der Skalierung der Automatisierung ein. So ergab eine Studie über RPA im Jahr 2023, dass 42 % der Befragten Ende 2022 in RPA investierten, und weitere 54 % gaben an, dass sie im Jahr 2023 zu investieren beabsichtigen.

„Das Hauptaugenmerk bei der Einführung von KI sollte darauf liegen, einen innovativen Mehrwert für das Geschäft und die Unternehmensbewertung zu schaffen.“

Cosima von Kries, Nintex Director, Solution Engineering EMEA

Wie wichtig es ist, KI richtig einzusetzen

Angesichts der rasanten Entwicklung der KI und ihres Potenzials, die Arbeitsweise zu beeinflussen, ist es wichtig, dass die Unternehmensleitung die Sache richtig angeht. Der Einsatz von KI auf funktionaler Ebene allein reicht nicht aus. Um das volle Potenzial von KI auszuschöpfen, müssen Unternehmen eine echte Größenordnung und Reichweite anstreben, die über die anfänglichen Implementierungen hinausgeht und eine transformative, unternehmensweite Integration ermöglicht. Um dies zu erreichen, müssen Unternehmen mit Wachsamkeit vorgehen und ein tiefes Verständnis für frühere Automatisierungsprozesse mitbringen.

„Das Hauptaugenmerk bei der Einführung von KI sollte darauf liegen, einen innovativen Mehrwert für das Geschäft und die Unternehmensbewertung zu schaffen. Indem sie die gemachten Erfahrungen aus früheren Automatisierungsbemühungen beachten, können Führungskräfte vermeiden, Fehler zu wiederholen und fundierte Entscheidungen treffen. So können Unternehmen sicherstellen, dass ihre KI-Initiativen halten, was sie versprechen, und zu einem echten transformativen Geschäftsumfeld beitragen,“ erläutert Cosima von Kries die Lage näher.

Die KI-Landschaft kann in den nächsten fünf bis zehn Jahren über Erfolg oder Misserfolg von Unternehmen entscheiden, daher sollte sie, wie Gartner sagt, ein zentrales Prinzip und kein Projekt sein.

Mehr Eile, weniger Tempo

Eiliges Handeln kann zu unerwarteten Ergebnissen führen. In der Aufregung über die Einführung von KI beeilen sich viele Teams, die nächste Iteration zu nutzen, um nicht in einen Rückstand zu geraten. Aber wenn man gedankenlos neue KI-Versionen auf die herkömmliche Automatisierung aufbaut, kann es passieren, dass man scheitert.

Mangelndes Verständnis bei der schnellen Implementierung von KI kann erhebliche Auswirkungen auf Mitarbeiter und Management haben. Ohne ein umfassendes Verständnis der Technologie, einschließlich ihrer Stärken, Schwächen und potenziellen Auswirkungen auf Aufgaben, sind kritische Fehler und unbeabsichtigte Folgen wahrscheinlich.

Darüber hinaus droht eine fehlerhafte Datenanalyse, wenn KI-Systeme nicht adäquat programmiert oder beaufsichtigt werden. Dies kann zu fehlerhaften Entscheidungen und Vorhersagen führen und die durch mangelndes Verständnis verursachten Probleme noch verschärfen.

Ausreichend an Sicherheit und Ethik denken

Die Sicherheit, ein kritischer Aspekt der KI-Implementierung, wird bei der überstürzten Einführung dieser Technologie oft übersehen. KI-Systeme sind, wie alle digitalen Gegenstücke, anfällig für Cyber-Bedrohungen. Bei einer übereilten Implementierung von KI fehlen möglicherweise die erforderlichen Sicherheitsmaßnahmen, so dass Unternehmen potenziellen Cyberangriffen und Datenschutzverletzungen ausgesetzt sind.

Unzureichende Tests von KI-Systemen sind ein weiteres Risiko im Zusammenhang mit einer schnellen Implementierung. Werden keine gründlichen Tests durchgeführt, kann es zu Systemfehlern oder -ausfällen kommen, sobald die KI in den Arbeitsablauf integriert ist, was den Betrieb und die Effizienz stört.

Auch ethische Bedenken sind im Zusammenhang mit einer raschen KI-Implementierung von großer Bedeutung. KI kann potenziell die Privatsphäre verletzen und ein Verhalten an den Tag legen, das ethische Dilemmata aufwirft. Bei einer überstürzten Einführung bleibt möglicherweise nicht genügend Zeit, um Schutzmaßnahmen und Vorschriften richtig zu implementieren. Angesichts der leistungsstarken Fähigkeiten der KI ist es unerlässlich, die KI-Maschine sorgfältig zu steuern und in einigen Fällen einzuschränken, um sicherzustellen, dass sie im Rahmen der Richtlinien arbeitet, und ihren beabsichtigten Charakter und Fokus beibehält.

