24.08.2019

„Jedes Unternehmen, das relevant bleiben will, muss ein KI-Unternehmen werden.“

Welchen Entwicklungsstand hat Künstliche Intelligenz derzeit? Wo kann sie eingesetzt werden? Und welche Rolle spielt Europa dabei? Über diese und andere Fragen rund um das Thema KI diskutierten Experten im Rahmen der IECT Summer School 2019 von Hermann Hauser.
/artikel/ki-ai-hermann-hauser
ARM-Gründer und Tech-Investor Hermann Hauser: „Eine der nächsten Wellen von AI, die im Gesundheitswesen stattfinden wird, könnte eine europäische Welle sein.“ (c) IECT
kooperation

„KI ist keine Frage der Wahl, sondern eine Frage des Überlebens.“ Mit diesen Worten unterstrich Venture Capitalist Siraj Khaliq die Wichtigkeit künstlicher Intelligenz für Unternehmen beim State of AI-Event, das vergangenes Wochenende in der Werkstätte Wattens im Zuge der IECT Summer School 2019 stattfand. Neben Khaliq waren weitere internationale AI-Experten aus unterschiedlichen Bereichen geladen, um die Zukunft der Technologie zu diskutieren.

+++Mehr News im AI & DeepTech-Channel des brutkasten+++

Als „europäischer Bill Gates“ wurde etwa Hermann Hauser von brutkasten-Gründer Dejan Jovicevic vorgestellt, der die Diskussionsrunde an diesem Abend führte. Auch mit dabei waren Nancy Nemes, Gründerin von „Ms. AI – Künstliche Intelligenz für und mit Frauen“ und Hazem Al Nakib, Gründer des Cambridge Blockchain Forums und des Cambridge Blockchain Hubs. Als Speaker auf der Bühne und später ebenfalls in der Gesprächsrunde standen noch Dat Tran, Leiter der AI Abteilung von Axel Springer und eben Siraj Khaliq, ehemaliger Informatiker und Mitbegründer der erfolgreichen Atomico-Beteiligung The Climate Corporation, mittlerweile selbst Venture Capitalist bei Atomico.

Europas Stärken und Schwächen in der AI-Branche

„Jedes Unternehmen, das relevant bleiben will, muss zu einem KI-Unternehmen werden“, erklärt Khaliq. Nancy Nemes wittert digitalen Darwinismus und gibt etwa zu bedenken: „Realistisch zu sein bedeutet, jetzt aktiv zu werden.“ Wer nicht aktiv werde, werde verlieren und zwischen den USA und China untergehen.

Allerdings böte Europa, so die Runde, grundsätzlich ein gutes Klima für das Aufkommen neuer Technologien. Auch Talent gebe es genug. Hermann Hauser präsentierte Zahlen, die dies unterstreichen: Europa hat heute 5,5 Millionen Entwickler, in den USA gibt es 4,4 Millionen.

Dejan Jovicevic, Nancy Nemes, Hazem Al Nakib, Siraj Khaliq, Hermann Hauser und Dat Catran (v.l.n.r) (c) IECT

Nancy Nemes sieht europäische Stärken, die heute noch nicht effizient genutzt werden: „Europa brachte viele erstaunliche Elemente mit sich. Deep Learning wurde in Frankreich entwickelt, das erste fahrerlose Auto wurde 1996 mit Mercedes in Deutschland entwickelt. Wir haben alle Elemente, die wir brauchen, aber wir sind noch nicht wirklich in Kontakt mit dem, was wir tun können.“ Was in Europa zudem fehle, seien große Erfolgsstories. In Europa werde geforscht und entwickelt, doch in den USA und in China verstehe man es besser, aus den Entwicklungen ein Geschäft zu machen. Das liege hauptsächlich daran, dass Forscher und Unternehmen dort viel enger zusammenarbeiten als es in Europa der Fall ist.

Brexit-Chaos schafft neuen Zusammenhalt

Außerdem müsse der breiten Bevölkerung bewusst gemacht werden, dass sich die Ansprüche an den Menschen in den nächsten 20 Jahren ändern werdeb. „Deshalb“, meint Nancy Nemes, „müssen wir jetzt sicherstellen, dass die Bevölkerung AI nicht aus Angst oder aus Unglauben blockiert, sondern willkommen heißt.“ Gleichzeitig warnt sie davor, aus den Entwicklungen im AI-Bereich ein Rennen zu machen: „Es wäre das falsche Rennen. Das Ergebnis wäre negativ. Vielmehr sollten wir gemeinsam voran streben.“

