Künstliche Intelligenz Aktuelle TOP 5 KI-Trends auf einen Blick

Chatbot, AI-as-a-Service, Metaverse – Künstliche Intelligenz (KI) hat in allen Industriesektoren Hochkonjunktur. Doch auf welche KI-Technologie sollten sich Unternehmen aktuell konzentieren? Martin Weis, Managing Partner und EMEA Head Artificial Intelligence bei Infosys Consulting informiert.

Metaverse: Neben Chatbots und AI-as-a-Service einer der angesagtesten KI-Trends.

Laut einer aktuellen Bitkom-Studie sehen 18 Prozent deutscher Unternehmen KI überwiegend als Chance für sich, 47 Prozent eher als Chance. Obwohl momentan nur neun Prozent der Unternehmen KI-Anwendungen nutzen, planen oder diskutieren 25 Prozent der Befragten den KI-Einsatz. KI-Technologie ist also bereits in Verwendung und verspricht, in Zukunft eine noch größere Rolle zu spielen. Doch wohin könnte Unternehmen die KI-Reise im Jahr 2023 führen?

1. AI-as-a-Service

AI-as-a-Service

Bei Artificial Intelligence as a Service (AIaaS) outsourcen Unternehmen Leistungen im Bereich der KI an Dritte. Dadurch können sie ohne große Anfangsinvestitionen und mit geringerem Risiko KI für verschiedene Anwendungszwecke testen. In Zeiten, in denen Unternehmen sich mit dem Risiko einer drohenden Rezession auseinandersetzen müssen, kann eine Cloud-KI vor Ort, die Anschaffung der erforderlichen Hardware und Software, die Personal- und Wartungskosten, für viele Unternehmen unerschwinglich sein.

Durch KI-Cloud-Angebote der großen Cloud Hyperscaler im Markt können Unternehmen das volle Potenzial ihrer Daten ausschöpfen und bei Bedarf auch die Ressourcen dieser großen Anbieter nutzen, um eine Skalierung mit Rechenkapazität zu unterstützen. Dank KI-gestützter Analysen ihrer Geschäftsdaten können Entscheidungsträger so ihre Vorhersagen für Geschäftsvorfälle optimieren, Analyseprozesse automatisieren oder Bild- und Textmaterial auswerten. Der Markt für AIaaS verspricht, in den kommenden Jahren weiter zu expandieren: Im Jahr 2021 auf über 5,6 Milliarden US-Dollar geschätzt, wird der weltweite Markt für AIaaS voraussichtlich von 2022 bis 2030 mit einer durchschnittlichen jährlichen Wachstumsrate (CAGR) von 37 Prozent wachsen.

 

2. „Generative AI“ – KI-Anwendungen zur Unterstützung kreativer Prozesse

KI-Anwendungen zur Unterstützung kreativer Prozesse

„Generative AI“ nutzt KI und Maschinelles Lernen, um neue digitale Inhalte (z. B. Text, Video, Audio und Bilder) mit geringem menschlichen Eingreifen zu erstellen. Gartner prognostiziert, dass bis 2025 schätzungsweise zehn Prozent aller erzeugten Daten und 30 Prozent aller Marketingbotschaften großer Marken auf „Generative AI“ zurückgehen werden.

Marketingfachleute verzeichnen bereits erste Ergebnisse aus einer kreativen Nutzung von KI. In einer Studie verglich die KI-Kreativagentur Pencil Unternehmen, die Videowerbung mithilfe von KI-Kreativitäts-Tools erstellten, mit solchen, die ohne solche KI-Kreativitätsunterstützung arbeiteten. Durchschnittlich steigerten die erstgenannten Unternehmen die Rendite auf die Werbeausgaben (ROAS) um das Zweifache – bei einigen Kampagnen in der Studie sogar um das bis zu Siebenfache. Diese Entwicklung könnte besonders für kleine und mittlere Unternehmen interessant werden, die aufgrund ihrer geringeren Größe oft keine eigene Werbeabteilung haben.