Ungenauigkeit stellt eine weitere Herausforderung dar, insbesondere bei generativer KI, die eine beträchtliche Kreativität aufweisen kann. Kreativität kann zwar wünschenswert sein, sie kann aber auch zu unvorhersehbaren Ergebnissen führen, wenn sie nicht sorgfältig gesteuert wird.

Ist Governance der Schlüssel zum Erfolg?

Als RPA zum ersten Mal auf den Plan trat, wurden in den Unternehmen explosionsartig neue Bots eingesetzt, aber in vielen Fällen fehlte es an der entsprechenden Governance. Plötzlich hatten Unternehmen keinen Überblick mehr darüber, wie viel Automatisierung eingesetzt wurde, wie alt sie waren, wie fehleranfällig oder genau sie waren und ob sie korrigiert und verändert werden mussten. Die Implementierung unterschiedlicher KI-Lösungen im gesamten Unternehmen ohne eine Möglichkeit, diese zu koordinieren und zu steuern, lädt dazu ein, dieselben Fehler zu wiederholen.

„Wenn es um die Einführung von KI geht, sind methodisches Vorgehen, eine gründliche Analyse, Feinabstimmung und die richtige Einschränkung der KI-Nutzung, angemessene Tests und die Beibehaltung des Menschen im Mittelpunkt die wichtigsten Zutaten, um die Dinge beim ersten Mal richtig zu machen, ohne die Belegschaft zu verärgern,“ fasst Cosima von Kries zusammen.

Feinabstimmung des KI-Rezepts 

Es ist von entscheidender Bedeutung, dass das KI-Rezept stimmt, bevor man versucht, es zu skalieren. Automatisierungsprojekte können scheitern, wenn es an der Koordination zwischen den Beteiligten mangelt oder die kollektiven Automatisierungsziele missverstanden werden.

Bei einigen Formen der Automatisierung wird KI in großem Umfang eingesetzt, z. B. bei der intelligenten Dokumentenverarbeitung (IDP), bei der KI zur OCR und Dokumenterkennung eingesetzt wird und die dann die Handhabung und Verarbeitung der daraus resultierenden digitalisierten Informationen automatisiert. Obwohl es diese Praxis schon seit vielen Jahren gibt, muss der gesamte Prozess immer noch von Menschen durchgeführt werden, um Unstimmigkeiten und Ausnahmen zu behandeln, da die Technologie nicht vollkommen präzise ist.

„In der sich schnell entwickelnden Landschaft der KI-Einführung ist eine zentrale Wahrheit klar: Es ist von größter Bedeutung, dass der Mensch bei jeder Initiative im Vordergrund steht. Während die Verlockung der transformativen Kraft der KI für Unternehmen groß ist, müssen wir daran denken, dass der wahre Maßstab für den Erfolg in unserer Fähigkeit liegt, das Potenzial der KI zu nutzen und gleichzeitig das Wohlbefinden unserer Teams zu gewährleisten. Technologie sollte den Menschen stärken, nicht ersetzen,“ so Cosima von Kries abschließend.

Weitere Informationen zur Dokumentation und Automatisierung von Arbeitsabläufen: 

https://www.nintex.com/workflow-automation/process-mapping/

https://www.nintex.de/prozessplattform/advanced-workflow/

Quellennachweis: 

• https://www2.deloitte.com/us/en/pages/consulting/articles/state-of-ai-2022.html
• https://www.ey.com/en_us/consulting/five-design-principles-to-help-build-confidence-in-rpa-implement
• https://eco-cdn.iqpc.com/eco/files/channel_content/posts/ianspendsandtrends2023-046g9RBqFX2A2EjAsYEwTpkvd33h3VT7xz2xqF7akb.pdf

Aufmacherbild / Quelle / Lizenz
Image by Alexandra_Koch from Pixabay

Wie Graphtechnologie LLMs zur Räson bringt

Prometheus brachte der Menschheit das Feuer, ChatGPT brachte die KI. Innerhalb von nur zwei Monaten verzeichnete OpenAi mehr als 100 Millionen Anwender. Noch bremsen mangelnde Genauigkeit, Transparenz, Erklärbarkeit und Compliance den Einsatz der Generativen AI in der Business-Praxis aus. Mit der Kombination aus Large Language Models (LLM) und Graphtechnologie könnte sich das bald ändern.

Das Rennen ist eröffnet: GenAI ist jetzt die Nummer eins bei den Kundenanfragen aller Branchenanalysten. Das Thema ist der am schnellsten wachsende Aufgabenbereich für Technologie-Journalisten. Und alle bedeutenden internationalen Unternehmen wollen generative KI in ihrem Tech-Portfolio haben. Dafür gibt es aktuell drei Möglichkeiten:

1. Anbieterbasierte GenAI-Tools: Neben ChatGPT stehen zur Auswahl: Google Bard (ein direkter Konkurrent von ChatGPT), Dall-E (wie ChatGPT von Open AI), IBM WatsonX, Deepmind Sparrow, Lensa, Jasper, Synthesia, Youchat, Socratic, Amazon Bedrock, Rytr und CopyAI.
2. Eingebettete Lösungen (unter anderem in Box Salesforce und Workday) oder Integrationen und Partnerschaften (von SAP und Microsoft)
3. Am anspruchsvollsten: Erweiterung der unternehmenseigene KI- und Analysefunktionen durch eigene generative AI

