Generative KI (Generative AI) – Definition und Einsatz im Unternehmen

Was ist Generative KI?

Generative KI (Generative AI) bezeichnet einen Bereich der künstlichen Intelligenz, bei dem Computersysteme eigenständig neue Inhalte erzeugen. Dazu gehören Texte, Bilder, Sprache, Musik, Videos und Programmcode. Generative KI nutzt zuvor erlernte Muster und Zusammenhänge, um auf Grundlage einer Benutzeranfrage passende Ergebnisse zu erstellen.

Bekannte Anwendungen sind ChatGPT, Microsoft Copilot und verschiedene KI-Bildgeneratoren. Die zugrunde liegenden Technologien unterscheiden sich je nach Aufgabenstellung und Art der erzeugten Inhalte. Für Unternehmen eröffnet Generative KI neue Möglichkeiten, Informationen aufzubereiten, Dokumente zu erstellen, kreative Prozesse zu unterstützen und vorhandenes Unternehmenswissen effizienter zu nutzen.

Wie funktioniert Generative KI?

Generative KI basiert auf Methoden des maschinellen Lernens (Machine Learning), insbesondere auf leistungsfähigen neuronalen Netzen. Während des Trainings verarbeitet ein KI-Modell große Mengen geeigneter Daten. Dabei lernt es statistische Zusammenhänge, Strukturen und Muster. Abhängig von der verwendeten Technologie kann ein generatives Modell beispielsweise typische sprachliche Zusammenhänge erkennen, Bildmerkmale verarbeiten oder akustische Muster erlernen. Stellt ein Benutzer eine Anfrage, verwendet das Modell diese erlernten Zusammenhänge, um eine passende Ausgabe zu erzeugen.

Bei einem textbasierten Sprachmodell wird beispielsweise schrittweise berechnet, welche weiteren Verarbeitungseinheiten, sogenannte Tokens, zum bisherigen Text passen.

Ein Bildgenerator verwendet andere technische Verfahren, um aus einer Beschreibung ein neues Bild zu erzeugen. Generative KI greift somit nicht einfach auf eine Sammlung fertiger Antworten zurück. Sie erzeugt neue Ausgaben auf Grundlage der trainierten Modellparameter und der jeweils bereitgestellten Informationen. Allerdings bedeutet das nicht, dass jedes erzeugte Ergebnis tatsächlich einzigartig oder urheberrechtlich unproblematisch ist.

Welche Arten Generativer KI gibt es?

Generative KI ist nicht auf die Erstellung von Texten beschränkt. Moderne KI-Systeme können unterschiedliche Arten digitaler Inhalte erzeugen.

Textgenerierung

Textbasierte KI-Modelle erstellen beispielsweise Berichte, Zusammenfassungen, Produktbeschreibungen und geschäftliche Korrespondenz. Sie können außerdem umfangreiche Dokumente erläutern, Texte übersetzen und Informationen in vorgegebene Formate übertragen. Die technologische Grundlage bilden häufig Large Language Models (LLMs).

Bildgenerierung

KI-Bildgeneratoren können neue Bilder aus textlichen Beschreibungen erzeugen. Diese Technologie eignet sich beispielsweise zur Entwicklung visueller Konzepte, zur Erstellung von Illustrationen oder zur Vorbereitung von Marketingmaterialien. Die Qualität und Nutzbarkeit hängen vom verwendeten Modell und den konkreten Anforderungen ab.

Audio- und Sprachgenerierung

Generative KI kann gesprochene Sprache, Musik und andere Audioinhalte erzeugen. Zu den möglichen Anwendungen gehören die Erstellung von Sprachfassungen, die Vertonung von Präsentationen und die Entwicklung mehrsprachiger Audioinhalte.

Videogenerierung

Generative Videomodelle können aus Textbeschreibungen oder vorhandenen Bildern neue Videosequenzen erstellen. Unternehmen können solche Technologien beispielsweise für die Visualisierung von Konzepten und die Vorbereitung audiovisueller Inhalte einsetzen.

