Laut einer TCS-Studie 86% der Unternehmensleiter hatten bereits eingesetzt künstliche Intelligenz (KI) um ihre bestehenden Einkommensquellen zu verbessern oder neue zu schaffen, im Jahr 2024 und demonstrieren damit den Megatrend künstliche Intelligenz.
Zwar gibt es immer mehr Demonstrationen und Pilotprojekte, doch die eigentliche Herausforderung liegt in der Fähigkeit der Unternehmen, vom Experimentieren zur Nutzung im großen Maßstab überzugehen. Dies geht aus dem Austausch zwischen Béatrice Kosowski, Präsidentin von IBM Frankreich, und Christophe Lesur, Geschäftsführer von Cloud Temple, hervor.
Um den gesamten Austausch anzusehen folgen Sie diesem Link zum Video der Sendung
Über den Grafikprozessor hinaus: Umdenken bei der KI-Infrastruktur
"Die Frage der Grafikprozessoren wird oft überschätzt", sagt Christophe Lesur. "Einige leistungsstarke Modelle können auch auf bescheidenen Infrastrukturen laufen". Dieser pragmatische Ansatz stellt massive und teure Infrastrukturen in Frage. CPUs können ausreichen, wenn die Verarbeitungszeit nicht kritisch ist.
Entgegen der landläufigen Meinung ist der Wettlauf um die Bruttoleistung der Grafikprozessoren nicht der einzig mögliche Weg. IBM bevorzugt nun gezieltere "foundation models" wie Granite 3.0, die zwischen 2 und 8 Milliarden Parameter umfassen und damit weit von den Giganten mit 500 Milliarden Parametern entfernt sind. Mit diesen leichteren Modellen kann der Ressourcenverbrauch um das 3- bis 23-fache reduziert werden, während gleichzeitig eine hohe Leistung beibehalten wird.
Die Herausforderung der Skalierung
Die Zahlen sind eindeutig: Laut Beatrice Kosowski erreichen 54% der POCs (Proof of Concept) nie die Produktionsphase. Diese Zahl kann laut einigen Analysen sogar auf 70% ansteigen.
Für eine erfolgreiche Industrialisierung wird eine Methodik in drei Schritten vorgeschlagen:
- Von den beruflichen Bedürfnissen ausgehen
Es ist unerlässlich, die relevanten Anwendungsfälle genau zu identifizieren und ihren potenziellen ROI zu bewerten. Dieser erste Schritt ermöglicht es, überflüssige Prozesse zu eliminieren und sich auf die tatsächliche Wertschöpfung zu konzentrieren. Wie Beatrice Kosowski betont: "Man muss die Automatisierung und die KI in Gang setzen, um einen Prozess zu bedienen, der wirklich nah am Geschäft des Unternehmens ist."
- Daten beherrschen
Die Datenqualität scheint das Haupthindernis für KI-Projekte in Organisationen zu sein. Daten sind oft verstreut, abgeschottet und in heterogenen Zuständen. Die Einführung einer effektiven Governance und die Nutzung geeigneter Tools wie watsonx.data sind für die Organisation und Aufwertung der Daten von entscheidender Bedeutung.
- Risiken steuern
Das Risikomanagement ist von entscheidender Bedeutung: Risiken von Drifts, Halluzinationen, Verzerrungen und Nichteinhaltung von Vorschriften. Die Einführung einer strengen Governance und von Steuerungsinstrumenten ermöglicht es Unternehmen, diese Risiken zu kontrollieren und gleichzeitig die Einhaltung der geltenden Vorschriften zu gewährleisten.
IBM und Cloud Temple haben eine strategische Partnerschaft angekündigt, um die KI-Lösung watsonx.ai von IBM auf der sicheren und souveränen Cloud-Infrastruktur von Cloud Temple anzubieten. Diese Zusammenarbeit ermöglicht die Bereitstellung von KI-Anwendungen im großen Maßstab bei gleichzeitiger Gewährleistung der Datensicherheit und -souveränität gemäß den SecNumCloud-Standards.
watsonx.ai bietet eine große Auswahl an KI-Modellen, Multi-Cloud-Bereitstellungsmöglichkeiten und fortschrittliche Tools für die Entwicklung und Verwaltung von KI-Modellen.
Diese kombinierte Lösung erfüllt die Erwartungen von Kunden, die die KI-Technologien von IBM in einer vertrauenswürdigen, als SecNumCloud bezeichneten Cloud-Umgebung nutzen möchten.
Wenn Sie von unserem Team bei einem Künstliche-Intelligenz-Projekt begleitet werden möchten, wenden Sie sich bitte an unsere Teams.
Die wichtigsten Erfolgsfaktoren
Die Einbeziehung der Generaldirektion scheint eine unabdingbare Voraussetzung zu sein. "Die ersten, die geschult werden müssen, sind die Generaldirektionen", betont Christophe Lesur. Diese Schulung muss mit der Bildung von engagierten Teams einhergehen, die in der Lage sind, die technischen und fachlichen Herausforderungen zu verstehen.
IBM berichtet von konkreten Ergebnissen: 3 Milliarden Produktivitätssteigerungen seit 2023, bei gleichzeitiger Verbesserung der Kunden- und Mitarbeitererfahrung. Beispielsweise konnte durch die Automatisierung von 70% im Kundensupport die Zeit für die Lösung von Fragen um 26% reduziert und gleichzeitig die Kundenzufriedenheit um 25 Punkte gesteigert werden.
Der empfohlene Ansatz besteht darin, zunächst die Anwendungsfälle mit den leistungsfähigsten Modellen auf anonymisierten Daten zu testen, bevor man spezialisiertere oder leichtere Modelle in Betracht zieht. Dieses schrittweise Vorgehen ermöglicht es, die Relevanz von Projekten schnell zu validieren und gleichzeitig die Risiken zu kontrollieren.
Um generative KI in großem Maßstab einzusetzen, bedarf es eines klaren und strukturierten Ansatzes, der eine strategische Vision, solide technische Fähigkeiten und eine pragmatische Umsetzung miteinander verbindet. Der Erfolg hängt von der Fähigkeit ab, die Technologie auf die tatsächlichen Bedürfnisse des Unternehmens abzustimmen, eine effektive Governance einzuführen und Innovationen voranzutreiben, während die damit verbundenen Risiken unter Kontrolle gehalten werden.