Falls Sie sich fragen „Was hat meine Institution mit Künstlicher Intelligenz (KI) zu tun, wie kann ich damit Kosten senken, mehr Geld verdienen oder etwas besser machen?“ sind Sie hier genau richtig.
In Teil 2 dieser mehrteiligen Miniserie geht es um Anwendungsbeispiele für KI in verschiedenen Branchen wie Forschung oder Anwaltskanzleien. Wir wollen Sie dabei unterstützen, eine fundierte Entscheidung zu treffen: Lohnt es sich, in eigene Lösungen, Anwendungen und Infrastrukturen zu investieren? Oder soll ich lieber auf der Userseite bleiben?
Unsere Kunden setzen vor allem die komplexen Sprachmodelle ein, auch Large Language Models oder kurz LLMs genannt. Diese sind Meister darin, Muster zu erkennen und daraus Schlussfolgerungen zu ziehen und liefern so den größten Mehrwert. Was dieser Mehrwert ist, lässt sich größtenteils in zwei Bereiche einteilen:
In nahezu allen Unternehmen, Behörden und überall dort, wo Menschen miteinander arbeiten, stehen wir vor einer zentralen Herausforderung: der Demografie. Die Gesellschaft altert, und bis zum Jahr 2032 wird die Zahl der Erwerbstätigen um etwa sieben Millionen sinken, da deutlich mehr Menschen in den Ruhestand treten, als junge Arbeitskräfte nachrücken. Diese Entwicklung schafft eine beträchtliche Lücke, die es zu schließen gilt, um das aktuelle Wohlstandsniveau trotz eines erheblich reduzierten Arbeitskräftepotenzials aufrechtzuerhalten.
Für den Wirtschaftsstandort Deutschland stellt dies eine der größten langfristigen Herausforderungen dar. Zwar kann ein Teil dieser Lücke durch gesteigerte Zuwanderung gefüllt werden, jedoch setzt die gesellschaftliche Akzeptanz klare Grenzen. Somit bleibt vor allem eine Lösung: Produktivitätssteigerungen durch Automatisierung. Anders ausgedrückt: Es gilt, ineffiziente Tätigkeiten – oft als „Bullshit-Jobs“ bezeichnet – sowie monotone, wenig anspruchsvolle Routinearbeiten zu reduzieren.
Genau hier kommen Large Language Models und andere KI-Technologien wie Deep Learning ins Spiel. Sie bieten eine vielversprechende Möglichkeit, solche Aufgaben effizienter zu gestalten und menschliche Kapazitäten für wertschöpfende Tätigkeiten freizusetzen.
Ein Beispiel für den Einsatz von Large Language Models zur Kostenersparnis in einer Anwaltskanzlei ist die Automatisierung von Vertragsprüfungen. Traditionell erfordert die Überprüfung eines Vertrags erhebliche Zeitressourcen, insbesondere durch Junioranwälte oder Paralegals, die nach potenziellen rechtlichen Risiken, Unklarheiten oder Diskrepanzen suchen. Dieser Prozess ist zeitaufwändig, da jeder Abschnitt eines Vertrags sorgfältig gelesen, verstanden und mit geltenden Vorschriften oder vorgegebenen Standards abgeglichen werden muss. Es entstehen somit hohe Personalkosten.
Mit LLMs lassen sich diese Aufgaben erheblich effizienter gestalten. KI-Systeme können Verträge analysieren und dabei nach bestimmten Klauseln, Risiken oder Unregelmäßigkeiten suchen. Sie sind in der Lage, komplexe rechtliche Texte zu verstehen, Vorschläge zur Optimierung von Formulierungen zu machen oder Vertragsbestimmungen mit branchenspezifischen oder regulatorischen Standards abzugleichen. Ein Beispiel wäre die automatische Markierung potenziell problematischer Passagen wie weitreichende Haftungsklauseln oder missverständliche Formulierungen.
KI-gestützte Analysen sind nicht nur schneller, sondern auch weniger fehleranfällig. Während Anwälte sich auf strategisch anspruchsvolle oder kreative Aufgaben konzentrieren, übernimmt die KI repetitive Routinearbeiten.
Hierunter fallen all die Dinge, die bislang gar nicht oder nur unter erheblichem Ressourcen- und Zeiteinsatz möglich waren. Insbesondere in der Forschung eröffnen sich fantastische Möglichkeiten. Beispiel gefällig? Das wohl revolutionärste ist die Beschleunigung von Proteinfaltungsprozessen. Klingt kompliziert? Wir versuchen, es so einfach wie möglich zu erklären:
Proteinfaltung bezeichnet den Prozess, bei dem eine Aminosäurekette (das Protein) ihre spezifische dreidimensionale Struktur annimmt, die für ihre Funktion entscheidend ist. Diese Struktur entsteht durch komplexe physikalisch-chemische Wechselwirkungen wie Wasserstoffbrücken, hydrophobe Effekte und elektrostatische Kräfte. Eine korrekte Faltung ist essenziell, da sie bestimmt, ob ein Protein seine Aufgabe erfüllen kann: etwa als Enzym, Transportmolekül oder Strukturprotein. Fehlgefaltete Proteine können schwerwiegende Krankheiten wie Alzheimer oder Parkinson verursachen. Richtige Proteine dagegen helfen, genau diese Krankheiten zu bekämpfen.
Das Verständnis der Proteinfaltung war lange eine große Herausforderung, da die Zahl der möglichen Faltungswege astronomisch ist. Die experimentelle Bestimmung der Struktur mittels Röntgenkristallographie oder Kernspinresonanz ist äußerst zeitaufwendig und kostenintensiv. Theoretische Berechnungen stießen aufgrund der enormen Komplexität der Moleküldynamik an ihre Grenzen.
Hier hat KI den Durchbruch gebracht und riesige Datensätze experimentell ermittelter Proteinstrukturen genutzt, um Algorithmen zu trainieren, die präzise Vorhersagen der Faltung treffen können. Diese Systeme berücksichtigen evolutionäre Zusammenhänge und physikalische Prinzipien, um Strukturen in Stunden statt Jahren zu berechnen.
Für beide genannten Bereiche lassen sich noch unzählige weitere Möglichkeiten in nahezu jeder Branche finden. Manchmal mit ein wenig Fantasie, aber seien Sie sicher: es lohnt sich zu suchen. Mustererkennung mag trivial klingen – das Potenzial dahinter ist jedoch unfassbar groß.
Auch für Teil 2 unserer Miniserie gilt: Wenn Fragen offen geblieben sind, stehen wir gern per Mail, Telefon oder für ein persönliches Gespräch zur Verfügung.
In Teil 3 gehen wir den Fragen nach, welche IT-Infrastrukturen zwingend nötig sind und was als optional einzustufen ist. Außerdem beschäftigen wir uns damit, ob man auch klein einsteigen kann oder KI immer eine große Investition voraussetzt.
Und in Teil 4 zeigen wir auf, welche Hersteller am Markt agieren, wie sie sich unterscheiden und ob beziehungsweise wer außer NVIDIA günstigere, leichter lieferbare oder sogar bessere Infrastrukturprodukte anbietet.
Sie haben Teil 1 der Miniserie verpasst? Nachfolgend finden Sie den Link.
Blogartikel-Serie Teil 1: Künstliche Intelligenz – Ein Blick hinter den Hype
Weitere Links