Generierung von Programmcode

Bestimmte KI-Sprachmodelle können Programmcode erzeugen, erklären oder verändern. Dabei können sie unter anderem bei der Entwicklung betrieblicher Anwendungen, bei Datenabfragen oder bei der Erstellung einfacher Automatisierungen unterstützen. Automatisch erzeugter Programmcode muss vor seiner produktiven Verwendung fachlich geprüft werden.

Was unterscheidet Generative KI von klassischer KI?

Der wesentliche Unterschied liegt in der Art der Aufgaben, für die die jeweiligen KI-Systeme eingesetzt werden. Klassische KI-Anwendungen konzentrieren sich häufig auf die Erkennung von Mustern, die Klassifizierung von Informationen oder die Vorhersage bestimmter Entwicklungen.

Generative KI ist dagegen darauf ausgerichtet, neue Inhalte zu erzeugen. Ein klassisches KI-System könnte beispielsweise historische Verkaufszahlen analysieren und den voraussichtlichen Absatz eines Produkts berechnen. Eine generative KI könnte aus diesen Daten einen verständlichen Bericht formulieren, wichtige Entwicklungen erläutern und einen Entwurf für eine Managementpräsentation erstellen.

Beide Ansätze können miteinander kombiniert werden. Die Grenzen sind dabei nicht immer eindeutig, da moderne KI-Anwendungen unterschiedliche Verfahren innerhalb eines Systems verwenden können.

Was ist der Unterschied zwischen Generativer KI und einem LLM?

Ein Large Language Model (LLM) ist ein KI-Modell, das insbesondere für die Verarbeitung und Erzeugung natürlicher Sprache entwickelt wurde. Generative KI ist dagegen der übergeordnete Begriff für KI-Systeme, die neue Inhalte unterschiedlicher Art erzeugen. Ein LLM ist somit eine wichtige Technologie innerhalb der Generativen KI, aber nicht jede generative Anwendung verwendet ausschließlich ein Sprachmodell. Bild-, Audio- und Videogeneratoren können andere Modellarchitekturen oder kombinierte Verfahren einsetzen.

Moderne multimodale Modelle können außerdem mehrere Arten von Informationen verarbeiten und teilweise auch unterschiedliche Ausgabeformate erzeugen.

Was bedeutet multimodale Generative KI?

Multimodale KI bezeichnet Systeme, die verschiedene Arten von Informationen verarbeiten können. Dazu gehören beispielsweise Text, Bilder, Audio und Video.

Ein multimodales KI-Modell kann beispielsweise eine technische Zeichnung analysieren und dazu eine textliche Erläuterung erstellen. Andere Modelle können auf Grundlage einer schriftlichen Beschreibung ein Bild erzeugen oder gesprochene Informationen in einen strukturierten Text übertragen. Multimodalität beschreibt zunächst die Verarbeitung unterschiedlicher Datentypen. Nicht jedes multimodale Modell muss sämtliche dieser Datentypen auch selbst generieren können.

Für Unternehmen entstehen dadurch zusätzliche Möglichkeiten, Informationen aus verschiedenen Medien gemeinsam auszuwerten und aufzubereiten.

Welche Vorteile bietet Generative KI für Unternehmen?

1. Unterstützung bei der Erstellung von Inhalten

Generative KI kann bei der Erstellung und Bearbeitung von Texten, Präsentationen, Grafiken und anderen digitalen Inhalten helfen. Dadurch lassen sich bestimmte Arbeitsschritte beschleunigen. Die Ergebnisse sollten vor ihrer Verwendung auf Richtigkeit, Vollständigkeit und Eignung geprüft werden.

2. Schnellere Verarbeitung umfangreicher Informationen

KI-Sprachmodelle können größere Textbestände zusammenfassen, strukturieren und verständlich erläutern. Mitarbeiter können damit beispielsweise umfangreiche Berichte oder Dokumentationen schneller erschließen. Für geschäftskritische Inhalte bleibt die Überprüfung anhand der Originalquellen wichtig.

