KI verliert an Präzision bei Fachthemen

Gartner Inc. prognostiziert, dass Organisationen bis zum Jahr 2027 kleine, aufgabenspezifische KI-Modelle implementieren werden, deren Nutzungsvolumen mindestens dreimal so hoch sein wird wie das von allgemeinen Large Language Models (LLMs). Obwohl allgemeine LLMs leistungsfähige Sprachfunktionen bieten, nimmt ihre Antwortgenauigkeit bei Aufgaben ab, die spezifischen Kontext aus einem bestimmten Geschäftsbereich erfordern.

„Die Vielzahl an Aufgaben in Geschäftsprozessen sowie der steigende Bedarf an höherer Genauigkeit führen dazu, dass vermehrt spezialisierte Modelle eingesetzt werden, die auf bestimmte Funktionen oder Domänendaten feinabgestimmt sind“, erklärt Sumit Agarwal, VP Analyst bei Gartner. „Diese kleineren, aufgabenspezifischen Modelle liefern schnellere Antworten und benötigen weniger Rechenleistung, was die Betriebs- und Wartungskosten senkt.“

„Kleine, aufgabenspezifische Modelle liefern schnellere Antworten und benötigen weniger Rechenleistung, was die Betriebs- und Wartungskosten senkt.“ – Sumit Agarwal, Vice President Analyst

Unternehmen können allgemeine LLMs durch Retrieval-Augmented Generation (RAG) oder Feinabstimmungstechniken (Fine-Tuning) für spezifische Aufgaben anpassen, um spezialisierte Modelle zu schaffen. In diesem Prozess wird die unternehmenseigene Datenbasis zum entscheidenden Unterscheidungsmerkmal. Dies erfordert eine sorgfältige Datenaufbereitung, Qualitätsprüfungen, Versionierung und ein umfassendes Datenmanagement, um sicherzustellen, dass die relevanten Daten strukturiert vorliegen und den Anforderungen der Feinabstimmung gerecht werden.

„Da Unternehmen zunehmend den Wert ihrer privaten Daten und der daraus gewonnenen Erkenntnisse erkennen, werden sie wahrscheinlich beginnen, ihre Modelle zu monetarisieren und diese Ressourcen einem größeren Personenkreis zugänglich zu machen – einschließlich ihrer Kunden und sogar ihrer Wettbewerber“, so Agarwal weiter. „Dies stellt einen Wandel von einem rein schützenden hin zu einem offeneren und kooperativeren Umgang mit Daten und Wissen dar.“

Durch die Kommerzialisierung ihrer proprietären Modelle können Unternehmen neue Einnahmequellen erschließen und gleichzeitig ein stärker vernetztes Ökosystem fördern.

Implementierung kleiner, aufgabenspezifischer KI-Modelle

Unternehmen, die kleine, aufgabenspezifische KI-Modelle implementieren möchten, sollten folgende Empfehlungen berücksichtigen:

Kontextualisierte Modelle pilotieren: Setzen Sie kleine, kontextualisierte Modelle dort ein, wo der Geschäftskontext entscheidend ist oder wo allgemeine LLMs hinsichtlich Antwortqualität oder Geschwindigkeit nicht überzeugen konnten.

Komposite Ansätze verfolgen: Identifizieren Sie Anwendungsfälle, in denen ein einzelnes Modell nicht ausreicht, und nutzen Sie stattdessen einen kombinierten Ansatz mit mehreren Modellen und Arbeitsschritten.

Daten und Kompetenzen stärken: Priorisieren Sie die Aufbereitung der Daten, um diese für das Fine-Tuning von Sprachmodellen zu sammeln, zu kuratieren und zu organisieren. Gleichzeitig sollten Sie gezielt in die Weiterbildung von Fachkräften investieren – sowohl im technischen als auch im fachlichen Bereich. Dies betrifft u. a. KI- und Datenarchitekt:innen, Data Scientists, KI- und Dateningenieur:innen, Teams für Risiko und Compliance, Beschaffungsabteilungen sowie Fachexpert:innen aus dem Unternehmen.

• Website URL: https://www.gartner.com
• Bildrechte: CC, AI,
• Artikel Empfehlung: https://internet-weekly.de/ki-agenten-im-marketing-realitaet-oder-hype/