Artificial Intelligence: Warum 2022 als Breakout Year in die Geschichte eingehen wird
Clemens Wasner ist Mitgründer von AI Austria und CEO des Startups enliteAI. In einem Gastbeitrag für den brutkasten blickt er auch dieses Jahr auf die wichtigsten Entwicklungen im Bereich Künstliche Intelligenz im Jahr 2022 zurück.
2022 wird als jenes Jahr in die Geschichtsbücher eingehen, in dem zum ersten Mal auch innerhalb der breiten Bevölkerung eine pro-aktive Beschäftigung mit Artifical Intelligence (AI) stattgefunden hat.
Die letzten 10 Jahre haben uns zwar regelmäßig technologische Durchbrüche beschert, man denke nur an AlphaGo, autonome Fahrzeuge oder Alexa, jedoch war aus Enduser:innen-Sicht AI zumeist nur eine Basistechnologie, die eine bessere Erkennrate bei Bildern und Videos oder Vorhersagegenauigkeit von Finanz- und Absatzzahlen ermöglichte.
Mit der raschen Entwicklung im Bereich der generativen AI hat sich dies binnen kürzester Zeit geändert und wir erleben seit Spätsommer eine regelrechte kreative Explosion, wenn es um die Anwendung von AI geht.
Wie ist es dazu gekommen?
Bild: “Robo Santa’s AI year in review”, Matthias Grabner, AI Austria(created with Midjourney V4)
OpenAI lässt bereits seit Jahren mit sog. Transformer-Modellen aufhorchen, welche die Generierung von Text und Bildern erlauben. Die Qualität hatte dabei mit GPT-3 in 2021 ein Niveau erreicht, welches in vielen Fällen nur noch schwer von Texten zu unterscheiden war, welche von Menschen geschrieben wurden.
Mit dem ebenfalls von OpenAI stammenden Dall-e2-Modell wurde es möglich, aus Texteingabe fotorealistische Bilder wie in diesem Beispiel zu erstellen.
Aus der Eingabe “Teddy bears working on new AI research underwater with 1990s technology” erstellte dall-e2 folgendes Bild:
Quelle: Wikipedia
Beiden Technologien und auch ähnlichen Ansätzen von Meta und Google ist gemein, dass der zugrunde liegende Code nicht einsehbar ist und der Zugriff, wenn überhaupt, nur über eine API möglich ist.
Technologische Demokratisierung
Die Entwicklung solcher oft auch als “Foundation Models” bezeichneten Technologien ist sehr daten-, zeit- und kostenintensiv, weshalb der Economist noch im Juli diesen Jahres eine Zukunft skizzierte, in der einige wenige Unternehmen diese Modelle trainieren werden und in weiterer Folge lizenzieren werden.
Knapp ein Monat später erschien mit Stable Diffusion quasi die Open-Source-Version von Dall-e2 und hat seitdem einen regelrechten AI-Kunst-Boom ausgelöst, der weit über Tech- und Startup Kreise hinausgeht. So wurde die diesjährige Gala des österreichischen Kreativpreises EFFIE bereits mit KI-Kunst ausgestaltet.
Die nächste Evolutionsstufe stellt aktuell ChatGPT dar (brutkasten berichtete) – das neueste Sprachmodell von OpenAI, das einen Zugriff durch simple Texteingabe wie in der Google Searchbox ermöglicht und somit auch für Non-Techies verwendbar wird.
Das Besondere daran ist, dass ChatGPT nicht nur Antworten auf Fragen wie “Erkläre mir den Unterschied zwischen x und y” geben kann, sondern auch mit komplexeren Anfragen wie “Schreibe mir eine Python-Funktion, die Website x crawled” umgehen kann. Somit ist ChatGPT nicht nur eine glorifizierte Suchmaschine sondern ein vielseitiges Produktivitätstool, dass sich in zahlreichen white-collar settings einsetzen lässt.
What’s next in Artificial Intelligence?
