Know-How, Daten – und KI
Veröffentlicht im Nov 2023 von MechLab Engineering ~ 4 min Lesezeit
In einer Zeit, in der Wissen, Daten und künstliche Intelligenz die Triebkräfte des Wettbewerbs neu definieren, stehen mittelständische Unternehmen vor der Herausforderung, ihre einzigartigen Schätze an Know-how und Erfahrung in den digitalen Wandel zu integrieren. Mit den jüngsten Fortschritten in der KI-Technologie, insbesondere der Veröffentlichung von leistungsstarken großen Sprachmodellen (LLMs) wie ChatGPT, eröffnen sich ungeahnte Möglichkeiten, firmeninternes Know-how in maßgeschneiderte KI-Modelle zu gießen.
Mit den kürzlich von OpenAI veröffentlichten GPTs, eröffnen sich für Unternehmen einzigartige Möglichkeiten. GPTs sind fertig trainierte große Sprachmodelle (wie ChatGPT), angereichert um eigene Daten. Diese Spezialisierung der KI-Modelle ermöglicht es, maßgeschneiderte GPT-Modelle zu erstellen, die spezifisch auf die Anforderungen und das Know-how eines Unternehmens zugeschnitten werden können. Das bedeutet, dass Firmen nun die Möglichkeit haben, ihre eigenen individuellen KI-Lösungen zu gestalten, ohne von Grund auf eigene Modelle kostenintensiv trainieren zu müssen. Für mittelständische Unternehmen bisher nahezu unmöglich, kostet das Training von LLMs doch mehrere Millionen EUR.
Das Video zeigt einen Ausschnitt der Entwicklerkonferenz, in welcher innerhalb weniger Minuten und mit wenigen Daten ein GPT für einen Fachkontext angereichert und zur Verfügung gestellt wird.
Beispielhafte Anwendungsfälle von eigenen GPTs
Kundenservice und Support: Mittelständische Unternehmen können GPTs nutzen, um den Kundenservice zu optimieren. Individuell angepasste Chatbots, die auf das spezifische Know-how des Unternehmens zugeschnitten sind, können Kundenfragen effizienter und genauer beantworten. Dies trägt dazu bei, die Kundenzufriedenheit zu steigern und die Kundenbindung zu festigen.
Produktentwicklung und Innovation: Unternehmen können GPTs verwenden, um innovative Ideen aus dem eigenen Know-how-Pool zu generieren. Diese KI-Modelle können interne Expertise nutzen, um neue Produktkonzepte vorzuschlagen, potenzielle Märkte zu identifizieren und Entwicklungsprozesse zu beschleunigen.
Marktanalyse und Wettbewerbsfähigkeit: Mittelständische Unternehmen können GPTs einsetzen, um externe Informationen und Daten mit ihrem internen Know-how zu verknüpfen. Dies ermöglicht eine bessere Marktanalyse, Wettbewerbsüberwachung und die Identifizierung von Marktlücken, die aufgrund des einzigartigen Know-hows des Unternehmens ausgenutzt werden können.
Personalmanagement und Weiterbildung: Personalabteilungen können GPTs nutzen, um maßgeschneiderte Schulungsmaterialien zu erstellen und Mitarbeitern individuelle Schulungskurse anzubieten. Diese personalisierten Lernmodelle können auf die spezifischen Anforderungen des Unternehmens und seiner Mitarbeiter zugeschnitten sein.
Prozessoptimierung und Automatisierung: Mittelständische Unternehmen können GPTs einsetzen, um komplexe Geschäftsprozesse zu optimieren und zu automatisieren. Dies kann die Effizienz steigern und Kosten senken, insbesondere in Branchen, die mit knappen Ressourcen zu kämpfen haben.
Spezifisches Know-How für Fach-GPTs
Das wertvolle Know-how von Ingenieuren, Service-Technikern, Dokumentationen, Datenblättern und internen Wikis kann nun in maßgeschneiderte GPTs konvertiert werden, die nicht nur intern genutzt werden können, sondern auch weltweit über Plattformen wie den GPT Store geteilt werden können. Die Abhängigkeit von OpenAI und den Kostenmodellen entsteht dadurch, Datenschutz-Bedenken ebenso. Auf der anderen Seite ist es für einen mittelständischen Betrieb unmöglich, ein eigenes LLM zu trainieren: Es fehlen Daten, Infrastruktur, KnowHow und Geld.
Datenschutz beachten und Lokal einsetzen
In Bezug auf Datenschutzbedenken ist es zweifellos eine Herausforderung, firmeninterne Dokumente auf externe Server hochzuladen, selbst wenn es für die Anpassung spezieller Sprachmodelle wie GPTs notwendig ist. Die Sorge um die Sicherheit sensibler Informationen hat dazu geführt, dass Unternehmen nach Alternativen suchen. OpenSource-Lösungen wie LocalGPT, die auf Llama.cpp basieren, bieten eine vielversprechende Option. Diese ermöglichen es Unternehmen, die Vorteile fortschrittlicher Sprachmodelle zu nutzen, ohne dabei auf externe Server angewiesen zu sein. Durch die Implementierung solcher Lösungen auf eigenen Servern behalten Unternehmen die volle Kontrolle über ihre Daten und minimieren das Risiko von Datenschutzverletzungen. Dies ist besonders relevant für kleine und mittlere Unternehmen (KMU), die oft über begrenzte Ressourcen verfügen und dennoch ihre Datenschutzstandards wahren müssen. Der Einsatz von OpenSource-Alternativen eröffnet somit einen sicheren Weg, maßgeschneiderte Sprachmodelle zu entwickeln, ohne sensible Informationen aus der Unternehmenssphäre herauszugeben.
Die verwendeten OpenSource-Sprachmodellen mit geringerer Quantifizierung, beispielsweise mit 4-Bit oder 8-Bit, sowie mit weniger Parametern, wie etwa nur 7 Milliarden oder 13 Milliarden, mag zwar nicht die gleichen beeindruckenden Ergebnisse wie bei ChatGPT liefern, dennoch erzielt man damit durchaus brauchbare Resultate. Der Kompromiss in der Modellgröße und Quantifizierung wird durch die Vorteile der reduzierten Rechenleistung und des geringeren Speicherbedarfs erkauft. In vielen Anwendungsfällen, insbesondere in Umgebungen mit begrenzten Ressourcen, können diese abgespeckten Modelle dennoch äußerst nützlich sein. Ihr Einsatz ermöglicht es, komplexe natürliche Sprachverarbeitungsaufgaben zu bewältigen, wenn die Ressourcenbeschränkungen dies erfordern, und bietet somit eine praktische Lösung für eine Vielzahl von Szenarien, in denen der Fokus auf Effizienz, Datenschutz und Kosteneffektivität liegt.
Mehr zum Thema bei der Lausitzer KI Konferenz am 30.11.2023 im Dock3 Lausitz:
