#Blog #KünstlicheIntelligenz
Gen-KI vs. maschinelles Lernen:
Welche Art von KI braucht dein Unternehmen?
Welche unterschiedlichen Formen von KI sind für dein Unternehmen relevant und welche davon benötigst du, um deine Ziele zu erreichen? Dieser Artikel liefert dir den schnellen, praxisnahen Überblick.
Autor
Marco Bürckel
Geschäftsführer

Mini-Theorie-Abschnitt: KI ist nicht gleich KI

In diesem Artikel möchte ich dir ein grobes Verständnis dazu geben, welche verschiedenen Arten von KI es gibt und wie du sie für dein Unternehmen und deine Ziele nutzen kannst. Damit wir uns aber sinnvoll die Unterschiede anschauen können, brauchen wir ein paar theoretische Grundlagen, die aus meiner Sicht heute alle Entscheiderinnen und alle Unternehmer kennen sollten, die sich irgendwie mit digitalen Themen befassen:
Wie du vielleicht weißt, gibt es Maschinelle Lernverfahren (ML) schon etwas länger. Etwa seit 2010/2012 wurde der Begriff in Unternehmen populär. Man kann sagen, dass dank ML künstliche Intelligenz zum ersten Mal so richtig in Unternehmen eingesetzt werden konnte. In der Praxis basiert jede Anwendung von KI in Unternehmen heute letztlich auf maschinellen Lernverfahren.
ML unterscheiden sich sehr vom klassischen Computer-Programm. Statt festen Regeln zu folgen, lernt ML auf Basis von Trainingsdaten selbst, auf Basis welcher Zusammenhänge eine gewisse Antwort zustande kommt. Dieses Lernen auf Daten bezeichnet man als Training. Wie bei uns auch, muss das Training natürlich zum Einsatzzweck passen. Wenn ich möchte, dass meine KI mir Absätze im nächsten Monat voraussagt, muss ich sie auf Basis meiner Absatzhistorie trainieren. Wenn ich möchte, dass sie Beschwerdebriefe von Anfragen unterscheiden kann, muss ich ihr für beide Schreiben viele Beispiele zeigen.
Seit 2023 macht der Begriff der Generativen KI (Gen-KI) die Runde. Gen-KI nutzt maschinelle Lernverfahren, um Inhalte wie Texte oder Bilder zu generieren. Dafür werden der KI sehr viele Texte oder Abbildungen präsentiert, von denen sie lernt und diese später dann in Form neuer Inhalte nachahmen kann. Gen-KI ist also technisch gesehen keine Alternative zu ML, sondern basiert darauf.
Spricht man in Bezug auf Unternehmen heute von Gen-KI, meint man im Spezielleren große, vortrainierte KI-Modelle wie ChatGPT, die schon auf sehr vielen Daten gelernt haben. Somit können sie out-of-the-box sinnvolle Inhalte für Unternehmen generieren, ohne dass sie noch einmal trainiert werden müssten. KI-Modelle, die bereits mit großen Datenmengen vortrainiert wurden, sind sehr viel schneller nutzbar für Unternehmen und die Einstiegshürde ist sehr viel geringer.
Aber wie du dir vielleicht schon gedacht hast, gibt es Fälle, wo diese generalistischen Modelle nicht ausreichen und man doch in ein eigenes Training investieren muss. Wichtig ist an dieser Stelle also zu verstehen:
Möchte ein Unternehmen heute KI einsetzen, etwa um Prozesse zu automatisieren bzw. um Kosten einzusparen, muss es entscheiden, ob generalistische, vortrainierte Modelle für diesen Zweck ausreichen oder ob Modelle mit eigenem Training benötigt werden.

Was kann ML, was kann Gen-KI?

Die Zusammenfassung aus dem ersten Abschnitt: Während grundlegende ML-Verfahren also eher Daten analysieren um sie mit einer gewissen Aussage zu bewerten, generiert Gen-KI neue Inhalte, zum Beispiel in Form von Text.
In der Praxis wird ML für zwei Arten von Aussagen benutzt:
  • Klassifikation: Du hast ein Ding, was du in Kategorie A, B, C, ... packen kannst. ML kann automatisiert entscheiden, zu welcher Kategorie ein konkretes Ding gehört. Die zu kategorisierenden Dinge können Texte, Bilder, Audioaufnahmen, historische Zeitreihen und andere Daten sein. Telefonate könnten wir zum Beispiel in emotional aufgebracht oder emotional gelassen einteilen.
  • Vorhersagen: Du hast bestimmte Daten von heute und aus der Vergangenheit und möchtest eine Vorhersage für die Zukunft. Wie viele Kunden kommen nächsten Freitag in den Laden, wie viele Pflegeprodukte muss ich für nächsten Monat bestellen, wie viele Kunden werden im nächsten Quartal ihre Verträge kündigen, sind Beispiele für machbare Vorhersagen durch ML.
Gen-KI hingegen generiert Inhalte. Gerade große KI-Modelle wie etwa GPT von OpenAI haben dabei augenscheinlich ein erstaunliches Allgemeinwissen entwickelt. Ein solches KI-Sprachmodell generiert also nicht nur Texte, sondern kann Fachwissen aus verschiedensten Bereichen einbringen und Ausdrucksweise und Texttiefe verschiedenen Situationen und dem individuellen Kontext anpassen. Damit eignet sich Gen-KI sehr gut dazu, kreative Aufgaben wie das Schreiben von Artikeln, das Beantworten von Fragen, Programmierung von Software oder die Zusammenfassung von Informationen zu übernehmen.
Auf Basis ihres Allgemeinwissens kann auch generative KI Daten zu einem gewissen Grad bewerten. Die vorher angeführte Aufgabe, ob eine Aussage emotional aufgeladen oder gelassen ist, kann auch sie bewerten. Entscheidungsfragen, die irgendwie auf allgemeinem Textverständnis basieren, können in aller Regel durch Gen-KI sehr gut bearbeitet werden.