Aber der Einsatz von KI zur Unterstützung kreativer Prozesse kann in Zukunft auch weitaus mehr Unternehmen betreffen. KI kann Künstler, Videoentwickler und selbst Texter als kreativer Partner zur Seite stehen, um ihnen zeitaufwendigere Aufgaben abzunehmen. Tools gibt es hierfür bereits zur Genüge, sowohl im Bereich Bildgenerierung (beispielsweise DALL-E 2 von OpenAI) oder Textgenerierung (beispielsweise Mindverse für insbesondere deutschsprachige Inhalte). Es bleibt abzuwarten, wie Unternehmen diese Tools in ihre Geschäftsprozesse einbauen werden. Sicherlich ist dies auch davon abhängig, ob die moralischen und urheberrechtlichen Fragen, die mit einer solchen KI-Nutzung einhergehen, in den kommenden Jahren gesetzlich adressiert werden.

 

3. Einsatz von Chatbots & Natural Language Processing

Einsatz von Chatbots & Natural Language Processing

Mit ChatGPT, dem neuen KI-gestützten Chatbot von OpenAI, hat das Forschungsgebiet um Natural Language Processing (NLP) einen weiteren signifikanten Sprung gemacht – und verspricht, weltweit bis 2030 voraussichtlich um 361,6 Milliarden US-Dollar zu wachsen. Als Teilbereich der KI zielt NLP darauf ab, Computer mit der Fähigkeit auszustatten, geschriebene und gesprochene Sprache zu verstehen und damit die Interaktion zwischen Mensch und Maschine zu vereinfachen. Sprachassistenten wie Alexa und Siri sind natürlich längst etablierte Beispiele in diesem Bereich. ChatGPT geht noch einen Schritt weiter – das Tool kann komplexe Fragen verständlich beantworten, Ideen aus verschiedenen Kontexten entnehmen und sie zusammenführen.

Seit der Pandemie ist bei vielen deutschen Kundinnen und Kunden die Bedeutung der Customer Experience gewachsen und ein Teil von ihnen war in dieser Zeit auch bereit, einen neuen Kanal auszuprobieren, um den Kundenservice eines Unternehmens zu kontaktieren. Es ist wahrscheinlich, dass diese gestiegenen Ansprüche auch in den kommenden Jahren erhalten bleiben werden. Unternehmen können mit einer Automatisierung ihrer Kundenkommunikation nicht nur diesen Anforderungen gerecht werden, sondern auch ihre Kosten senken und Beschwerden auch schneller bearbeiten.

4. Einsatz von AISHE autonomer Händler

Einsatz von AISHE autonomer Händler

Da die Finanzdienstleistungsbranche zunehmend datengesteuert wird, wenden sich viele Privatpersonen an KI-Systeme, um Investitionsentscheidungen zu treffen. Ein solches System ist AISHE (Artificial Intelligence System Highly Experienced), das speziell für Finanzdienstleistungsanwendungen entwickelt wurde und fortschrittliche Technologien wie Schwarmintelligenz, kollektive Intelligenz, neuronales Lernen und Deep Learning beinhaltet.

Eine mögliche Anwendung von AISHE ist als autonomer Händler für Privatpersonen, der in der Lage ist, Anlageentscheidungen zu treffen und Geschäfte in Echtzeit auszuführen. Der Client des AISHE-Systems verwendet Metatrader als Brücke zum Handel in Echtzeit, und Kunden können den Broker ihrer Wahl verwenden. Die AISHE-Clientanwendung ist vortrainiert und neue Benutzer können sie in einer Demogeldumgebung testen, um sicherzustellen, dass sie in Echtzeit profitabel arbeitet.