Die Chancen und Risiken von GenAI werden auf allen Ebenen kontrovers diskutiert, in der Politik ebenso wie in der Wirtschaft. Politisch ringen die EU, China und die USA heftig um die Regulierung generativer KI. Dabei geht es unter anderem um Fragen des Urheberrechts, des Datenschutzes, der Privatsphäre und der ethischen Nutzung. Auf Ebene der Unternehmen liegen die Probleme in der Datentransparenz, der Zugänglichkeit und Erklärbarkeit von LLMs und den Inhalten, die sie generieren, sowie der Qualität der Aussagen.

Es herrscht noch lange keine Klarheit, was die beste Art und Weise ist, die Modelle zu erstellen, zu trainieren und zu pflegen – und woher die Fähigkeiten dafür kommen sollen.

 Die Probleme: Data Bias, KI-Halluzination und Black Box

LLMs verlassen sich auf Wahrscheinlichkeiten statt auf Regeln. Sie werden mit einem großen Korpus an Dokumenten trainiert, zum Beispiel dem Internet, um ein Modell zu erstellen, das die passendsten Wörter für die Beantwortung von Anfragen vorhersagt. Wie genau sie zu ihren Aussagen kommen, lässt sich von außen nicht nachvollziehen. Aber eins ist klar: Angesichts des Ozeans von Inhalten und potenziell gegensätzlichen Optionen entscheiden sie sich immer wieder falsch. Sie behaupten falsche Tatsachen und reproduzieren Vorurteile und Klischees.

Darum sind LLMs bisher nicht vertrauenswürdig. Es gibt zahllose Beispiele, in denen LLMs den Anschein erwecken, eine Frage selbstsicher und flüssig zu beantworten – aber die Antwort stimmt nicht. Dieses Verhalten wird als „Halluzinationen“ bezeichnet: Der KI-Algorithmus versteht die Frage nicht oder interpretiert sie falsch und scheint eine Antwort zu erfinden.

Ohne besseres Training der LLMs wird das so bleiben: Sie sind nicht empfindungsfähig und können menschliche Intelligenz nicht ersetzen. Aufgrund ihrer Beschränkungen können sie aktuell weder vollwertige journalistische Artikel noch Schulaufsätze schreiben – auch wenn sie beim Ideensammeln, der Gliederung und dem ersten Entwurf hilfreich sind. Und selbst wenn die Technologie zahlreiche Beispiele von Computercode aufsaugt, kann sie nicht die Rolle von Entwicklern übernehmen. Sie kann nur die Erstellung von Code erleichtern.

Um die Möglichkeiten der generativen KI voll auszuschöpfen, muss die nächste Generation von GenAI mit hochwertigen, strukturierten Geschäftsdaten trainiert werden. Es wird nicht reichen, sich auf das kostenlose Angebot des Internets zu verlassen. Zumal das Netz immer stärker von KI-generierten Inhalten geflutet wird – inklusive nicht korrigierter Halluzinationen.

Die Lösung: Besseres Training mit Graphtechnologie

Wie lässt sich GenAI dazu bringen, verlässlichere Aussagen auszuwerfen?  Eine Möglichkeit ist, einen Knowledge Graphen auf Basis von Graphtechnologie zu verwenden. Dieser schafft Erklärbarkeit, Konformität und Reproduzierbarkeit im LLM. Noch größer werden die Qualitätsunterschiede, wenn Algorithmen der Graph Data Science (GDS) zur Anwendung kommen.

Graphtechnologie macht LLMs weniger voreingenommen und genauer. Sie verbessert ihr Verhalten und zwingt das Modell, sich auf die richtigen Antworten zu konzentrieren. Wenn ein LLM auf kuratierten, hochwertigen und strukturierten Daten – dem Knowledge Graphen – trainiert wird, sinkt die Gefahr von Fehlern und „Halluzinationen“ erheblich.

Knowledge Graphen organisieren Daten aus verschiedenen Quellen. Sie erfassen Informationen über Entitäten wie Personen, Orte oder Ereignisse und stellen Verbindungen zwischen ihnen her. Die Entwickler des Systems können innerhalb des Datenmodells „goldene Beziehungen“ festlegen. Diese werden zum Maßstab, mit dem der Knowledge Graph die Fehler des LLM korrigieren kann (und zwar wesentlich schneller, als es das LLM selbst könnte). Die Korrekturen können ihrerseits als Beispiele dienen, um verfeinerte Maschine-Learning-Algorithmen zu trainieren.

