NET 10/2023

47 www.net-im-web.de 10/23 Ungeahnte Möglichkeiten diese betreiben, erstellen oder anpassen wollen: Um deutliche Einsparungen und Produktivitätssteigerungen erzielen zu kön- nen, benötigen sie eine leistungsfähige und kostengünstige Infrastruktur, die speziell für maschinelles Lernen (ML) entwickelt wurde. Aufwände beachten Eine weitere Herausforderung sind die Kos- ten. Der Aufwand für die Entwicklung und das Trainieren von FMs ist nicht zu unter- schätzen: Bei generativenKI-Anwendungen fließt oft ein Großteil der Investitionen in dasTrainieren von FMs, die die Anwendun- gen ermöglichen. Dafür werden sehr große Datenmengen benötigt. Die Erstellung eines eigenen FM von Grund auf ist daher sehr zeitaufwendig, teuer und erfordert spezielles Fachwissen. Für Unternehmen mit umfangreichenDaten, Ressourcen und einem spezifischen Anwendungsfall kann es jedoch sinnvoll sein, ein maßgeschnei- dertes FM zu entwickeln. Alternativ dazu lassen sich öffentliche Modelle nutzen, die auf Grundlage großer Mengen öffentlich verfügbarer Daten trainiert wurden. Die- se sind aber eher für allgemeine Zwecke gedacht und eignen sich möglicherweise nicht für spezielle Unternehmensaufgaben. Eine weitere Möglichkeit ist die Erstellung benutzerdefinierter Modelle, die mit einer Kombination aus öffentlichen und firmen- spezifischen Daten trainiert werden und sich dadurch an speziellere Anwendungen einer Branche oder eines Unternehmens anpassen lassen. Jedoch: Nicht für jedesTK-Unter- nehmen und für jeden Anwendungsfall ist der Einsatz von generativer KI wirklich notwendig bzw. sinnvoll. In vielen Berei- chen reicht die Nutzung herkömmlicher KI-Services – auf Basis von Supervised oder Unsupervised Learning – völlig aus. Das gilt beispielsweise für die Erkennung von Anomalien imNetz oder das Nachverfolgen von Kennzahlen wie dem Net Promoter Score. Verantwortungsvoller Umgang Generative KI kann nur so gut sein wie die Daten, auf denen sie trainiert wurde. Zudem birgt sie das Risiko von Verzer- rungen oder Ungenauigkeiten. Ein FM, ob öffentlich oder benutzerdefiniert, kann ungenaue Antworten erzeugen, die glaub- würdig wirken, aber falsch sind. Grund- sätzlich kommt es daher beimEinsatz jeder Art von KI darauf an, mit hochwertigen, einheitlichen Daten zu beginnen. Ge- nerative KI erfordert zudem besonders umfangreiche Datensätze, Trainings und Überprüfungen, um valide Schlussfol- gerungen und Antworten zu finden. Sie eignet sich weniger für Aufgaben, die völlige Gewissheit erfordern, da es oft an ausreichend großen und qualitativ hoch- wertigen Daten mangelt. Unternehmen müssen außerdem sicherstellen, dass sie generative KI auf ver- antwortungsvolle Weise einsetzen. Neuere generative KI-Tools und -Dienste verfügen bereits über entsprechende Funktionen. Dazu zählt unter anderemdas Erkennen von Ähnlichkeiten zwischen generiertemCode und bestehendemOpen-Source-Code, das Identifizieren und automatische Entfernen sowie die Filterung von schädlichen Inhalten inTrainingsdatensätzen, etwa vonHassrede, vulgärer Sprache und Gewalt. Da es sich bei den Daten, die die Kunden für das Anpassen der Modelle nutzen, um wertvolles geistiges Eigentum handelt, müssen sie während des gesamten Prozesses vollständig geschützt bleiben. Gleichzeitig braucht das Unternehmen die Kontrolle darüber, wie seine Daten weiter- gegeben und verwendet werden. Eine enge Zusammenarbeit der Führungskräfte mit den IT-, Sicherheits-, Compliance- und Rechtsteams hilft, Risiken zu identifizieren und für einen sicheren und verantwortungs- vollen Einsatz der generativen KI zu sorgen. Wichtig ist hierbei auch, Pläne zur Einhal- tung der Vorschriften und Bestimmungen zu erstellen und sich genau zu überlegen, wem die verwendeten Daten gehören. Fazit Wie viele andere Branchen investiert auch dieTelekommunikationsindustrie verstärkt in die transformativen Fähigkeiten der künstlichen Intelligenz, um nicht den An- schluss zu verlieren und die spannenden neuen Möglichkeiten generativer KI zu nutzen. Um das Potenzial der Technologie voll ausschöpfen zu können, benötigen TK-Firmen allerdings die richtige Infra- struktur und eine umfassende Expertise. Mit der Cloud kann jedes Unternehmen eigene KI/ML-Anwendungen passgenau und kosteneffizient umsetzen. Unabhängig davon, ob es sich um generative KI oder natürliche Sprach- verarbeitung handelt, ist es aber wichtig, sich Zeit zu nehmen, um die Anwendungs- möglichkeiten zu prüfen, eine Strategie für die Datenorganisation zu diskutieren und den Return on Invest (ROI) zu bewerten, bevor KI kommerziell zumEinsatz kommt. Künstliche Intelligenz ist eine der trans- formativsten Technologien unserer Zeit, und generative KI eröffnet aufregende neue Möglichkeiten, die jedes Unternehmen erforschen und ausprobieren sollte. Ishwar Parulkar Generative KI erfordert besonders umfangreiche Datensätze, Trainings und Überprüfungen, um vali- de Antworten zu finden. Sie eignet sich weniger für Aufgaben, die völlige Gewissheit erfordern