Neueste Entwicklungen der Künstlichen Intelligenz
Was sich wirklich verschoben hat und was davon im Betrieb ankommt
Eine Seite über die neuesten Entwicklungen der Künstlichen Intelligenz trägt ihr Problem im Titel. Wer Modellnamen und Versionsnummern aufzählt, schreibt einen Text, der nach wenigen Wochen überholt ist. Diese Seite beschreibt deshalb die Verschiebungen, die über den einzelnen Modellwechsel hinaus Bestand haben, und sagt zu jeder, was sie für einen mittelständischen Betrieb ändert. Am Schluss steht ein Prüfraster für die nächste Meldung.
Was mit Künstlicher Intelligenz heute gemeint ist
Der Begriff hat sich im Sprachgebrauch der letzten Jahre verengt. Gemeint sind fast immer Systeme, die eine Aufgabe aus Beispielen gelernt haben, statt einer Regel zu folgen, die jemand von Hand aufgeschrieben hat. Machine Learning heißt dieses Vorgehen, Deep Learning der Zweig davon, der mit vielschichtigen künstlichen neuronalen Netzen arbeitet. Der Vergleich mit dem menschlichen Gehirn, der in älteren Erklärtexten steht, führt dabei in die Irre. Diese Netze sind davon lose inspiriert und arbeiten anders.
Häufig zu lesen ist außerdem die Unterscheidung zwischen schwacher und starker KI. Schwache KI (Narrow AI) erledigt eine abgegrenzte Aufgabe. Starke KI (AGI) wäre ein System, das beliebige intellektuelle Aufgaben übernehmen könnte. Ein solches System gibt es nicht, und ob und wann es kommt, ist offen. Wer heute über KI im Unternehmen spricht, spricht über die erste Kategorie.
Fünf Verschiebungen, die geblieben sind
Das Modell bedient inzwischen Werkzeuge
Die erste Welle der Sprachmodelle endete am Rand des Chatfensters. Eine Antwort kam heraus, und was damit geschah, war Handarbeit. Heute rufen dieselben Modelle Systeme auf: Sie schlagen in einer Datenbank nach und legen einen Datensatz an. Damit verschiebt sich auch die Arbeit im Projekt. Wie gut ein Modell formuliert, ist zur Nebenfrage geworden. Entschieden wird über den Erfolg daran, woran es angebunden ist und welche Rechte es dabei bekommt. Genau das ist der Gegenstand der Prozessautomatisierung mit KI-Agenten, und es ist auch der Grund, warum ein solches Vorhaben mehr Abstimmung mit der IT braucht als ein Chatbot.
Ein Teil der Modelle bleibt im Haus
Für einen Teil der leistungsfähigen Sprachmodelle sind die Gewichte frei verfügbar. Sie lassen sich auf eigener Hardware betreiben oder bei einem österreichischen Anbieter, ohne dass Daten den eigenen Rechtsraum verlassen. Ältere Erklärtexte behaupten an dieser Stelle gern, der Betrieb in der Cloud mache KI schneller und sicherer. Das erste stimmt für den Einstieg, das zweite verwechselt zwei Dinge. Ein großer Betreiber hält seine Systeme in aller Regel besser instand als ein Serverraum im Keller. Was er nicht mitliefert, ist die Datenhoheit: Wer Daten außer Haus gibt, gibt die Kontrolle darüber ab, in welchem Rechtsraum sie liegen und wer dort Zugriff verlangen kann. Welche Stufen zwischen öffentlicher Cloud und eigenem Blech liegen, zeigt die Seite zur lokalen KI; wie sich die Frage für Sprachmodelle konkret stellt, steht unter KI-Sprachmodelle aus Österreich.
Text ist nur noch einer von mehreren Eingängen
Dieselbe Grundtechnik verarbeitet inzwischen gesprochene Sprache, Bilder und Tabellen. Für den Betrieb heißt das vor allem, dass Material auswertbar wird, das bisher niemand angefasst hat: das abfotografierte Prüfprotokoll, die Tonaufnahme aus der Serviceannahme. Die Aufgabe entscheidet dabei über die Bauart des Modells, und wer das vorab klärt, spart sich die Fehlersuche an der falschen Stelle. Wie diese Zuordnung funktioniert, steht bei den Encoder-Decoder-Modellen. Im Dokumentenlauf läuft sie auf die KI-Rechnungsverarbeitung hinaus, im Bild auf die Computer Vision.