Eine weitere Möglichkeit ist, LLMs für die Erzeugung von Knowledge Graphen zu nutzen. Hierbei verarbeitet ein LLM umfangreiche Mengen natürlicher Sprache. Aus dem Modell wird dann ein Knowledge Graphen abgeleitet. Während das LLM undurchschaubar ist, zeichnet sich der abgeleitete Knowledge Graph durch Transparenz und Formbarkeit aus. In regulierten Bereichen wie der Pharmabranche, in denen es entscheidend ist, die Herkunft experimenteller Ergebnisse belegen zu können, bietet der Knowledge Graph überprüfbare Antworten ohne Halluzinationen.

Beispiele: Mehr Wert durch mehr Konzentration

Immer mehr Unternehmen nutzen Graphtechnologie, um verlässlichere generative KI zu erhalten. Ein Beispiel: Ein Öl- und Gasunternehmen aus Singapur experimentierte mit einem LLM für unternehmensweite Suchen. Da die KI nicht verstand, was sie suchte, waren die Ergebnisse nicht besonders hilfreich. Durch Graphen, die Kontext bereitstellen, konnte das Unternehmen die Genauigkeit und Relevanz der KI erhöhen.

In einem anderen Fall bauten Medizin-Forscher mit Hilfe eines Knowledge Graphen ein FAIR-Datenframework auf (FAIR steht für „findable, accessible, interoperable, reusable“ = auffindbar, zugänglich, interoperabel, wiederverwendbar). Durch den Graphen erhielten sie Links, die zu den Quelldaten zurückführten. So wurde ihre Forschung nachvollziehbarer.

Allen Unternehmen stehen diese Methoden offen, mit Graphtechnologie GenAI spezifischer, verlässlicher und transparenter zu machen: Im ersten Schritt sammeln sie eine beträchtliche Menge an Textdaten – extern (in ihrem spezifischen Markt), intern (zum Beispiel in den Produktdatenbanken) oder beides. Mit diesen Daten können Entwickler und Dateningenieure einen Knowledge Graphen erstellen. Dieser hilft, den Daten Sinn zu verleihen und sie in einen Kontext zu setzen. So entsteht ein Rahmen, der dem Sprachmodell des Unternehmens notwendige Grenzen setzt. Durch diese Konzentration wird es wertvoller.

„Die Verbindung von Sprachmodellen mit Knowledge Graphen könntegenerative KI auf ein Niveau bringen, das ethische Bedenken ausräumt.“

Jim Webber, Chief Scientist Neo4j

SLM – Kleine Sprachmodelle für große Aufgaben

Ein „eingeschränktes“ LLM – oder auch ein Small Language Model (SLM) – wird für bestimmte industrielle und geschäftliche Anwendungsfälle bald die Lösung der Wahl sein. Ein Knowledge Graph ist hier das gesamte Datenset, auf dem das Sprachmodell geschult wird. Solche Modelle sind zwar nicht “allwissend”, aber sie sind in einem spezifischen Bereich äußerst genau. Das macht sie besonders geeignet für Einsatzgebiete wie Kundenservice-Chatbots, weil sie den Benutzern zuverlässige Informationen zu einem bestimmten Thema bieten.

Ein E-Commerce-Unternehmen beispielweise kann mit einem SLM seine gesamte Produktdokumentation aus seinen Datenbanken in ChatGPT laden. So kann das Unternehmen seinen Kunden einen interaktiven Chatbot anbieten, der seine Produkte in ihrer gesamten Komplexität und ihren Anwendungskontexten kennt.

Oder nehmen wir Forschungsteams in der Pharmazie und Medizin: Sie haben meistens einen großen und ständig wachsenden Korpus an internen und externen Forschungsunterlagen. Mit einem auf einem Knowledge Graphen trainierten SLM können sie branchenspezifische, gut organisierte und gut strukturierte Daten effektiver abfragen und bearbeiten.

SML machen deutlich weniger Fehler als offene Sprachmodelle. Ein Modell wie ChatGPT kann damit zu einer effektiven, domänenspezifischen KI werden, die sogar in regulierten Branchen eingesetzt werden könnte.

Fazit: Unternehmens- und weltweit Innovation ermöglichen

CIOs sollten über die hektischen ChatGPT-Schlagzeilen hinausblicken. Sie haben die Chance, mithilfe von Knowledge Graphen und Graph-Data-Science-Algorithmen LLMs (oder SLMs) zu bauen, die das Potenzial in den Datenspeichern des Unternehmens und in den Daten des Marktes erschließen.

Zudem könnte die Verbindung von Sprachmodellen mit Knowledge Graphen generative KI auf ein Niveau bringen, das ethische Bedenken ausräumt. Das würde den Regulierungsbehörden ermöglichen, einen Rechtsrahmen und technische Schutzmaßnahmen zu erarbeiten, der die Innovationsfähigkeit des Technologiesektors nicht behindert.

