Künstliche Intelligenz (KI)
Künstliche Intelligenz (KI) ist das Teilgebiet der Informatik, das Systeme entwickelt, die Aufgaben erledigen, für die normalerweise menschliches Urteilsvermögen nötig ist, etwa Bilder erkennen, Sprache verstehen, Vorhersagen treffen und Handlungen auswählen, indem sie Muster aus Daten lernen oder festgelegten Regeln folgen.
Was ist künstliche Intelligenz?
KI ist ein Oberbegriff: Machine Learning, Deep Learning und generative Modelle sind Teilbereiche davon, keine Synonyme. Der Begriff wurde für das Dartmouth-Sommerforschungsprojekt 1956 geprägt, das John McCarthy und Kollegen organisierten.
Frühe KI stützte sich auf handgeschriebene Regeln und Expertensysteme. Die meiste heute eingesetzte KI ist Machine Learning, das Muster aus Beispielen lernt, und ein wachsender Anteil ist generative KI, die Text, Bilder oder Code erzeugt. Alle aktuellen Systeme sind „schwache“ KI: stark bei bestimmten Aufgaben, aber ohne allgemeines Denkvermögen auf menschlichem Niveau.
Im Unternehmenskontext behandelt man KI am besten als Komponente innerhalb eines Workflows, mit Eingaben, einer erwarteten Ausgabe und einer messbaren Fehlerquote.
Welche Arten von KI werden in Unternehmen hauptsächlich eingesetzt?
KI im Unternehmen lässt sich in fünf Fähigkeitsfamilien gliedern, die jeweils für andere Probleme geeignet sind:
Vorhersage: Abwanderungsrisiko, Nachfrageprognosen, Kreditscores.
Klassifizierung: Tickets weiterleiten, Betrug markieren, Dokumente verschlagworten.
Sprache: NLP zum Zusammenfassen, Extrahieren, Übersetzen und Chatten.
Bildverarbeitung: Computer Vision für Prüfung, Zählung und das Auslesen von Bildern.
Generierung und Handlung: Inhalte entwerfen und, in agentischen Systemen, mehrstufige Aktionen in Software ausführen.
Ein Problem einer dieser Familien zuzuordnen, ist der schnellste Weg, um zu beurteilen, ob KI überhaupt passt.
Jede Familie braucht andere Eingaben: Vorhersage und Klassifizierung benötigen gelabelte Historie, Sprachaufgaben saubere Dokumente und Bildverarbeitung repräsentative Bilder, die unter realen Bedingungen aufgenommen wurden.
Wie sieht KI in der Praxis aus?
Nützliche KI im Unternehmen nimmt meist eine wiederkehrende Ermessensentscheidung aus einem Workflow heraus, statt eine ganze Rolle zu ersetzen. Nehmen wir eine Steuer- und Buchhaltungskanzlei mit 45 Mitarbeitenden, deren Team täglich Hunderte eingehender Mandanten-E-Mails von Hand sortiert.
Die Kanzlei labelt einige Tausend frühere E-Mails nach Typ: Rechnung, Steuerfrage, Fristanfrage, Sonstiges.
Sie nutzt ein LLM über den Azure OpenAI Service, um neue E-Mails zu klassifizieren und Mandantennamen sowie Fälligkeitsdatum zu extrahieren.
Fälle mit geringer Konfidenz gehen an einen Menschen; der Rest wird automatisch im Kanzleimanagementsystem abgelegt.
Angenommen, das Modell verarbeitet die meisten E-Mails korrekt; dann verlagert sich die Arbeitszeit des Teams vom Sortieren zum Beantworten, und Fehler werden wöchentlich nachverfolgt.
Die Kanzlei hat kein Modell von Grund auf trainiert. Sie kombinierte ein gehostetes Modell, eigene gelabelte Beispiele zum Testen und einen Konfidenzschwellenwert, der festlegt, was ein Mensch prüfen muss.
Wo liegen die Grenzen und Risiken von KI?