Bild: “technology democratization” Matthias Grabner, AI Austria (created with Midjourney V4)
Die Auswirkungen auf Arbeit, Bildung, Gesellschaft und Politik lassen sich aktuell nur sehr schwer abschätzen, da wir uns mitten in einem Paradigmenwechsel befinden, wie er nur alle paar Jahrzehnte stattfindet.
Der Optimist in mir sieht eine Demokratisierung von technologischem Fortschritt, die Personen in allen Lebenslagen sinnvoll unterstützen kann: vom automatisch generierten Code bis hin zur korrekten Excel-Formel oder Social-Media-Text und Sujet.
Das Thema “vertrauenswürdige KI” bekommt in solch einem Setting jedoch eine vollkommen neue Dimension, da der Output von diesen Systemen uns keine Quellenangaben mehr liefert, sondern bereits das Endergebnis darstellt. Wenn uns heute ein Algorithmus einen Artikel vorschlägt, lässt sich recht schnell erkennen um welche Art von Medium es sich handelt (right/left wing, conspiracy, …). In einer Zukunft, in der mir eine AI-Suchmaschine direkt die Antwort auf meine Frage liefert, lässt sich nur schwer rekonstruieren, auf welchen Texten diese basiert.
Medienkompetenz und Fact-checking bekommen hier eine vollkommen neue Dimension, die sich nicht nur über Regulierung lösen lassen wird.
“Der größte Feind ist Zettel und Bleistift”: Erfolgsfaktoren und Herausforderungen in der KI-Praxis
Nachlese. Der Hype um künstliche Intelligenz ist längst im Rollen. Doch wie schaffen Unternehmen den Durchbruch in der Praxis? In der dritten Folge der neuen brutkasten-Serie “No Hype KI” schildern Expert:innen, welche Erfolgsfaktoren wirklich zählen und wie sich Herausforderungen souverän meistern lassen - von Datenlücken bis hin zur Einbindung der Belegschaft. Klar wird, dass die Technik nur ein Teil der Gleichung ist.
“Der größte Feind ist Zettel und Bleistift”: Erfolgsfaktoren und Herausforderungen in der KI-Praxis
Nachlese. Der Hype um künstliche Intelligenz ist längst im Rollen. Doch wie schaffen Unternehmen den Durchbruch in der Praxis? In der dritten Folge der neuen brutkasten-Serie “No Hype KI” schildern Expert:innen, welche Erfolgsfaktoren wirklich zählen und wie sich Herausforderungen souverän meistern lassen - von Datenlücken bis hin zur Einbindung der Belegschaft. Klar wird, dass die Technik nur ein Teil der Gleichung ist.
Wie lässt sich KI “richtig” in Unternehmen integrieren? Wieso erleben Unternehmen einen “Bottom-Up-Push” und warum sprechen viele dabei noch von großen Hürden? Um diese und viele weitere Fragen ging es in der dritten Folge von “No Hype KI”. Zu Gast waren Alexandra Sumper von Nagarro, Manuel Moser von CANCOM Austria, Moritz Mitterer von ITSV sowie Clemens Wasner von AI Austria und EnliteAI.
Der Bottom-Up-Push
“Der AI-Hype ist jetzt circa zehn Jahre alt”, startet Clemens Wasner die Diskussionsrunde. Was als “vorausschauende Warnung und Betrugserkennung” im B2B-Sektor begann, hat sich eine knappe Dekade später zu einer Bottom-Up-Push-Bewegung entwickelt. “Einzelne Mitarbeitende verfügen teilweise über weitaus mehr praktische Erfahrung mit Generativer KI”, als “das oft auf einer Projektebene passiert”, so Wasner.
Um KI federführend in Unternehmen zu verankern, sei es wichtiger denn je, Mitarbeitende einzubinden und ihnen intern eine Bühne für den Best-Practice-Austausch zu geben, erklärt Wasner weiter. Aktuell ginge der KI-Push immer intensiver von Mitarbeiter:innen aus. Vergleichbar sei diese Bewegung mit dem Aufkommen der Smartphones vor etwa fünfzehn Jahren.