3. Unterstützung kreativer Prozesse

Generative KI kann unterschiedliche Entwürfe, Ideen und Gestaltungsvarianten erstellen. Dadurch lassen sich kreative Prozesse ergänzen und alternative Lösungsansätze entwickeln. Die fachliche Auswahl und Bewertung erfolgt weiterhin durch die zuständigen Mitarbeiter.

4. Bessere Zugänglichkeit von Unternehmenswissen

In Verbindung mit geeigneten Suchtechnologien kann Generative KI auf freigegebene Unternehmensdokumente zugreifen. Ein verbreitetes Verfahren ist Retrieval-Augmented Generation (RAG). Dabei werden passende Informationen aus Dokumenten oder Datenbanken abgerufen und einem Sprachmodell zur Beantwortung einer Anfrage bereitgestellt.

5. Individuelle Anpassungsmöglichkeiten

Generative KI kann auf unterschiedliche Arbeitsabläufe und Anforderungen ausgerichtet werden. Dazu gehören beispielsweise definierte Ausgabeformate, unternehmensspezifische Dokumentvorlagen oder die Anbindung freigegebener Wissensquellen.

Je nach technischer Umsetzung können Cloud-Dienste oder lokal betriebene KI-Modelle verwendet werden.

Beispiele für Generative KI im Mittelstand

Marketing und Unternehmenskommunikation

Generative KI kann bei der Erstellung von Produkttexten, Präsentationsentwürfen oder Kampagnenideen unterstützen. Ein Unternehmen könnte beispielsweise verschiedene Formulierungen für die Beschreibung einer neuen Produktlinie erstellen lassen. Die endgültigen Inhalte müssen auf fachliche Richtigkeit, Markenidentität und rechtliche Anforderungen geprüft werden.

Einkauf und Beschaffung

Im Einkauf können generative Sprachmodelle umfangreiche Lieferantenangebote zusammenfassen und Unterschiede verständlich darstellen. Ein möglicher Einsatzbereich ist die Erstellung einer strukturierten Gegenüberstellung von Lieferbedingungen und Leistungsmerkmalen. Die Berechnung verbindlicher Preise und die Bewertung wirtschaftlicher Risiken sollten durch geeignete Fachsysteme und zuständige Mitarbeiter erfolgen.

Produktion und Fertigung

In Fertigungsunternehmen kann Generative KI bei der Aufbereitung technischer Dokumentationen unterstützen. Beispielsweise lassen sich komplexe Verfahrensanweisungen verständlicher formulieren oder umfangreiche Unterlagen für Schulungszwecke strukturieren. Sicherheitsrelevante Arbeitsanweisungen dürfen dabei nicht ungeprüft übernommen werden.

Vertrieb

Generative KI kann Vertriebsmitarbeiter bei der Vorbereitung von Präsentationen, Kundeninformationen und Angebotsunterlagen unterstützen. So lassen sich beispielsweise technische Produktinformationen in eine verständliche Beschreibung für unterschiedliche Zielgruppen übertragen.

Verwaltung und Organisation

In der Verwaltung kann Generative KI helfen, umfangreiche Besprechungsnotizen zusammenzufassen, Dokumentenentwürfe zu erstellen oder Informationen für interne Berichte aufzubereiten. Die Zeitersparnis hängt wesentlich von der Qualität der Ausgangsdaten und dem erforderlichen Kontrollaufwand ab.

Kann Generative KI lokal betrieben werden?

Ja. Zahlreiche generative KI-Modelle können auf eigener Hardware betrieben werden. Dazu gehören insbesondere bestimmte Sprachmodelle und Bildgeneratoren, deren Modellgewichte für den lokalen Einsatz verfügbar sind. Die Bereitstellung erfolgt beispielsweise auf leistungsfähigen Workstations oder eigenen KI-Servern.

