Hybride KI
Künstliche Intelligenz (KI) umfasst Technologien zur Automatisierung intelligenten Verhaltens, von maschinellem Lernen bis hin zu generativer KI, die durch Modelle wie neuronale Netze geprägt ist. Hybride KI kombiniert analytische und generative Ansätze, um Flexibilität, Energieeffizienz und Präzision zu gewährleisten, indem sie je nach Bedarf zwischen spezialisierten und generativen Methoden wechselt, wie bei der MORESOPHY-DAPHY-Technologie, die Kreativität und Kontrolle optimal verbindet.
1. Zunächst einmal: Was ist überhaupt Künstliche Intelligenz?
Wir Menschen bezeichnen uns als intelligent, weil wir die Fähigkeit haben Probleme zu lösen. Und dies auch nicht irgendwie, mit Gewalt oder in ewig ausufernden Diskussionen, sondern möglichst effizient – also in möglichst kurzer Zeit und mit möglichst wenig Energieaufwand.
Intelligenz hat die Menschheit lange Zeit als differenzierendes Merkmal für sich reklamiert. Mittlerweile wissen wir, dass nicht nur andere Lebewesen Intelligenz aufweisen, sondern auch Computer können ein intelligentes Verhalten zeigen, indem Sie uns helfen, Probleme zu lösen.
2. Woran messe ich den Wert von KI?
Intelligenz ist kein Wert an sich. Menschen können Intelligenz auch kriminell einsetzen oder zum Schaden anderer. Für den Einsatz von Künstlicher Intelligenz gibt es einfache Prinzipien, anhand derer der Wert einer KI gemessen werden sollte:
1. Verlässlichkeit
Verlässlichkeit wird daran gemessen, ob die KI tut, was wir von ihr erwarten. Der Einsatz von KI ist in der Regel mit der Lösung eines spezifischen Problems verbunden. Wir möchten ein Ziel, schneller erreichen. Daher ist die entscheidende Frage, wie sicher wir uns darauf verlassen können, das die KI genau das tut, was wir wollen. Verlässlichkeit hat viel mit Vertrauen zu tun. Und Vertrauen basiert darauf, dass ich verstehen und nachvollziehen kann, wie sich ein Mensch oder analog eine Künstliche Intelligenz verhält.
2. Business KPI
Der Einsatz von KI in Unternehmen sollte stets in Verbindung gesehen werden mit konkreten Geschäftskennzahlen, sog. Key Performance Indicators (KPI). Denn die Nutzung von KI kostet Geld, bei breit eingesetzten Anwendungen sogar sehr viel Geld. Daher ist es wesentlich zu prüfen, wie sich der Einsatz der KI auf den einen oder anderen KPI auswirkt und der Return-On-Investment im Einsatz der KI positiv ist. Dies kann sich in höherer Kundenzufriedenheit, Kosteneinsparungen, höherer Produktivität oder auch verbesserter Qualität auswirken. KPIs ermöglichen Zielvorgaben zu messen. Und anhand derer kann somit auch die Verlässlichkeit der KI gemessen werden.
3. Energieeffizienz
Bei all dem ist anstrebenswert, dass das Ziel mit möglichst wenig Aufwand und Kosten erreicht wird. Bei KI bezieht sich das v.a. auf den Energieverbrauch, der für den Betrieb des KI-Modells benötigt wird. Generative KI steht hier in der Kritik, weil für jede Anfrage eine vergleichsweise extrem große Menge an Rechenzeit und Strom benötigt wird. Der wiederum einen hohen Wasserverbrauch zur Kühlung nach sich zieht.
3. Welche Formen künstlicher Intelligenz gibt es?
Künstliche Intelligenz beinhaltet ein weites Feld von Technologien, die sich mit der Automatisierung intelligenten Verhaltens befassen. Im Fokus stehen die Verfahren des Maschinellen Lernens (ML, oder auch: Machine Learning). Dort werden komplexe mathematische Funktionen verwendet, die in der Lage sind, auf Basis einer vorliegenden Konstellation an Daten vorherzusagen, was daraus jeweils resultiert. Ob bei der Wettervorhersage, Assistenzsystemen im Auto oder einem Chatbot, der auf eine Frage antwortet. Das Prinzip ist bei allen Anwendungen vergleichbar. Die Art, Menge und Struktur der Daten und das erwartete Ergebnis unterscheiden sich stark.
