Sie sind hier: Startseite » Markt » Tipps und Hinweise

Einsatz der digitalen KI-Assistenten

Fünf Kriterien für industrietaugliche KI-Chatbots und KI-Assistenten
Überall da, wo die Sicherheit von Menschen auf dem Spiel steht, muss auf generative KI-Assistenten hundertprozentig Verlass sein

Generative KI ist in aller Munde: Immer mehr Menschen nutzen sie, immer mehr Expertinnen und Experten heben den mahnenden Finger. Auch in Industrieunternehmen fragen sich die Verantwortlichen, wo und wie sie ChatGPT-ähnliche Technologien sinnvoll einsetzen können. Antworten, worauf es bei KI-Assistenten und Copiloten ankommt, hat Augmentir.

ChatGPT ist eine Erfolgsgeschichte. Schon im November 2023 hatten 78 Prozent der Deutschen von dem KI-Chatbot gehört oder gelesen. Ein Drittel hatte das Tool bereits ausprobiert und 13 Prozent sogar häufig eingesetzt, wie eine Statista-Umfrage zeigt. Auch Unternehmen überlegen in steigendem Maße, wie sie von der Technologie profitieren könnten. Gleichzeitig wächst das Bewusstsein für die problematischen Seiten der Nutzung. Berichte über falsche oder frei erfundene Antworten nähren Zweifel: Sollten Unternehmen lieber ganz die Finger von KI-Chatbots lassen? – Auf keinen Fall, sagt Carsten Hunfeld, Director EMEA bei der Industrie-Software-Plattform Augmentir: "Allerdings gibt es bei Auswahl und Einsatz der digitalen Assistenten einiges zu beachten." Fünf Kriterien, so Hunfeld, seien dabei entscheidend:

1) Relevante, verlässliche Datenbasis
Überall da, wo die Sicherheit von Menschen auf dem Spiel steht, muss auf generative KI-Assistenten hundertprozentig Verlass sein. Das gelingt nur, wenn sich das Universum der Daten, mit denen ein solcher KI-basierter Chatbot beziehungsweise Copilot arbeitet, auf unternehmenseigene Informationen beschränkt. Diese sollten für den Betrieb relevant und vor allem aktuell sein. – Ein himmelweiter Unterschied zu herkömmlichen Bots, die sich aus der Gesamtheit der im Internet vorhandenen Daten bis zu einem Zeitpunkt X bedienen! Denn dort finden sich jede Menge Informationen, die für das jeweilige Anwender-Unternehmen und seine Prozesse gar nicht relevant sind oder veraltete Angaben enthalten.

2) Klar definierte Zugriffsrechte
Der zweite zentrale Unterschied ist, dass eine KI für die Industrie ihre Anwender und den Kontext kennt. Sie weiß, wer fragt und welche Befugnisse, Fähigkeiten und Kompetenzen die betreffende Person hat. Denn Werker, Fachkräfte, Vorgesetzte oder Spezialistinnen für ein bestimmtes Fachgebiet verfügen im professionellen Umfeld über unterschiedliche Rechte. Ihr Zugriff auf Inhalte ist daher an ihre Rollen, an feste Regeln und oftmals auch an Prozesse geknüpft. Das dient vor allem zwei Zwecken: Zum einen wird die Vertraulichkeit gewahrt. Eine Leiharbeitskraft, die vielleicht nur einige Wochen im Unternehmen sein wird, kommt so nicht in Kontakt mit Betriebsgeheimnissen oder Inhalten, die maßgeblich für die Wettbewerbsfähigkeit sind. Zweitens ist damit die Compliance garantiert, also das rechts- und prozesskonforme Ausspielen von Inhalten. Rollen und Zugriffsrechte einrichten und verwalten zu können, ist neben der einwandfreien Datenbasis daher der zweite wichtige Baustein, um zu gewährleisten, dass KI-basierte Assistenten keinen Schaden anrichten.

