KI-Wissensfabriken statt großer KI-Modelle?

Große Sprachmodelle wie Chat-GPT sorgen für Schlagzeilen, doch immer mehr Unternehmen entdecken spezialisierte KI-Agents und sogenannte KI-Wissensfabriken für sich. Was steckt hinter diesem Trend – und welche Chancen und Herausforderungen bringen Small Language Models im Unternehmensalltag mit sich?

Ob bei der Datenanalyse, Prozessautomatisierung oder als Unterstützung bei der Software-Entwicklung – große KI-Modelle wie Chat-GPT lassen sich vielfältig einsetzen und greifen auf ein umfassendes Wissen zurück. Doch sind sie in der Wirtschaft wirklich so beliebt, wie es den Anschein hat?

Dem Wall Street Journal zufolge entdecken Unternehmen statt der großen „Large Language Models“ (LLMs) zunehmend sogenannte „KI-Wissensfabriken“ für sich, sie auf „Small Language Models“ basieren.

Die Vorteile von KI-Wissensfabriken

Statt eines einzelnen, großen KI-Modells kommen in den KI-Wissensfabriken mehrere spezialisierte KI-Modelle – sogenannte „KI-Agents“ – zum Einsatz. Die anfallenden Aufgaben werden in zahlreiche, klar definierte Einzelschritte unterteilt.

Jeder KI-Agent ist auf eine dieser Aufgaben spezialisiert und übernimmt diese. Innerhalb der KI-Wissensfabrik kommt es darauf an, die Arbeit aller KI-Agents perfekt aufeinander abzustimmen und so eine größtmögliche Effizienz zu ermöglichen. Ein Praxisbeispiel ist für den Einsatz von KI-Agents ist etwa die Analyse von Verkaufsgesprächen.

Unternehmen profitieren von den KI-Wissensfabriken auf verschiedene Weise: Zum einen sind die Kosten, die für die spezialisierten KI-Agents anfallen, deutlich geringer als, der Preis für den Einsatz großer KI-Modelle.

Zugleich lassen sich KI-Agents gezielter trainieren und erledigen die ihnen übertragenen Aufgaben schneller. Aber auch der Datenschutz ist ein weiterer großer Pluspunkt: SLMs können häufig lokal oder auf Edge-Geräten zum Einsatz kommen.

Die Herausforderungen beim Einsatz von KI-Agents

KI-Agents bringen jedoch auch Nachteile mit sich. Obwohl sie auf ihrem Fachgebiet Experten sind, sind sie nicht dazu in der Lage, „über den Tellerrand“ zu blicken und ergänzendes Wissen heranzuziehen, wie die großen KI-Modell es können. Komplexe Schlussfolgerungen, für die sie zusätzliche Informationen benötigen würden, können sie daher nicht ohne Weiteres lösen.

Der Aufbau einer größeren, aus mehreren KI-Agents bestehenden KI-Wissensfabrik ist für Unternehmen zudem eine aufwändige Unternehmung, die ausgeprägte Kenntnisse in der Software-Entwicklung erfordert.

Unternehmen setzen daher meist auf ein hybrides Vorgehen. Umfangreiche KI-Modelle werden für Planung und kreative Entwicklung eingesetzt, während spezialisierte SLMs im Hintergrund routinemäßige Aufgaben effizient abwickeln.

Red.