Aus der freiwilligen Selbstverpflichtung ist Recht geworden
Lange war der verantwortungsvolle Umgang mit KI eine Frage der eigenen Haltung. Mit dem EU AI Act gibt es dafür einen verbindlichen Rahmen, dessen Pflichten in Stufen greifen und der zwischen Anbietern und Betreibern unterscheidet. Für die meisten Unternehmen ist die Betreiberrolle die zutreffende, und sie ist die leichtere. Welche Pflichten bereits gelten und welche noch kommen, steht auf der Seite zum EU AI Act; eine erste Einordnung des eigenen Systems liefert der EU-AI-Act-Check.
Die Absicherung ist eine eigene Disziplin geworden
Mit dem produktiven Einsatz sind Angriffswege entstanden, die es vorher nicht gab. Eine manipulierte Anweisung in einem Dokument kann ein Modell dazu bringen, seine eigenen Vorgaben zu übergehen; ein Assistent mit zu weiten Rechten richtet Schaden an, ohne dass jemand ihn angreifen musste. Der LLM-Security-Bereich geht diese Angriffsklassen einzeln durch. Ein Fall kommt dabei ohne Angreifer aus: die stille Nutzung privater Zugänge im Arbeitsalltag, die unter Schatten-KI beschrieben ist.
Was sich nicht verschoben hat
Drei Dinge gelten unverändert, und sie erklären die meisten gescheiterten Vorhaben besser als jede Modellgeneration.
Modelle geben eine falsche Auskunft im selben ruhigen Ton wie eine richtige. Das ist keine Kinderkrankheit, die der nächste Modellwechsel behebt. Es ist eine Eigenschaft der Bauart. Wer Ergebnisse ungeprüft weiterreicht, hat das Risiko unabhängig davon, welches Modell im Hintergrund läuft.
Die Datengrundlage bleibt der Engpass. Ein Modell kann keine Auskunft aus Unterlagen geben, die auf verteilten Laufwerken in vier Fassungen liegen. Diese Aufräumarbeit steht vor dem KI-Projekt und nicht darin.
Und der Aufwand liegt weiterhin in der Einführung. Der technische Anteil eines Vorhabens ist überschaubar geworden; was Zeit kostet, sind Zuständigkeiten und Prüfschritte, dazu die Frage, wer das Werkzeug nach der Einführung betreut. Der Leitfaden zur KI-Einführung beschreibt diesen Weg in Phasen.
Wie sich die nächste Meldung einordnen lässt
Für die Meldung, die in ein paar Wochen durch die Fachpresse geht, hilft ein kurzes Raster. Vier Fragen genügen meistens:
- Testaufbau oder Betrieb? Ein Ergebnis unter Laborbedingungen sagt wenig darüber aus, wie sich ein System mit echten Daten und echten Benutzern verhält.
- Wo darf das laufen? Ein Modell, das den eigenen Rechtsraum nicht verlassen darf, kommt für einen Teil der Meldungen von vornherein nicht infrage.
- Welcher Vorgang ändert sich? Ohne einen benennbaren Ablauf im eigenen Haus bleibt die Meldung fachlich interessant und betrieblich belanglos.
- Wer prüft das Ergebnis? Jede Anwendung braucht eine Stelle, an der jemand die Ausgabe gegen etwas hält, bevor sie weiterläuft.
Wer diese vier Fragen beantworten kann, braucht keine Übersicht über den jeweils neuesten Stand. Die Fragen überleben den Modellwechsel, die Übersicht nicht.
Fazit
Die Entwicklung der Künstlichen Intelligenz verläuft schnell, die Punkte, an denen sie ein Unternehmen berührt, bleiben überschaubar. Werkzeugzugriff, Betriebsort und Rechtsrahmen haben sich verschoben; die Anforderungen an Datenqualität und Prüfung sind dieselben geblieben. Für die Praxis heißt das: Der Vorsprung liegt nicht bei dem, der die neueste Meldung kennt, sondern bei dem, der einen Vorgang benennen kann, den sie verändert.