Ganz praktisch: Wann nutze ich also was?

Machen wir es ganz einfach:
Du willst etwas in eine bestimmte Kategorie einteilen?
Könnte die Einteilung jemand rein auf Basis von Allgemeinwissen und Textverständnis machen, der keinen Plan von deiner Firma hat?
  • Ja: Generative KI reicht wahrscheinlich aus
  • Nein: ML wird wahrscheinlich benötigt
Du willst etwas vorhersagen?
In aller Regel brauchst du ML. Für eine akkurate Vorhersage benötigst du ein ausgeprägtes Verständnis von Ursache und Wirkung im jeweiligen Bereich. In aller Regel genügt ein gutes Allgemeinwissen nicht. Wahrscheinlich würdest du auch keinen Abiturienten damit beauftragen, deinen Sales-Forecast für nächstes Jahr zu machen. Ein eigenständiges ML-Training entwickelt das notwendige Feingespür für Ursache und Wirkung in deinen Daten.
Du willst Texte, Schreiben, E-Mails oder andere Inhalte generieren?
Dann hilft dir natürlich Gen-KI. Wichtig ist hier die Anmerkung, dass Gen-KI für deine Zwecke erst richtig nützlich wird, wenn du sie mit deinen Unternehmensdaten vertraut machst. E-Mails schreiben wird schwer, wenn man die Kunden und deren Anliegen nicht kennt. Den Report an die Geschäftsführung mit dem Projektüberblick kann sie nur schreiben, wenn sie eure Projekte kennt.
Interessant für dich ist nun, dass kein weiteres Training benötigt wird, um generative KI um das notwendige Wissen zu erweitern. Wie du deine KI sicher, rechtskonform und effizient mit den unterschiedlichen Daten in deinem Unternehmen verbindest, zeigen wir dir gerne in einer 1:1 Beratung.

Ausblick: Weitere Spielarten und praktische Beispiele

Die Einteilung im letzten Abschnitt ist ein guter Start, um zu verstehen, in welche Richtung ihr gehen müsst, um ein bestimmtes Ziel zu erreichen.
Wie so oft ist in der Praxis die Einteilung dann doch nicht so einfach, bzw. gibt es zwischen Schwarz und Weiß eben noch ein Grau. So könnte es in bestimmten Fällen sinnvoll sein, eine Beurteilung von Daten nicht mit ML vorzunehmen, sondern eine Gen-KI zu nutzen, die aber mit ML Verfahren noch einmal nachtrainiert wird. Dies kann dafür sorgen, dass die KI ihr Textverständnis und Allgemeinwissen behält, aber ein feineres Verständnis zu Ursache und Wirkung bezüglich deiner Unternehmensdaten hat.
Auch wirst du für die Automatisierung komplexer Geschäftsprozesse unter Umständen ML und Gen-KI kombinieren müssen, um das volle Potenzial zu erreichen. Man kann aber im Allgemeinen sagen, dass Gen-KI zunehmend besser wird und in immer mehr Fällen bereits out-of-the-box sehr gute Ergebnisse liefert, ohne dass es ein eigenständiges ML-Training bräuchte.
Lass uns den Artikel mit einigen praktischen Lösungsbeispielen beenden, die wir unseren Kunden bereits geliefert haben:
Akustische und visuelle Qualitätskontrolle: In der Produktion kann die Qualität produzierter Güter mit ML geprüft werden. Schäden wie Kratzer oder Dellen sind häufig visuell direkt einsehbar. Störungen in mechanischen Abläufen lassen sich häufig akustisch bewerten. Maschinelle Lernverfahren können diese Daten mit verhältnismäßig wenig Trainingsdaten zielsicher als OK oder nicht OK klassifizieren.
Automatisierte Beantwortung von Supportanfragen: Viele Anfragen im Support wiederholen sich. Je nach Supportabteilung machen Routinefragen teils mehr als 50% der Anfragen aus. Gen-KI kann auf Basis vergangener Supportanfragen diese Routineanfragen identifizieren und automatisch durch Generierung einer Antwort beantworten.
Up-Selling-Empfehlungen im Vertrieb: Gerade bei einem komplexen Produktportfolio oder bei einer großen Variantenvielfalt ist es nicht immer einfach, im Vertrieb die passenden Empfehlungen für Zusatzangebote zu machen. Häufig braucht es viel Erfahrung und Verständnis zur jeweiligen Branche. Gen-KI kann auf Basis vergangener Angebote in Form von E-Mails oder ERP-Daten zu einer Anfrage automatisch passende Zusatzangebote finden und sie dem Vertriebs­mitarbeiter vorschlagen.
Bewertung sensorischer Daten: In der chemischen Industrie ermöglicht ML die Analyse gasförmiger Substanzen durch Gaschromatographen zur präzisen Überwachung von Materialreinheit und -zusammensetzung. Ebenso können Vibrationssensoren in Maschinen durch ML frühzeitig Verschleiß erkennen, um Ausfälle zu verhindern. Diese Technologien steigern die Produktionszuverlässigkeit und verlängern die Lebensdauer der Anlagen.

Lieber eine 1:1-Beratung?

Dein Ansprechpartner
Marco Bürckel
Geschäftsführer
infoaxioconceptcom

Du brauchst schnell und unkompliziert einen Hinweis für deine konkrete Situation? Wir bieten dir Beratungspakete ohne lange Beraterverträge zum Fixpreis. Sichere dir jetzt deinen Termin: