Viele Unternehmen haben Ideen, wie sie mit künstlicher Intelligenz Prozesse, Produktion und andere Abläufe beschleunigen könnten. Doch die Frage, welche KI sich dafür am besten eignet, greift am Anfang zu weit. Zu Beginn stehen Ziele und Datenqualität im Vordergrund. Die Lösung ist dann meist eine Kombination mehrerer KI-Technologien. […]
(c) stock.adobe.com/FJM
Mit der KI ist es wie mit Fahrzeugen: Eine perfekte Kreuzung aus Traktor, Sportwagen, LKW und Gabelstapler, die in allen Bereichen erste Plätze belegt, gibt es nicht – und kann es nicht geben. Auch wenn die aktuellen News bei neuen Large-Language-Modellen (LLMs) ständig neue Benchmark-Rekorde vermelden und gezielt gestreute Gerüchte über eine baldige allgemeine Superintelligenz (AGI) suggerieren, es gäbe bald eine KI, die alles hervorragend beherrscht: Das ist bisher nicht der Fall und auch nicht in Sicht.
KI-Modelle wie die von ChatGPT, Claude, Mistral und Aleph Alpha haben Stärken und Schwächen. Das liegt an der Programmierung, am Training und den Trainingsdaten. Sie unterscheiden sich auch in der Ausrichtung: Claude ist für Programmierer oft die beste Wahl, ChatGPT hat sehr gute Reasoning-Modelle (die tief nachdenken können sollen), Aleph Alpha besticht durch Transparenz, Erklärbarkeit sowie EU-Konformität.
Der Gedanke, für die eigenen Herausforderungen gäbe es deswegen keine perfekt geeignete KI, ist jedoch falsch. KI-Systeme lassen sich mit der richtigen Modellwahl, den für die Aufgaben relevanten Daten, KI-Metriken und analytischen Machine-Learning-Systemen sehr wohl passgenau für eigene Lösungen zuschneiden.
Ziele klar herausarbeiten und definieren
Aus diesem Grund ist es besonders wichtig, sich über die Ziele klar zu werden, die mit der Einführung einer KI erreicht werden sollen. Geht es um…