3) Gezielt erstellte Inhalte und Empfehlungen
Im Gegensatz zu den weitverbreiteten Bots formulieren Industrie-Assistenten die Antworten zu Fragen nicht jedes Mal neu. Für den Wechsel eines Werkzeugs oder das Anlegen von persönlicher Schutzkleidung wäre das auch nicht sinnvoll. Sie greifen stattdessen auf bereits erstellten und entsprechend getaggten Content zu. Dies kann eine Arbeitsanweisung in Form einer Standard Operating Procedure (SOP), ein ganzes Schulungsmodul oder nur eine einzelne, spezifische Videolektion sein. Schaltpläne, Zeichnungen oder eine Bedienungsanleitung sind ebenfalls Teil eines möglichen Content-Pools. Fragen in natürlicher Sprache beantwortet die KI daraus kontextbezogen und abgestimmt auf den speziellen Mitarbeitenden. Welche Inhalte genutzt werden, hängt wiederum von dessen Skills, Erfahrungen und Zertifizierungen ab. Die KI kann ihm auch erfasstes Erfahrungswissen vorschlagen, zum Beispiel aus dem – dokumentierten – Austausch zwischen zwei Kolleginnen, die dieses Problem zu einem früheren Zeitpunkt besprochen und gelöst haben. Denn in jedem Fall muss verhindert werden, dass der Rat des KI-Assistenten eine Person überfordert oder in gefährliche Situationen bringt, beispielsweise bei der Behebung von Problemen an einer Anlage.

4) Verifizierung von Quellen
Die unternehmenseigene Wissensbasis erweitert sich stetig – nicht zuletzt durch die Mitarbeitenden selbst. So kann eine Anlagenführerin, die mit Wartungsaufgaben betraut ist und eine Frage hat, heute per mobiler App Kontakt zu einem Spezialisten aufnehmen. Ein solches Gespräch inklusive Problemlösung lässt sich leicht aufzeichnen und für die Wissensdatenbank des Unternehmens mittels KI zusammenfassen. Allerdings sollte dieser neu gewonnene Content nicht einfach jedem User an die Hand gegeben werden. Vor allem sicherheitsrelevante Inhalte sind vor der Veröffentlichung dringend gegenzuchecken und freizugeben. Wichtiges Qualitätsmerkmal eines KI-Assistenten für die Industrie ist nämlich: Er kann zwischen geprüftem und ungeprüftem Content unterscheiden und entsprechende Regeln anwenden. So etwa, wann ein frischer Inhalt einer bestimmten anfragenden Person angezeigt werden kann. Ob das als unproblematisch und sicher eingeschätzt wird, hängt sehr oft von deren Level, Rolle und Berechtigungen ab. Begleitend ist es natürlich auch wichtig, einen Workflow für die Prüfung und Genehmigung von neuem Content zu definieren. Idealerweise passiert dies in derselben Plattform, die auch alle Inhalte und die KI-Algorithmen beherbergt.

5) Halluzinieren verhindern
Kritik haben sich ChatGPT & Co vor allem durch ihre Halluzinationen eingehandelt. Denn obgleich die generative KI überzeugend formulierte Resultate in Form von Text oder Bild darstellt, basieren manche Antworten nicht auf Fakten und Inhalten, sondern sind frei erfunden. Man spricht in diesem Zusammenhang auch von Konfabulation. Nun gibt es Bereiche, in denen das allenfalls ärgerlich ist, aber keinen unmittelbaren Schaden anrichtet. Anders im Unternehmensumfeld, wo Risiken für Gesundheit und Sicherheit von Menschen bestehen, Anlagen schwer beschädigt oder zum Stillstand gebracht werden könnten. Hier muss auf die Richtigkeit der Angaben 100 Prozent Verlass sein. Gerade darin zeigen sich große Unterschiede zwischen generativer KI für den Massenmarkt und den speziell für die Industrie entwickelten und trainierten Systemen. Denn mit potenziellen Halluzinationen kommen hier allenfalls Anwender in Kontakt, die aufgrund ihrer Expertise in der Lage sind, Falschaussagen zuverlässig zu enttarnen.