Zusammenhalten heißt es auch von Seiten Hermann Hausers. Auf den Brexit und seine Auswirkungen auf die AI-Forschung angesprochen, findet er doch einen positiven Aspekt: „Der Rest von Europa ist sich dadurch wieder näher gekommen. In Italien beispielsweise spricht niemand mehr von einem Austritt.“

AI wird Arbeitsplätze schaffen

Der geladene AI-Chef der Verlagsgruppe Axel Springer, Dat Tran, beschreibt seine Abteilung als eine, die sich die Alltagstauglichkeit von AI auf die Fahne geschrieben hat. Der breiten Masse fehle es heute – auch da sind sich alle Experten am Podium einig – noch an Verständnis. Der Begriff rufe das Bild einer gottgleichen Maschine in den Köpfen hervor, der eigentliche Nutzen von AI sei vielen nicht bewusst.

Dat Tran unterstreicht, dass AI in Zukunft Arbeitsplätze schaffen werde. Diese werden sich von den aktuellen Jobs unterscheiden, aber man werde nach wie vor – und immer mehr – Menschen brauchen, zum Beispiel bei der Verarbeitung von Daten. Daten seien es auch, die für den Erfolg von AI entscheidend sind. Sein Beispiel: Axel Springer produziert viel Text und somit viele Daten. Diese werden für Deep Learning genutzt. Während man aber im Bereich der Bilderkennung und auch beim  Vergleich von Bildern durch Technologie schon ziemlich weit sei, so gibt es laut Dat Tran noch kein AI-Produkt, das sinnvolle Texte, speziell in anderen Sprache außer der englischen, erstellen kann.

Künstliche Intelligenz in verschiedenen Ausprägungen

Siraj Khaliq nennt Netflix als Beispiel für ein Unternehmen, das AI im Sinne von computergenerierten Vorhersagen für sich nutzt. Netflix sammelt Daten, mit denen auf die Vorlieben der einzelnen Nutzer zugeschnittene Filme vorgeschlagen werden. Khaliq wiederum unterscheidet von AI Systemen dieser Art solche, die auf Basis dessen, was sie herausfinden, tatsächlich aktiv werden: In einem der Google Datenzentren nutze man ein solches AI-System zum Beispiel zur Kühlung. Das System entscheide nicht nur, wann die Ventilatoren eingeschaltet werden sollen, sondern schalte sie auch tatsächlich ein. „Dadurch hat man die Kühlkosten um 40 Prozent gesenkt“, lässt er das Publikum wissen. Für selbstfahrende Autos hingegen führt man wiederum mehrere AI Systeme zusammen, damit sie auch sehr komplexe Entscheidungen treffen können.

Was die breite Öffentlichkeit schließlich unter Künstlicher Intelligenz versteht,  die Allgemeine Künstliche Intelligenz (AGI – Artificial General Intelligence), müsste laut Khaliq in der Lage sein, so wie der Mensch Wissen aus einem Bereich auf einen anderen anzuwenden. Davon sei die Wissenschaft allerdings noch weit entfernt, betont er.

Hermann Hauser zeigt sich zum Ende der Diskussion schließlich optimistisch: „Eine der nächsten Wellen von AI, die im Gesundheitswesen stattfinden wird, könnte eine europäische Welle sein.“

Redaktionstipps
Deine ungelesenen Artikel:
27.01.2025

Open Source und KI: „Es geht nicht darum, zu den Guten zu gehören“

Nachlese. Die Nutzung von Open-Source-Modellen eröffnet Unternehmen auch im KI-Bereich weitreichende Möglichkeiten. Es gibt dabei aber auch einiges zu bedenken. Darüber und mehr diskutierten in Folge 5 von "No Hype KI" Stephan Kraft von Red Hat, Florian Böttcher von CANCOM Austria, Natalie Ségur-Cabanac von Women in AI und Patrick Ratheiser von Leftshift.One.
/artikel/no-hype-ki-folge-5
27.01.2025

Open Source und KI: „Es geht nicht darum, zu den Guten zu gehören“

Nachlese. Die Nutzung von Open-Source-Modellen eröffnet Unternehmen auch im KI-Bereich weitreichende Möglichkeiten. Es gibt dabei aber auch einiges zu bedenken. Darüber und mehr diskutierten in Folge 5 von "No Hype KI" Stephan Kraft von Red Hat, Florian Böttcher von CANCOM Austria, Natalie Ségur-Cabanac von Women in AI und Patrick Ratheiser von Leftshift.One.
/artikel/no-hype-ki-folge-5

„No Hype KI“ wird unterstützt von CANCOM AustriaIBMITSVMicrosoftNagarroRed Hat und Universität Graz.

