4. März 2025. Künstliche Intelligenz (KI) entwickelt sich in einem frappierenden Tempo von einer neuen Technologie zu einer Einflussgröße für Geschäftsabläufe. Von der Entwicklung von KI-Agenten hin zur Interaktion mit Technologien, die sich eher wie eine natürliche Unterhaltung anfühlt, sind KI-Technologien in der Lage, unsere Arbeitsweise zu verändern.
Kategorien
Schlagworte
Doch was genau kommt auf uns zu? Wir möchten Ihnen fünf Themen vorstellen, die im Jahr 2025 für KI große Bedeutung haben werden. Diese sind für Unternehmen sicherlich mit Herausforderungen verbunden, sie haben aber auch das Potenzial, die Grenzen des Machbaren neu auszuloten. Sind Sie bereit für einen Blick auf das, was uns im neuen Jahr und darüber hinaus erwartet? Los geht’s!
KI-Agenten stecken derzeit noch in den Kinderschuhen. Viele Softwareanbieter bringen gerade ihre ersten sogenannten „KI-Agenten“ heraus, die lediglich auf einer einfachen dialogorientierten Dokumentsuche beruhen. Die Entwicklung geht aber bereits hin zu innovativen KI-Agenten, die in der Lage sind, zu planen, logische Schlüsse zu ziehen, Tools zu verwenden, mit Menschen und anderen Agenten zusammenzuarbeiten und Fortschritte iterativ zu reflektieren, bis sie ihr Ziel erreicht haben. Diese werden sich 2025 rasch weiterentwickeln und immer autonomer agieren. Genauer gesagt wird man KI-Agenten im Jahr 2025 eher im Hintergrund einsetzen, damit sie komplexe agentengestützte Workflows steuern.
Anwender werden als Unterstützung für ihre Aufgaben mit einem Assistenten interagieren, der die Anforderung umsetzen und die Koordination zwischen Systemen mehrerer spezialisierter KI-Agenten übernehmen wird, um schwierigere Aufgaben zu erledigen. Künftige KI-Agenten oder Multi-Agenten-Systeme (MAS) können zusammenarbeiten, um Anwender zu verstehen, über den umfassenden Kontext zu verfügen und ein Problem zu strukturieren. Anschließend interagieren sie mit diesen domänenspezifischen, spezialisierten KI-Agenten, die jeweils bestimmte Teilaufgaben ausführen, die zusammen zur Erledigung einer deutlich komplexeren Aufgabe beitragen. In Zukunft werden Anwender eine Aktion nicht einmal mehr auslösen müssen. KI-Agenten werden stattdessen proaktiv auf Geschäftsereignisse wie eingehende Kundenanfragen, Unterbrechungen der Lieferkette oder Bedarfsspitzen reagieren. Sie werden einen Entscheidungsworkflow automatisch so weit wie möglich vorbereiten, bevor sie menschliche Benutzer für Feedback einbeziehen.
Auf Sicht von fünf Jahren werden KI-Agenten beträchtliche Teile von Workflows vereinfachen, auch Aspekte, die sich bisher nur schwer automatisieren lassen. Das sind etwa Ausnahmen im Kundenservice, langwierige Verwaltungsaufgaben und spezielle Programmiertätigkeiten wie das Codieren oder das Debuggen von Software. KI-Agenten werden flexibel sein. Sie werden planen, scheitern und etwas anderes versuchen oder sich auf Grundlage von Schlussfolgerungen selbst korrigieren können. KI-Agenten werden wiederkehrende Routineaufgaben genauso effektiv und oft sogar effektiver erledigen als Menschen. Dies wird zu höherer Produktivität und nachweisbaren Kosteneinsparungen führen. Für langwierige und sehr umfangreiche Aufgaben werden Agenten anpassungsfähiger und robuster als die herkömmliche robotergestützte Prozessautomatisierung (RPA) sein. Das heißt, dass sie aus vielen möglichen Ergebnissen das beste herausfinden können, was mit klassischen Automatisierungsmethoden in einem RPA-Algorithmus kaum programmierbar ist.
Die Einführung von KI in diesen Bereichen wird auch die Dynamik innerhalb der Belegschaft verändern. Die Rolle des Menschen wird sich zunehmend darauf konzentrieren, nicht alltägliche Szenarien zu antizipieren, mit Mehrdeutigkeit umzugehen, menschliches Verhalten zu berücksichtigen, strategische Entscheidungen zu treffen und echte Innovationen voranzutreiben – und zwar ergänzt, nicht ersetzt durch KI-Fähigkeiten.