Mehr als die Hälfte aller befragten deutschen Arbeitnehmerinnen und Arbeitnehmer nutzt ChatGPT im Berufsalltag – so das Ergebnis einer KI-Studie des Digital-Dienstleisters Macaw, an der 212 Personen aus den Bereichen IT, Finanzen, Wissenschaft, Logistik und dem öffentlichen Sektor teilgenommen haben. Für die Mehrheit der Befragten sind KI-Tools ein echter Booster im Arbeitsalltag: Sie führen zu einem höheren Arbeitsoutput, verbessern die Arbeitsprozesse und sorgen für ein kreativeres Arbeitsumfeld.

Die Mehrheit der Befragten in den Unternehmen und Institutionen steht dem Thema KI positiv gegenüber. Zwei Drittel der Befragten stimmten der Aussage zu, dass sie die Einsatzmöglichkeiten von KI-Tools kennen. Zudem bestätigte der Großteil der Befragten, dass der Arbeitgeber die berufliche Nutzung von KI-Tools erlaubt (64 Prozent), die Belegschaft darüber informiert (55 Prozent) und Richtlinien für die Verwendung festgelegt hat (50 Prozent).

KI ist bereits Teil des Arbeitsalltags

Zu den am häufigsten genutzten Tools gehören Übersetzungs-Dienste wie Google Translate (77 Prozent), Chatbots wie ChatGPT (56 Prozent) und Lösungen zur Grammatikprüfung wie Grammerly (30 Prozent). Weniger verbreitet sind Tools zur Erstellung von Content, Bildern und Videos sowie zur 3D-Modellierung, die nur von jedem vierten Befragten genutzt werden.

Die geschlechterspezifischen Unterschiede innerhalb der Befragtengruppe sind minimal, einzig das Bildgenerierungstool Midjourney (12 Prozentpunkte Differenz) und ChatGPT (9 Prozentpunkte Differenz) werden häufiger von männlichen als von weiblichen und diversen Berufstätigen genutzt.

Mit steigender Unternehmensgröße nimmt auch der Einsatz von KI-Tools zu. In Kleinstunternehmen (weniger als 10 Mitarbeitende und Jahresumsatz von maximal 2 Millionen Euro) ist der Anteil der Mitarbeitenden, die keine KI-Tools nutzen, über alle Tools hinweg am höchsten. So ist beispielsweise ChatGPT bei Mitarbeitenden von kleineren und mittleren Unternehmen mehr als doppelt so häufig im Einsatz wie bei Kleinstunternehmen (64 Prozent zu 25 Prozent).

KI ist ein Generationenthema

Bei der Nutzung von KI-Tools zeigen sich deutliche Altersunterschiede. Je jünger die Befragten sind, umso häufiger geben sie an, KI-Tools im Arbeitsalltag zu verwenden. Besonders signifikant zeigt sich dies bei den 22- bis 29-Jährigen, die durchschnittlich mehr als dreimal so häufig KI-Tools nutzen wie die über 50-Jährigen (zum Beispiel Bard: 32 zu 10 Prozent und Grammerly: 55 zu 4 Prozent). Die 22- bis 29-Jährigen sind in der Befragung die führende Altersgruppe bei der Nutzung der Tools.

Zudem zeigt sich, dass die Alterseffekte umso deutlicher ausfallen, je kürzer die Tools auf dem Markt sind. Während etablierte Tools wie beispielsweise Google Translate in allen Altersgruppen intensiv genutzt werden, sind neue Tools zur Content-, Bild- und Video-Generierung sowie zur 3D-Modellierung bei jüngeren Arbeitnehmern signifikant häufiger im Einsatz und bei den über 50-Jährigen noch nicht im Arbeitsalltag angekommen (circa 80 Prozent verneinen Nutzung).

Hier geht es zu

KI als Booster für die Arbeitsproduktivität

Wenn Mitarbeitende KI-Tools in ihrem Arbeitsalltag einsetzen, verbessert das den Arbeitsoutput, die Arbeitsprozesse und das Arbeitsumfeld. Die Befragten bestätigten, dass sich durch den Einsatz von KI-Tools die Quantität (54 Prozent), die Qualität (51 Prozent) und der Zeitaufwand (62 Prozent) für die Erbringung der Arbeitsleistung verändert haben. Nur jeder Fünfte gab an, dass KI-Tools keinen Einfluss auf den Umgang (20 Prozent), das Sammeln (17 Prozent) und die Nutzung von Informationen haben. Für die Mehrheit der Befragten verbessert KI auch das kreative Potential des Arbeitsumfelds.

Die Genauigkeit und Transparenz des Outputs werden jedoch häufig angezweifelt. So sehen es 47 Prozent als Nachteil an, dass die Qualität der Informationen nicht verlässlich beurteilt werden kann und 46 Prozent, dass die Quellen nicht bekannt sind. Nur 9 Prozent geben an, dass sie Informationen von Chatbots immer für die Wahrheit halten. 45 Prozent sehen bei KI-Modellen das Problem, dass die erzeugten Antworten von den Eingabedaten abhängen. Fast jeder Dritte äußerte ethische Bedenken und ist unsicher, ob die KI-Systeme gesetzeskonform sind.

