Was ist Generative KI?
Generative KI (engl. Generative AI) ist eine Form der künstlichen Intelligenz, die mit sehr großen Datenmengen trainiert wird, um eigenständig Inhalte wie Texte, Bilder, Musik und zunehmend auch Videos zu erzeugen. Technisch basiert sie auf sogenannten Large Language Models (LLMs), die Sprache und Kontext statistisch modellieren und Wahrscheinlichkeiten nutzen, um sequenziell zu entscheiden, welches Wort oder Element als Nächstes folgt.
Ein einfaches Beispiel verdeutlicht dieses Prinzip: Fast jeder vervollständigt den Satz „Alle meine Entchen …“ mit „schwimmen auf dem See“. Diese Fortsetzung besitzt die höchste Wahrscheinlichkeit – genauso arbeitet Generative KI. Auf dieser Grundlage entstehen neue Möglichkeiten, Vorhersagen zu treffen, Inhalte zu generieren und Dialoge mit Kunden weitgehend zu automatisieren.
Wenn Maschinen immer menschlicher kommunizieren
Die Qualität moderner KI-Systeme macht es zunehmend schwer, zwischen menschlicher und maschineller Kommunikation zu unterscheiden. Aktuelle Modelle dürften den bereits 1950 formulierten Turing-Test problemlos bestehen – auch wenn seine Aussagekraft heute kontrovers diskutiert wird.
Diese Entwicklung weckt enorme Erwartungen in der Wirtschaft. Laut einer Studie von IW Consult liegt das Potenzial des Beitrags von KI zur Bruttowertschöpfung in Deutschland bei rund 320 Milliarden Euro. Entsprechend hoch ist die Priorität von KI auf den Agenden deutscher CEOs.
Der KI-Gap: Warum Anspruch und Realität auseinanderliegen
Trotz der hohen Erwartungen setzen bislang nur rund 17 % der deutschen Unternehmen KI produktiv ein – und selbst dort liefern viele Use Cases keinen nachhaltigen Unternehmenswert. Diese Diskrepanz wird häufig als „KI-Gap“ bezeichnet.
Ein zentraler Grund liegt in der Natur von LLMs: Sie werden mit öffentlich verfügbaren Daten trainiert und enthalten keine sensiblen oder unternehmensspezifischen Informationen. Der gelegentliche Einsatz von ChatGPT mag hilfreich sein, erzeugt jedoch keinen echten Mehrwert im Unternehmenskontext. Hinzu kommt, dass LLMs nur bis zu einem definierten Trainingsstichtag über Wissen verfügen und aktuelle Ereignisse oder interne Daten nicht kennen.
KI und Compliance – ein unterschätzter Erfolgsfaktor
Mit dem EU AI Act wurde erstmals ein regulatorischer Rahmen für den Einsatz von KI geschaffen. Für Unternehmen ergeben sich daraus zentrale Fragen:
Wie wird sichergestellt, dass personenbezogene Daten geschützt bleiben? Sind Quellen transparent nachvollziehbar? Erhalten Mitarbeitende ausschließlich autorisierten Zugriff? Und werden eingegebene Daten möglicherweise ungewollt als Trainingsdaten weiterverwendet?
Ohne klare Antworten auf diese Fragen ist ein produktiver Einsatz von Generativer KI im Unternehmen kaum möglich.
Wahrheit, Determinismus und das Risiko von Halluzinationen
KI hat mit dem Menschen eines gemeinsam: Sie macht Fehler. Besonders problematisch sind sogenannte Halluzinationen – inhaltlich falsche Aussagen, die sprachlich äußerst überzeugend formuliert sind. Während dies in kreativen Kontexten akzeptabel sein kann, sind im Unternehmenseinsatz korrekte und nachvollziehbare Antworten zwingend erforderlich.
Ein öffentlich bekannt gewordener Fall zeigt die Risiken deutlich: Der Chatbot eines Autohändlers machte falsche Angebote und empfahl sogar Fahrzeuge der Konkurrenz (Quelle). Solche Beispiele unterstreichen die Notwendigkeit menschlicher Kontrolle und klarer Governance.
Technische und wirtschaftliche Hemmnisse
Leistungsfähige KI-Anwendungen erfordern spezialisierte Infrastruktur. Die Kosten sind erheblich: Das Training von GPT-4 wird auf rund 100 Millionen US-Dollar geschätzt, der tägliche Betrieb von ChatGPT auf mehrere Millionen US-Dollar. Eine Einordnung bietet der Artikel „ChatGPT and generative AI are booming, but the costs can be extraordinary“.
Für Unternehmen stellt sich daher die zentrale Frage: Wie lässt sich Generative KI mit beherrschbaren Kosten nutzen?
Sprachqualität und kulturelle Dimension
Die meisten verbreiteten LLMs werden von US-amerikanischen Unternehmen entwickelt und überwiegend mit englischsprachigen Texten trainiert. Deutsche Inhalte machen nur einen sehr kleinen Anteil der Trainingsdaten aus. Für deutschsprachige Unternehmen stellt sich daher die Frage, wie hochwertige Sprachverarbeitung in deutscher Sprache gewährleistet werden kann.
Volatilität der technologischen Entwicklung
Allein im Jahr 2023 entstanden 29 neue LLMs, viele davon als Open-Source-Modelle. Die Geschwindigkeit dieser Entwicklung erschwert langfristige Technologieentscheidungen und verlangt nach flexiblen, zukunftsfähigen Architekturen.
Generative KI mit Liongate: Ein pragmatischer Ansatz
Liongate verfolgt bewusst einen Mittelweg: Statt entweder unsichere Standard-Tools einzusetzen oder extrem teure Eigenentwicklungen zu realisieren, reichern wir leistungsfähige bestehende LLMs gezielt mit Unternehmensdaten an.
Dabei setzen wir bevorzugt auf Open-Source-Modelle, die in einer dedizierten Private-Cloud-Umgebung betrieben werden. Sensible Daten bleiben geschützt, Compliance-Anforderungen werden erfüllt und gleichzeitig entsteht echter Business Value.
Der Liongate AI Stack: AI + Trust + Data
Der Liongate AI Stack kombiniert vier zentrale Bausteine: eine sichere Private Cloud, das jeweils passende Large Language Model mit starker deutscher Sprachunterstützung, die intelligente Anbindung von Unternehmensdaten sowie ein „Privacy by Design“-konformes Setup.
So ermöglichen wir Unternehmen einen wirtschaftlichen, sicheren und skalierbaren Einstieg in Generative KI – mit minimalen Einstiegshürden und maximaler Innovationsfreiheit.
Fazit: Der wirtschaftliche Weg zu Generativer KI
In der Praxis liegt der nachhaltigste Ansatz zwischen generischen KI-Tools wie ChatGPT, die günstig aber für den Unternehmenseinsatz ungeeignet sind, und selbst entwickelten LLMs, die zwar sicher, aber kaum bezahlbar sind. Der intelligente Einsatz vorhandener Open-Source-Modelle, angereichert mit Unternehmenswissen, bildet den goldenen Mittelweg – und genau hier setzt Liongate an.
