Neues aus dem Gartner Hype Cycle 2022 zum Thema KI

15. September 2022

Verfasst von: Jackie Wiles

KI-Innovationen bieten weiterhin große Vorteile für Unternehmen, und die Akzeptanz wird sich in Zukunft noch beschleunigen. Sehen Sie sich die Prognosen und Auswirkungen an.

Der Gartner Hype Cycle™ 2022 for Artificial Intelligence (AI) identifiziert die wichtigsten Innovationen im Bereich der KI-Technologien und -Techniken, die über alltägliche KI, die bereits eingesetzt wird, hinausgehen, um bisher statische Geschäftsanwendungen, Geräte und Produktivitätstools mit zusätzlicher Intelligenz zu versehen.

„Der Hype Cycle for AI ist voll von Innovationen, die einen hohen oder sogar transformativen Nutzen erwarten lassen“, sagt Afraz Jaffri, Director Analyst bei Gartner. „Achten Sie besonders auf Innovationen, die voraussichtlich in zwei bis fünf Jahren den Mainstream erreichen werden, darunter zusammengesetzte KI, Decision Intelligence und Edge-KI. Die frühzeitige Einführung dieser Innovationen kann zu einem erheblichen Wettbewerbsvorteil und Geschäftswert führen und die Probleme im Zusammenhang mit der Anfälligkeit von KI-Modellen lösen.“

Jetzt herunterladen: Ihr detaillierter Leitfaden zu den 10 wichtigsten strategischen Technologie-Trends von Gartner für 2024

KI-Innovationen lassen sich in vier Kategorien einteilen

Das breite Spektrum an KI-Innovationen wird voraussichtlich Auswirkungen auf Menschen und Prozesse innerhalb und außerhalb des Unternehmens haben. Daher ist es wichtig, dass viele Stakeholder, von Führungskräften bis hin zu den technischen Teams, die mit der Implementierung und dem Betrieb von KI-Systemen betraut sind, diese verstehen. 

Führungskräfte im Bereich Daten und Analysen (D&A) können jedoch am meisten davon profitieren, wenn sie die Prognosen des Hype Cycle nutzen, um ihre KI-Strategien für die Zukunft zu entwickeln und Technologien einzusetzen, die bereits jetzt große Auswirkungen haben.

Die KI-Innovationen im Hype Cycle spiegeln komplementäre und manchmal widersprüchliche Prioritäten in vier Hauptkategorien wider:

  1. Datenzentrierte KI

  2. Modellzentrierte KI

  3. Anwendungszentrierte KI

  4. Menschenzentrierte KI

Datenzentrierte KI

Die KI-Gemeinschaft hat sich traditionell darauf konzentriert, die Ergebnisse von KI-Lösungen zu verbessern, indem sie die KI-Modelle selbst optimiert hat, aber datenzentrierte KI verlagert den Schwerpunkt auf die Verbesserung und Anreicherung der Daten, die zum Training der Algorithmen verwendet werden. 

Bei der Berücksichtigung von KI-spezifischen Datenüberlegungen stört datenzentrierte KI das traditionelle Datenmanagement, aber Organisationen, die in KI mehr investieren, werden sich weiterentwickeln, um die weiterhin gültigen klassischen Ideen zum Datenmanagement zu bewahren und sie auf zwei Arten auf KI auszuweiten:

  • Hinzufügen von Funktionen, die für eine bequeme AI-Entwicklung durch eine KI-fokussierte Zielgruppe erforderlich sind, die mit Datenmanagement nicht vertraut ist

  • Nutzung von KI um, um die Evergreen-Klassiker der Data Governance, Persistenz, Integration und Datenqualität zu verbessern und zu ergänzen

Zu den Innovationen im Bereich der datenzentrierten KI gehören synthetische Daten, Wissensgraphen, Datenbeschriftung und -kommentierung.

Synthetische Daten zum Beispiel sind eine Klasse von Daten, die künstlich erzeugt und nicht durch direkte Beobachtung der realen Welt gewonnen werden. Daten können mit verschiedenen Methoden generiert werden, z. B. mit statistisch genauen Stichproben aus realen Daten, semantischen Ansätzen und generativen adversarischen Netzen oder durch die Schaffung von Simulationsszenarien, in denen Modelle und Prozesse interagieren, um völlig neue Datensätze von Ereignissen zu erzeugen. 