„Die Ergebnisse der Umfrage decken sich eindeutig mit den Erfahrungen, die wir bei unseren Kunden gemacht haben. KI ist Teil des Unternehmensalltags geworden und ermöglicht eine echte Verbesserung der Arbeitsprozesse und der Produktivität“, erklärt David Hefendehl, Business Consultant bei Macaw. „Es zeigt sich aber auch, dass es Zweifel an der Qualität und Transparenz der von KI generierten Informationen gibt. Diese Zweifel lassen sich aus dem Weg räumen, wenn Unternehmen Chatbots einsetzen, die für ihre Zwecke entwickelt und mit unternehmensinternen Daten trainiert wurden.“

Die Infografik als PDF

Weitere Informationen finden Sie hier: https://www.macaw.de.

Aufmacherbild / Quelle / Lizenz
Image by Franz Bachinger</a> from <a href=“https://pixabay.com//?utm_source=link-attribution&utm_medium=referral&utm_campaign=image&utm_content=8177861″>Pixabay</a>

Rund 150 Millionen Arztbriefe werden pro Jahr in Deutschland geschrieben. Das kostet Zeit, die an anderer Stelle fehlt. Abhilfe könnte der »Arztbriefgenerator« schaffen. Denn: Ein Großteil der medizinischen Daten liegt in Textform vor, deren Auswertung und Weiterverarbeitung oft mühsam und aufwendig ist. Die Lösung: eine Kombination aus Algorithmen und Künstlicher Intelligenz, die beim sogenannten Natural Language Processing (NLP) eingesetzt wird. Informationen aus Texten werden hierbei extrahiert und in strukturierter Form zur Verfügung gestellt, wodurch Prozesse wie Qualitätssicherung, die Erstellungen von Statistiken, klinische Entscheidungsunterstützungen und Abrechnungen einfach und schnell möglich sind. Auch können aus den Daten neue Texte wie Arztbriefe erzeugt werden – in einem Bruchteil der Zeit, die bisher dafür benötigt wird. Ein Prototyp des Arztbriefgenerators soll bereits im kommenden Jahr an der Universitätsmedizin Essen im Zuge des KI.NRW-Flagship-Projekts SmartHospital.NRW getestet werden. Welche Möglichkeiten sich außerdem noch durch NLP für den medizinischen Bereich ergeben, haben Wissenschaftler*innen des Fraunhofer-Instituts für Intelligente Analyse- und Informationssysteme IAIS im neuen Whitepaper »Natural Language Processing in der Medizin« zusammengefasst.

Gesundheitsdaten zählen zu den derzeit am stärksten wachsenden Datenmengen.  »Wie wir diese Daten weiterverarbeiten und welche Möglichkeiten sich dadurch für Patient*innen, Pfleger*innen und Ärzt*innen ergeben ist eine spannende Frage, deren Antwort wir ein Stück weit selbst in der Hand haben«, erklärt Dario Antweiler, Teamleiter Healthcare Analytics am Fraunhofer IAIS. Gemeinsam mit seinem Team hat er ein Whitepaper verfasst, in dem aktuelle Entwicklungen und Möglichkeiten dokumentenbasierter Prozesse im medizinischen Bereich aufgezeigt werden. Einige davon sind noch Zukunftsmusik, andere, vom Fraunhofer IAIS bereits entwickelte Anwendungen werden schon erfolgreich in Krankenhäusern eingesetzt.

Das neue Whitepaper »Natural Language Processing in der Medizin« kann kostenfrei auf der Webseite des Fraunhofer IAIS heruntergeladenwerden. (© Fraunhofer IAIS / thicha – stock.adobe.com)

Im Paper widmen sich die Expert*innen auch Large Language Models (LLM), die in den vergangenen Monaten eine rasante Entwicklung vollzogen haben und dadurch verstärkt in den Fokus der Öffentlichkeit gerückt sind. Das derzeit vermutlich bekannteste Beispiel eines LLM ist ChatGPT, ein Chatbot, mit dem man sich sozusagen unterhalten kann, und der natürlich klingende Texte erstellt. »In naher Zukunft werden diese Modelle in der Lage sein, multimodal zu arbeiten, also auch Bilder oder tabellarische Daten, und nicht nur wie bisher Texte und gesprochene Sprache zu verarbeiten«, erklärt Antweiler. Dadurch ergäben sich auch im medizinischen Bereich wiederum neue Möglichkeiten, mit denen man das Personal entlasten, und Behandlungsprozesse – stets unter Berücksichtigung des Datenschutzes – im Sinne der Patient*innen weiter verbessern könne.

Das ist wichtig, denn das Gesundheitswesen steht vor zahlreichen Herausforderungen wie Personalmangel, Kostendruck und einem »Information-Overload«, der durch die stetig wachsende Menge an Daten entsteht. »Diese Daten auszuwerten, zu analysieren und daraus Schlüsse zu ziehen kostet an vielen unterschiedlichen Stellen wertvolle Zeit, die im stressigen Krankenhausalltag einfach fehlt. Im schlimmsten Fall gehen wichtige Informationen verloren, was die Behandlung erschweren, teure Doppeluntersuchungen oder unvollständige Abrechnungen nach sich ziehen kann«, erklärt Antweiler.