Kollaborativ, transparent, frei zugänglich und nicht profit-orientiert – mit Open-Source-Software wird eine Reihe von Eigenschaften assoziiert. Und oftmals stehen bei der Nutzung ethische Überlegungen im Zentrum. Dabei gibt es auch ganz praktische Gründe, die für eine Verwendung durch Unternehmen sprechen – auch bei der Implementierung von KI-Anwendungen, ist Stephan Kraft, Community Advocate & Business Development OpenShift & Application Services bei Red Hat, überzeugt. In Folge fünf der Serie „No Hype KI“ diskutierte er dieses und weitere Themen mit Florian Böttcher, Solution Architect bei CANCOM Austria, Natalie Ségur-Cabanac, Policy Lead bei Women in AI und Patrick Ratheiser, Gründer & CEO von Leftshift.One.

„Thema ein Stück weit aus dieser emotionalen, moralisierenden Ecke herausholen“

„Ich will das Thema ein Stück weit aus dieser emotionalen, moralisierenden Ecke herausholen“, sagt Stephan Kraft. Für Red Hat als weltweit führenden Anbieter für Open-Source-Lösungen für Unternehmen gehen die Argumente für eine Nutzung nämlich weit darüber hinaus. „Es geht nicht darum, Open Source als Selbstzweck zu sehen, um zu den Guten zu gehören“, so der Experte. Tatsächlich sei die Verwendung von Open Source gerade bei der Etablierung von KI im Unternehmen für Startups und KMU eine wichtige Weichenstellung.

Offenheit, um Diskriminierung entgegenzuwirken

Auch Natalie Ségur-Cabanac sieht Open Source als „Key Technology“ im KI-Bereich. Für „Women in AI“ spiele die Offenheit eine zentrale Rolle: „Diese Offenheit braucht es, um Diskriminierung entgegenzuwirken.“ Open Source verbessere den Zugang für Frauen zur Technologie, die Abbildung von Frauen in den Daten und es vergrößere die Möglichkeiten in der Forschung. Man müsse aber auch aufpassen, ob Software wirklich so offen sei, wie behauptet, sagt sie bezogen auf die aktuellen Diskussionen rund um OpenAI, das sich – ursprünglich als offenes Projekt gestartet – zum profitorientierten Unternehmen entwickelte. Es brauche auch eine klare Definition, was „open“ sei.

Masse an Möglichkeiten

Leftshift.One-Gründer Patrick Ratheiser betont auch die schiere Masse an Möglichkeiten, die Open Source bietet. „2021 hatten wir weltweit Zugriff auf circa 5.000 Open-Source-Modelle. Jetzt sind es bereits mehr als eine Million.“ Die Nutzbarkeit sei also klar gegeben, zudem biete die Technologie eine gewisse Unabhängigkeit und werde über ihre Vielfalt zum Innovationstreiber.

Ist Open Source immer die beste Lösung?

Doch bedeutet das, dass Open Source immer die optimale Lösung ist? Ratheiser sieht das differenziert: „Es ist ganz wichtig zu erkennen, was der Kunde braucht und was in dem Fall gerade notwendig ist. Egal, ob es nun On-Premise, in der Cloud, Open Source oder Closed Source ist.“ Florian Böttcher von CANCOM Austria pflichtet hier bei: „Wir setzen genau so auf hybrid.“

Datenstruktur im Hintergrund ist entscheidend

Ein Thema, bei dem bei Open Source Vorsicht geboten ist, spricht Natalie Ségur-Cabanac an. Besonders wichtig sei es bei KI-Anwendungen, eine gute Datenstruktur im Hintergrund zu haben. „Die Verantwortung, dass ein Modell mit sauberen Daten trainiert worden ist, liegt bei den Anbietern. Bei Open Source verschwimmt das ein bisschen. Wer ist wofür zuständig? Das ist eine Herausforderung für die Compliance zu schauen, wo man selbst verantwortlich ist und wo man sich auf einen Anbieter verlassen kann.“

Compliance: Großes Thema – mehr Sichereheit mit professioneller Unterstützung

Stephan Kraft hakt hier ein. Genau aus solchen Gründen gebe es Unternehmen wie Red Hat, die mit ihrem Enterprise-Support für Open-Source-Lösungen die Qualitätssicherung auch im rechtlichen Bereich übernehmen. „Das ist ein ganz wichtiger Teil unseres Versprechens gegenüber Kunden“, so Kraft. Unbedacht im Unternehmen mit Open Source zu arbeiten, könne dagegen in „Compliance-Fallen“ führen, pflichtet er Ségur-Cabanac bei.