In allen Fällen muss die KI zuvor trainiert werden. Nur wenn sie hinreichend viele Fälle gesehen und „erlebt“ hat, kann sie systematische Unterschiede und Muster in den Daten erkennen, die sich auf das mögliche Ergebnis auswirken. Für gute, verlässliche Vorhersagen müssen das meistens sehr viele, gut aufbereitete Fälle sein, damit die KI entsprechend lernen kann.
Es gibt vielfältige Kriterien, nach denen man eine KI unterscheiden kann. So gibt es sehr viele verschiedene Algorithmen, also Rechenverfahren. Die mächtigsten sind sog. Neuronale Netze, die auch mit sehr komplexen Datenstrukturen umgehen können, und mittlerweile Standard sind. Ebenso unterscheiden sich ML-Verfahren in der Art und Weise, wie das Training erfolgt. Hier gibt es Techniken, bei denen die KI von direkten Vorgaben eines Menschen lernt. Ebenso kann aber auch eine KI wie wir Menschen auto-didaktisch durch das wiederholte Sehen, Lesen oder Hören von Daten lernen. In der Fachsprache nennt man dies unsupervised learning, bzw. unüberwachtes Lernen.
Bei der Anwendung von KI von Unternehmen ist das wichtigste Kriterium zu unterscheiden, wofür ein Unternehmen KI einsetzt. Hier ist es hilfreich, zwischen analytischer und generativer KI zu unterscheiden.
Analytische KI
KI kann sehr gut dafür genutzt werden, in einer für Menschen unüberschaubaren Menge an Daten und Informationen relevante Muster, Signale oder Trends zu identifizieren. Analytische KI kann Menschen helfen, komplexe Situationen zu bewerten und darauf basierend die richtigen Entscheidungen zu treffen. Analytische KI kann sowohl große Mengen von Text wie auch numerische Daten auswerten.
Generative KI
ChatGPT hat eine neue Form der KI, die generative KI, etabliert. Technologisch gesehen stützt sich die generative KI auf große Sprachmodelle (LLM), die auf massiven Daten (praktisch ein kompletter Dump des WWW) trainiert werden. Sie können sehr universell eingesetzt werden – für jede Art von Bereich und für sehr unterschiedliche Aufgaben – und vor allem für generative Aufgaben. Generative KI kann also viel mehr als analytische KI. Während bei generativer KI sämtliches Wissen in einem gigantisch großen Modell gespeichert ist, werden für analytische Zwecke hochspezialisierte, spezifische Modelle eingesetzt.
4. Was ist hybride KI?
Hybride KI ist mehr als nur ein Werkzeugkasten, der sowohl Werkzeuge für analytische wie für generative Zwecke zur Verfügung stellt. Vielmehr nutzt ein mit hybrider KI ausgestattetes System sowohl analytische wie generative KI. Und zwar so intelligent, dass mit möglichst wenig Energieaufwand ein optimales Ergebnis erzielt wird.
Hybride Systeme folgen stets dem gleichen Prinzip: sie kombinieren verschiedene Ansätze flexibel miteinander um – je nach Situation und gegebener Anforderung – mit dem richtigen Ansatz das beste Ergebnis zu erzielen. Menschen z.B. weisen ebenfalls eine hybride Intelligenz auf. Es gibt Probleme die lösen wir sprachlich, andere logisch-mathematisch. Manchmal folgen wir simplen Regeln, in anderen Fällen verlassen wir uns auf unser (nicht explizit begründbares) Bauchgefühl. Ein Hybrid-Motor kombiniert die Vorteile eines Verbrennungsmotor (hohe Reichweite, ausgereifte Tankinfrastruktur) mit denen eines Elektroantriebs (Zero-Emission, geräuscharm, wartungsarm).
Bei hybrider KI ist es genauso: für spezifische Aufgaben sind spezialisierte analytische Modelle deutlich effizienter als jedes Mal ein großes Modell zu befragen. Die generative KI wird dort eingesetzt, wo sie Fähigkeit hat, die analytische Modelle nicht leisten können – und umgekehrt.