Eine solche Lösung wird häufig als lokale KI oder KI-On-Premises bezeichnet. Beim vollständig lokalen Betrieb können die eigentliche Modellverarbeitung und die Verarbeitung eingegebener Unternehmensinformationen innerhalb des eigenen Netzwerks stattfinden. Das kann insbesondere für Unternehmen interessant sein, die vertrauliche Informationen verarbeiten und die Abhängigkeit von externen KI-Diensten reduzieren möchten.

Voraussetzung ist eine entsprechend konfigurierte technische Architektur.

Welche Hardware benötigt Generative KI?

Die Hardwareanforderungen hängen von der verwendeten Modellart und dem gewünschten Leistungsumfang ab. Ein kompaktes Sprachmodell kann unter geeigneten Voraussetzungen bereits auf einem leistungsfähigen Arbeitsplatzcomputer betrieben werden. Größere Modelle und anspruchsvolle Bild- oder Videogenerierung können erheblich mehr Rechenleistung benötigen.

Wichtige Faktoren sind:

• Größe und Architektur des KI-Modells
• Leistungsfähigkeit des Prozessors (CPU)
• Verfügbare Grafikprozessoren (GPU)
• Arbeitsspeicher und Grafikspeicher (RAM und VRAM)
• Anzahl gleichzeitiger Benutzer
• Umfang und Art der Eingabedaten
• Gewünschte Verarbeitungsgeschwindigkeit
• Anforderungen an Verfügbarkeit und Energieverbrauch

Für kleine und mittelständische Unternehmen ist eine bedarfsgerechte Dimensionierung besonders wichtig. Nicht jede Anwendung benötigt einen leistungsfähigen GPU-Server. Umgekehrt kann eine zu knapp bemessene Hardware die praktische Nutzbarkeit erheblich einschränken.

Generative KI in der Cloud oder auf eigenen Servern?

Grundsätzlich stehen Unternehmen unterschiedliche Betriebsmodelle zur Verfügung.

Cloudbasierte Generative KI

Bei einem Cloud-Dienst wird die KI-Verarbeitung auf der Infrastruktur eines externen Anbieters durchgeführt. Zu den Vorteilen gehören der schnelle Einstieg, der vergleichsweise geringe Aufwand für eigene Rechenhardware und der Zugang zu leistungsfähigen Modellen. Allerdings müssen insbesondere Vertragsbedingungen, Datenschutz, Benutzerverwaltung und laufende Kosten berücksichtigt werden.

Lokale Generative KI

Bei einer lokalen Lösung werden geeignete KI-Modelle auf unternehmenseigener Hardware betrieben. Dadurch können Unternehmen die verwendeten Modelle und technischen Datenflüsse stärker selbst kontrollieren. Im Gegenzug entstehen Anforderungen an Hardwarebeschaffung, Installation, Wartung und IT-Sicherheit.

Hybride KI-Umgebungen

Auch eine Kombination aus lokalen und cloudbasierten Systemen ist möglich. Beispielsweise können sensible Dokumente mit einem lokalen Sprachmodell verarbeitet werden, während für andere Aufgaben ein externer KI-Dienst verwendet wird. Entscheidend sind dabei klare Regeln, welche Daten an welche Systeme übermittelt werden dürfen.

Welche Risiken und Grenzen hat Generative KI?

Fehlerhafte Informationen und Halluzinationen

Generative KI kann Inhalte erzeugen, die plausibel erscheinen, aber sachlich falsch sind. Dieses Verhalten wird als Halluzination bezeichnet. Besonders bei geschäftskritischen Fragestellungen müssen Ergebnisse überprüft werden.

Datenschutz und vertrauliche Daten

Bei der Nutzung Generativer KI können personenbezogene oder vertrauliche Informationen verarbeitet werden. Unternehmen müssen deshalb prüfen, welche Daten verwendet werden dürfen und unter welchen Bedingungen externe Dienste eingesetzt werden. Auch lokal betriebene KI-Systeme benötigen geeignete Sicherheits- und Datenschutzmaßnahmen.