Um Lösungen für diese Probleme in die Krankenhäuser zu bringen, arbeitet das Healthcare-Analytics-Team bereits eng mit medizinischem Personal zusammen: Aktuell entwickelt es gemeinsam mit mehreren Universitätskliniken, darunter die Universitätsmedizin Essen, verschiedene Möglichkeiten der Informationsextraktion aus Dokumenten. Das nächste Ziel: Bis Ende 2024 soll ein Prototyp des Arztbriefgenerators in der Uniklinik Essen erprobt werden, der die Erstellung von Entlassbriefen vereinfacht. Dafür wertet die KI alle vorliegenden Dokumente sowie strukturierte Daten aus und erstellt einen natürlich klingenden Text, der zusätzlich leicht verständliche Erklärungen für die Patient*innen enthält. Nach einer Kontrolle und möglichen Ergänzung oder Änderung durch die Mediziner*innen wird der Entlassbrief sozusagen per Knopfdruck erstellt, und das in einem Bruchteil der Zeit, die eine rein manuelle Erstellung gekostet hätte. Ein zusätzlicher Gewinn: Patient*innen, die am Tag ihrer Entlassung häufig länger auf dieses Dokument warten müssen, können somit das Krankenhaus früher verlassen.

Weitere Vorteile von Clinical NLP: Die Arbeitsbelastung des medizinischen Personals verringert sich, da die KI wichtige Informationen aus Krankendaten eines Patienten automatisiert zusammenfassen, und allen Behandlern übersichtlich strukturiert zu Verfügung stellen kann. Durch NLP im Krankenhaus werden Prozesse also vereinfacht, da Informationen in kürzester Zeit greifbar sind, umgehend weiterverarbeitet und dem medizinischen Personal vollumfänglich zur Verfügung gestellt werden können. Dario Antweiler: »In den meisten Krankenhäusern werden jeden Tag Unmengen an Texten händisch ausgewertet, was sich – in unterschiedlichen Abteilungen oder nach der Entlassung beim Haus- und Facharzt – wiederholt. Diese Prozesse könnten mit unseren Anwendungen flächendeckend automatisiert, schnell, präzise und – in Hinblick auf den Datenschutz – auch sicher umgesetzt werden. Davon würden das Gesundheitswesen, und insbesondere das Personal und die Patient*innen profitieren.«

---

 IAIS Die Patient Journey im Krankenhaus zeigt auf, in welchen Bereichen Künstliche Intelligenz Prozesse vereinfachen und medizinisches Personal als auch Patient*innen unterstützen kann.(© Fraunhofer)

---

Realisiert werden die Anwendungen des Healthcare-Analytics-Teams innerhalb des Projekts SmartHospital.NRW. Erforscht werden darin insbesondere Technologien im Bereich Text-, Sprach- und Signalverarbeitung. Außerdem wird ein Vorgehensmodell erarbeitet, durch das Krankenhäuser befähigt werden können, sich zu Smart Hospitals weiterzuentwickeln. Die Universitätsmedizin Essen agiert hierbei als Konsortialführerin und klinische Partnerin in Zusammenarbeit mit den Fraunhofer-Instituten IAIS und MEVIS, der RWTH Aachen, der TU Dortmund, der Dedalus Healthcare Group AG sowie der m.Doc GmbH. Gefördert wird das Projekt vom Ministerium für Wirtschaft, Industrie, Klimaschutz und Energie des Landes Nordrhein-Westfalen. SmartHospital.NRW ist ein Flagship-Projekt der Kompetenzplattform KI.NRW.

__

 

 

Diese ist ein Presseinformation Fraunhofer-Institut für Intelligente Analyse- und Informationssysteme IAIS
https://www.iais.fraunhofer.de/de/presse/presseinformationen/presseinformationen-2023/presseinformation-230815.html

 

Aufmacherbild / Quelle / Lizenz
Image by sujin soman from Pixabay

Generative KI ist bei zahlreichen Aufgabenstellungen im Arbeitsalltag bereits eine große Hilfe. Sie beantwortet Fragen, erstellt Texte fürs Marketing, übersetzt E-Mails sowie Dokumente und optimiert sogar Quellcode. Kein Wunder also, dass Mitarbeiter die Tools eifrig einsetzen, um sich die Arbeit zu erleichtern und produktiver zu werden. Allerdings entstehen dabei Risiken für die Datensicherheit im Unternehmen: Leicht landen vertrauliche oder personenbezogene Daten bei ChatGPT, Bard oder Copilot und dadurch unter Umständen sogar in den Antworten für andere Anwender. Schließlich nutzen die Anbieter nicht nur im Web verfügbare Daten, sondern auch die Benutzereingaben, um ihre KI-Modelle zu trainieren und deren Antworten zu verbessern.