Die Einführung nimmt in verschiedenen Branchen zu, ebenso wie der Einsatz von Anwendungen für Computer Vision und natürlicher Sprache. Aber Gartner prognostiziert einen massiven Anstieg der Einführung von synthetischen Daten:

  • Vermeidet die Verwendung personenbezogener Daten durch synthetische Variationen der Originaldaten oder synthetische Ersetzung von Teilen der Daten beim Training von Modellen für maschinelles Lernen (ML)

  • Reduziert die Kosten und spart Zeit bei der ML-Entwicklung, da es billiger und schneller zu beschaffen ist

  • Verbessert die ML-Leistung, da mehr Trainingsdaten zu besseren Trainingsergebnissen führen

Modellzentrierte KI

Trotz der Umstellung auf einen datenzentrierten Ansatz müssen KI-Modelle weiterhin aufmerksam beobachtet werden, um sicherzustellen, dass die Ergebnisse weiterhin dazu beitragen, dass wir bessere Entscheidungen treffen. Die Innovationen in diesem Bereich umfassen physikalisch informierte KI, zusammengesetzte KI, kausale KI, generative KI, Grundlagenmodelle und Deep Learning.

Zusammengesetzte KI bezieht sich auf die Verschmelzung verschiedener KI-Techniken, um die Effizienz des Lernens zu verbessern und die Ebene der Wissensrepräsentation zu erweitern. Da keine einzelne KI-Technik ein Königsweg ist, bietet die zusammengesetzte KI letztendlich eine Plattform, um ein breiteres Spektrum von Unternehmensproblemen auf effektivere Weise zu lösen. 

Es wird davon ausgegangen, dass sich die zusammengesetzte KI in zwei bis fünf Jahren durchsetzen wird. Die geschäftlichen Vorteile der KI werden wahrscheinlich einen Wandel herbeiführen und branchenübergreifend neue Geschäftsmodelle ermöglichen, die zu großen Veränderungen in der Branchendynamik führen werden. Vorteile der zusammengesetzten KI:

  • Ermöglicht den Einsatz von KI bei einer größeren Anzahl von Organisationen, die keinen Zugang zu großen Mengen historischer oder gelabelter Daten haben, aber über ein beträchtliches Fachwissen verfügen

  • Hilft, den Umfang und die Qualität von KI-Anwendungen zu erweitern (d. h. es können mehr Arten von logischen Herausforderungen eingebettet werden)

Kausale KI umfasst verschiedene Techniken wie Kausaldiagramme und Simulationen, mit deren Hilfe kausale Zusammenhänge aufgedeckt werden können, um die Entscheidungsfindung zu verbessern. Obwohl es noch fünf bis zehn Jahre dauern wird, bis kausale KI allgemein angenommen wird, wird mit einem hohen geschäftlichen Nutzen gerechnet, da sie neue Wege für die Durchführung horizontaler oder vertikaler Prozesse ermöglicht, die zu erheblichen Umsatzsteigerungen oder Kosteneinsparungen für ein Unternehmen führen können. Zu den Vorteilen der kausalen KI gehören:

  • Effizienzsteigerung durch das Hinzufügen von Fachwissen zu kausalen Bootstrap-KI-Modellen bei kleineren Datensätzen

  • Größere Entscheidungsfreiheit und Unabhängigkeit in KI-Systemen

  • Bessere Verständlichkeit durch die Erfassung von leicht zu interpretierenden Ursache-Wirkungs-Beziehungen

  • Mehr Stabilität und Anpassungsfähigkeit durch die Nutzung von Kausalbeziehungen, die auch in sich wandelnden Umgebungen gültig bleiben

  • Weniger Verzerrungen in KI-Systemen durch explizitere kausale Zusammenhänge

Anwendungszentrierte KI

Zu den Innovationen gehören AI-Engineering, Decision Intelligence, operative KI-Systeme, ModelOps, AI-Cloud-Services, intelligente Roboter, natürliche Sprachverarbeitung (NLP), autonome Fahrzeuge, intelligente Anwendungen und Computer Vision.

Es wird erwartet, dass Decision Intelligence und Edge-AI in zwei bis fünf Jahren allgemein verbreitet sein werden und dass sie für die Unternehmen von großem Nutzen sein werden.

Decision Intelligence ist eine praktische Disziplin, die dazu dient, die Entscheidungsfindung zu verbessern, indem explizit nachvollzogen und entwickelt wird, wie Entscheidungen getroffen und Ergebnisse bewertet, gesteuert und durch Feedback verbessert werden. 