Urheberrecht und Nutzungsrechte

KI-generierte Texte, Bilder und andere Inhalte können urheberrechtliche Fragen aufwerfen. Dabei sind unter anderem die Herkunft der Ausgangsmaterialien, die Nutzungsbedingungen der eingesetzten Modelle und mögliche Rechte Dritter zu berücksichtigen. Die rechtliche Bewertung hängt vom konkreten Anwendungsfall ab.

Manipulierte Eingaben

Generative KI kann durch gezielt formulierte oder in Dokumenten versteckte Anweisungen beeinflusst werden. Solche Angriffe werden unter anderem als Prompt Injection bezeichnet. Das Risiko ist besonders relevant, wenn KI-Systeme auf externe Informationsquellen oder Unternehmensanwendungen zugreifen.

Fehlende Nachvollziehbarkeit

Nicht jede Ausgabe Generativer KI lässt sich vollständig auf einzelne Trainingsinformationen zurückführen. Bei wichtigen Entscheidungen sollten daher nachvollziehbare Informationsquellen und geeignete Kontrollverfahren verwendet werden.

Welche rechtlichen Anforderungen gelten für Generative KI?

Beim Einsatz Generativer KI müssen Unternehmen verschiedene rechtliche Anforderungen berücksichtigen. Dazu gehören insbesondere die Datenschutz-Grundverordnung (DSGVO), urheberrechtliche Vorgaben und gegebenenfalls die europäische KI-Verordnung (EU AI Act).

Der EU AI Act enthält unter anderem Anforderungen an bestimmte KI-Anwendungen, Transparenzpflichten sowie Regelungen für Anbieter von KI-Modellen mit allgemeinem Verwendungszweck. Welche Verpflichtungen im konkreten Fall bestehen, hängt von der Rolle des Unternehmens, dem verwendeten System und dem jeweiligen Einsatzzweck ab.

Nicht jedes Unternehmen, das Generative KI verwendet, unterliegt automatisch denselben Anforderungen wie ein Entwickler oder Anbieter eines KI-Modells. Für eine rechtssichere Einführung sollten deshalb die konkret eingesetzten Systeme und Verarbeitungsvorgänge bewertet werden.

Wie können Unternehmen Generative KI sinnvoll einführen?

Ein erfolgreicher Einsatz beginnt mit einem klar definierten Anwendungsfall.

1. Geeignete Aufgaben identifizieren

Zunächst sollten Tätigkeiten betrachtet werden, bei denen Generative KI einen nachvollziehbaren Nutzen bieten kann. Geeignete Einstiegsszenarien sind beispielsweise die Zusammenfassung von Dokumenten oder die Vorbereitung standardisierter Inhalte.

2. Datenschutz und Informationssicherheit prüfen

Vor der Einführung muss festgelegt werden, welche Informationen verarbeitet werden dürfen. Besonders bei vertraulichen Geschäftsdaten ist die Auswahl des geeigneten Betriebsmodells wichtig.

3. KI-Lösung und Betriebsmodell auswählen

Abhängig von Anforderungen und Budget kommen cloudbasierte KI-Abonnements, lokale KI-Modelle oder hybride Lösungen infrage. Dabei sollten Leistungsfähigkeit, Integrationsmöglichkeiten und Betriebskosten berücksichtigt werden.

4. Pilotprojekt durchführen

Eine begrenzte Testphase ermöglicht es, die Qualität der Ergebnisse und den tatsächlichen Nutzen zu bewerten. Dabei sollten realistische Aufgaben und geeignete Qualitätskriterien verwendet werden.

5. Mitarbeiter qualifizieren

Die Anwender müssen die Möglichkeiten und Grenzen der eingesetzten KI verstehen. Dazu gehören der angemessene Umgang mit vertraulichen Informationen, die Formulierung geeigneter Anfragen und die Prüfung KI-generierter Ergebnisse.