5. Was sind die Vorteile von hybrider KI?
Hybride KI weist zunächst einmal den gleichen Vorteil auf, den alle hybriden Systemen besitzen: durch die Verfügbarkeit vielfältiger Optionen kann sich das System viel flexibler den jeweiligen Gegebenheiten anpassen. Hybride Büro-Arbeit z.B. zeichnet sich dadurch aus, dass aufwändige An- und Abreisezeiten und Ressourcenverbrauche gespart werden. Für Arbeiten, die von einem physikalischen Miteinander profitieren, ist der Ressourceneinsatz jedoch sinnvoll und in einem hybriden Office-Modus möglich.
Speziell im Hinblick auf KI haben hybride Systeme viele weitere Vorteile:
1. Kosten und Energieverbrauch
Hybride KI-Systeme nutzen ressourcenintensive, generative KI nur dort, wo es absolut sinnvoll und erforderlich ist. Andere Aufgaben werden durch spezifische KI-Modelle erledigt, die keine GPUs benötigen und häufig bis zu einem Faktor 1000 oder mehr geringere Kosten aufweisen.
2. Geschwindigkeit
Der geringere Energieverbrauch geht auch einher mit einer deutlich höheren Verarbeitungsgeschwindigkeit analytischer Modelle. Wiederholte spezifische Aufgaben können mit analytischer KI ebenfalls um Größenordnungen schneller erledigt werden als mit generativer KI. Big-Data-Analysen, z.B. für die Medienanalyse oder auch die Auswertung von Sensordaten, sind mit generativer KI nicht in Echtzeit leistbar.
3. Nachvollziehbarkeit
Ein großes Problem generativer KI ist die fehlende Transparenz. Generative KI ist letztlich nichts anderes als Statistik. Aber warum eine generative KI auf eine Frage so oder so antwortet, ist nicht ersichtlich. Selbst kleinste Änderungen an der Fragestellung führen zu unerwartet großen Änderungen am Ergebnis, da in die Berechnung Billiarden von Parametern eingehen, deren Abhängigkeit nicht nachvollziehbar ist. Analytische KI dagegen kann so aufgesetzt werden, dass sie Menschen aufzeigt, wie und warum sie zu einem Ergebnis kommt. Diese Fähigkeit kann auch in Verbindung mit generativer KI genutzt werden.
4. Steuerbarkeit
Getreu dem Motto „Problem erkannt, Problem gebannt“ schafft die Nachvollziehbarkeit auch die Voraussetzungen für eine gezielte Steuerbarkeit. Analytische KI deckt relevante Muster im Hintergrund auf. Das ermöglicht systematische Optimierungen vorzunehmen oder ein Fehlverhalten frühzeitig zu erkennen und die richtigen Maßnahmen zu ergreifen.
5. Präzision
Hybride KI schlägt generative KI insbesondere in Fällen, bei denen qualitative Aspekte (in Form von Wie, Was oder Warum-Fragen) in Verbindung mit quantitativen Kennzahlen (Summe, Durchschnitt, Trend, …) im Fokus stehen.
6. Was beinhaltet die hybride KI von MORESOPHY?
Hybride KI von MORESOPHY ist nicht nur ein Werkzeugkoffer, der beide Arten von KI anbietet. Stattdessen bietet die KI-Plattform von MORESOPHY konkrete Lösungen, die in einem durchgängigen Prozess die Vorteile beider KI-Verfahren kombinieren.
KI-Lösungen von MORESOPHY ermöglichen eine durchgängige Wertschöpfung auf beliebig unstrukturierten Daten. Dabei werden analytische Verfahren vor allem dort eingesetzt, wo vorliegende Daten qualifiziert, also z.B. bereinigt, vereinheitlicht oder klassifiziert werden müssen. Generative KI wird dagegen insbesondere an der Benutzerschnittstelle verwendet – also immer dort, wo ein Anwender einfach eine Frage stellen oder ein Dokument prozessieren lassen möchte. Dabei greift in der Anwendung die generative KI jedoch nicht nur auf ihr eigenes Wissen zurück, sondern kann sich zusätzlich analytisch gewonnener Daten bedienen.
Technisch werden die analytisch gewonnen Daten dabei dynamisch in Prompts zur Steuerung der generativen KI integriert. Das Verfahren nennen wir DAPHY (DATA DRIVEN PROMPTING WITH HYBRID AI) – also „Data-driven Prompting mit hybrider KI“.
