Generative KI umfasst KI-Systeme, die Inhalte wie Text, Bilder, Code oder Video auf der Grundlage von Nutzereingaben eigenständig generieren können. Einige generative KI-Anwendungen wurden auf Grundlage von KI-Basismodellen (Foundation Models) entwickelt. Zu den bekanntesten zählen GPT-3.5 (Basis für ChatGPT) und Dall-E von OpenAI, wie auch PaLM2 (Google Bard) und das Open Source-Modell Bloom. Der Begriff Foundation Model (auch: Large Language Models / LLMs) wurde vom Stanford Institute for Human-Centered AI geprägt und steht für KI-Modelle, die mit großen Mengen an ungelabelten Daten aus dem Internet und anderen digitalen Quellen trainiert und mit geringer Anpassung für sehr unterschiedliche Use Cases genutzt werden können.
Angewandtes Deep Learning
Generative KI-Modelle werden mit Big Data trainiert, um menschenähnliche Texte erzeugen, natürliche Sprache verstehen und sprachbezogene Aufgaben ausführen zu können. Sie basieren auf Methoden des Deep Learnings, d.h. künstlichen mehrschichtigen neuronalen Netzen, die Muster und Beziehungen in Daten erkennen und für Spracherzeugung und Sprachverständnis einsetzen. Durch iterative Optimierungsalgorithmen passen die Modelle die Parameter ihrer neuronalen Netze an, um die Differenz zwischen der erzeugten und der gewünschten Ausgabe zu minimieren. Dieser Trainingsprozess ist in der Regel aufwendig, also rechen-, zeit- und kostenintensiv.
Wissen lässt sich übertragen
Generative KI ist ein Game changer, weil sie ermöglicht, Wissen aus Trainingsdaten zu verallgemeinern. Herkömmliche KI-Systeme wurden bislang auf einen spezifischen Anwendungsfall trainiert, was die Skalierbarkeit beeinträchtigt. Basismodelle können nicht nur auswendig lernen, sondern ihr antrainiertes Wissen auf neue Anwendungsgebiete und Aufgaben übertragen und kontextbezogen verstehen und antworten. Das kann sich auf die Verarbeitung natürlicher Sprache in der Kundeninteraktion, maschinelle Übersetzungen in der Projektkommunikation oder Absatzprognosen beziehen. Ethische und rechtliche Grenzen im Einsatz von KI-Modellen sind dabei zu berücksichtigen. Die folgenden Beispiele illustrieren, für welche Aufgaben Unternehmen generativer KI als Services von KI-Systemanbietern und -Dienstleistern nutzen können:
Kundenerlebnis: KI-Basismodelle können natürliche Sprache meist besser verarbeiten und Nuancen von Kundenanfragen verstehen als bisher verfügbare Chatbots.
Marketing und Vertrieb: Durch die Analyse von Kundendaten, demografischen Daten und Verhaltensmustern können KI-Basismodelle relevante Zielgruppensegmente identifizieren und personalisierte Werbung bereitstellen
Nachfragevorhersagen und Lagerbestandsmanagement: Auch die Datenbereinigung, -verarbeitung und -analyse im Bereich S&OP und Lagerhaltung lässt sich mit generativer KI oft einfacher automatisieren, was Unternehmen den Fokus auf datengestützte Entscheidungen in diesen Bereichen erleichtert.