Durchbrüche, Ängste und enorme Investitionen
Das Jahr 2024 wird wohl als jenes des endgültigen Durchbruchs der generativen Künstlichen Intelligenz in die IT-Geschichte eingehen. Dabei hat der Wettlauf um KI-Modelle und ihre wirtschaftlichen Implikationen für die Zukunft erst begonnen.
Das Starterfeld der Tech-Konzerne, die an ihren eigenen „generativen KI-Modellen“ arbeiten, hat sich 2024 erweitert. Neben OpenAI, Google DeepMind mit Gemini 2.0, Anthropic’s Claude sind Mark Zuckerbergs Llama und Elon Musks xAI die größten Player in diesem proprietären Wettlauf um KI-Modelle. Als konträre Strategien haben wir Open-Source-Initiativen, ethische Innovationen bis hin zu personalisierten KI-Interaktionen gesehen, die ebenfalls die Zukunft der künstlichen Intelligenz mitbestimmen werden.
Und zu Jahresende legte ein chinesisches KI-Labor namens DeepSeek die Latte für Generative KI-Modelle ziemlich hoch.
Beim Rennen um die Führung im Bereich der KI-Entwicklung handelt es sich um Wettbewerbe in mehreren Disziplinen, bei dem manche den Hype von Generativer KI bereits überschritten sehen, dessen anscheinende Überbewertung bereits korrigiert werde. Wir sehen es pragmatisch: Überzogene Heilsbringer-Erwartungen werden sich relativieren und die Aussicht (enormen) Potenziale zu heben, wird bestehen bleiben.
Egal wie wir die Entwicklungen der Künstlichen Intelligenz (die weit über generative KI hinausgeht) für uns einschätzen: Sie bringen enorme Chancen, die wir im Arbeits- und Unternehmenskontext nutzen können – und müssen, um wettbewerbsfähig zu bleiben. 2025 werden Unternehmen jedoch neben technologischen Aspekten speziell auch auf Sicherheitsstandards beachten und ethische Überlegungen berücksichtigen. In jedem Fall steht und fällt ein profitabler unternehmerischer Einsatz mit einem sinnvollen Entwicklungsprozess, gepaart mit entsprechendem Wissen um Organisationsentwicklung, technische Möglichkeiten (inkl. KI aber nicht nur) und Projektmanagement-Skills.
Diese Potenziale sind übrigens auch in einer Welt realisierbar, in der die Weltmächte USA und China die Entwicklungen vorantreiben, während Europa auf der Zuschauerbank Platz genommen hat.
Open-Source Verdoppelung 2024
Open-Source-KI erlebte einen Durchbruch: Es gab einen deutlichen Anstieg an Open-Source-KI-Projekten und -Beiträgen. Die Anzahl der generativen KI-Projekte hat sich im Vergleich zu 2023 fast verdoppelt. Deutschland belegte dabei den vierten Platz in der Liste der beitragsstärksten Länder.
Es gibt natürlich Bedenken, dass Open-Source-Technologie auch für schlechte Zwecke eingesetzt werden kann, was sich bis dato noch nicht bewahrheitet zu haben scheint. Einige kritisieren, dass nicht alle Open-Source Projekte wirklich transparent sind und die Quelle offenlegen – geschätzt wird aber, dass mehrheitlich geteilt und gemeinschaftlich an KI gearbeitet wird. Das führt zu einem besseren gemeinsamen Verständnis und kann insgesamt zu deutlichen Verbesserungen führen.
KI-Modelle verstehen 2024 menschliche Sprache besser
Computer haben gelernt, die menschliche Sprache besser zu verstehen. Es ist nicht mehr notwendig, die Sprache des Computers zu lernen, sondern „die KI“ gibt seit 2024 Antworten, indem man mit dem Computer per Sprachbefehl kommuniziert. Ein Beispiel ist die Lösung von technischen Problemen in Sekundenschnelle durch Kommunikation mit KI, wie zB einen Fehler in einem Programmier-Code zu finden.
Multimodale KI-Modelle und Integrationen 2024
2024 sind AI-Textgeneratoren in diverse Anwendungen (wie zB Content Management Systeme, Canva usw.) integriert worden. Zudem haben sich multimodale KI-Modelle weiterentwickelt, die verschiedene Arten von Daten (wie Audio, Bilder und Text) verarbeiten können. Über alle Anwendungen hinweg hat sich die Fähigkeit verbessert, Bilder und Videos in beeindruckender Qualität zu generieren; wobei Midjourney, Adobes Firefly und Sora, das KI-Videomodell von Open AI herausstachen; Einschränkungen gelten noch für die realitätsgetreue Wiedergabe von Details wie Händen und Füßen.
Google Gemini 2.0 und diverse weitere Anwendungen können z.B. nativ Audio generieren, sind zum Teil aber noch im Entwicklungsstadium.