Daten mit Qualität
Als Basis sollte zuerst allerdings der Datenhaushalt eines Unternehmens sauber strukturiert und reguliert werden, sagt Manuel Moser, Director Digital Innovation & Software Engineering bei CANCOM Austria. “Wenn ein Unternehmen in puncto Daten hinterherhinkt, kann das jetzt durchaus ein Stolperstein sein”, sagt der Experte. In CRM- und ERP-Systemen finden sich häufig unvollständige Angaben. Die dadurch entstehende unzureichende Datenqualität könne jede KI-Initiative ins Stocken bringen, so Moser.
“Der größte Feind ist Zettel und Bleistift”
Schon allein das Notieren von Informationen auf Zetteln gilt nicht nur als scheinbar banale Hürde, wie Moser im Talk erläutert. Analoge Gewohnheiten können enorme Auswirkungen auf den gesamten Digitalisierungsprozess des Unternehmens haben: “Ich sage immer: Bei Digitalisierungslösungen ist der größte Feind der Zettel und der Bleistift am Tisch, mit denen man das digitale Tool am Ende des Tages umgeht.”
Gerade der öffentliche Sektor sollte im KI-Einsatz sowie in der Verwaltung von Daten sorgfältig agieren. Moritz Mitterer, Aufsichtsratsvorsitzender der ITSV, spricht von besonders sensiblen Daten aus der Sozialversicherung, die ein enges rechtliches Korsett und damit ein höheres Maß an Vorsicht mit sich bringen.
“Wir haben 2017 in der ITSV damit begonnen, innerhalb der Struktur damit zu experimentieren”, erzählt Mitterer. Ein essentielles Learning daraus: Gerade große Prozessmengen stellen sich als ideales Feld für KI heraus – wenn man vernünftige Leitplanken, klare Haftungsregeln und eine unternehmensweite Governance definiert.
Im Fokus stehen User:innen
Datenqualität, Governance und gleichzeitig reichlich Agilität? Worauf sollten sich Unternehmen in erster Linie konzentrieren, um KI lösungsorientiert einzusetzen? Alexandra Sumper, Director Delivery Österreich bei Nagarro, betont, dass KI-Projekte weit mehr als reine Technik voraussetzen: “Meine Erfahrung zeigt wirklich, nicht zu groß zu beginnen, wenn man erst am Anfang steht.“ Viele Firmen würden sich gerade anfangs in Strategiepapieren verlieren, anstatt realitätsgetreue Use Case zu definieren, so die Expertin.
“Man muss gut darauf achten, dass man liefert. Sowohl an Datenqualität, als auch an optimierter User Experience”, erläutert Sumper. Als Erfolgsbeispiel nennt sie die Asfinag, die einen KI-Chatbot erfolgreich eingeführt hat. Das Besondere dabei: Ein Kernteam entwickelte die KI-Lösung, achtete auf Datenqualität und band die künftigen Nutzer:innen ein. Die Akzeptanz im Unternehmen stieg rasant, erzählt Sumper von den Projektanfängen.
Ähnliche Schlüsse zieht Sumper aus der Beobachtung anderer Kund:innen: In erster Linie gelte es zu testen, ob KI in einem kleinen Rahmen Nutzen bringt. Sobald Mitarbeiter:innen erleben, dass KI ihre Arbeit wirklich erleichtert, wächst das Vertrauen und die Bereitschaft, weitere Schritte zu gehen.
“Am Anfang gibt es nichts, dass zu 100 Prozent funktioniert”
Dass sich eine Trial-and-Error-Phase gerade in den Anfängen des KI-Einsatzes nicht vermeiden lässt, scheint ein allgemeiner Konsens der Diskussionsrunde zu sein. “Es gibt nichts, was sofort 100 Prozent top funktioniert”, so Sumper. Um Fehlerquellen und deren Auswirkungen jedoch möglichst gering zu halten, empfiehlt die Expertin Qualitätssicherung durch ein Key-User-Team, um Fehler festzustellen, zu korrigieren und Daten-Gaps zu schließen.