Kurz gesagt: KI wird umfangreiche Routineaufgaben übernehmen, während der Wert des menschlichen Urteilsvermögens, der Kreativität und qualitativ hochwertiger Ergebnisse steigen wird.
Der Trend, dass große Sprachmodelle (Large Language Models, LLMs) immer mehr als Rohstoff für generative KI-Routineaufgaben dienen, wird sich fortsetzen. LLMs greifen auf einen zunehmend stärker genutzten Pool öffentlicher Daten zurück, die aus dem Internet stammen. Dies wird sich noch verschärfen. Und Unternehmen müssen lernen, ihre Modelle an einzigartige Datenquellen mit umfassenden Inhalten anzupassen. Modellverbesserungen werden in Zukunft nicht mit Brachialgewalt und größeren Datenmengen erreicht werden, sondern durch qualitativ bessere Daten, mehr Kontext und die Verfeinerung zugrunde liegender Techniken. Unternehmen müssen mehr Zeit in Innovationen investieren, um durch Feinabstimmungen und Modellanpassungen bessere Modelle zu entwickeln, anstatt immer noch größere Modelle zu trainieren. Neurosymbolische KI-Techniken, insbesondere Wissensgraphen, werden eine Renaissance erleben, da sie sowohl Lernziele für Basismodelle als auch Kontext liefern können, um die Leistung generativer KI erheblich zu verbessern und gleichzeitig Halluzinationen zu verringern.
Wir werden außerdem eine größere Vielfalt von Basismodellen für unterschiedliche Zwecke erleben. Nehmen wir zum Beispiel physikalisch fundierte neuronale Netzwerke (Physics-Informed Neural Networks, PINNs). Sie generieren Ergebnisse auf der Grundlage von Vorhersagen, die auf der physischen Realität oder der Robotik basieren. PINNs werden auf dem Arbeitsmarkt an Bedeutung gewinnen, da sie autonome Roboter in die Lage versetzen, in der realen Welt zu navigieren und Aufgaben auszuführen. Die Einsatzmöglichkeiten reichen von Lagerhäusern bis hin zu Fertigungsanlagen. Außerdem eignen sie sich für Modelle, die mit tabellarischen, strukturierten Daten wie dem SAP Foundation Model trainiert werden, und die Aufgaben bewältigen können, für die LLMs nicht so gut geeignet sind, etwa für Prognosen numerischer Werte.
Modelle werden zunehmend multimodaler werden, das heißt, ein KI-System kann Informationen aus verschiedenen Arten von Eingaben verarbeiten. KI-Anwendungen werden sich schließlich zu „Any-to-Any“-Modalitätslösungen entwickeln, die in der Lage sind, Text-, Sprach-, Bild-, Video- und Sensordaten mit einem einzigen Modell zu verstehen, zu verarbeiten und Schlussfolgerungen zu ziehen. Darüber hinaus werden kleinere und stärker spezialisierte LLMs mit skalierbaren Techniken zur Feinabstimmung und der Fähigkeit, auf beliebigen Geräten zu arbeiten, häufiger anzutreffen sein. Dieser Trend kann dazu führen, dass es in Zukunft hochgradig personalisierte Modelle für Unternehmen oder sogar Einzelpersonen gibt.
Unternehmen werden sich Strategien zuwenden, bei denen mehrere Basismodelle genutzt werden (nicht zu verwechseln mit den zuvor beschriebenen multimodalen Fähigkeiten eines einzigen Modells) und dabei eine Reihe von KI-Modellen und -Techniken einsetzen, die auf bestimmte Anwendungsfälle zugeschnitten sind. Gestützt wird dies durch den Trend zur Optimierung kleiner Teile von Modellen, was weniger Ressourcen und wesentlich weniger Daten erfordert. So entstehen vollständig flexible Modelle, mit denen Unternehmen einen größeren Mehrwert aus ihren einzigartigen Daten und dadurch Wettbewerbsvorteile erzielen können. Anbieter von Unternehmenssoftware werden Marktplätze und Plattformen mit integrierten KI-Modellen anbieten oder erweitern, die eine nahtlose Modellbereitstellung, -verwaltung und -aktualisierung unterstützen. Durch Benchmarking und die Senkung von Modellwechselkosten wird es einfacher möglich sein, dieselben Anwendungsfälle in heterogenen Umgebungen einzusetzen. Kontext ist gleich Nutzen. Die Technologie der Wissensgraphen gibt es schon seit 40 Jahren. Nun erlebt sie ein Revival, da mit ihr wichtige Herausforderungen von LLMs bewältigt werden können, beispielsweise das Verstehen komplexer Formate, von Hierarchien und von Beziehungen zwischen Geschäftsdaten. Wissensgraphen geben Daten eine Bedeutung und erklären die Beziehungen zwischen Entitäten. Dies verbessert die Fähigkeiten von LLMs erheblich. Der nächste Schritt auf diesem Weg sind große Graphenmodelle, die neue Fortschritte im Bereich generativer KI ermöglichen werden.