Das sieht auch Patrick Ratheiser als Thema bei Leftshift.One: „Unsere Lösung ist Closed Source, wir setzen aber im Hintergrund Open Source ein. Wichtig ist, dass wir dem Kunden Compliance garantieren können.“ Stephan Kraft empfiehlt Unternehmen bei der Open-Source-Nutzung: „Man kann nicht immer gleich die neueste ‚bleeding edge‘-Lösung nehmen sondern sollte etwas konservativer herangehen.“

Infrastruktur: Gut planen, was man wirklich braucht

Unabhängig davon, ob man nun Open Source oder Closed Source nutzt, braucht es für die Nutzung von KI die richtige Infrastruktur. „Es kommt natürlich auf den Use Case an, den ein Unternehmen umsetzen will. Da sind die Anforderungen an die Infrastruktur sehr unterschiedlich“, grenzt Florian Böttcher ein. CANCOM Austria unterstützt seine Kunden in genau der Frage. Anwendungen wie das Training von KI-Modellen würde aus gutem Grund kaum in Österreich umgesetzt. „KI ist sehr stromhungrig und entwickelt viel Hitze. Das ist schwierig für ein eigenes Data-Center im Unternehmen, gerade wenn man die Strompreise in Österreich ansieht“, so Böttcher.

„Rechenleistungs-Hunger“ von KI könnte sich in Zukunft verringern

Wichtig sei es letztlich, sich als Unternehmen sehr klar darüber zu sein, was man umsetzen wolle. „Danach, welche Software-Lösung man für seinen Use Case einsetzen muss, richtet sich auch die Infrastruktur“, so Böttcher. Er erwarte aber auch, dass die KI-Modelle im nächsten Entwicklungsschritt effizienter werden und der „Rechenleistungs-Hunger“ sich verringere.

Patrick Ratheiser ergänzt: „Es ist grundsätzlich eine Kostenfrage.“ Unternehmen müssten sich sehr gut überlegen, ob sie ein eigenes LLM (Large Language Model) betreiben und dieses sogar selbst trainieren wollen, oder lieber doch eine Usage-basierte Lösung wählen. Er sehe bei österreichischen Unternehmen – auch bei größeren – eine klare Tendenz zur zweiten Variante. „Es lässt sich deutlich schneller einrichten, ist kalkulierbarer und auch viel schneller skalierbar“, erklärt Ratheiser.

Etwa im Forschungsbereich sei es jedoch wichtig und notwendig, auch eigene LLMs und die damit verbundene Infrastruktur zu betreiben. Doch auch die Möglichkeit von hybriden Lösungen biete sich an. „Man kann mittlerweile auch Teile in der Cloud lassen und Teile On-Premise. Man kann etwa nur ein datenschutzsicheres LLM selbst betreiben“, erklärt der Experte, der auch bei der Wahl der genutzten Modelle einen hybriden Ansatz empfiehlt: „Man braucht nicht für alle Use Cases das neueste Modell. Manchmal braucht man überhaupt kein LLM.“

Datenschutz: Einige Herausforderungen bei LLMs

Stichwort: Datenschutz. Hier schafft die europäische Datenschutzgrundverordnung (DSGVO) im KI-Bereich besondere Herausforderungen, weiß Natalie Ségur-Cabanac, die vorab betont: „Ich persönlich halte die DSGVO für ein gutes Regulierungswerk, weil sie sehr viel Spielraum gibt. Ich sage immer: Datenschutz ist sehr komplex, aber nicht kompliziert.“ Konkret seien etwa der Grundsatz der Zweckbezogenheit, also dass man Daten nur für konkrete Zwecke einsetzen darf, und dass man sie minimierend einsetzen muss, relevant für den KI-Bereich. „Da haben wir schon einen Konflikt, weil man ja [bei LLMs] erst einmal schaut, was man aus möglichst vielen Daten machen kann“, so die Expertin.

Ist KI rechtlich innerhalb der EU sogar per se in einem Graubereich?

Auch Transparenzbestimmungen – sowohl in der DSGVO als auch im AI-Act der EU – seien zu beachten. „Wenn ich KI verwende, muss ich auch wissen, was drinnen ist“, fasst Ségur-Cabanac zusammen. Ist KI also rechtlich innerhalb der EU sogar per se in einem Graubereich? „Nein, das glaube ich nicht. Aber man muss seine Hausaufgaben schon gut machen“, sagt die Expertin. Wichtig sei daher auch die im Rahmen des EU-AI-Acts eingeforderte KI-Kompetenz in Unternehmen – im technischen und rechtlichen Bereich.

