Künstliche Intelligenz / Artificial Intelligence (AI)

Was ist dieses „AI”, das gerade gehypt wird?

Oft gemeint sind große Sprachmodelle (LLMs) und darauf aufbauende Agenten – Software, die Aufgaben Schritt für Schritt selbst erledigt: recherchieren, Texte formulieren, Systeme bedienen. LLMs sind aber nur eine ganz spezielle Art von AI – siehe „Teure Begriffsverwirrung”.

Warum wird AI aktuell (wieder einmal) so gefeiert? Weil die Ergebnisse, die LLMs liefern, absolut beeindruckend sind – nicht nur für Laien, sondern gerade auch für diejenigen, die genau wissen, wie LLMs funktionieren.

„As Soon As It Works, No One Calls It AI Anymore.”¹

— Sinngemäß schon 1979 bei Larry Tesler: „AI is whatever hasn’t been done yet.” (Hofstadter, „Gödel, Escher, Bach”, S. 601). Die hier zitierte Form wird John McCarthy zugeschrieben (Bertrand Meyer, 2011) · Quelle

Was steht einem produktiven Einsatz im Weg?

Sind LLM und Agenten schon production-ready? Das ist keine Ja-Nein-Frage. In manchen Anwendungsgebieten laufen sie inzwischen recht zuverlässig — andere halluzinieren und liefern mit voller Überzeugung erfundene Antworten. Wer nicht genau hinschaut, merkt nicht, wann das Modell sich etwas ausdenkt.

Vorsicht vor FOMOFOMO (Fear Of Missing Out): die Angst, etwas zu verpassen – zum Beispiel den Anschluss an eine neue Technologie.: Lass dich von der aktuellen Berichterstattung und den Angeboten nicht verwirren – der AI-Zug ist noch längst nicht abgefahren, in vielen Branchen werden gerade erst die Schienen gelegt. Experimentieren ist gut, aber in den richtigen Projekten: nicht dort, wo es leicht ist, sondern wo es wirklich etwas bringt.

ProzesseAbläufe, die sich in gleicher oder ähnlicher Form wiederholen – das Rückgrat jedes Betriebs. im Blick behalten. AI ermöglicht auch die Automatisierung von Ad-hoc-Aufgaben. Wirtschaftlichen Nutzen bringt AI aber erst, wenn Prozessteile automatisiert werden, bei denen das bisher nicht möglich oder unwirtschaftlich war. Dafür müssen die richtigen Prozesse angegangen werden – nicht die einfachen.

Sechs Fragen, bevor du ein AI-Projekt startest

1. Welches konkrete Problem soll gelöst werden? Und betrifft es dein Kerngeschäft, oder ist es nur leicht zu automatisieren?
2. Ist es ein Fall für ein LLM oder für klassische IT? Verlässliche, prüfbare Berechnungen und Regeln brauchen oft kein Sprachmodell („Teure Begriffsverwirrung”).
3. Was passiert, wenn die Antwort falsch ist? Wo ein erfundenes Ergebnis teuer wird, muss ein Mensch prüfen – oder AI ist die falsche Wahl.
4. Ist der Prozess verstanden und sinnvoll? Erst den Prozess verbessern, dann automatisieren. Nutzen entsteht dort, wo Automatisierung bisher nicht möglich oder nicht wirtschaftlich war.
5. Auf welche Daten und Funktionen darf das System zugreifen? Sicherheit muss die Umgebung erzwingen, nicht der Prompt („Prompt Injections”). Schreibende und kommunizierende Aktionen gehören hinter eine menschliche Freigabe.
6. Wie muss sich das Verhalten der Beteiligten ändern? Das ist die dritte Frage unseres Beratungsansatzes und sie entscheidet auch hier über den Erfolg.