Die generative künstliche Intelligenz (KI) beschäftigt uns alle. Das zeigt sich in sämtlichen Branchen auf dem Markt – von Bank- und Finanzwesen bis hin zu Gesundheitswesen und Fertigung. Alle suchen sie nach Möglichkeiten, diese aufstrebende Technologie zu ihrem Vorteil zu nutzen.

Rund um das Thema KI kursieren einige Fragen und Ansichten. Da denken wir schnell an generative Tools wie ChatGPT, GitHub, Copilot und Dutzende weitere Generatoren für Musik und Kunst. Wahrscheinlich haben Sie sich selbst schon einmal in dieses technologische Neuland gewagt und den virtuellen KI-Assistenten Ihres Vertrauens nach Vorschlägen für den Speiseplan der kommenden Woche oder um einen Entwurf für eine E-Mail an Ihren Vorgesetzten gebeten. Auch in den Nachrichten haben Sie sicherlich schon Diskussionen darüber verfolgt. 

Neue generative KI-Tools erleichtern das Generieren „neuer“ Ideen, kreativer Inhalte und Lösungen. Jedoch bergen sie Risiken für Fehltritte in Bezug auf geistiges Eigentum, Compliance-Gesetze, Sicherheitsstandards, Datenschutz und -sicherheit, Auswirkungen auf Arbeitskräfte sowie Gerechtigkeit und Ethik. Vorschriften für KI-Compliance werden in Zukunft für Branchen, die Interesse an der Nutzung dieser Technologie haben, eine bedeutende Rolle spielen.

Die generative KI stellt für Initiativen zur digitalen Transformation eine neue Möglichkeit der Beschleunigung der Wertschöpfung bereit, indem der Allgemeinheit besserer Zugang zu erweiterten Technologien geboten wird.

Ja, die unbekannten Faktoren rund um die generative KI sind besorgniserregend, aber wie können wir sie nutzen? Und vielleicht noch wichtiger: Wie sieht die sichere Nutzung innerhalb unserer Unternehmen aus?

Was ist generative KI?

Wer das erste Mal mit generativer KI zu tun hat, wird wahrscheinlich von der „menschlichen“ Qualität der Ergebnisse überrascht sein. Aber dahinter steckt eigentlich nicht mehr als ein hochentwickelter Algorithmus, der basierend auf Eingabeaufforderungen und der riesigen Menge an Trainingsdaten neue, relevante Inhalte erstellt.

Generative KI dient als leistungsstarkes Werkzeug für verschiedene Medien, darunter Bilder, Videos, Musik, Software-Code und sogar Konversationen. Dabei macht sie Menschen aber nicht ihren Platz streitig – bei weitem nicht. Die generative KI sollte als Bereicherung, nicht als Feind, Ihrer Belegschaft betrachtet werden.

„Generative KI kann in vielen Bereichen eingesetzt werden. Sie kann zum Beispiel zum Generieren von Bildern, Komponieren neuer Musikstücke, Erstellen von Texten wie von Menschenhand, Verbessern und Bearbeiten bestehender Inhalte oder sogar zum Simulieren von realitätsnahen Umgebungen für Schulungszwecke in Bereichen wie Gaming oder Virtual Reality (VR) genutzt werden.

Generative KI kann zwar beeindruckende Ergebnisse erzielen, trotzdem müssen wir uns darüber im Klaren sein, dass es sich hierbei um eine völlig neue Disziplin handelt und dass die generierten Inhalte nicht immer dem Ideal entsprechen und fehlerfrei sind. Gleichzeitig entwickelt sie sich aber laufend weiter und stellt ihr ganzes Potenzial in verschiedenen Bereichen unter Beweis, von Kreativprozessen bis hin zur Problemlösungsfähigkeit.“

Wie funktioniert generative KI? Bei der generativen KI kommen verschiedene Technologien zum Einsatz, darunter die Verarbeitung natürlicher Sprache (Natural Language Processing, NLP) und große Sprachmodelle (Large Language Models, LLM). Damit soll die natürliche Sprache des Menschen nachgeahmt werden. Im Allgemeinen bauen diese Anwendungen auf Basismodellen (Foundational Models, FM) auf, bei denen es sich um KI-Systeme handelt, die mit Deep Learning erstellt wurden. Sie können sich diese wie ein Trainingsgelände vorstellen, auf dem Ihre KI auf der Basis eines großes Datensatzes beobachten und lernen kann. Die primitivste Form von KI macht sich prädiktive Algorithmen zunutze und generiert daraus „neue“ Inhalte wie Bilder.

Was sind typische Anwendungsfälle für generative KI?

Laut Gartner hat generative KI das Potenzial, „eine Allzweck-Technologie mit ähnlichen Auswirkungen wie die Dampfmaschine, Elektrizität oder das Internet“ zu werden, und „der Bereich der generativen KI wird sowohl in der wissenschaftlichen Forschung als auch in der Kommerzialisierung von Technologien schnelle Fortschritte zu verzeichnen haben“.

Es ist wichtig, Technologien mit generativer KI als Assistenten oder Mitarbeiter anzusehen. Dank ihrer Fähigkeit, Ideen zu generieren und Recherche zu betreiben, können sie als Bereicherung für die Arbeit von Menschen fungieren und dabei weiterhin Raum für menschliche Empathie lassen – ein Aspekt, den KI nicht ersetzen kann.

Was ist ein generatives KI-Modell? Normalerweise wird generative KI auf Deep Learning-Modellen trainiert, bevor sie das Gelernte aus den Trainingsdaten nachahmt und so auf neue Inhalte anwendet. Die generativen Modelle lernen, welche Charakteristika und welche Verteilung den Trainingsdaten zugrunde liegen, und generieren neue Datenproben, die ähnlich dem Original sind.

Wozu wird generative KI eingesetzt?

Bei generativer KI dreht sich nicht alles nur um das Generieren von Kunst, Texten und Musik. Sie birgt das Potenzial, Workflows, die heute noch im Back-Office zum Tagesgeschäft zählen, völlig auf den Kopf zu stellen, indem sie sie optimiert und die Entscheidungsfindung erleichtert.

Laut einem Bericht von McKinsey zählen „das Bankwesen, die Hightech-Branche und die Biowissenschaften zu den Branchen, deren Umsätze, prozentuell betrachtet, von der generativen KI am stärksten beeinflusst werden könnten.“ Dabei wird das Potenzial dieser Branchen zur Automatisierung von Arbeitsabläufen angeführt, die derzeit 60–70 % der Arbeitszeit ihrer Mitarbeiter beanspruchen.

Generative KI kann in einer ganzen Reihe von Bereichen eingesetzt werden. Hier finden Sie einige Beispiele für die sinnvolle Anwendung von generativer KI:

• Produktion von Textentwürfen und Gliederungen für Text-Inhalte
• Schnelleres Finden von Antworten dank Textanalyse
• Erstellung von KI-generierten Bildern bei der Ideenfindung und Design-Entscheidungen
• Chatbots mit der Fähigkeit, Absichten zu erkennen/Suchanfragen zu verstehen, sowie mit Funktionen zur Sprachverarbeitung für besseren Kundenservice
• Zusammenfassung von datenreichen Informationen durch Extraktion von Schlüsselinformationen
• Einfachere Aufbereitung komplexer Texte
• Generieren, Testen und Implementieren von Software-Code
• Ändern des Tonfalls eines Textes auf der Basis von Register und Kontext
• Sortieren und Ordnen von Informationen anhand von angegebenen Parametern
• Mehr Produktivität und Umsatz durch optimierte Betriebsabläufe
• Implementierung automatisierter Katalogverwaltung für Produktlinien und Lagerbestand

Anwendungsfälle für generative KI im Gesundheitswesen

Das Gesundheitswesen könnte zu den größten Branchen zählen, die von KI und intelligenter Automatisierung (IA) profitieren können. Generative KI kann Leben retten, wenn sie Ärzten bei der Früherkennung von Erkrankungen ihrer Patienten hilft. In der Radiologie kann sie zum Beispiel die Erkennung von Krebsherden unterstützen, indem sie die Bilder aus bildgebenden Verfahren analysiert und so eine genauere und schnellere Diagnose ermöglicht.

Technologien wie solche zur Verarbeitung natürlicher Sprache (Natural Language Processing, NLP) sind in der Lage, große Mengen an nicht strukturierten Gesundheitsdaten zu lesen, wie etwa in der elektronischen Patientenakte. Dadurch kann generative KI Röntgen-, CT- oder MRT-Bilder in realistischere Bilder konvertieren, die eine schnellere Erkennung von Anomalien ermöglichen.

Auch die Fähigkeit zur Entscheidungsfindung dieser Technologien wird immer besser. So können sie auf der Grundlage von Gesundheitsdaten die Krankengeschichte, den Lebensstil sowie die genetische Veranlagung von Patienten verarbeiten und die Erstellung eines individuellen Behandlungsplans unterstützen. Dadurch werden die Leistungen für Patienten im Gesundheitswesen verbessert, und gleichzeitig bleibt dem klinischen Personal mehr Zeit für die Patientenversorgung.

Anwendungsfälle für generative KI in den Biowissenschaften

Pharmaunternehmen können generative KI bei der Analyse von großen Datensätzen in Bezug auf Nebenwirkungen, Ergebnisse von klinischen Studien und Wirksamkeit einsetzen. Im Zuge dieser Entwicklung werden diese größeren Datensätze mit Einblicken auf kleinteiligerer Ebene kombiniert, die in Echtzeit von Patienten und Einzelpersonen innerhalb einer Zielgruppe erfasst werden. Dadurch können innerhalb der Daten Verbindungen hergestellt und mögliche Lösungen basierend auf früheren klinischen Studien vorgeschlagen werden.

Gartner schätzt, dass „bis 2025 über 30 % der neuen Medikamente und Materialien auf die systematische Erforschung anhand generativer KI-Techniken zurückzuführen sein werden. Heute liegt dieser Anteil noch bei null“. Das wird die Pharmaindustrie stark beeinflussen, indem die Zeit der Medikamentenentwicklung reduziert wird. Selbiges könnte auch für die Zeit bis zur Marktreife gelten, wenn auf der Grundlage von bereits erfassten Informationen aus klinischen Studien synthetische Daten erstellt werden.

Laut der Studie zur intelligenten Medikamentenentwicklung von Deloitte wird KI „eine neue Zukunft für das Gesundheitswesen einläuten. Denn mehr Wissen über Mechanismen hinter Erkrankungen führt einerseits zu mehr verfügbaren Behandlungen und andererseits in manchen Fällen zur Heilung von Krankheiten, für die es vorher keine wirksamen Behandlungen gab“.

Deloitte weist darauf hin, dass Vordenker mit digitalem Wissen angesichts der immer besser werdenden Funktionen von generativer KI neue Strategien in ihre Forschungsabteilungen integrieren müssen. Heute nehmen die USA in puncto KI-basierte Medikamentenentwicklung den Spitzenplatz ein. Hier nutzen 60 % der Start-ups diese Technologie, während die Nutzung im Vereinigten Königreich und in der Europäischen Union um 10,8 % bzw. um 10,3 % zugenommen hat.

Anwendungsfälle für generative KI im Bank- und Finanzwesen

Im Zusammenspiel mit einem soliden Governance-Modell kann generative KI das Risikomanagement und die Betrugserkennung unterstützen.