KI-Kompetenz als zentrales Thema

Patrick Ratheiser stimmt zu: „Neben der Technologie selber sind bei unseren Kunden die Mitarbeiter ein Riesen-Thema. Man muss sie nicht nur wegen dem AI-Act fit bekommen, sondern es geht darum, sie wirklich auf die Anwendungen einzuschulen.“ Wichtig seien dabei auch die Kolleg:innen, die sich bereits mit dem Thema auskennen – die „Pioniere“ im Unternehmen. „AI Literacy ist sicherlich das Thema 2025 und in nächster Zeit. So, wie wir gelernt haben, mit dem Smartphone umzugehen, werden wir es auch mit generativer KI lernen“, so Ratheiser.

„Einfach einmal ausprobieren“

Stephan Kraft ergänzt: Neben einer soliden Datenbasis und der notwendigen Kompetenz brauche es bei KI – gerade auch im Bereich Open Source – noch etwas: „Einfach einmal ausprobieren. Es braucht auch Trial and Error. Das ist vielleicht oft das Schwierigste für CFOs und Geschäftsführer.“ Dieses Ausprobieren sollte aber innerhalb eines festgelegten Rahmens passieren, damit die KI-Implementierung gelingt, meint Natalie Ségur-Cabanac: „Unternehmen brauchen eine KI-Strategie und müssen wissen, was sie mit der Technologie erreichen wollen.“ Auch sich mit den zuvor angesprochenen rechtlichen Anforderungen – Stichwort Compliance – zu beschäftigen, komme zeitlich erst nach der Festlegung der Strategie.


Die gesamte Folge ansehen:

Die Nachlesen der bisherigen Folgen:

Folge 1: “No Hype KI – wo stehen wir nach zwei Jahren ChatGPT?

Folge 2: “Was kann KI in Gesundheit, Bildung und im öffentlichen Sektor leisten?

Folge 3: “Der größte Feind ist Zettel und Bleistift”: Erfolgsfaktoren und Herausforderungen in der KI-Praxis”

Folge 4: KI-Geschäftsmodelle: “Wir nutzen nur einen Bruchteil dessen, was möglich ist”


Die Serie wird von brutkasten in redaktioneller Unabhängigkeit mit finanzieller Unterstützung unserer Partner:innen produziert.

No Hype KI
Toll dass du so interessiert bist!
Hinterlasse uns bitte ein Feedback über den Button am linken Bildschirmrand.
Und klicke hier um die ganze Welt von der brutkasten zu entdecken.

brutkasten Newsletter

Aktuelle Nachrichten zu Startups, den neuesten Innovationen und politischen Entscheidungen zur Digitalisierung direkt in dein Postfach. Wähle aus unserer breiten Palette an Newslettern den passenden für dich.

Montag, Mittwoch und Freitag

AI Summaries

„Jedes Unternehmen, das relevant bleiben will, muss ein KI-Unternehmen werden.“

AI Kontextualisierung

Welche gesellschaftspolitischen Auswirkungen hat der Inhalt dieses Artikels?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

„Jedes Unternehmen, das relevant bleiben will, muss ein KI-Unternehmen werden.“

AI Kontextualisierung

Welche wirtschaftlichen Auswirkungen hat der Inhalt dieses Artikels?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

„Jedes Unternehmen, das relevant bleiben will, muss ein KI-Unternehmen werden.“

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Innovationsmanager:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

„Jedes Unternehmen, das relevant bleiben will, muss ein KI-Unternehmen werden.“

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Investor:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

„Jedes Unternehmen, das relevant bleiben will, muss ein KI-Unternehmen werden.“

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Politiker:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

„Jedes Unternehmen, das relevant bleiben will, muss ein KI-Unternehmen werden.“

AI Kontextualisierung

Was könnte das Bigger Picture von den Inhalten dieses Artikels sein?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

„Jedes Unternehmen, das relevant bleiben will, muss ein KI-Unternehmen werden.“

AI Kontextualisierung

Wer sind die relevantesten Personen in diesem Artikel?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

„Jedes Unternehmen, das relevant bleiben will, muss ein KI-Unternehmen werden.“

AI Kontextualisierung

Wer sind die relevantesten Organisationen in diesem Artikel?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

„Jedes Unternehmen, das relevant bleiben will, muss ein KI-Unternehmen werden.“