6. Betrieb und Nutzung regelmäßig überprüfen

Nach der Einführung sollten Kosten, Ergebnisqualität, Sicherheit und tatsächliche Nutzung kontrolliert werden. Dadurch lässt sich feststellen, ob die Anwendung den erwarteten Nutzen erzielt und welche Anpassungen erforderlich sind.

Häufige Fragen zu Generativer KI

Was ist Generative KI einfach erklärt?

Generative KI ist eine Form der künstlichen Intelligenz, die neue Inhalte erzeugen kann. Dazu gehören Texte, Bilder, Sprache, Videos und Programmcode. Die Ergebnisse entstehen auf Grundlage zuvor erlernter Muster und der jeweiligen Benutzeranfrage.

Was ist der Unterschied zwischen KI und Generativer KI?

Künstliche Intelligenz ist der Oberbegriff für verschiedene intelligente Computersysteme. Generative KI ist ein Teilbereich, der sich auf die Erzeugung neuer Inhalte konzentriert.

Welche Beispiele gibt es für Generative KI?

Bekannte Beispiele sind ChatGPT, Microsoft Copilot, KI-Bildgeneratoren und Anwendungen zur automatischen Erstellung von Sprache oder Videos.

Ist ChatGPT Generative KI?

Ja. ChatGPT ist eine Anwendung Generativer KI, die unter anderem Texte erzeugen, Fragen beantworten und Informationen verarbeiten kann. Welche zusätzlichen Funktionen verfügbar sind, hängt von der jeweiligen Produktversion ab.

Können Unternehmen Generative KI ohne Cloud nutzen?

Ja. Bestimmte KI-Modelle können auf eigenen Computern oder Servern ausgeführt werden. Bei einer entsprechend konfigurierten lokalen Lösung ist die eigentliche KI-Verarbeitung ohne externe Cloud-Dienste möglich.

Ist Generative KI DSGVO-konform?

Generative KI ist nicht automatisch DSGVO-konform. Entscheidend sind die verarbeiteten Daten, der Einsatzzweck, das verwendete System und die umgesetzten Datenschutzmaßnahmen.

Benötigt Generative KI immer eine leistungsfähige GPU?

Nein. Kleinere Modelle können teilweise über einen Prozessor betrieben werden. Für größere Sprachmodelle oder anspruchsvolle Bild- und Videogenerierung sind leistungsfähige GPUs häufig sinnvoll.

Was kostet Generative KI für Unternehmen?

Die Kosten hängen vom Anbieter, den Benutzerlizenzen, der Nutzungsintensität und dem Betriebsmodell ab. Bei lokalen Lösungen entstehen insbesondere Kosten für Hardware, Einrichtung, Energie und Administration.

Ersetzt Generative KI menschliche Mitarbeiter?

Generative KI kann einzelne Tätigkeiten unterstützen oder teilweise automatisieren. Fachliche Verantwortung, die Bewertung wichtiger Ergebnisse und geschäftliche Entscheidungen bleiben jedoch weiterhin entscheidend.

Fazit: Generative KI als Bestandteil moderner Unternehmensprozesse

Generative KI ermöglicht es Unternehmen, digitale Inhalte effizienter zu erstellen, Informationen verständlicher aufzubereiten und vorhandene Wissensbestände besser zu nutzen. Die Technologie umfasst weit mehr als einfache Chatbots und reicht von der Textgenerierung bis zur Verarbeitung von Bildern, Sprache und Videos. Für kleine und mittelständische Unternehmen stehen sowohl cloudbasierte KI-Dienste als auch lokal betriebene Lösungen zur Verfügung. Entscheidend für einen wirtschaftlichen und sicheren Einsatz sind die Auswahl geeigneter Anwendungen, die Qualität der erzeugten Ergebnisse, der Schutz vertraulicher Informationen und eine professionelle Integration in die vorhandene IT-Infrastruktur.

Europäische Kommission – Regulatorischer Rahmen für KI