Implizites Wissen ist Macht – und Wissen für andere explizit zu machen, ist eine noch viel größere Macht.
Während das Jahr 2024 ganz im Zeichen der Einführung von KI-Anwendungsfällen und ihrem Nutzen für Unternehmen und auch Einzelpersonen stand, wird 2025 das Jahr der beispiellosen Einführung von unternehmensspezifischer KI sein. Mehr Menschen werden verstehen, wann und wie sie KI einsetzen können, und die Technologie wird so weit ausreifen, dass damit kritische Geschäftsprobleme wie komplexe multinationale Angelegenheiten bewältigt werden können. Viele Unternehmen werden auch praktische Erfahrungen sammeln, wenn sie zum ersten Mal mit KI-spezifischen rechtlichen und datenschutzrechtlichen Bestimmungen konfrontiert sind (im Vergleich zu der Zeit von vor 10 Jahren, als Unternehmen mit der Umstellung auf die Cloud begonnen haben) und damit die Grundlage dafür schaffen, dass sie die Technologie auf ihre Geschäftsprozesse anwenden können.
In technologischer Hinsicht wurden 2024 bedeutende Fortschritte im Bereich KI erzielt. 2025 werden sich die Unternehmen hingegen darauf konzentrieren, diese Fortschritte durch eine nahtlose Datenintegration sinnvoller zu nutzen, um letztlich die Genauigkeit und die Aussagekraft KI-gestützter Ergebnisse zu verbessern und die Akzeptanz zu erhöhen. Nicht zuletzt ist es denkbar, dass wir 2025 eine Verschiebung des Fokus im Geschäftsmodell mit Software beobachten: von der Erstellung statischer Softwarefunktionen hin zu einem Outcome-as-a-Service-Modell, das auf das Erreichen von Prozesszielen ausgerichtet ist.
Die nächste Barriere für KI ist es, Menschen, Daten und Prozesse nahtlos zusammenzuführen, um Geschäftsergebnisse zu verbessern. 2025 werden wir eine zunehmende Verbreitung von KI auf allen personellen Ebenen erleben, da die Menschen die Vorteile entdecken werden, die sich aus menschlicher Leistung plus KI ergeben können.
Das bedeutet, dass sich das klassische Benutzererlebnis von systemgesteuerten Interaktionen hin zu absichtsbasierter, durch menschlichen Dialog gesteuerter Kommunikation verändern wird, bei der KI im Hintergrund aktiv ist. Die neue Benutzeroberfläche für die Interaktion mit einem System wird aus KI-Assistenten bestehen. Dadurch wird Software für Menschen einfacher zugänglich sein. KI wird nicht auf eine bestimmte Anwendung beschränkt sein, sie könnte diese stattdessen eines Tages sogar ablösen. Durch KI werden die Grenzen zwischen Frontend, Backend, Browser und Anwendungen verschwimmen. Das ist in etwa so, als würde man seine KI mit „Armen, Beinen und Augen“ ausstatten. Power-User werden zwar immer noch mit einzelnen, sehr speziellen Schnittstellen arbeiten, die meisten Anwender werden jedoch Flexibilität über mehrere Zugriffsmuster hinweg fordern. Gleichzeitig wird die Bereitschaft steigen, längere Inferenzzeiten in Kauf zu nehmen, um qualitativ hochwertige Antworten auf komplexe, bisher unlösbare Probleme und Aktionen in Bereichen zu erhalten, für die tiefgreifende Analysen und Nachforschungen erforderlich sind. Die Anwender werden letztlich den Kompromiss zwischen der Latenzzeit und der Komplexität von Aufgaben erkennen, die durch KI bearbeitet wurden.
