Generative AI: Game Changer und dennoch schwach

Ein Kommentar von Oliver Bracht

Sie schaffen aus Daten bislang nicht Dagewesenes und damit für Unternehmen ein enormes Potenzial, um Prozesse und Aufgaben neu zudenken: Generative AI Lösungen wie ChatGPT und Co. Von der Content-Entwicklung im Marketing bis zur Unterstützung beim Coding in der Softwareentwicklung: Generative AI ist in vielen Bereichen des Arbeitsalltags angekommen. Dabei wurde allein schon aufgrund der Geschwindigkeit, mit der es die Welt erobert hat, ChatGPT für viele zum Inbegriff für Künstliche Intelligenz.

Generative AI: Game Changer und dennoch schwach

Ein Kommentar von Oliver Bracht

Sie schaffen aus Daten bislang nicht Dagewesenes und damit für Unternehmen ein enormes Potenzial, um Prozesse und Aufgaben neu zudenken: Generative AI Lösungen wie ChatGPT und Co. Von der Content-Entwicklung im Marketing bis zur Unterstützung beim Coding in der Softwareentwicklung: Generative AI ist in vielen Bereichen des Arbeitsalltags angekommen. Dabei wurde allein schon aufgrund der Geschwindigkeit, mit der es die Welt erobert hat, ChatGPT für viele zum Inbegriff für Künstliche Intelligenz.

Künstliche Intelligenz ≠ ChatGPT

Die Diskussionen über die Definition von KI-Systemen im Zuge des europäischen AI Acts sind eines von vielen Beispielen dafür, dass es an einer einheitlichen und breit geteilten KI-Definition fehlt. Dieses Vakuum hat ChatGPT für viele gefüllt. Zumindest lässt die öffentliche Wahrnehmung vermuten, dass die Gleichung gilt „Künstliche Intelligenz = ChatGPT“. Dabei sind Generative-AI-Anwendungen vor allem eines: Ein weiteres Werkzeug im Data-Science-Methodenkoffer. Wie im Handwerk, ist es auch hier wichtig zu wissen, welches Werkzeug für welches Problem geeignet ist. Generative AI ist nicht die Universallösung für jedes Problem oder um es mit einem berühmten Zitat zu sagen „Wer als Werkzeug nur einen Hammer hat, sieht in jedem Problem einen Nagel“. Mehr noch: Je mächtiger ein Werkzeug wird, desto riskanter kann es werden, dieses falsch einzusetzen.

Generative AI ≠ Abhängigkeit

Als Werkzeug großer Player wie Google, Microsoft oder Meta kann die Tendenz aber dahin gehen, dass Generative-AI-Systeme als „Lösung für alles“ aufgebaut werden. Für Unternehmen steigt so die Gefahr von Abhängigkeiten und das Risiko für einen Verlust an Kontrolle und Souveränität. Deshalb ist auch beim Thema KI-Entwicklung eine möglichst große Diversität erstrebenswert – auch im Sinne eines europäischen KI-Ansatzes. Es lohnt sich für Unternehmen, auf Large Language Modells zu setzen, die Open Source sind oder auf Anbieter wie Aleph Alpha, die gut zu den eigenen Werten und Bestimmungen passen – insbesondere beim Generative-AI-Einsatz in kritischen Unternehmensbereichen.

Generative AI ≠ General AI

Wenn im öffentlichen Diskurs von Künstlicher Intelligenz gesprochen wird, schwingt sehr oft mindestens unterbewusst das Bild eines intelligenten Systems mit, welches eigenständig jede intellektuelle Aufgabe erkennen, definieren und mit kreativen/neuen Ansätzen lösen kann. Das Bild einer General AI, einer Künstlichen allgemeinen Intelligenz. ChatGPT und Co. haben dieses KI-Bild weiter verstärkt. Trotz ihrer zum Teil beeindruckenden „Fähigkeiten“: Fälschlicherweise. Denn Generative AI ist nicht gleichzusetzen mit General AI und das beschriebene KI-Bild bleibt weiterhin (noch) ein Forschungsziel. Wichtig ist hier die Unterscheidung zwischen starker und schwacher KI. ChatGPT gehört in die zweite Kategorie, auch wenn das Adjektiv „schwach“ tatsächlich irreführend ist. Schwache KI wird auch als Narrow AI (übersetzt „schmal“) bezeichnet, was es deutlich prägnanter auf den Punkt bringt. Denn heutige Generative-AI-Anwendungen sind auf ein ganz spezifisches Anwendungsszenario fokussiert. In diesem haben sie unbestritten ihre Stärken. Von universellen Lösungen sind sie aber (noch) weit entfernt.

Generative AI Workshop:

Chancen erkennen, Risiken verstehen

Erschließen Sie mit uns das Potenzial von ChatGPT & Co.

Nichts mehr verpassen – Jetzt den eoda-Newsletter abonnieren!