„Daten sind das neue Öl“! Das wissen mittlerweile viele Unternehmen, sammeln ihr Datenmaterial eifrig und setzen bei der Analyse auf KI-Tools. Die funktionieren bekanntermaßen umso besser, je mehr Daten ihnen zur Verfügung stehen. So wurde etwa ChatGPT mit unvorstellbar großen Datenmengen – nämlich 175 Milliarden Trillionen Parametern – gefüttert.
Speziell generative KI wie ChatGPT hat für Unternehmen und Industrien großes Potenzial, da sie dank Maschinellem Lernen aus den eingegebenen Datensätzen Regeln abstrahieren und damit Vorhersagen treffen kann. Wie gut das jetzt schon funktioniert, zeigt ein Experiment mit dem bekannten Computerspiel Sim City. ChatGPT kann Skripte und Anweisungen für die Spielfiguren in Sim City erstellen, die dann erstaunlich gut menschliche Interaktion abbilden.
Wenn man das weiterdenkt, ergeben sich daraus spannende Chancen für strategisches wirtschaftliches Planen, etwa indem man durchspielt, wie sich lokale oder globale Trends und Ereignisse auf ein individuelles Unternehmen auswirken werden, so dass frühzeitig tragbare Strategien für alle denkbaren Fälle entwickeln werden können.
Klar ist aber, dass Industrieunternehmen die großen offenen Modelle KI-Modelle nicht ohne Weiteres in Ihrem Sinne nutzen können, ohne dabei auch sensibles unternehmensinternes Wissen und Know-How preiszugeben. Also wie nutzen wir für unser Unternehmen generative KI und schützen gleichzeitig unsere Daten?
Wir bauen die Modelle nach machen ein Feintuning und mit den eigenen Unternehmensdaten: Wenn wir Datenquellen zusammenführen, die Daten in Plattformen kontextualisieren und noch dazu ein nach dem Vorbild von ChatGPT und Co. simples und intuitiv nutzbares User Interface gestalten, können wir für jeden in unserer Organisation die Voraussetzungen schaffen, mit allen zur Verfügung stehenden Daten im Hintergrund die besten Entscheidungen zu treffen. Das bringt uns schon ein gutes Stück voran. Aber für den Moment haben wir nur einen Daten-Schrebergarten geschaffen und mit dem mentalen Zaun „meine Daten“ schränken wir auch die Möglichkeiten ein, die die KI bietet.
Viel lohnender ist es, die Parzelle zu verlassen und einen ganzen Daten-Landschaftsgarten zu bauen, indem wir die Akteure, die in der Wertschöpfungskette vor- und nachgelagert sind, miteinbeziehen – sogar Marktbegleiter und deren Daten und Wissen, das heißt, ein Datenökosystem schaffen.
Das setzen wir am AI-Campus in Berlin bereits um mit Start-ups, Mittelständlern und großen Corporates. Wir müssen einerseits die Stelle in dem Garten finden, an der wir mit unseren Daten und Expertise die besten Früchte ernten, und andererseits anerkennen, dass wir nicht alles auf unserer kleinen Parzelle Land anbauen können.
Je mehr Expertenwissen und Know-How aus unterschiedlichen Quellen wir einsetzen können, umso ausgewogener können generative KI-Modelle arbeiten, und umso präziser sind getroffene Analysen und Vorhersagen. Das erfordert ein gewisses Umdenken in der Unternehmenswelt, aber nur auf diese Weise werden wir in die Lage kommen, Herausforderungen, zum Beispiel Lieferkettenprobleme, vorherzusagen, schneller darauf zu reagieren, oder sogar die Bedingungen so anzupassen, dass wir die Herausforderungen meistern, bevor sie zu echten Problemen werden. Jetzt fehlt es nur noch an einem, um den nächsten Schritt zu machen: Mut!
.jpg "Benchmark evaluiert Large Language Models automatisch")
