Wie man ganz einfach jedes KI-Projekt zum scheitern bringt – 8 todsichere Ideen zum Selbermachen (Teil 3)
Hhm, Sie haben also die ersten beiden Teile unserer #KIAbenteuer gelesen: Teil 1 zum Daten-Dilemma, Herausforderungen beim Software Engineering und Datenschutzbelange und Teil 2 zu Change Management, Komplexität und den Kosten von KI. Und Sie sind neugierig auf mehr? Naja, ich glaube es geht mehr um die Lösungen als um die Probleme. Bevor wir diese Blog-Serie abschließen, haben wir noch einen Nachschlag:
- Multimodalität – Wir haben mehr als nur [beliebige Datenart hier einfügen] und nur wenn wir sie kombinieren, können wir die wichtigen Erkenntnisse gewinnen.
- Erklärbare KI – Es reicht nicht aus, eine Antwort zu erhalten, sie muss auch begründet und nachvollziehbar sein.
Und es gibt ein ziemlich neues Hindernis auf dem Weg zur KI-Lösung, das Sie nicht verpassen sollten: Der Vorschlag für eine Verordnung des Europäischen Parlaments und des Rates zur Festlegung harmonisierter Vorschriften für Künstliche Intelligenz (Gesetz über die Künstliche Intelligenz) und zur Änderung bestimmter Rechtsakte der Union aus dem Jahr 2021, der sich dem Ende des Gesetzgebungsprozesses nähert – oder kurz: die KI-Verodnung. Wir werden sie am Ende kurz anreißen, aber das ist eine lange Geschichte für ein anderes Mal 😉.
Also los geht’s!
1. Vielfältige Datentypen: Von Text über Tabellen und strukturierte Daten bis hin zu Abbildungen und Videos
Wenn es um unstrukturierte Daten geht, sind die Herausforderungen, die sich aus den unterschiedlichen Dateiformaten und den über verschiedene Systeme verstreuten Informationen ergeben, für viele Unternehmen schon lange ein Problem. Herkömmliche Lösungen sind oft nicht geeignet, da sie sich auf bestimmte Datentypen konzentrieren und hohe Investitionen für die Einrichtung erfordern, so dass die Benutzer beim Hinzufügen neuer Informationen von vorn beginnen müssen (d. h. den Trainingsprozess von vorn beginnen). Noch schlimmer ist es, wenn man Daten in verschiedenen Formaten integrieren muss, um eine einheitliche Wissensquelle zu schaffen (versuchen Sie einmal, ein Video zu einem PDF-Archiv hinzuzufügen).
Das Herzstück von semantha ist die Fähigkeit, eine universelle Repräsentation von Informationen auf der Grundlage ihrer Bedeutung zu erzeugen – den so genannten „Fingerabdruck“. Dieser Fingerabdruck ist nicht an ein bestimmtes Dateiformat gebunden und erlaubt es dem Benutzer, unterschiedliche Datenquellen nahtlos zu verbinden. Entscheidend ist, dass semantha die Verbindung zu den Quelldateien beibehält, so dass die Benutzer die ursprünglichen Daten leicht wiederfinden können. Wenn es um die Analyse von Dokumenten geht, zeichnet sich semantha dadurch aus, dass es Dokumente automatisch zerlegt und aufteilt, die Dokumentstruktur wiederherstellt und Artefakte wie Tabellen und Abbildungen mit den entsprechenden Abschnitten verknüpft. Die resultierenden Fingerabdrücke ( die es in verschiedenen Formen und Größen gibt und die Sätze, Abschnitte, ganze Dateien usw. repräsentieren) sind unabhängig von der Art der Datenquelle und bieten ein einheitliches Bild der Informationen. Und da die Fingerabdrücke ein standardisiertes Format haben – unabhängig von der Datenquelle – kann semantha Analysen crossmodal durchführen und Ihre multimodale Wissensbasis durchsuchen.
semantha integriert sich über seine REST API in bestehende Systeme und überlässt die Prozessführung externen Systemen. Egal, ob es sich um ein etabliertes Dokumentenmanagementsystem oder eine kundenspezifische Middleware handelt, Sie können externe Prozesse nutzen, um Inhalte in semantha einzuspeisen und Analysen auszulösen. Dieser Ansatz bedeutet auch, dass Sie kein neues Datensilo schaffen, sondern auf bestehende Systeme und Datenspeicher verweisen.
Anwendungen aus der Praxis zeigen die Vielseitigkeit von semantha. In der Anforderungsanalyse wird die komplexe Struktur von Anforderungen leicht erfasst, Unterschiede zwischen verschiedenen Versionen werden erkannt und kritische Informationen werden unabhängig von ihrer Position innerhalb eines Dokuments erkannt.