KI als Praktikant, Coach oder Wissenschaftler?
KI-Anwendungen werden als Helfer für Zuarbeiten wie Übersetzungen, Brainstorming, aber auch Zusammenfassungen, Präsentationen und Bildgenerierung genutzt. Spezialisierte Anfragen in puncto Programmierung haben dazu geführt, dass bisherige digitale Marktplätze stark an Frequenz eingebüßt haben, da nun KI-Anwendungen als „Coach“ Fehler in Code findet oder auch Nutzern ohne umfassende Computerkenntnisse Ernährungspläne, Produktmanagement oder Code an die Hand gibt.
Was Datenhandling angeht, hat Googles Notebook LM die Latte ziemlich hoch gehängt: Anders als Chat GPT, Claude & Co können damit auch Quellen aus URLs bearbeitet und zusammengefasst werden – und daraus ein Podcast in beeindruckender Gesprächsqualität von (bisher nur) englischsprachigen Hosts generiert werden.
Und: Wissenschaftliche Arbeiten geraten unter Druck – und müssen sich selbst verändern. Denn es gibt Bedenken, dass KI es jedem ermöglichen könnte, auf Knopfdruck wissenschaftliche Artikel zu verfassen. Auch KI-Nutzung für gefälschte Experimentaldaten stellt in diesem Kontext eine neue Herausforderung dar.
Künstliche Intelligenz polarisiert 2024 zunehmend
Im Bereich KI haben sich die Fürsprecher und Gegner hochgeschaukelt. Auf der einen Seite
– Unternehmen, die durch KI menschliches Handeln bzw. Aufgaben zum Teil ersetzen wollen, während auf der anderen Seite
– KI-Kritiker die aktuellen Modelle als nutzlos und umweltschädlich bezeichnen.
Da die Fronten verhärtet sind, erscheint für die Zukunft eine offene Diskussion mit begründeter Kritik und zugleich einer positive Vision für KI notwendig. Wir finden es sinnvoll, die Chancen der bestehenden Technologien zu betrachten und diese Potenziale für das jeweilige Unternehmen zu heben – und dabei Risiken und ethische Standards zu beachten.
Effizienz von KI-Modellen bleibt 2024 problematisch
Trotz einiger Fortschritte war die Effizienz von KI-Modellen in Bezug auf Input, Kosten und Nutzen immer noch gering. Einige Unternehmen verfehlen ihre Klimaziele wegen des hohen Energieverbrauchs von KI. Deshalb entwickelt inzwischen manch großer Konzern auch kleinere und spezialisiertere Modelle, die weniger Rechenleistung brauchen; beispielsweise Claude 3.5 Sonnet und GPT4O11.
China fordert Ende 2024 die USA heraus
Anscheinend ist es auch möglich, schneller und effizienter zu entwickeln – zumindest in China. Dort stellte ein chinesisches KI-Labor namens DeepSeek ein leistungsstarkes KI-Modell vor, das laut Herstellerangaben den Modellen von US-Firmen wie OpenAI leistungstechnisch überlegen sei. Und das obwohl es mit weniger leistungsstarken Chips trainiert worden sei und mit unter 6 Millionen Dollar Kosten zu Buche schlagen soll.
Nachtrag 24.01.2025:
Unabhängige Benchmarktests im Januar 2025 verglichen die Leistung von DeepSeek mit Metas Llama 3.1, OpenAIs GPT-4o und Anthropics Claude Sonnet 3.5: Es zeigte sich, dass das chinesische Modell DeepSeek r1 amerikanische Modelle wie OpenAI’s aktuelles o1 bei Aufgabenstellungen wie dem Lösen komplexer Probleme, Rechenaufgaben und Programmieren übertreffen konnte, wie CNBC berichtet.
Möglich wurde das wohl durch „Destillation”, bei dem ein sehr großes LLM benutzt wird, um ein kleineres Modell in bestimmten Bereichen zu verbessern. Nicht klar ist derzeit, ob China es geschafft hat, hardware-seitig selbst Ersatz für die notwendigen Hochleistungskomponenten wie Nvidia’s H100s Chips zu schaffen oder Exportkontrollen für diese Produkte umgehen konnte.
In einem weiteren Beitrag haben wir KI-Anwendungen gesammelt, die meist mit „Gen AI“ oder „Generative KI“ bezeichnet werden und mit denen wir bereits Erfahrungen gesammelt haben.
KI-Anwendungen für Texte, Bilder, Audios, Video >>
TIPP: Achte immer darauf, dass deine Daten – besonders bei kostenlosen Versionen – zu Trainingszwecken genutzt werden können; lies daher bei sensiblen Daten in jedem Fall vorab die Bedingungen durch und nutze für Experimente keine Firmen-Email-Adresse!