Deloitte entwickelt KI-Strategien und setzt diese bis zum Betrieb der fertigen KI-Lösungen um – entlang der gesamten Wertschöpfungskette. Aus diesem Erfahrungsschatz schöpfen folgende Handlungsempfehlungen, wie Unternehmen auf aktuelle und zukünftige KI-Herausforderungen reagieren können.
Mehr als ein halbes Jahrhundert Vorbereitung brauchte es für die Dynamik, die KI heute entfaltet: Das bahnbrechende Forschungspapier „Attention is All You Need“ von Vaswani et al. aus dem Jahr 2017 und die darauf basierenden ersten Implementierungen 2018 als GPT (Generative Pre-trained Transformer) und BERT (Bidirectional Encoder Representations from Transformers) bereiteten den Durchbruch einer neuen Ära vor.
Dies resultierte vier Jahre später in den großen Sprachmodelle (Large Language Models) von ChatGPT, veröffentlicht durch OpenAI im November 2022 – 66 Jahre nachdem John McCarthy 1956 erstmalig die Bezeichnung „Künstliche Intelligenz“ nutzte. Heute fragen sich viele Entscheider:innen in Unternehmen, wie es mit der KI-Revolution weitergeht. Wir haben im Folgenden fünf wesentliche Punkte zusammengefasst.
Fünf aktuelle KI-Herausforderungen und wie Firmen darauf reagieren können:
- Nutzung firmeninternen Wissens mit KI: Die Herausforderung, firmeninternes Wissen mit großen Sprachmodellen zu kombinieren, wurde 2020 durch die Einführung von Retrieval Augmented Generation (RAG) gelöst. Seither können Mitarbeitenden auf alle angebundenen Wissensbibliotheken der Organisation in Millisekunden zugreifen, ihr eigenes Wissen anreichern und signifikante Produktivitätsfortschritte erzielen. Handlungsempfehlung für Entscheider:innen ist es, Mitarbeitende mit RAG-Systemen dabei zu unterstützen, Wissen schnell zu finden. Damit können Entscheider:innen Arbeitsprozesse effizienter gestalten und Mitarbeitenden zeitraubende Recherchearbeit abnehmen.
- Prozessverbesserungen: Neben der Implementierung von Chat-Systemen zur Unterstützung von Mitarbeitenden und Kund:innen ist die zweite Herausforderung für Unternehmen, ganze Prozesse mit KI zu optimieren, etwa bei der Kreditvergabe oder dem Kundenserviceprozesses in einer Bank. Um solche Prozessverbesserungen zu erreichen, werden aktuell KI-Agentensysteme eingesetzt. Diese Agenten ähneln den bekannten RPA (Robotics Process Automation)-Systemen; ihre Schnittstellen werden zu großen Sprachmodellen oder zusätzlich RAG-Systemen angereichert. So agieren sie vor allem in der Kommunikation zum Menschen wesentlich verständlicher und können neue Funktionalitäten abbilden, zum Beispiel E-Mails ohne vorgefertigte Textbausteine beantworten. KI-Agentensysteme können außerdem mit Elementen, die nicht auf LLMs basieren, aber auch zur Künstlichen Intelligenz zählen, angereichert werden. Ein Beispiel ist das Verarbeiten von eingescannten Dokumenten mit Texterkennung, kombiniert mit mathematischen Vorhersagemodellen. Dies kann u. a. die Verarbeitung von Energieausweisen erleichtern.
- Prozessübergreifende Verbesserungen: Einzelne Prozesse zu automatisieren bringt bereits erhebliche Produktivitätsvorteile. Dieser Nutzeneffekt kann jedoch noch weiter gesteigert werden, indem verschiedene KI-Agenten in Kombination in Multi-KI-Agentensystemen zusammenarbeiten. Diese werden über Schnittstellen so konfiguriert, dass sie definierten Input von KI-Agenten übernehmen und daraus einen Output generieren, der entweder an einen KI- oder menschlichen Agenten weitergegeben wird oder ein Endresultat darstellt. Beispielsweise ist in modernen „Know Your Client“-Systemen in Banken die Interaktion mehrerer KI-Agenten möglich. Ein KI-Agent analysiert, ob eine Neukundin oder Kunde in Bestandssystemen bereits unter gleichem oder ähnlichem Namen vorhanden ist. Ein anderer KI-Agent überprüft regulatorische Fragestellungen, ob es sich zum Beispiel bei der Person, um eine „Politically Exposed Person“ handelt. Die Ergebnisse werden übersichtlich dargestellt, und der Mensch trifft durch Multi-KI-Agentensystem unterstützt die letzte Entscheidung, ob der Neukunde angenommen werden darf. Zuvor mussten diese Schritte aufwändig und manuell durchgeführt werden.
- Skalierung von KI: Eine weitere Herausforderung ist die Skalierung von KI im Unternehmen. Dies erfolgt über standardisierte Umsetzungsmuster und einheitliche KI-Plattformen und Ansätze. Aktuelle Entwicklung sind autonome KI-Agenten, die anders als traditionelle KI- oder Multi-KI-Agentensysteme wenig spezifische Konfiguration benötigen und selbstständig in einem vordefinierten Rahmen agieren. Neu ist, dass autonome KI-Agentensysteme auf sogenannte Trigger, wie zum Beispiel „Eingang einer Mail“, reagieren und selbstständig erkennen, welche Schritte ausgeführt werden müssen. Dies reduziert den Implementierungsaufwand und steigert die Möglichkeiten, Geschäftsnutzen zu erzeugen, indem Prozesse schneller und in der Qualität der Ergebnisse verbessert werden.
- Exponentielles Produktivitätswachstum durch KI: Die langfristige Frage ist, wie die KI-Transformation weiter die Unternehmenswelt verändert und wie das Produktionswachstum genutzt werden kann. Um ein nahezu exponentielles Produktivitätswachstum zu erreichen, wird an Artificial General Intelligence (AGI) geforscht. Diese Form von Künstlicher Intelligenz ist in der Lage, jede intellektuelle Aufgabe genauso flexibel und effektiv wie ein Mensch zu bewältigen. Der Pfad dahin ist noch nicht klar. Manche Vertreter:innen der Forschungsgemeinde glauben, AGI bereits durch große Sprachmodelle erreichen zu können, andere argumentieren, dass große Sprachmodelle lediglich eine Komponente sind, die ähnlich dem Sprachzentrum im Gehirn nur das sogenannte Broca-Areal abbildet. Dieser Argumentation zufolge wären große Sprachmodelle nur eine Komponente in einer komplexen KI-Architektur, die erst noch zu entwickeln ist, um AGI zu erreichen und somit Fähigkeiten wie logisches Denken, Lernfähigkeit oder Verarbeitung von Emotionen zu bieten. Dazu braucht es auch klare Richtlinien für die ethische und vertrauenswürdige Nutzung der KI.
Zwar mögen bislang noch viele Herausforderungen bezüglich Artificial General Intelligence ungelöst oder gar unerkannt bleiben. Im Unternehmenskontext geht es jedoch darum, die heutigen Möglichkeiten zu adaptieren und Unternehmen organisatorisch so anzupassen, dass sie schnell, zuverlässig und rechtskonform auf Veränderungen im Bereich Künstliche Intelligenz reagieren können.
Besonders wichtig: Es muss eine sichere und ethische Nutzung von KI gewährleistet sein, um Gefahren bei ihrem Einsatz und damit erhebliche Reputationsschäden oder weiterreichende negative Effekte abzumildern und so Unternehmen für die nächste Ära der aktuell stattfindenden Transformation zu wappnen.