Intelligenz und Kontext

Noch halluziniert GenAI

In den Gesprächen der Beraterin mit ihren Kunden geht es dabei oft um Anwendungsfälle oder Use Cases, die derzeit „entlang der Prozesse wie Pilze aus dem Boden schießen“, sagt Leibrock. Ein paar solcher Use Cases seien sinnvoll, um erste Erfahrungen zu sammeln. Ein echter Nutzen im Sinne von Effizienzsteigerung oder mehr Produktivität sei so allerdings nicht zu erwarten. Im Gegenteil: wenn die Use Cases isoliert und unkoordiniert blieben, entstehe mit zunehmender Anzahl eine Landschaft, die „fragmentierter ist als jede Legacy IT, über die sich alle immer beschwert haben“.

Viele Unternehmen seien enthusiastisch gestartet und stünden nun mit Ernüchterung vor genau diesem Problem: unterschiedliche Technologien, verschiedene Datenquellen, wenig Überblick, keine Transparenz. Außerdem ist jede KI nur so gut wie ihre Daten. Leibrock erinnerte an den Chatbot Tay von Microsoft, der 2016 mit Twitter-Daten trainiert wurde, innerhalb kürzester Zeit toxische Inhalte produzierte und abgeschaltet werden musste – eine gute Entscheidung, die heute wahrscheinlich nicht mehr jedes Unternehmen so konsequent treffen würde. An solchen Beispielen werde deutlich, wie sehr Daten bestimmen, was KI tut.

GenAI liefere „die am wahrscheinlichsten richtige Lösung, die aber grundfalsch sein kann“. Maschinen „verstehen“ nicht wie wir Menschen, können jedoch sehr überzeugend diesen Eindruck erwecken. „Transformer-Modelle halluzinieren“, so Leibrock. Diese Erfahrung hat sicher jeder auch schon selbst gemacht. Umso wichtiger sei es, die Modelle in konkretem Domänen-Wissen und -Kontext zu verankern.

Knoten und Kanten

Die Lösung liegt laut Leibrock in siloübergreifender Datenintegration mithilfe semantischer Graphen, einer Struktur aus der frühen Computer-Linguistik der 1950er Jahre. Ähnlich wie Verben Substantive verbinden, verknüpfen semantische Graphen Daten in ihrem Kontext miteinander. Sie bestehen aus Knoten (Daten) und Kanten (Beziehungen). Welche Beziehungen zulässig sind, wird domänenspezifisch entlang kognitiver oder fachlicher Logiken modelliert. Ein weiterer großer Vorteil: Bestehende Datenbanken müssen nicht physisch migriert werden. Stattdessen werden die vorhandenen Datentöpfe über die semantische Metaebene miteinander verbunden.

Daten sind die Kronjuwelen

GenAI ist besonders gut mit unstrukturierten Daten, aber gerade die strukturierten Daten seien die Kronjuwelen der Unternehmen und der Wirtschaft. Solange diese nicht auch genutzt werden, könne das volle Potenzial von KI nicht realisiert werden, um z. B. Prozesse Ende-zu-Ende zu optimieren und zu automatisieren. Ein Beispiel für hochwertige Datenbestände sei das European DataWarehouse, das nach der Finanzkrise auf Initiative der Europäischen Zentralbank gegründet wurde. Es sammelt seit 2012 Daten zu Verbriefungstransaktionen in Europa. So sei ein enormer Datenschatz entstanden – gut strukturiert und zugänglich.

Die zentrale Frage laute jedoch: nutzen wir in Europa unsere Daten auch? „Aktuell noch viel zu wenig“, so Leibrock – es seien derzeit immer noch eher nicht-europäische Player, die den Wert von Industrie- und Geschäftsdaten erkennen und nutzen. Europas Stärke liege in industrieller Expertise und hochwertigen Prozessen und künftig, so sei zu hoffen, auch darin, die selbst generierten Daten gezielt für die eigene Wertschöpfung zu nutzen – ein Thema, das auch das mittelständische Unternehmertum im Publikum beschäftigt. Semantische Graphen spielen eine große Rolle dabei, diese Kronjuwelen zu erschließen – verständlich, kontextualisiert und nutzbar.