Hierbei sollen die Möglichkeiten von generativer KI intelligent genutzt werden, wie Clemens Wasner hervorhebt: “Wir haben das erste Mal eine Technologie, die es ermöglicht, unstrukturierte Daten überhaupt auswertbar zu machen.” Nun gilt es, Effizienz in der Datenstrukturierung und -auswertung zu fördern, um mit der aktuellen Welle der digitalen Transformation mitzuhalten. Denn KI ist, wie Manuel Moser von CANCOM Austria bestätigt, ein wesentlicher Teil der digitalen Transformation: “Ein Baustein, wenn man so will, wie ein ausgestrecktes Werkzeug eines Schweizer Taschenmessers.”
KI-Bereiche mit Potenzial zur Ausgründung
Das Gespräch zeigte insgesamt, dass Unternehmen viel gewinnen können, wenn sie KI nicht als fertige Lösung, sondern als Lernprozess verstehen, in den die Belegschaft aktiv mit eingebunden wird. Auf einer soliden Datenbasis mit klarer Kommunikation ließe sich schon in kleinen Projekten ein spürbarer Mehrwert für das Unternehmen erzeugen.
In manchen Branchen, darunter Sozialversicherungen, E-Commerce sowie Luftfahrt und Logistik, sind Fortschritte unvermeidlich, um den steigenden Anforderungen von Markt- und Mitarbeiterseite gerecht zu werden.
Wasner spricht hierbei von einem Fokus auf Digital Business, der sich bereits in der Entstehung neuer Geschäftsfelder am Markt zeigt: Immer häufiger bündeln Unternehmen Wissensträger:innen zu den Bereichen Data, IoT und Machine Learning in einer eigenen Organisation oder Ausgründung. Gezielt wird hier das Potenzial eines eigenen KI-Kernteams zu nutzen und auszubauen versucht.
Luft nach oben
Dass es in vielen Branchen noch reichlich ungenutztes Potenzial gibt, haben mittlerweile einige Reports aufgeschlüsselt dargestellt. Gerade im Healthcare-Bereich sei “mit Abstand am meisten rauszuholen” – unter anderem im Hinblick auf den sicheren und effizienten Umgang mit Patienten- und Amnesie-Daten zur schnellen und akkuraten Behandlung.
Laut Moritz Mitterer der ITSV besteht eine große Herausforderung darin, sensible Patientendaten und strenge Regulatorik mit dem Wunsch nach Fortschritt zu vereinen. Gerade in Sozialversicherungen sei es wichtig, eine klare Governance zu schaffen und den Einsatzrahmen von KI zu definieren. Nur so könne Vertrauen gefestigt und sichergestellt werden, dass neue Technologien nicht an bürokratischen Hemmnissen oder Sicherheitsbedenken scheitern.
Vertrauen ist “noch ein starker Blocker”
“Am Ende des Tages probieren Unternehmen aus: Wie reagiert die Technologie, wie geht man damit um, welche Art von Projekten macht man?”, rundet Manuel Moser von CANCOM Austria die Diskussion ab. Der nächste Schritt liege darin, immer “mehr in die Kernprozesse von Unternehmen reinzukommen”, so Moser. “Und das, glaube ich, ist ein sehr wesentlicher Punkt.” Das Vertrauen, dass es die Technologie braucht. Das ist aktuell noch ein “starker Blocker in Unternehmen”.
Die Expertenrunde teilt einen universellen Konsens: Der Mensch sowie sein Know-how und Vertrauen in KI spielen bei der digitalen Transformation eine erhebliche Rolle. Sobald KI-Anwendungen auf eine verlässliche Datenstruktur und klare Organisation treffen, kann sich KI im Unternehmensalltag entfalten. Erst durch das Zusammenspiel von Technik, Datenkultur und motivierten Teams wird KI zum Treiber neuer Chancen.
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.
