Nutanix Germany GmbH

Die Technik entwickelt sich schneller als je zuvor. Wendet man Gartners Hype-Cycle auf generative KI (GenAI) an, hat sie nach einem unfassbar schnellen Aufstieg ihren Höhepunkt erreicht und den Abstieg in das Tal der Enttäuschungen bereits begonnen. Der Zyklus zeigt einen typischen Verlauf: Am Ende wird das Plateau der Produktivität erreicht, wenn eine neue Technologie ausgereift ist.

Einige Unternehmen haben viel Geld in generative KI investiert, während andere gerade erst dabei sind, entsprechende Budgets zuzuweisen. Allen gemeinsam aber ist das Eingeständnis, dass es schwieriger ist, die Projekte zum Erfolg zu führen, als ursprünglich gedacht. Dennoch wird die Entwicklung weitergehen.

Von Bots zu Agenten

Ich bin jetzt seit über 25 Jahren im Silicon Valley und habe mehrere dieser Zyklen gesehen, die alle dieselben Phasen durchlaufen: Das Silicon Valley zündet ein Feuerwerk, die Menschen sind beeindruckt oder gar schockiert und fragen nach all den möglichen Auswirkungen einer neuen Technologie. Währenddessen krempeln die Leute im Silicon Valley die Ärmel hoch, arbeiten sich durch die Probleme, erleiden zahlreiche Misserfolge, identifizieren immer mehr die Bereiche, in denen die Technologie Fahrt aufnimmt, und am Ende stehen massive Veränderungen.

Das war beim Thema Internet der Fall, ebenso bei Big Data und SaaS. Jenseits der aktuellen Schlagzeilen zu den erwarteten Renditen der GenAI-Investitionen verhält sich diese Entwicklung wie jede vorangegangene Tech-Revolution.

Das Erstaunlichste an diesem Zyklus ist die Geschwindigkeit, mit der die Technologie die einzelnen Phasen durchläuft. Der anfänglichen überschwänglichen Faszination folgten unmittelbar harte und prinzipielle Fragen z. B. in Reaktion auf das Bekanntwerden von zum Teil haarsträubenden Halluzinationen. Doch die Arbeit ging im Hintergrund ebenso schnell voran, insbesondere was konkrete Anwendungsbereiche betrifft. Statt von Chatbots sprechen wir heute von produktiven Agenten, anstatt „Wir werden alle ersetzen“ heißt es mittlerweile „Wir werden alle effektiver und produktiver machen“.

Große Branchen- und Anwendungsunterschiede

In den frühen Tagen von ChatGPT wurde in Anwaltskanzleien offen über die kurzfristigen Auswirkungen von generativer KI auf die Rolle von Nachwuchsanwälten und den Bedarf an diesen Nachwuchskräften diskutiert. Würde ChatGPT Schriftsätze erstellen, recherchieren, Argumentationen vorbereiten und diese direkt an Senior Partner weitergeben? Das wäre doch schneller, effizienter und kosteneffektiver. Was stattdessen folgte, waren Berichte über Anwälte, die sich aufgrund von Halluzinationen massive rechtliche Probleme einhandelten.

Mittlerweile gilt die Einsicht: Recht und Finanzen sind wahrscheinlich die letzten Bereiche, um GenAI aus dem Käfig zu lassen, weil Genauigkeit hier essenziell ist. Diese Branchen haben wahrscheinlich noch einen weiten Weg vor sich, um Fehler zuverlässig zu vermeiden.

Es gibt einen guten Grund für diese ernüchternde Erkenntnis. Generative KI zum Beispiel in Banken-Prozessen einzusetzen, ist besonders schwierig, da diese Branche so stark reguliert ist. Banken können dafür nicht einfach eine beliebige Anwendung auf Basis eines zufällig ausgewählten KI-Grundlagenmodells hernehmen. Sie müssen sich darauf verlassen können, dass ein Modell nicht vom Kurs abweicht und Compliance-Probleme schafft. Es stellt eine nur schwer zu überwindende Hürde dar, für die Compliance einer „generischen" Technologie zu sorgen, die effektiv eine Black Box ist.

Hier tut sich eine Lücke zwischen den allgemeineren generativen KI-Anwendungen, die mehr Zeit benötigen werden, und den spezifischen Workflows und Geschäftsproblemen auf, bei denen operative KI schnelle Fortschritte verzeichnet.

Menschen produktiver machen, nicht ersetzen

Unternehmen unterscheiden zunehmend zwischen Bereichen, in denen sie höhere Risiken tolerieren können, und Anwendungsfällen, in denen es darum geht, Menschen und ihre Arbeit effektiver zu machen.

Der Hype bewegt sich in Richtung Realität, ähnlich wie beim Übergang von Logarithmentafel über Rechenschieber bis zum Taschenrechner: Operative KI verfolgt das Ziel, Prozesse zu beschleunigen und Menschen produktiver zu machen. Menschen sollen nicht ersetzt, sondern effektiver werden.

Ein Beispiel: Ein Unternehmen sorgt mithilfe von generativer KI und internen Daten für die Compliance seiner Call-Center-Mitarbeiter. Es zeichnet alle Kundengespräche auf und füttert damit eine generative KI-Anwendung. Diese markiert alle potenziellen Verstöße gegen Vorschriften und Regeln, die daraufhin von einem Menschen geprüft werden.

Vor der Implementierung der GenAI-Anwendung wählten die Mitarbeiterinnen und Mitarbeiter des Unternehmens einzelne Anrufe aus, hörten sie sich an und versuchten herauszufinden, ob sie sich über eine bestimmte Interaktion Sorgen machen müssen. Jetzt nutzen sie generative KI als Vorfilter und konzentrieren ihre Zeit auf die Fälle, die eine Prüfung verdienen.

Dies ist ein Paradebeispiel dafür, einen bestehenden Prozess mittels generativer KI zu verbessern und zu beschleunigen. Die GenAI-Anwendung fungiert als Ergänzung zur bisherigen Tätigkeit der Mitarbeiterinnen und Mitarbeiter und belässt die letzte Entscheidung weiterhin beim Menschen.

Operative KI ist gekommen, um zu bleiben

Generative KI hat unsere Vorstellung von ihr enttäuscht. Sie ist nicht die Technologie, die alles weiß und alles kann. Deshalb bewegt sie sich im Hype-Cycle abwärts. Die Wahrheit ist, dass die Erwartungen zu hochgesteckt waren. Bei genauerem Hinsehen jedoch befindet sich operative KI im Aufstieg, und zwar schnell. Unternehmen nutzen sie, um Prozesse zu optimieren, der Übergang von Bots zu Agenten ist in vollem Gange. Ohne die anfängliche Faszination und anschließende Enttäuschung wäre das nicht passiert.