Wollen Unternehmen die Kontrolle über ihre Daten nicht verlieren, müssen sie aktiv werden. Am einfachsten ist es, die Mitarbeiter im sicherheitsbewussten Umgang mit generativer KI zu schulen, doch Fehler passieren – in der Hektik des Arbeitsalltags kann die Aufmerksamkeit nachlassen, sodass Mitarbeiter dennoch sensible Daten bei den Diensten hochladen. Deshalb entscheiden sich manche Unternehmen dafür, die URLs der verschiedenen KI-Tools mit der Firewall zu sperren, was allerdings auch keine ideale Lösung ist. Zum einen bieten die Sperren keinen ausreichenden Schutz, weil Mitarbeiter sie leicht umgehen können, indem sie von außerhalb des Unternehmensnetzwerks auf die Dienste zugreifen. Zum anderen behindern Unternehmen ihre Belegschaft beim produktiven Arbeiten und sorgen möglicherweise für Frust.

Data Loss Prevention

Um den Zugang zu den KI-Tools zu reglementieren und Daten zu schützen, sollten Unternehmen besser einen Zero-Trust-Ansatz verfolgen. Dabei stellen Sicherheitslösungen wie Secure Web Gateway (SWG) und Cloud Access Security Broker (CASB) sicher, dass nur zugelassene Dienste genutzt werden, und das auch nur von autorisierten Mitarbeitern – unabhängig davon, wo sich diese befinden und welches Gerät sie einsetzen. Ein zentraler Richtliniensatz reduziert den Verwaltungsaufwand und erleichtert es, Sicherheitsverletzungen über alle KI-Tools, Kommunikationskanäle und Geräte hinweg zu verhindern.

Darüber hinaus ist eine konsequente Kontrolle der bei den Diensten zur Verfügung gestellten Daten notwendig. Denn erst, wenn Unternehmen erkennen, dass Mitarbeiter beispielsweise dabei sind, personenbezogene Daten oder Quellcode mit geistigem Eigentum via Chat oder Datei-Upload mit den KI-Tools zu teilen, können sie das unterbinden. Voraussetzung dafür sind eine Klassifizierung von Daten sowie Richtlinien, die den Umgang mit den Daten regeln und überwachen. Lösungen für Data Loss Prevention (DLP) verbinden beides und minimieren den Einrichtungsaufwand, weil sie fertige Klassifizierungen für verschiedenste Daten und einen großen Satz vordefinierter Richtlinien mitbringen.

Zudem müssen Unternehmen in der Regel auch nicht ihren gesamten Datenbestand klassifizieren – es reicht, sich auf die schützenswerten Daten zu konzentrieren. Die einzelnen Fachbereiche wissen üblicherweise sehr genau, um welche Daten es sich dabei handelt, und können Beispiele liefern: Kundenlisten, Präsentationen, Verträge, Code-Schnipsel. DLP-Lösungen analysieren diese und sind dann in der Lage, ähnliche Daten zuverlässig zu erkennen. Je nachdem, wie sensibel die Daten sind, erlauben sie abgestufte Reaktionen: Bei weniger kritischen Daten reicht es meist, den Mitarbeiter auf eine mögliche Verletzung der Datensicherheit hinzuweisen; bei wichtigeren Daten kann eine Freigabe durch den Vorgesetzten erforderlich sein, während der Upload besonders heikler Informationen direkt blockiert wird.

„ChatGPT und andere KI-Tools lösen selbst komplexe Aufgaben binnen Sekunden. Das ist im Arbeitsalltag äußerst praktisch, kann aber zu Verletzungen der Datensicherheit führen, wenn Mitarbeiter versehentlich vertrauliche oder personenbezogene Daten bei den Diensten eingeben.“

Frank Limberger, Data & Insider Threat Security Specialist bei Forcepoint in München (Quelle: Forcepoint)

„ChatGPT und andere KI-Tools lösen selbst komplexe Aufgaben binnen Sekunden. Das ist im Arbeitsalltag äußerst praktisch, kann aber zu Verletzungen der Datensicherheit führen, wenn Mitarbeiter versehentlich vertrauliche oder personenbezogene Daten bei den Diensten eingeben“, betont Frank Limberger, Data & Insider Threat Security Specialist bei Forcepoint. „Mit DLP können Unternehmen ihre Daten zuverlässig schützen, ohne die Nutzung der KI-Tools zu beschränken, was unweigerlich die Produktivität und Motivation der Mitarbeiter beeinträchtigen würde. Die Lösungen lassen sich schneller einführen, als Unternehmen oft annehmen, und liefern bereits nach wenigen Tagen oder Wochen erste Ergebnisse.“

www.forcepoint.com/de

Aufmacherbild / Quelle / Lizenz
Foto von Christina Morillo: https://www.pexels.com/de-de/foto/zwei-frauen-die-den-code-am-laptop-betrachten-1181263/