Der Hype rund um GenAI war in allen Vorträgen auf dem Data Festival 2024 in München zu spüren. Die KI-Experten aus der Praxis machen dabei klar, dass die Erwartungen der Business User derzeit immens sind. Dabei ist es nicht die Technologie, die den Competitive Advantage schafft, sondern es sind die eigenen Mitarbeiter und Daten (Maximilian Harms) in Verbindung mit LLMs.

Eine #AI-Strategie (Analytics AI & GenAI) ist daher notwendig, um die Organisation entsprechend anzupassen, Mitarbeiter zu schulen und Datenqualität sicherzustellen, denn auch bei GenAI gilt: Sh*t in Sh*t out.

🔎 Insights vom Data Festival 2024 in München

𝐃𝐚𝐭𝐚 𝐢𝐬 𝐊𝐞𝐲: Ohne Data Guidelines, Catalogues und Sharing kann der Competitive Advantage nur schwer erreicht werden. Wie sagte es Walid Mehanna so treffend: “Data Quality is upstream”. Eine schlechte Datenqualität des Business kann Data Science nur schwer heilen.

🎇 𝐏𝐞𝐨𝐩𝐥𝐞 & 𝐂𝐮𝐥𝐭𝐮𝐫𝐞: AI ist here to stay, daher muss eine KI-Alphabetisierung stattfinden, damit das Business Chancen, Limitationen und den Wert der Datenqualität kennt. Mehrere Speaker stimmten darin überein, dass der Aufbau von AI-Communities für diesen Change hilfreich ist (Dr. Armin Müller, Lukas Negrin). Zudem hilft es, eine einheitliche #Taxonomie im Unternehmen zu verwenden, um die Kommunikation zu erleichtern.

🤖 𝐔𝐬𝐞 𝐂𝐚𝐬𝐞𝐬 𝐏𝐫𝐢𝐨𝐫𝐢𝐬𝐢𝐞𝐫𝐮𝐧𝐠: Data Science ist Partner des Business und fragt: “What is the business Problem?”. Die Business Centric Use Cases gilt es auf Basis des ROI zu priorisieren, da die Ressourcen der KI-Abteilungen limitiert sind (Not enough builders for the funnel!).

🛒 𝐌𝐚𝐤𝐞-𝐨𝐫-𝐁𝐮𝐲: Unternehmen sollten standardmäßig „Buy“ und „Prompting first“ wählen, wenn kein Competitive Advantage im Kerngeschäft durch AI-Services erzielt wird. Erst im zweiten Schritt sollten individuelle AI-Services (z.B. RAG) entwickelt werden.

👩‍💻 𝐆𝐞𝐧𝐀𝐈-𝐁𝐞𝐢𝐬𝐩𝐢𝐞𝐥: Im IT-Help-Desk oder im Software Developing nutzt DHL GenAI für Ticket Resolution, Rapid Prototyping, Code Generation und AI-Augmented-Testing. Dabei gab Andrea Hofmann zu bedenken, dass bei der derzeit schnellen Entwicklung die Gefahr von Technical Depths steigt.

⚖ 𝐑𝐞𝐠𝐮𝐥𝐢𝐞𝐫𝐮𝐧𝐠 𝐀𝐈-𝐀𝐜𝐭: Unternehmen müssen ihre KI-Anwendungen nach Risiko klassifizieren, denn ab 2026 tritt der AI-Act voll in Kraft. Dabei bezieht der AI-Act auch bereits bestehende Analytics-Modelle mit ein und gilt nicht nur für GenAI!

👉 𝐅𝐚𝐳𝐢𝐭: GenAI ist von der Neuigkeit (Nov. 22) zur Notwendigkeit für Unternehmen geworden. Der Hype hat das Business und die C-Level-Ebene erfasst, und ja – die Potenziale sind immens! Allerdings gilt auch beim GenAI-Hype, was schon beim Analytics-Hype in den Jahren 2015 und 2016 galt: Die Daten sind der Schlüssel. Bei GenAI kommt wohl noch hinzu, dass die Schulung der Mitarbeiter noch wichtiger wird, denn die Implikationen auf White Collar Work sind immens.