Fazit
Generative KI ist eine große Hilfe für Mitarbeitende, die sich einfach und problemlos mit relevanten Informationen für ihre Arbeit versorgen möchten. Es ist an den Unternehmen, durch eine entsprechende Datenbasis sowie Zugriffsrechte für die Aufbereitung, Kennzeichnung und Freigabe von Inhalten sicherzustellen, dass die eingesetzten KI-Bots das Vertrauen der Belegschaft zu jeder Zeit verdienen und auch allen Für- und Vorsorgepflichten gerecht werden. Assistenten, die in der Industrie genutzt werden, sollten daher auch speziell für die Industrie entwickelt sein. (Augmentir: ra)

eingetragen: 02.07.24
Newsletterlauf: 20.08.24

Augmentir: Kontakt und Steckbrief

Der Informationsanbieter hat seinen Kontakt leider noch nicht freigeschaltet.

Meldungen: Tipps und Hinweise

XLAs: Der Mensch als Maßstab
Über Jahrzehnte galten Service Level Agreements (SLAs) als Maßstab für gutes IT- und Servicemanagement: Wurde ein Ticket fristgerecht gelöst, war die Aufgabe erledigt. Doch in einer zunehmend digitalisierten Arbeitswelt zeigt sich: Diese Logik greift zu kurz. Effizienz allein entscheidet nicht mehr, ob Mitarbeitende zufrieden und produktiv bleiben. Gefragt ist ein neues Verständnis, das die tatsächliche Erfahrung der Menschen in den Mittelpunkt rückt.
Cloud-Souveränität immer stärker im Mittelpunkt
Mit dem rasanten Fortschritt der digitalen Wirtschaft und dem Aufkommen zahlreicher neuer Technologien - allen voran Künstlicher Intelligenz (KI) - stehen europäische Entscheidungsträger vor einer neuen Herausforderung: Wie lässt sich ein innovatives Ökosystem regionaler Cloud-Anbieter schaffen, das sowohl leistungsfähige Lösungen als auch ausreichende Skalierbarkeit bietet? Und wie kann dieses Ökosystem mit internationalen Anbietern konkurrieren und zugleich die Abhängigkeit von ihnen verringern? Politik, Regulierungsbehörden, Forschungseinrichtungen und Industrievertreter in Europa konzentrieren sich darauf, wie der Kontinent seine Position im globalen Wettlauf um Cloud-Innovationen verbessern kann - ohne dabei die Kontrolle, Autonomie und Vertraulichkeit über europäische Daten aufzugeben, die andernfalls womöglich in anderen Märkten gespeichert, verarbeitet oder abgerufen würden.
Vom Nearshoring zum Smart Sourcing
Aufgrund des enormen IT-Fachkräftemangels und der wachsenden Anforderungen von KI und digitaler Transformationen benötigen Unternehmen heute flexible und kosteneffiziente Lösungen, um wettbewerbsfähig zu bleiben. Für die Umsetzung anspruchsvoller Innovationsprojekte mit hohen Qualitätsstandards entscheiden sich deshalb viele Unternehmen für Nearshoring, da dieses Modell ihnen Zugang zu hochausgebildeten IT-Fachkräften in räumlicher und kultureller Nähe ermöglicht.
Sechs stille Killer des Cloud-Backups
Cloud-Backups erfreuen sich zunehmender Beliebtheit, da sie auf den ersten Blick eine äußerst einfache und praktische Maßnahme zu Schutz von Daten und Anwendungen sind. Andy Fernandez, Director of Product Management bei Hycu, nennt in der Folge sechs "stille Killer", welche die Performance von Cloud-Backups still und leise untergraben. Diese werden außerhalb der IT-Teams, die täglich damit zu tun haben, nicht immer erkannt, können aber verheerende Folgen haben, wenn sie ignoriert werden.
Datenaufbewahrungsstrategie und SaaS
