Strategie · 3 Min. Lesezeit
Standardmodelle sind sofort einsatzbereit und leistungsstark, eine eigene KI kennt die Sprache des Unternehmens besser. Wie Sie die Wahl treffen und warum die beste Lösung oft eine Kombination aus beidem ist.
Wer künstliche Intelligenz im Unternehmen einführt, steht schnell vor der Frage: die großen Modelle vom Markt nutzen oder etwas Eigenes aufbauen? Oft wird diese Frage zu schwarz-weiß gestellt, als müsse man sich ein für alle Mal für einen der beiden Wege entscheiden.
Tatsächlich decken beide Optionen unterschiedliche Anforderungen ab. Die eigenen zu kennen, ist der erste Schritt zu einer vernünftigen Entscheidung.
Die Modelle der führenden KI-Anbieter verstehen und erzeugen Sprache hervorragend, durchdenken komplexe Probleme und werden laufend weiterentwickelt. Sie sind sofort nutzbar, ohne Vorabinvestitionen in das Training, und decken ein sehr breites Aufgabenspektrum ab: Texte schreiben, zusammenfassen, übersetzen, Dokumente analysieren.
Ebenso klar sind ihre Grenzen. Sie kennen weder die Daten des Unternehmens noch seine Terminologie oder seine Abläufe. Zudem werden die übermittelten Daten auf der Infrastruktur des Anbieters verarbeitet, was bei vertraulichen Informationen oder personenbezogenen Daten sorgfältig abzuwägen ist, nicht zuletzt mit Blick auf die DSGVO.
Standardmodelle
Maßgeschneiderte KI
Unter maßgeschneiderter KI kann man Verschiedenes verstehen, und es lohnt sich, zu unterscheiden. Die häufigste Form besteht nicht darin, ein Modell von Grund auf zu trainieren, sondern einem bestehenden Modell Zugang zum Wissen des Unternehmens zu geben: Dokumente, Verfahren, Daten aus den Systemen. Das Modell selbst wird nicht verändert, erhält aber zu jeder Frage den passenden Kontext.
Weiter geht das Fine-Tuning eines Modells mit Dokumenten und Beispielen des Unternehmens, damit es dessen Sprache, Formate und Regeln lernt. Dieser Ansatz lohnt sich bei sehr spezifischen, wiederkehrenden Aufgaben, etwa der Klassifizierung technischer Dokumente nach einer internen Taxonomie oder dem Verfassen von Texten in einem strengen Stil.
Schließlich kann ein eigenes Modell auf einer vom Unternehmen gewählten Infrastruktur betrieben werden, auch einer privaten, wenn Vorgaben zum Speicherort der Daten dies erfordern.
Drei Fragen helfen bei der Orientierung. Die erste betrifft die Daten: Wie vertraulich sind sie und wo müssen sie bleiben? Die zweite betrifft die Aufgabe: Ist sie allgemein, etwa das Zusammenfassen eines Dokuments, oder erfordert sie sehr spezifisches Fachwissen? Die dritte betrifft das Volumen: Eine Aufgabe, die tausendfach am Tag ausgeführt wird, kann ein kleineres, eigenes Modell rechtfertigen, während sich für gelegentliche Nutzung fast immer ein Standardmodell mehr rechnet.
Ein häufiger Fehler ist es, mit der ehrgeizigsten Lösung zu beginnen. Ein Modell zu trainieren erfordert saubere Daten, hochwertige Beispiele und Zeit. Sehr oft löst ein Standardmodell mit Zugriff auf die richtigen Dokumente das Problem mit deutlich geringerem Aufwand.
Auch die Pflege sollte man bedenken. Ein eigenes Modell muss aktualisiert werden, sobald sich Verfahren oder Produkte ändern, während ein Standardmodell, das aktuelle Dokumente liest, Änderungen ohne jedes Zutun berücksichtigt. Auch die Kosten sollten über die Zeit betrachtet werden, nicht nur zum Start.
In den meisten Fällen ist eine Kombination die beste Antwort. Standardmodelle übernehmen Sprache und allgemeines Schlussfolgern, das Unternehmenswissen liefert den Kontext, und für spezielle Aufgaben oder besonders vertrauliche Daten kommt ein eigenes Modell hinzu.
Diese Architektur hat auch einen strategischen Vorteil: Sie bindet das Unternehmen nicht an einen einzigen Anbieter. Der KI-Markt verändert sich rasant, und wer ein Modell durch ein anderes ersetzen kann, ohne Anbindungen und Zugriffsregeln neu aufzubauen, schützt seine Investition.
Genau dafür ist der KI-Assistent von Innovaq konzipiert. Er integriert die führenden KI-Dienste und bei Bedarf maßgeschneiderte Modelle, die mit den Dokumenten und Verfahren des Unternehmens trainiert sind. Die Wahl kann von Aufgabe zu Aufgabe variieren, während Datenanbindungen, Berechtigungen und das Anfrageprotokoll gleich bleiben.
Weiterlesen
Das Model Context Protocol ist der Standard, um einen KI-Assistenten mit Unternehmenswerkzeugen und -daten zu verbinden. Was das in der Praxis bedeutet und wie Sie die ersten Anbindungen fehlerfrei planen.
KI-gestützte Automatisierung ist nur dann nützlich, wenn man ihr vertrauen kann. Das Prinzip „Die KI bereitet vor, der Mensch bestätigt“ und wie Sie es bei der Gestaltung von Abläufen umsetzen.
Innovaq befindet sich in der Startphase.