KI-Systeme arbeiten probabilistisch, daher braucht jeder Einsatz einen Plan für die Fälle, in denen sie falschliegen.
Datenabhängigkeit: Modelle übernehmen die Verzerrungen und Lücken ihrer Trainingsdaten.
Halluzination: Generative Modelle können flüssige, aber falsche Ausgaben erzeugen, deshalb sind Guardrails und menschliche Prüfung wichtig.
Intransparenz: Komplexe Modelle sind schwer zu erklären, was bei Kreditvergabe, Personalauswahl und im Gesundheitswesen ins Gewicht fällt.
Regulierung: Der EU AI Act, seit August 2024 in Kraft, legt Pflichten nach Risikostufen fest, mit den strengsten Regeln für Hochrisiko-Anwendungen.
Wenn eine einfache Regel oder eine SQL-Abfrage das Problem löst, ist das in der Regel günstiger und zuverlässiger als ein Modell.
Worin unterscheidet sich KI von Machine Learning und generativer KI?
KI ist das Ziel, Machine Learning die vorherrschende Methode und generative KI eine Familie von Machine-Learning-Modellen. Ein regelbasierter Steuerrechner ist KI im klassischen Sinn, aber kein Machine Learning.
Ein in scikit-learn gebautes Churn-Modell ist Machine Learning, aber nicht generativ. ChatGPT, Claude und Gemini sind generative KI auf Basis von Large Language Models. Cloud-Plattformen wie Azure ML, Google Vertex AI und Amazon SageMaker unterstützen alle drei.
Die praktische Konsequenz: „Wir brauchen KI“ ist kein Projektbriefing. Das Briefing benennt die Aufgabe, die Daten, die akzeptable Fehlerquote und wer die Ausgabe prüft.
KI vs. Machine Learning
Künstliche Intelligenz | Machine Learning | |
|---|---|---|
Umfang | Jedes System, das Aufgaben erledigt, die menschenähnliches Urteilsvermögen erfordern | Systeme, die Muster aus Daten lernen |
Umfasst | Regeln, Suche, ML, generative Modelle | Überwachtes, unüberwachtes und bestärkendes Lernen |
Braucht Trainingsdaten | Nicht immer | Immer |
Beispiel | Ein regelbasiertes Expertensystem | Ein Modell zur Churn-Vorhersage |
Beziehung | Das übergeordnete Fachgebiet | Ein Teilbereich der KI |
Wie setzt VIZIO AI künstliche Intelligenz ein?
VIZIO AI setzt KI dort ein, wo sie eine langsame manuelle Ermessensentscheidung ersetzt, und kombiniert sie mit der Dateninfrastruktur, die sie zuverlässig macht. Für eine britische Cybersecurity-Forschungsorganisation nutzte das Growth Studio regelbasierte Logik und Machine-Learning-Heuristiken, um Ransomware-Ereignisse als bestätigt oder unbestätigt zu klassifizieren; das Ransomware-Monitoring-Dashboard reduzierte die manuelle Triage um 70 %.
Für Found Factory kombinierte das Venture Studio einen Algorithmus zum Persönlichkeits-Matching mit einer KI-gestützten Ebene für das Matching beruflicher Fähigkeiten für Studierende und Alumni; das MVP der Co-Founder-Matching-Plattform wurde in 13 Wochen geliefert.
Wo Sie anfangen: Listen Sie die Entscheidungen auf, die Ihr Team hunderte Male im Monat trifft, und testen Sie KI an derjenigen mit der eindeutigsten richtigen Antwort.
Künstliche Intelligenz (KI) in Fallstudien von VIZIO AI
- Real-Time Ransomware Monitoring ›Regelbasierte Logik plus Machine-Learning-Heuristiken klassifizierten Ransomware-Ereignisse automatisch und reduzierten die manuelle Triage um 70 %.
- Found Factory ›Eine KI-gestützte Ebene für das Matching beruflicher Fähigkeiten, kombiniert mit Persönlichkeits-Matching, ging als MVP in 13 Wochen an den Start.