Wichtig ist, dass Unternehmen KI nicht mehr nur als eine Sammlung von Produktivitätswerkzeugen betrachten, sondern ihre Belegschaft neu ausrichten: als ein Netzwerk aus auf Zusammenarbeit basierender Intelligenz, in dem KI-Agenten und Menschen gemeinsam daran arbeiten, Innovationen im Unternehmen zu beschleunigen. Die Kombination von menschlicher Kompetenz im strategischen Denken mit den Stärken künstlicher Intelligenz in umfassenden Analysen und im Erkennen von Mustern wird Unternehmen neue Wettbewerbsvorteile verschaffen – wenn es ihnen gelingt, solche Netzwerke hybrider Intelligenz effektiv zu koordinieren und dadurch wegweisende Entdeckungen und Marktchancen zu fördern. Das nächste Jahr wird außerdem das Anfangsstadium eines weiteren bedeutenden Wandels kennzeichnen, und zwar in der Art und Weise, wie Menschen und KI zusammenarbeiten: KI-Agenten werden sich zu Workflow-Partnern weiterentwickeln, die erste Schritte in Richtung einer eigenständigen Navigation in Softwareumgebungen und der Automatisierung von Routineaufgaben unternehmen – von Datenanalysen und der Erstellung von Berichten bis hin zu Terminkoordination und Softwaretests. Dies wird auch der Beginn einer längeren Umstellung hin zu veränderten Arbeitsprozessen und -mustern sein, wobei zukunftsorientierte Unternehmen neue Rollen, Messgrößen und Schulungsansätze für eine effektive Zusammenarbeit zwischen Mensch und KI entwickeln.
Man könnte sagen, dass Regierungen weltweit gerade zu kämpfen haben, mit den rasanten Fortschritten in der KI-Technologie Schritt zu halten und sinnvolle rechtliche Rahmenbedingungen zu schaffen, die angemessene Leitlinien für KI darstellen, ohne dabei Innovationen einzuschränken. Die Regulierungslandschaft wird sogar noch heterogener werden; das OECD AI Policy Observatory verfolgt aktuell Hunderte von Vorschriften in Zusammenhang mit KI, die weltweit erörtert werden. Dies erfordert eine Bewertung der Einhaltung von verschiedenen rechtlichen Rahmenbedingungen für Modelle und die technische Auslegung dieser Rahmenbedingungen.
2025 wird sich die Diskussion verlagern, von dem, was wir aus technischer Sicht zu regulieren versuchen, hin zu der Art und Weise, wie wir Innovationen schaffen und was wir als grundsätzlich menschlich erachten. Diese Diskussion wird die Rolle des Menschen aufwerten, zu einer wesentlich positiveren Perspektive und auch dazu beitragen, dass wir eine langfristige Vision dafür entwickeln, wie wir uns das Zusammenleben und -arbeiten von Mensch und KI vorstellen.
In diesem Umfeld wird es für Unternehmen, die KI-Technologie entwickeln und einsetzen, weiterhin entscheidend sein, verantwortungsbewusste Prinzipien in Bezug auf Sicherheit und ethische Nutzung einzuhalten. Dies wird auch dazu beitragen, den Rahmen für wichtige Präzedenzfälle und Compliance vorzugeben.
Dies sind jedoch nur einige Beispiele für die vielen spannenden Fortschritte, die KI unserer Ansicht nach im Jahr 2025 machen wird. Insgesamt wird die wichtigste Erkenntnis des kommenden Jahres darin bestehen, die Verwertbarkeit der vorhandenen bahnbrechenden Technologie zu steigern. Wir werden erleben, wie KI viel tiefer und fast unsichtbar in Verbraucher- und Unternehmensanwendungen eingebettet wird und wie Anbieter und Unternehmen, die diese Anwendungen nutzen, ihre individuellen Rahmen und Daten nahtlos in KI einbinden.
In Bezug auf die allgemeine Nutzung von KI, müssen Unternehmen jedoch eine moderne Cloud-Suite mit einheitlichem Datenzugriff und harmonisierten Datenmodellen einsetzen. Nur so können sie Datensilos überwinden und umfassend von KI-Innovationen profitieren, die sich über das gesamte Unternehmen erstrecken. Dies wird die Genauigkeit und Aussagekraft von KI-gestützten Ergebnissen erheblich verbessern und letztlich die Akzeptanz, insbesondere in Unternehmen, steigern.
Sean Kask ist Vice President und Head of AI Strategy for SAP Business AI bei der SAP.
Walter Sun ist Senior Vice President und Global Head of AI for SAP Business AI bei der SAP.
Jonathan von Rueden ist Head of AI Frontrunner Innovation for SAP Business AI bei der SAP.
– – – – –
Foto: pixabay