Die Einhaltung von Richtlinien zur Datenaufbewahrung sind für Unternehmen unerlässlich, denn sie sorgen dafür, dass wertvolle Informationen sicher gespeichert und Branchenvorschriften - egal wie komplex sie sind - eingehalten werden. Diese Governance-Frameworks legen fest, wie Unternehmen sensible Daten verwalten - von deren Erstellung und aktiven Nutzung bis hin zur Archivierung oder Vernichtung. Heute verlassen sich viele Unternehmen auf SaaS-Anwendungen wie Microsoft 365, Salesforce und Google Workspace. Die Verlagerung von Prozessen und Daten in die Cloud hat jedoch eine gefährliche Lücke in die Zuverlässigkeit der Datenaufbewahrung gerissen, denn die standardmäßigen Aufbewahrungsfunktionen der Drittanbieter entsprechen häufig nicht den Compliance-Anforderungen oder Datenschutzzielen.
Lücken der SaaS-Plattformen schließen
Die zunehmende Nutzung von Software-as-a-Service (SaaS)-Anwendungen wie Microsoft 365, Salesforce oder Google Workspace verändert die Anforderungen an das Datenmanagement in Unternehmen grundlegend. Während Cloud-Dienste zentrale Geschäftsprozesse unterstützen, sind standardmäßig bereitgestellte Datenaufbewahrungsfunktionen oft eingeschränkt und können die Einhaltung der Compliance gefährden. Arcserve hat jetzt zusammengefasst, worauf es bei der Sicherung der Daten führender SaaS-Anbieter ankommt.
Nicht mehr unterstützte Software managen
Von Windows bis hin zu industriellen Produktionssystemen: Wie veraltete Software Unternehmen angreifbar macht und welche Strategien jetzt nötig sind Veraltete Software ist weit verbreitet - oft auch dort, wo man es nicht sofort vermuten würde. Beispiele für besonders langlebige Anwendungen sind das SABRE-Flugbuchungssystem oder die IRS-Systeme "Individual Master File" und "Business Master File" für Steuerdaten, die seit den frühen 1960er-Jahren im Einsatz sind. Während solche Anwendungen ihren Zweck bis heute erfüllen, existiert daneben eine Vielzahl alter Software, die längst zum Sicherheitsrisiko geworden ist.
Wie sich Teamarbeit im KI-Zeitalter verändert
Liefertermine wackeln, Teams arbeiten unter Dauerlast, Know-how verschwindet in der Rente: In vielen Industrieunternehmen gehört der Ausnahmezustand zum Betriebsalltag. Gleichzeitig soll die Zusammenarbeit in Produktion, Qualitätskontrolle und Wartung immer schneller, präziser und vernetzter werden. Wie das KI-gestützt gelingen kann, zeigt der Softwarehersteller Augmentir an sechs konkreten Praxisbeispielen.
Vom Workaround zum Schatten-Account
Um Aufgaben im Arbeitsalltag schneller und effektiver zu erfüllen, ist die Suche nach Abkürzungen Gang und Gebe. In Kombination mit dem technologischen Fortschritt erreicht die Effizienz menschlicher Arbeit so immer neue Höhen und das bringt Unternehmen unwissentlich in eine Zwickmühle: Die zwischen Sicherheit und Produktivität. Wenn ein Mitarbeiter einen Weg findet, seine Arbeit schneller oder besser zu erledigen, die Bearbeitung von Zugriffsanfragen durch die IT-Abteilung aber zu lange dauert oder zu kompliziert ist, dann finden Mitarbeiter oftmals "kreative" Lösungen, um trotzdem weiterarbeiten zu können. Diese "Workarounds" entstehen selten aus böser Absicht. Allerdings stellen sie gravierende Sicherheitslücken dar, denen sich viele Beschäftigte und Führungskräfte nicht bewusst sind.
KI in der Cloud sicher nutzen
Keine Technologie hat die menschliche Arbeit so schnell und weitreichend verändert wie Künstliche Intelligenz. Dabei gibt es bei der Integration in Unternehmensprozesse derzeit keine Tür, die man KI-basierter Technologie nicht aufhält. Mit einer wachsenden Anzahl von KI-Agenten, LLMs und KI-basierter Software gibt es für jedes Problem einen Anwendungsfall. Die Cloud ist mit ihrer immensen Rechenleistung und Skalierbarkeit ein Motor dieser Veränderung und Grundlage für die KI-Bereitstellung.

Cloud Detection and Response Kriterien für Ausfall eines Cloud-Anbieters