Das Finanz- und Bankwesen sind streng regulierte Branchen, in denen der Compliance oberste Priorität eingeräumt wird. Bevor generative KI auch im Bankwesen vollumfänglich eingesetzt werden kann, muss sie wohl noch einige Evolutionsstufen durchlaufen. Das trifft zum Beispiel auf die Regulierung zum Schutz privater Dokumente zu. Sie hat aber das Potenzial, eine Datenanalyse für die Einstufung der Kreditwürdigkeit, die Portfolioverwaltung, das Trading, Preisoptimierungen, Marktvorhersagen und vieles mehr durchzuführen. Hier einige Beispiele, wie sie das schafft:

• Betrugserkennung
• Geldwäschebekämpfung
• Produktempfehlungen für Finanzdienstleistungen
• Risikobewertung und Risikomanagement
• Kundenservice über Chatbots und automatisierte Planung
• Vorhersagen für den Finanzmarkt

Anwendungsfälle für generative KI in der IT-Branche

Mit KI-gestützter Softwareentwicklung wechseln Programmierer auf die Überholspur. In Technologien wie Copilot hilft generative KI beim Generieren von Code, indem sie auf eine große Datenbank an Programmiertechniken zurückgreift.

Ihre Fähigkeit zum Zusammenfassen ermöglicht es der generativen KI, innerhalb des Systems Tests durchzuführen und nach Fehlern oder Ineffizienzen zu suchen. Hat der Code die Inspektion einmal bestanden, kann die KI ihn automatisch im Workflow bereitstellen und seine Funktionstüchtigkeit ständig beobachten.

Bei der Softwareentwicklung kann generative KI folgendermaßen eingesetzt werden:

• Vorschläge für die nächste Code-Zeile
• Beantwortung Code-spezifischer Fragen
• Generieren neuer Code-Zeilen aufgrund von Eingabeaufforderungen per Text
• Testen von Software-Funktionalität
• Erkennung und Behebung von Fehlern im Code
• Unterstützung beim Implementieren neuer Modelle in die Software auf der Grundlage von bestehenden Modellen

Tatsächlich werden in Zukunft wohl alle Branchen mit generativer KI in Kontakt kommen – von der Automobil- und Luftfahrtindustrie bis hin zu Marketingnachrichten und personalisierten Dienstleistungen. Wir haben es hier mit dem Schnellzug der zahlreichen Möglichkeiten zu tun. Schnelle Maschinen haben aber noch etwas gemeinsam: Sie bergen Risiken.

Was ist Prompt Engineering? Entwickler, die das generative KI-Modell und seine gewünschten Resultate gut kennen, können mit Techniken zum Prompt Engineering mit verschiedenen Eingabeaufforderungen experimentieren und ihnen einen Feinschliff verpassen, wodurch sie die Leistung des Modells für die vorgesehenen Aufgaben oder für das definierte Ziel optimieren.

Welche Risiken birgt die generative KI?

Sie haben vielleicht schon einmal von den Risiken der generativen KI gehört: Deepfakes, Urheberrechtsverletzungen, Datenlecks, die private Dokumente offenlegen, oder Veröffentlichung von falschen Daten. Die KI gibt Ihnen voller Selbstbewusstsein falsche Informationen, ohne auch nur einmal mit der Wimper zu zucken, und Deepfakes kommen als überzeugend echt wirkende Videos von Politikern oder Promis daher, denen Worte in den Mund gelegt werden, die sie noch nie zuvor ausgesprochen haben.

Technologien wie ChatGPT und andere generative Tools werden mit öffentlich zugänglichen Daten trainiert, wobei keine Compliance in Bezug auf das Urheberrecht oder die Datenschutzgrundverordnung (DSGVO) herrscht. Wer in seinem Unternehmen daher generative KI nutzt, sollte im Umgang damit und mit der Frage, was man noch sein „Eigen“ nennt, Vorsicht walten lassen.

Mit den richtigen Modellen, Richtlinien und Kontrollen birgt generative KI aber das Potenzial, die Arbeit in einer ganzen Reihe von Branchen auf den Kopf zu stellen, darunter das Gesundheitswesen und die Biowissenschaften, die Fertigung, das Bank- und Finanzwesen, der Energie- und der IT-Sektor und viele weitere.

Governance für generative KI

Da die Entwicklung der generativen KI sich nicht mehr aufhalten lässt, lohnt es sich, einen Blick darauf zu werfen, wie wir ihr Potential nutzen und dabei ihren Einfluss auf Umwelt, Soziales und Unternehmensführung (ESG) berücksichtigen können.