7. Welchen Vorteil bietet die DAPHY Technologie von MORESOPHY?
Mit der zum Patent angemeldeten DAPHY® Technologie vereint moresophy die Vorteile generativer KI mit der Nachvollziehbarkeit und Kontrollierbarkeit analytischer KI in einer überlegenen Lösung. Im Ergebnis erhalten Sie verlässlich optimierbare Ergebnisse für einen optimalen Kompromiss aus Kreativität und Kontrolle.
Die Hauptvorteile der Technologie liegen in:
- Weniger Aufwand im Prompt-Engineering: In vielen Fällen erfordert der Aufbau komplexer Prompts umfangreiches Domänenwissen. Zudem ist das Prompting einer KI sehr unberechenbar. Kleinste Änderungen im Prompt können manchmal zu erstaunlich großen Änderungen im Output führen. Mit DAPHY greifen Sie auf standardisierte Prompts zurück, die dynamisch mit strukturierten Daten angepasst werden.
- Dynamische Steuerung von Prompts mit validen, überprüfbaren Daten: Bei der Steuerung greifen Sie auf Daten zurück, die dank analytischer KI-Verfahren validierbar und überprüfbar sind. Hier machen Sie die Vorteile analytischer KI im Hinblick auf Transparenz und Nachvollziehbarkeit unmittelbar bezahlt. Das Verfahren reduziert mögliche Halluzinationen der generativen KI, sondern zwingt diese sich auf konkrete, mittels Daten beigesteuerte Fakten zu fokussieren.
- Optimierung auf den Kontext von Zielgruppe und Ziel des Prozesses: Mittels des Verfahrens können Daten, welche den Kontext einer Aufgabe definieren, automatisch berücksichtigt werden. Somit können KI-Lösungen pragmatisch optimiert werden.
8. Auf welche Weise kann ich hybride KI für mein Unternehmen nutzen?
Mit dem Context-Optimizer lassen sich bestehende Inhalte zielgerichtet für unterschiedliche Bedarfe, Zielgruppen und Kanäle optimieren. DAPHY integriert dabei von MORESOPHY bereit gestellte Daten, welche aus großen Datenmengen Motive und die spezifische Sprache von Zielgruppen ermitteln. Die Lösung bietet einen mehrfachen Nutzen. Durch das hybride Verfahren lassen sich Inhalte deutlich passgerechter erstellen. Zudem erfolgt die Optimierung des Inhalts auf Basis validierter relevanzoptimierter Daten. Redaktionen erhalten somit ein sehr transparentes, verlässliches Steuerungsinstrument.
Auch in ChatBots oder KI-Assistenten für das Beantworten von Fragen ist die hybride KI von MORESOPHY integriert. Der hybride Ansatz bietet deutlich präzisere Ergebnisse als eine ausschließliche Nutzung generativer KI. Überlegen sind die Wissensmanagement-Lösungen von MORESOPHY v.a. dann, wenn die KI nicht nur qualitative Fragen beantworten soll, sondern dabei auch quantitative Maße berücksichtigen sollte. Hybride KI bietet zudem eine deutlich verbesserte Kontrolle dank einer prozeduralen Einbettung der KI mit diversen Instrumenten zur Bewertung und Steuerung des Verhaltens der KI. Die hybride KI-Architektur schafft in Verbindung mit der Plattformarchitektur der CONTEXTSUITE die notwendigen Voraussetzungen, um KI auch in regulierten Industrien und in Verbindung mit sensiblen Daten zu nutzen.
Smart Enterprise
Intelligenter Wissenstransfer innerhalb Ihres Unternehmens
Fördern Sie Zusammenarbeit und Effizienz mit KI-gestütztem Wissenstransfer, der relevante Informationen schneller verfügbar macht. Entdecken Sie, wie Ihre Organisation durch intelligente Datenverknüpfung produktiver wird.
Content Optimierung
Steigern Sie die Effektivität Ihrer Kundenkommunikation
Optimieren Sie Ihre Inhalte gezielt und datengestützt für maximale Wirkung. Verstehen Sie Ihre bestehenden Zielgruppen und lernen Sie neue kennen, um so Ihre Kundenkommunikation den aktuellen Bedürfnissen, Markttrends und Kanälen mit Leichtigkeit anzupassen.