Hybride KI-Lösungen: Warum es keine All-in-one-KI gibt

Der zweite Schritt ist die Datenpflege

Die zweite wichtige Frage ist: Welche Daten besitzt mein Unternehmen, in welcher Qualität und Aktualität? Liegen sie so vor, dass es keine widersprüchlichen Dubletten gibt und die Algorithmen damit problemlos arbeiten können? Die nächste Hürde sind die Zugriffsrechte: Unternehmensdaten unterliegen häufig unterschiedlichen Sicherheitsstufen wie etwa geheim, Verschlusssache, personenbezogen oder nur für bestimmte Abteilungen bestimmt. Im Standard können große Sprachmodelle derartige Berechtigungskonzepte nicht abbilden. Hier bieten sich hybride Ansätze mit einer analytischer Künstlichen Intelligenz an. Das System prüft dann im ersten Schritt, auf welche Daten ein Nutzer überhaupt zugreifen darf. Nur wenn für die erforderlichen Informationen die passenden Berechtigungen vorhanden sind, nutzt das Sprachmodell diese Daten für seine Antworten herangezogen.

Häufig liegen Daten in Silos vor. Eine konsolidierte Plattform wäre optimal, aber auch verteilte Quellen lassen sich anzapfen, um wertvolle Zusammenhänge zu erkennen. Erst die Verknüpfung von beispielsweise Marketing-, Shop-, Finanz- und Nutzungsdaten schafft echten Mehrwert. Ohne diese Integration besteht das Risiko, dass die Künstliche Intelligenz auf einer unvollständigen Basis arbeitet – oder im schlimmsten Fall falsche Informationen „halluziniert“.

Hybride KI-Lösungen sind oft im Vorteil

Sind die Ziele festgelegt und die nötigen Daten verfügbar, geht es an die Auswahl der Technologie. Dazu gehört das passende Large-Language-Modell (LLM), das die besten Ergebnisse im Hinblick auf die festgelegten Ziele bringt. Oft reicht das allerdings nicht aus, weil die Modelle für generative Künstliche Intelligenz nicht auf Exaktheit ausgerichtet sind. Diese Eigenschaft bekommt man häufig erst mit Systemen für analytischer Künstlicher Intelligenz und Machine-Learning-Systemen, die auf großen Datenmengen operieren.

Die große Kunst besteht darin, diese beiden Technologien zu einer hybriden Lösung zu verbinden, sodass sie einerseits die für die Aufgabe relevanten eigenen Daten verwendet und nicht halluziniert, andererseits aber so einfach zu befragen und zu bedienen ist, wie wir es mittlerweile schon von Chatbots gewohnt sind.

Implementierungspartner leiten Projekte

Unternehmen sollten daher nicht darauf warten, dass bei Künstlicher Intelligenz die eierlegende Wollmilchsau auf den Markt kommt, die alle ihre Probleme löst, ohne dass sie Arbeit investieren müssen. Die Systeme und Technologien, um maßgeschneiderte Lösungen zu entwickeln sind allerdings längst verfügbar. Sie sind inzwischen auch für mittelständische und kleinere Unternehmen bezahlbar.

Erfahrene Implementierungspartner bieten mit modularen Technologiebausteinen maßgeschneiderte souveräne Lösungen, die sowohl den spezifischen Unternehmensanforderungen als auch den Compliance-Vorgaben des EU AI Acts gerecht werden. jf