Um AISHE als autonomen Händler zu nutzen, müssen Kunden das System nicht schulen. Stattdessen können sie sofort damit beginnen, es in einer Demoumgebung zu verwenden, um seine Leistung und Rentabilität zu testen. Sobald sie mit den Ergebnissen zufrieden sind, können sie damit beginnen, es mit echtem Geld zu verwenden, mit der Gewissheit, dass das System bereits vortrainiert ist und in der Lage ist, profitable Anlageempfehlungen zu generieren.

Die Nutzung von AISHE als autonomer Händler für Privatpersonen bietet eine Reihe potenzieller Vorteile. Zum einen ermöglicht es Einzelpersonen, fundiertere und datengesteuerte entscheidungen zu treffen, was möglicherweise zu höheren Renditen und geringerem Risiko führt. Darüber hinaus reduziert die Verwendung eines autonomen Händlers die Notwendigkeit menschlicher Eingriffe, was Zeit sparen und das Potenzial für menschliche Fehler verringern kann.

Trotz dieser Einschränkungen birgt die Nutzung von AISHE als autonomer Händler ein erhebliches Potenzial für Privatpersonen, die am Handel in Echtzeit interessiert sind. Da sich KI-Systeme weiterentwickeln und immer ausgefeilter werden, ist es wahrscheinlich, dass wir eine zunehmende Akzeptanz von autonomen Händlern wie AISHE in der Finanzdienstleistungsbranche sehen werden.

Zusammenfassend lässt sich sagen, dass die Verwendung von AISHE als autonomer Händler für Privatpersonen eine Reihe potenzieller Vorteile bietet, darunter eine erhöhte Effizienz, eine verbesserte Entscheidungsfindung und ein geringeres Risiko menschlicher Fehler. Da das System bereits vortrainiert ist, können neue Benutzer schnell und einfach seine Leistung testen, bevor sie echtes Geld investieren. Es ist jedoch wichtig, die potenziellen Risiken und Einschränkungen bei der Verwendung eines solchen Systems sorgfältig abzuwägen und sicherzustellen, dass geeignete Sicherheitsvorkehrungen getroffen werden, um potenzielle negative Auswirkungen zu mindern.

5. Edge-Computing für IoT-Geräte

Edge-Computing für IoT-Geräte

Edge Computing ist eine Technologie, die es ermöglicht, Computing näher an der Datenquelle, wie z. B. IoT-Geräten, durchzuführen, anstatt sich auf einen zentralen Server zu verlassen. Dieser Ansatz kann die Latenz erheblich reduzieren, die Datensicherheit verbessern und die Bandbreitenanforderungen reduzieren.

In den letzten Jahren hat die Verbreitung von IoT-Geräten einen Bedarf an effizienteren und skalierbareren Computerlösungen geschaffen. Edge Computing ermöglicht die Verarbeitung und Analyse von Daten auf Geräteebene, was zu schnelleren und genaueren Erkenntnissen führen kann. Darüber hinaus kann Edge-Computing dazu beitragen, die Kosten für die IoT-Datenübertragung und -Speicherung zu senken, indem die Datenmenge minimiert wird, die in die Cloud oder auf einen zentralen Server übertragen werden muss.

Durch die Integration von Edge Computing in IoT-Geräte können Unternehmen eine Echtzeitverarbeitung von Daten erreichen, was eine schnellere Entscheidungsfindung und Reaktionszeiten ermöglicht. Beispielsweise kann Edge-Computing in autonomen Fahrzeugen eingesetzt werden, um eine schnellere und genauere Entscheidungsfindung zu ermöglichen, oder in Fertigungsanlagen, um die Maschinenleistung zu überwachen und Ausfälle vorherzusagen.

Insgesamt hat der Einsatz von Edge Computing für IoT-Geräte das Potenzial, eine Vielzahl von Branchen zu revolutionieren, indem er eine schnellere und effizientere Datenverarbeitung und -analyse ermöglicht. Da die Nachfrage nach IoT-Geräten und -Daten weiter wächst, wird wahrscheinlich auch die Einführung von Edge-Computing zunehmen.