SAP: DeepSeek – Was Unternehmen über KI-Tools wissen müssen

DeepSeek hat mit seinem neuen R1-Modell die KI-Landschaft gehörig aufgemischt. Die Entwicklungen des chinesischen Startups für künstliche Intelligenz, so das Medienecho, könne die KI-Branche „revolutionieren“. Das führte dazu, dass sich die Chatbot-App des Unternehmens auf der Liste, der am meisten heruntergeladenen kostenlosen Apps im iOS App Store an die Spitze setzen konnte – und sogar ChatGPT auf die Ränge verwies.

Der technologielastige NASDAQ¬100 erlebte währenddessen hingegen eine Talfahrt: Investoren führten eine Neubewertung des Investitionsbedarfs in KI-Technologie durch und der Index sank um fast drei Prozent. Mit einem dramatischen Kurseinbruch von 17 Prozent erlebten Konzerne wie NVIDIA einen der größten Tagesverluste in der Börsengeschichte. Grund war die Sorge um die sinkende Nachfrage nach hochleistungsfähigen Mikrochips.     

Die DeepSeek-Strategie

DeepSeek verfolgt eine besondere KI-Strategie, bei der vor allem Kosteneffizienz im Vordergrund steht. Das R1-Modell des Unternehmens wurde auf eine Stufe mit etablierten Modellen wie ChatGPT von OpenAI gestellt, doch die Entwicklungskosten für R1 beliefen sich auf lediglich 5 bis 6 Millionen US-Dollar. Dies steht im deutlichen Gegensatz zu den Milliardenbeträgen, die bei Wettbewerbern ausgegeben wurden. Das lässt Zweifel an der herrschenden Annahme aufkommen, dass für eine leistungsstarke KI erhebliche Investitionen in fortschrittliche Hardware erforderlich sind.

Infolgedessen haben Anleger damit begonnen, ihre Strategien zu überdenken, was zu einem deutlichen Rückgang der Aktienkurse für Unternehmen wie NVIDIA und AMD führte, die auf hochleistungsfähige Mikrochips angewiesen sind.

Kosteneffiziente KI – wo ist der Haken?

Im Zuge der Zunahme von KI-Technologie müssen Unternehmen die Komplexität einer Vielzahl von Plattformen bewältigen und gleichzeitig sicherstellen, dass sie grundlegende Sicherheitsmaßnahmen aufrechterhalten.

„Während sich die Technologie weiterentwickelt, werden auch Cyber-Bedrohungen immer ausgereifter – und damit wächst die Verantwortung von Unternehmen“, so Gabriele Fiata, Head of Cybersecurity Market Strategy bei SAP.

Während die Aussichten auf Kosteneinsparungen verlockend sind, gibt es mehrere sensible Bereiche, bei denen Unternehmen Vorsicht walten lassen sollten, um im Nachhinein höhere Kosten zu vermeiden: 

1. Datenschutz und Sicherheit

In der Datenschutzerklärung vieler kostenloser KI-Tools wird darauf hingewiesen, dass diese mit den Informationen trainiert werden, die wir ihnen liefern. Das bedeutet, das alles, was wir in ein Tool eingeben, möglicherweise von anderen genutzt werden kann, einschließlich unseren Wettbewerbern. Aber es geht nicht nur um das Teilen von Daten: Auch Datenschutzverletzungen oder kriminelle Aktivitäten können ein Risiko für Datensicherheit darstellen.

„2025 wird diese Technologie im Fokus vieler Unternehmen stehen, um die Geschäftskontinuität und den Schutz sensibler Daten sicherzustellen. Es geht darum, Technologie zum bestmöglichen Schutz einzusetzen”, betont Fiata.

Unternehmen müssen ihre Sicherheitsmaßnahmen verstärken, um sensible Daten vor Datenschutzverletzungen zu bewahren. Mitarbeitende müssen dafür sensibilisiert werden, äußerst vorsichtig mit den Informationen umzugehen, die sie in diese Tools eingeben, um teure rechtliche Konsequenzen und einen möglichen Imageschaden zu vermeiden.

2. Konzepte zur Datenspeicherung

Neuere Anwendungen sind möglicherweise nicht mit älteren Speichersystemen kompatibel. Veraltete Speichersysteme können zu hohen Latenzzeiten und ineffizienten Betriebsabläufen führen, was zeitnahe Einblicke erschwert, die für die Entscheidungsfindung unerlässlich sind. Ein weiteres häufiges Problem ist, dass es bei einer hohen Zahl an Nutzern zu einer Systemüberlastung kommt oder dass das Tool nicht verfügbar ist, wenn es benötigt wird.

3. Datenqualität

KI-Systeme sind nur so gut wie die Daten, mit denen sie trainiert werden. Minderwertige Daten können ungenaue Ergebnisse und operative Probleme nach sich ziehen. Wenn beispielsweise ein Einzelhandelsunternehmen fehlerhafte Kundendaten nutzt und deshalb Kauftrends missinterpretiert, könnte dies zu einer schlechten Bestandsführung und entgangenen Verkaufschancen führen.

4. Strategische Herausforderungen

In manchen Fällen sind Unternehmen mehr an kurzfristigen Einsparungen als an langfristigem Wachstumspotenzial interessiert. Fällt die Wahl auf ein KI-Konzept, bei dem Skalierungsmöglichkeiten nicht berücksichtigt werden, könnte dies zu Problemen führen und eine kostspielige Neuorientierung erforderlich machen, wenn sich die geschäftlichen Anforderungen des Unternehmens ändern.

5. Herausforderungen bei der Einhaltung von Vorschriften

„In Zeiten verschärfter Datenschutzregelungen und wachsender geopolitischer Spannungen wird die Möglichkeit, die Kontrolle über Daten zu behalten, für das Jahr 2025 zu einem entscheidenden Faktor werden“, erläutert Fiata. Unternehmen müssen in Compliance-Strategien investieren, um regulatorische Risiken im Zusammenhang mit dem Einsatz von KI zu steuern. Und das kann zusätzliche Kosten nach sich ziehen.

Kunden müssen sich darüber im Klaren sein, dass DeepSeek zwar Möglichkeiten für Innovationen und Kosteneinsparungen bei der KI-Entwicklung bietet, aber auch einige Schwachstellen hat. Für Unternehmen, die Innovationen schaffen und Geld sparen möchten, mag Kosteneffizienz zwar eine attraktive Aussicht sein, aber es ist wichtig, sich auch die damit verbundenen potenziellen Fallstricke vor Augen zu halten.

Neue Technologien werden immer schneller zu einem integralen Bestandteil unseres Alltags und unseres Lebens. Diese Fortschritte effektiv zu nutzen und gleichzeitig die damit verbundenen Risiken zu reduzieren wird viele Branchen vor große Herausforderungen in der nächsten Phase der KI-Entwicklung stellen.

– – – – –

Weiterführende Links

👉 www.sap.com  
👉 KI im Jahr 2025: Fünf beherrschende Themen 

Foto: pixabay