Bevor Unternehmen generative KI eilig in ihre Betriebsabläufe integrieren, sollten sie sich mit Themen wie ihren Auswirkungen auf Ruf, Umsatz und potenzieller gesetzlicher Haftung auseinandersetzen. Organisationen benötigen dazu eine etablierte Risikomanagementstrategie für die Unternehmensführung, die Regeln und Prinzipien zu der Art und Weise umfasst, wie sie ihre Automatisierungsstrategie mit KI unterstützen und trotzdem für Compliance sorgen können.

So unterstützt Governance die generative KI

• Schützt Rechte, Daten und geistiges Eigentum
• Passt die KI an die ethischen Prinzipien in Ihrem Unternehmen an
• Überprüft die Genauigkeit der KI-Ergebnisse
• Wahrt Qualitätsstandards und Einheitlichkeit in Ihrer Organisation
• Stellt sicher, dass Daten geschützt und präzise sind
• Berücksichtigt Kontrollen in Bezug auf Nachhaltigkeit und Umwelt

Ganz egal, welchen Platz wir der generativen KI bei uns einräumen, sie ist eine Technologie, die gerade mit Volldampf voraus unterwegs ist. Solange Organisationen bei ihrer Nutzung Governance und Datenschutz nicht außer Acht lassen, kann sie Positives bewirken. Und angesichts der sich schnell ändernden Rechtslage rund um das Thema generative KI muss Ihre Organisation den Regelungsrahmen in entsprechenden Ländern und Einflussbereichen im Auge behalten.

Was ist ein großes Sprachmodell (Large Language Model, LLM)? Große Sprachmodelle (LLMs) beziehen sich auf eine bestimmte Art von KI-Modellen, die darauf ausgerichtet ist, menschliche Sprache zu verstehen und zu generieren – dazu ahmt sie normale menschliche Antworten nach. Ihr Training erfolgt anhand einer riesigen Menge an Textdaten und ermöglicht es ihnen anschließend, verschiedene sprachrelevante Ausgaben auszuführen, darunter Textgenerierung, Zusammenfassung, Verstehen von Suchanfragen, Übersetzung usw. LLMs basieren meistens auf Deep Learning-Architekturen. LLMs stecken hinter verschiedenen Anwendungen, z. B. Chatbots, virtuellen Assistenten (wie Alexa von Amazon oder Siri von Apple), Inhaltsgenerierung und Sprachübersetzung.

KI in Ihre IA implementieren

Wenn Sie generative KI in Ihr Automatisierungsprogramm integrieren möchten, sollten Sie einige Punkte beachten. Hier finden Sie einige der besten Tipps, die in Ihrer Strategie nicht fehlen sollten:

• Schaffen Sie Richtlinien: Definieren Sie die ethischen Rahmenbedingungen der KI-Anwendung sowie wo und wie Sie sie einsetzen möchten. Achten Sie dabei auch auf ihren Einfluss auf Rechte von Einzelpersonen und der Gesellschaft sowie auf Datenschutzrechte.
• Bringen Sie Ihr Vorhaben mit den Zielen in Einklang: Stimmen Sie Ihre Technologie mit den langfristig angelegten Strategien Ihres Unternehmens ab – führen Sie Bewertungen durch, legen Sie Prioritäten fest und verwalten Sie selbst, wie generative KI an Ihre technologischen Fähigkeiten und geschäftlichen Anforderungen angepasst werden kann.
• Identifizieren Sie Ihre Anwendungsfälle: Bestimmen Sie die spezifischen Aufgaben oder Prozesse Ihres IA-Workflows, die vom Einsatz von generativer KI profitieren können, und erörtern Sie die Auswirkungen, die solche Integrationen mit sich bringen könnten.
• Nutzen Sie qualitativ hochwertige Trainingsdaten: Gehen Sie bei der Auswahl ihres Trainingsdatensatzes mit Bedacht vor, um sicherzustellen, dass die KI nur mit Daten trainiert wird, die die gewünschten Ergebnisse Ihrer Organisation auch vollumfänglich darstellen.
• Validieren Sie die Inhalte: Validieren Sie Ihre Ergebnisse sorgfältig, um falsche Daten oder Verzerrung zu vermeiden.
• Unterstützen Sie Ihre Arbeitskräfte: Stellen Sie den Personen in Ihrer Organisation umfassende Strategien für das Änderungsmanagement zur Verfügung und definieren Sie Best Practices sowie Ziele.
• Sorgen Sie für Human-in-the-Loop (HITL): Beziehen Sie Personen mit in die automatisierten Prozesse ein, z. B. durch ein Center of Excellence (CoE), um sicherzustellen, dass Best Practices auch eingehalten werden.
• Bleiben Sie anpassungsfähig: Stellen Sie regelmäßig Feedback und Daten für Ihr KI-Modell bereit, damit es sich an veränderte Anforderungen anpassen und dadurch die Qualität der Ergebnisse ständig verbessern und sich für eine bessere Skalierbarkeit ausbauen kann.

