Laut den neuesten Vorhersagen von Gartner wird bis 2028 80 % der generativen KI-gestützten Geschäftsanwendungen auf bestehenden Datemanagementsystemen entwickelt werden. Diese Entwicklung könnte die Entwicklungskomplexität reduzieren und die Lieferzeiten um 50 % verkürzen.
Bisher hängt die Entwicklung generativer KI-gestützter Geschäftsanwendungen vor allem von der Kombination großer Sprachmodelle (LLMs) mit Unternehmensdaten sowie fortschreitender Technologien wie Vektor-Suchalgorithmen, Metadatenmanagement, Prompt-Design und Embedding-Techniken ab. Ohne eine einheitliche Managementmethode besteht jedoch das Risiko, dass Unternehmen „verstreute Technologien“ nutzen, was zu längeren Lieferzeiten und höheren Kosten führen kann.
Quelle: Bild generiert durch KI, Lizenzdienstleister Midjourney
Im Rahmen der Data & Analytics Summit in Mumbai betonte Gartner die Bedeutung der Retrieval-Augmented Generation (RAG) bei der Entwicklung generativer KI-Anwendungen. RAG ist ein Rahmenwerk, das die Genauigkeit und Zuverlässigkeit generativer KI-Modelle erhöht und als Basis für die Bereitstellung generativer KI-Anwendungen dient. Gartner hebt hervor, dass RAG „flexible Implementierungsmöglichkeiten, verbesserte Erklärbarkeit sowie die Fähigkeit zur Kombination mit LLMs“ bietet.
Prasad Pore, Senior Analyst bei Gartner, erklärte, dass RAG in verschiedenen Geschäftsabläufen wie Vertrieb, Personalwesen, IT und Datamanagement Prozessverbesserungen und Automatisierungen ermöglicht. Aktuell stellen Dateningenieure und Fachkräfte bei der Entwicklung, Testung, Bereitstellung und Wartung komplexer Datenpipeline und Anwendungen vielfältige Herausforderungen. Pore unterstrich, dass traditionelle Datemanagementsprozesse zeitaufwändig und ressourcenintensiv sind. Die Anwendung von RAG kann die Produktivität steigern und den Datenmanagement-Prozess vereinfachen.
Darüber hinaus erwähnte Pore, dass generative Modelle wie LLMs selbst statisch sind und lediglich auf der Grundlage ihrer trainierten Daten arbeiten, ohne aktuelle Informationen zu integrieren. Durch RAG können Unternehmen jedoch die neuesten branchenspezifischen oder unternehmensspezifischen Daten in die Modelle einbeziehen, um die Effektivität generativer KI-Anwendungen bei der Beantwortung von Fragen, der Analyse von Protokollen und der Entscheidungsfindung zu verbessern.
In Bezug auf die Arten von generativen KI-gestützten Geschäftsanwendungen erklärte Pore, dass diese hauptsächlich in drei Hauptkategorien unterteilt werden können: Prozessverbesserung und -automatisierung (z.B. Unternehmenswissenmanagement und Dokumentenbearbeitungsautomatisierung), Benutzererfahrung (z.B. Kundenunterstützung und personalisierte Shopping-Erlebnisse) sowie Einsichten und Vorhersagen (z.B. konversationsorientierte Business-Intelligence und Datenentdeckung).
Beim Aufbau und Deployen generativer KI-Anwendungen empfiehlt Gartner, dass Unternehmen die folgenden Punkte berücksichtigen sollten: Zunächst sollte die Transformationspotenzialität bestehender Datemanagementsysteme in RAG-as-a-Service-Plattformen evaluiert werden. Zweitens sollte RAG als Priorität angesehen und Technologien wie Vektor-Suche, Graphik und Chunking aus bestehenden Datemanagementsystemen integriert werden. Schließlich sollten Metadaten und Betriebsdaten genutzt werden, um geistiges Eigentum zu schützen, Datenschutzprobleme zu lösen und missbräuchliche Nutzung zu verhindern.
Wichtiger Hinweis:
🌟 Bis 2028 sollen 80 % der generativen KI-gestützten Geschäftsanwendungen auf bestehenden Datemanagementsystemen entwickelt werden, wobei die Lieferzeiten um 50 % gesenkt werden.
🚀 RAG (Retrieval-Augmented Generation) wird zur zentralen Basis für die Entwicklung generativer KI-Anwendungen, indem Flexibilität und Erklärbarkeit bereitgestellt werden.
🔍 Gartner rät Unternehmen, die Transformationsmöglichkeiten ihrer bestehenden Plattformen zu evaluieren, RAG-Technologie zu integrieren und Metadaten zur Sicherheit zu nutzen.