Decision Intelligence hilft dabei:

  • Technische Schulden zu verringern, die Sichtbarkeit zu erhöhen und die Auswirkungen von Geschäftsprozessen zu verbessern, indem die Nachhaltigkeit der Entscheidungsmodelle von Organisationen auf der Grundlage der Stärke ihrer Relevanz und der Qualität ihrer Transparenz wesentlich verbessert wird, sodass Entscheidungen transparenter und überprüfbar werden

  • Die Unvorhersehbarkeit von Entscheidungsergebnissen zu verringern, indem die Unsicherheiten im Geschäftskontext richtig erfasst und berücksichtigt werden und die Entscheidungsmodelle stabiler werden

Jetzt herunterladen: Wie Sie eine Strategie für Ihre Entscheidungsfindung festlegen

Edge-AI bezieht sich auf den Einsatz von KI-Techniken, die in Endpunkten, Gateways und Edge-Servern des Internets der Dinge (IoT) eingebettet sind, wobei die Anwendungen von autonomen Fahrzeugen bis zu Streaming-Analysen reichen. Die Vorteile für Unternehmen umfassen:

  • Verbesserte betriebliche Effizienz, z. B. durch Sichtprüfsysteme in der Herstellung

  • Verbesserte Kundenzufriedenheit

  • Verringerte Latenzzeit bei der Entscheidungsfindung durch den Einsatz lokaler Analyseverfahren

  • Senkung der Konnektivitätskosten durch weniger Datenverkehr zwischen Edge und der Cloud

  • Beständige Verfügbarkeit der Lösung, unabhängig von der Netzwerkkonnektivität

Menschenzentrierte KI

Zu dieser Gruppe von Innovationen gehören KI-Vertrauens-, Risiko- und Sicherheitsmanagement (TRiSM), verantwortungsvolle KI, digitale Ethik und KI-Entwickler- und Schulungskits.

Wenn KI die Menschen in ihren Entscheidungen unterstützt, werden gute und schlechte Ergebnisse gleichermaßen verstärkt. Verantwortungsvolle KI sorgt für die richtigen Ergebnisse, indem sie Konflikte zwischen der Bereitstellung von Werten und der Tolerierung von Risiken löst. Verantwortungsvolle KI ist ein Oberbegriff für die Aspekte, die bei der Einführung von KI zu angemessenen geschäftlichen und ethischen Entscheidungen führen, darunter geschäftlicher und gesellschaftlicher Wert, Risiko, Vertrauen, Transparenz, Fairness, Abschwächung von Vorurteilen, Erklärbarkeit, Verantwortlichkeit, Sicherheit, Datenschutz und Einhaltung von Compliance. Verantwortungsvolle KI wird noch fünf bis zehn Jahre brauchen, bis sie allgemein angenommen wird, aber sie wird sich letztendlich auf die gesamte Wirtschaft auswirken. 

Die digitale Ethik ist ein nächster Trend (in zwei bis fünf Jahren), der wahrscheinlich große Auswirkungen auf die Unternehmen haben wird. Die digitale Ethik umfasst die Wertesysteme und moralischen Grundsätze für das Verhalten bei elektronischen Interaktionen zwischen Menschen, Organisationen und Dingen. Diese Problemstellungen, insbesondere im Zusammenhang mit dem Schutz der Privatsphäre und der Voreingenommenheit, sind für viele nach wie vor bedenklich. Die Menschen, die sich zunehmend bewusst werden, dass ihre Daten wertvoll sind, sind frustriert über mangelnde Transparenz, Missbrauch und Verstöße. Organisationen sind dabei, die Risiken bei der Verwaltung und Sicherung personenbezogener Daten zu mindern, während Regierungen strengere Gesetze einführen.

Viele Organisationen ignorieren die digitale Ethik immer noch, weil sie denken, dass sie nicht auf ihre Branche oder ihren Bereich zutrifft, aber Gartner prognostiziert, dass bis 2024 30 % der großen Organisationen eine neue „Stimme der Gesellschaft“ verwenden werden, um auf gesellschaftliche Probleme zu reagieren und die Auswirkungen auf ihre Geschäftsleistung zu bewerten. Organisationen müssen die digitale Ethik in ihre KI-Strategien integrieren, um ihren Einfluss und ihr Ansehen bei Kunden, Mitarbeitern, Partnern und der Gesellschaft zu stärken.

Fazit: 

  • Der Gartner Hype Cycle™ for AI 2022 enthält Innovationen, die man kennen muss und von denen erwartet wird, dass sie für jede Organisation umfangreiche Vorteile bringen.

  • Diese Innovationen gehen über alltägliche KI-Techniken hinaus, die bereits eingesetzt werden, um bisher statische Geschäftsanwendungen, Geräte und Produktivitätstools intelligenter zu machen.

  • Achten Sie frühzeitig auf Innovationen, die voraussichtlich in zwei bis fünf Jahren den Mainstream erreichen werden, darunter zusammengesetztes KI, Decision Intelligence und Edge-AI.

Afraz Jaffri is a Research Director at Gartner, where Mr. Jaffri focuses on Analytics, Data Science and AI. He advises Data and Analytics leaders on making the most from their investments in modern data science, machine learning and analytics platforms.

Steigern Sie die Leistung bei den unternehmenskritischen Prioritäten.