Mit dem Laden des Videos akzeptieren Sie die Datenschutzerklärung von YouTube.
Mehr erfahren
Bei der Recherche nach Wissen, auch in Videos, zeigt semantha schnell Informationen in multimedialen Inhalten und Dokumenten an und vereinfacht so das Auffinden bestimmter Details in einer Flut von Dokumenten.
Mit dem Laden des Videos akzeptieren Sie die Datenschutzerklärung von YouTube.
Mehr erfahren
Was semantha auszeichnet, sind nicht nur ihre aktuellen Fähigkeiten, sondern auch ihr zukunftssicheres Design. Die Module zum Einlesen von Daten können ohne großen Aufwand für neue Dateiformate, neue KI-Techniken oder zusätzliche Datenquellen erweitert werden. Es ist kein zeitraubendes Training oder Re-Training notwendig, so dass es einfach ist, das System im Laufe der Zeit anzupassen. semanthas einzigartige Mischung aus Vielseitigkeit, Anpassungsfähigkeit und Benutzerfreundlichkeit positioniert sie als Spitzenreiter im Bereich der KI-gestützen Analyse unstrukturierter Daten.
2. Wir brauchen explainable AI
Bei KI-Projekten müssen die Projektleiter oft eine Brücke schlagen zwischen technischer Innovation und der Notwendigkeit, dass die Entscheidungsträger die vorgeschlagenen Lösungen verstehen und ihnen vertrauen. Sie müssen die Entscheidungsträger davon überzeugen, dass ein KI-System nicht nur akkurate Ergebnisse liefern kann, sondern dass sein Entscheidungsprozess transparent und nachvollziehbar/überprüfbar ist. Diese Forderung nach Erklärbarkeit ist von großer Bedeutung, da Komplexität oft Skepsis hervorruft und das Vertrauen untergräbt, das für die Freigabe eines Projekts notwendig ist.
In diesem Punkt liefert semantha nicht nur Ergebnisse, sondern zeichnet sich auch dadurch aus, dass sie erklärt, wie sie zu diesen Ergebnissen gekommen ist. Eine der wichtigsten Funktionen ist die Bibliothek. Alle Antworten verweisen auf die Einträge in der Bibliothek, die zu der jeweiligen Antwort geführt haben. Diese Transparenz wird noch erhöht wenn man einen Wissensgraphen integriert, indem man die die Domäne des Anwendungsfalls modelliert und damit sowohl die Problemlösung als auch die Erklärbarkeit verbessert.
Die Fallstricke komplexer KI-Modelle, z. B. Large Language Models (LLMs), sind in Nischenbereichen offensichtlich, in denen plausibel klingende Antworten völlig falsch sein können. semantha hingegen verfolgt einen anderen Ansatz. Sie sagt Ihnen, wenn sie die Antwort nicht kennt. Da jede Antwort in der Bibliothek und im Wissensgraphen verankert ist, stellt das System sicher, dass die angebotenen Lösungen nicht nur „plausibel“ klingen, sondern auf einer soliden Grundlage der verfügbaren Informationen fußen.
Neben diesen Eigenschaften bietet semantha einen einzigartigen Ansatz für Wartung und Anpassungsfähigkeit. Im Gegensatz zu traditionellen KI-Modellen, die bei der Aktualisierung von Wissensdatenbanken umfangreiche Nachschulungen erfordern, generiert semantha einen Fingerabdruck von den Eingabedaten und speichert ihn zusammen mit Metadaten. Durch den Fingerabdruck entfällt die Notwendigkeit für erneutes Training: Egal ob Informationen hinzugefügt, aktualisiert oder aus der Bibliothek entfernt werden, semantha stellt die Anpassungsfähigkeit in Echtzeit sicher, ohne die Effizienz zu beeinträchtigen. Die Zusammenarbeit in semantha ist ein weiterer Aspekt, der sich auf die Grenzen der Abteilung auswirkt. Projektleiter können abteilungsübergreifende Bibliotheken einrichten und gemeinsam nutzen, um den Wissensaustausch und die Einheitlichkeit zu fördern. Gleichzeitig können sie isolierte Bibliothekskopien erstellen, um den Teams die Möglichkeit zu geben, ihre Lösungen unabhängig voneinander weiterzuentwickeln, ohne die Integrität der übergreifenden KI-Infrastruktur zu gefährden.
Mit dem Laden des Videos akzeptieren Sie die Datenschutzerklärung von YouTube.
Mehr erfahren
3. Wir müssen noch warten, bis die KI-Verordnung final umgesetzt ist
Die schlechte Nachricht zuerst: Die Gesetzeslage ist in wenigen Bereichen unveränderlich – Regulatorik entwickelt sich weiter. Lassen Sie uns also schnell einen Blick auf das werfen, was uns erwartet:
Ein neues EU-Gesetz über die Entwicklung, den Einsatz und die Nutzung von künstlicher Intelligenz steht in den Startlöchern. Es gibt Dinge, die verboten sind, aber – da wir aus Europa kommen – glauben wir, dass man in diesen Bereichen bei uns nicht nach KI-Unterstützung sucht (das wäre die Analyse von Biometrie und Emotionen, automatisierte Entscheidungsfindung zum Wohle der Menschen usw.). Während ich diesen Artikel schreibe, sind noch einige Dinge zu klären, und die EU bereitet die Umsetzung des KI-Gesetzes vor; wir sind also noch nicht ganz sicher, wie sich das Ganze entwickeln wird. Wir sind uns ziemlich sicher, aber man weiß ja nie… Ach je, und Entscheidungsträger hassen diese Ungewissheit. Was kann man also dagegen tun?
Projektmanager, die KI-Projekte leiten, sollten eine andere Perspektive einnehmen: Sie können regulatorische Herausforderungen in Katalysatoren für den Erfolg nutzen. Ziehen wir Parallelen zu Datenschutzbestimmungen wie der DSGVO: Eine proaktive Vorgehensweise kann zum Eckpfeiler werden, um Projekte in Gang zu bringen und weiter voranzutreiben, gar zum Wettbewerbsvorteil werden: Als Projektleiter können Sie sich strategisch auf die (notwendigen und berechtigten) Fragen vorbereiten, die sich aus den (nichtfunktionalen) Anforderungen ergeben. Nichtfunktionale Anforderungen sind nicht neu, sie sind ein wesentlicher Bestandteil eines jeden Softwareprojekts. Verschaffen Sie sich also ein umfassendes Verständnis der regulatorischen Landschaft, denken Sie über die Feinheiten der Risikobewertung nach (fragen Sie nach Hilfe, dafür gibt es Experten!) und machen Sie sich mit den „neuen“ Compliance-Kriterien vertraut.
Indem Sie Fragen im Zusammenhang mit dem KI-Gesetz und ähnlichen Vorschriften antizipieren, können Sie ein Garant für Transparenz und verantwortungsvolle Unternehmensführung sein. Nichfunktionale Anforderungen können als Säulen betrachtet werden, auf denen der Projekterfolg ruht. Anstatt die Anforderungen als Hindernisse zu verstehen, können sie als wertvolle Werkzeuge zur Verbesserung der Robustheit und Zuverlässigkeit von KI-Systemen genutzt werden. Die Konzentration auf Dokumentation und Strategien zur Risikominderung sorgt nicht nur für regulatorische Konformität, sondern unterstreicht auch Ihr Engagement für die Bereitstellung hochwertiger KI-Lösungen.
Zusammenfassend lässt sich sagen, dass die (wechselseitige!) Beeinflussung von KI-Projekten und rechtlichen Rahmenbedingungen kein Hindernis darstellen muss. Vielmehr handelt es sich um ein gut beherrschbares Terrain, wenn man proaktiv vorgeht. Ja sicherlich, es wird ein erheblicher Dokumentationsaufwand anfallen (und die wenigsten lieben das 😉), und die Zusammenarbeit mit Dienstleistern über die gesamte Lieferkette hinweg wird immer wichtiger. Aber wenn Sie mit Branchenführern und erfahrenen Lieferanten zusammenarbeiten, können Sie mehr als gut vorbereitet sein.
Retten Sie Ihr Projekt und holen Sie sich semantha
Wir sind sicher, dass semantha Ihnen bei Ihren KI-Herausforderungen im Bereich unstrukturierter Daten helfen kann. Und wenn wir die oben beschriebenen Fallstricke vermeiden, sind wir auch sicher, dass wir die Früchte unserer gemeinsamen Arbeit rasch ernten können. Wir sind sicher, dass wir das können – aber verlassen Sie sich bitte nicht auf einen Blogbeitrag, sondern fordern Sie eine individuelle Demo an!
Die Bibliothek – wie auch alle anderen Funktionen – sind in jedem semantha-Abonnement enthalten. Jeder Co-Worker kommt mit der vollen Flexibilität und Sie können sofort mit der Nutzung loslegen. Setzen Sie sich mit Ihrem semantha-Ansprechpartner in Verbindung und finden Sie heraus, wie Sie am besten mit Ihrem nächsten Anwendungsfall anfangen können. Wenn Sie noch keine aktives Subscription haben, vereinbaren Sie einfach einen Termin mit unserem Team und erfahren Sie mehr darüber, wie semantha Erkenntnisse aus Ihren unstrukturierten Daten zieht.