Was sind die Vorteile der generativen KI?

Mit der generativen KI tritt eine völlig neue Form der Funktionalität und Zugänglichkeit auf den Plan, die in sämtlichen Branchen das Potenzial eröffnet, diese Technologie im Bereich der Automatisierung zu nutzen und davon zu profitieren. Besonders Fortschritte in der Verarbeitung natürlicher Sprache (Natural Language Processing, NLP) rücken immer weiter in den Fokus von Branchen wie dem Gesundheitswesen, dem Bankwesen und dem Bereich des Kundenerlebnisses (CX).

Hier finden Sie die wichtigsten Vorteile, die die Anwendung von generativer KI in Zukunft bringen wird:

• Generieren von Inhalten
• Personalisierte Erfahrungen
• Problemlösungsfähigkeit
• Entscheidungsfindung
• Simulationen und Tests
• Datenerweiterung
• Experimentieren mit kreativen Inhalten

Wie kann generative KI Unternehmen einen Mehrwert bieten?

Generative KI bietet Unternehmen folgende Möglichkeiten:

• Höhere Produktivität und Umsätze
• Geringere Betriebskosten
• Verbessertes Risikomanagement
• Geringere Arbeitslasten für Mitarbeiter.
• Schnelleres und effizienteres Arbeiten
• Verbesserte Skalierbarkeit, Konsistenz und Qualität

Damit geht der Vorbehalt einher, dass generative KI-Systeme nur das wissen, was ihnen auch beigebracht wurde – auch Einschränkungen in Form von Urheberrechtsschutz und Eigentumsrechten werden nicht mehr lange auf sich warten lassen. Aus diesem Grund müssen Organisationen im Umgang mit dieser Technologie Vorsicht walten lassen und für Rückendeckung basierend auf verantwortungsvoller Governance und Best Practices sorgen.

Generative KI kann vor allem als Tool zum Erstellen von Inhalten gesehen werden. Und genau das wird am Arbeitsplatz von Menschen für Veränderung sorgen. Gartner trifft die Vorhersage, dass „bis 2026 100 Millionen Personen an der Seite von Roboter-Mitarbeitern arbeiten werden, die sie bei ihrer Tätigkeit unterstützen.“ Dabei liegt es jetzt an den Organisationen selbst, diese Umwälzungen abzuschätzen und ihre Antwort auf die Zukunft der Arbeit zu definieren.

Die KI entwickelt sich schnell weiter und birgt großes Potenzial für die Neustrukturierung ganzer Branchen. Daher ist es umso wichtiger, sich an verlässliche Partner und innovative Lösungsanbieter wie SS&C Blue Prism zu wenden.

Wie sieht die Zukunft der generativen KI aus?

In einem Interview mit ChatGPT wollten wir herausfinden, worum es bei der generativen KI genau geht (und haben den Wahrheitsgehalt der Aussagen selbstverständlich durch weiterführende Recherchen überprüft). Mit jeder Antwort hat ChatGPT uns dabei eine ähnliche letzte Mahnung unterbreitet. Hier ein Beispiel dazu: