K\u00fcnstliche Intelligenz (KI) entwickelt sich in einem frappierenden Tempo von einer neuen Technologie zu einer Einflussgr\u00f6\u00dfe f\u00fcr Gesch\u00e4ftsabl\u00e4ufe. Von der Entwicklung von KI-Agenten hin zur Interaktion mit Technologien, die sich eher wie eine nat\u00fcrliche Unterhaltung anf\u00fchlt, sind KI-Technologien in der Lage, unsere Arbeitsweise zu ver\u00e4ndern.<\/p>\n\n\n\n
Doch was genau kommt auf uns zu? Wir m\u00f6chten Ihnen f\u00fcnf Themen vorstellen, die im Jahr 2025 f\u00fcr KI gro\u00dfe Bedeutung haben werden. Diese sind f\u00fcr Unternehmen sicherlich mit Herausforderungen verbunden, sie haben aber auch das Potenzial, die Grenzen des Machbaren neu auszuloten. Sind Sie bereit f\u00fcr einen Blick auf das, was uns im neuen Jahr und dar\u00fcber hinaus erwartet? Los geht’s!<\/p>\n\n\n\n
KI-Agenten stecken derzeit noch in den Kinderschuhen. Viele Softwareanbieter bringen gerade ihre ersten sogenannten \u201eKI-Agenten\u201c heraus, die lediglich auf einer einfachen dialogorientierten Dokumentsuche beruhen. Die Entwicklung geht aber bereits hin zu innovativen KI-Agenten, die in der Lage sind, zu planen, logische Schl\u00fcsse zu ziehen, Tools zu verwenden, mit Menschen und anderen Agenten zusammenzuarbeiten und Fortschritte iterativ zu reflektieren, bis sie ihr Ziel erreicht haben. Diese werden sich 2025 rasch weiterentwickeln und immer autonomer agieren. Genauer gesagt wird man KI-Agenten im Jahr 2025 eher im Hintergrund einsetzen, damit sie komplexe agentengest\u00fctzte Workflows steuern.<\/p>\n\n\n\n
Anwender werden als Unterst\u00fctzung f\u00fcr ihre Aufgaben mit einem Assistenten interagieren, der die Anforderung umsetzen und die Koordination zwischen Systemen mehrerer spezialisierter KI-Agenten \u00fcbernehmen wird, um schwierigere Aufgaben zu erledigen. K\u00fcnftige KI-Agenten oder Multi-Agenten-Systeme (MAS) k\u00f6nnen zusammenarbeiten, um Anwender zu verstehen, \u00fcber den umfassenden Kontext zu verf\u00fcgen und ein Problem zu strukturieren. Anschlie\u00dfend interagieren sie mit diesen dom\u00e4nenspezifischen, spezialisierten KI-Agenten, die jeweils bestimmte Teilaufgaben ausf\u00fchren, die zusammen zur Erledigung einer deutlich komplexeren Aufgabe beitragen. In Zukunft werden Anwender eine Aktion nicht einmal mehr ausl\u00f6sen m\u00fcssen. KI-Agenten werden stattdessen proaktiv auf Gesch\u00e4ftsereignisse wie eingehende Kundenanfragen, Unterbrechungen der Lieferkette oder Bedarfsspitzen reagieren. Sie werden einen Entscheidungsworkflow automatisch so weit wie m\u00f6glich vorbereiten, bevor sie menschliche Benutzer f\u00fcr Feedback einbeziehen.<\/p>\n\n\n\n
Auf Sicht von f\u00fcnf Jahren werden KI-Agenten betr\u00e4chtliche Teile von Workflows vereinfachen, auch Aspekte, die sich bisher nur schwer automatisieren lassen. Das sind etwa Ausnahmen im Kundenservice, langwierige Verwaltungsaufgaben und spezielle Programmiert\u00e4tigkeiten wie das Codieren oder das Debuggen von Software. KI-Agenten werden flexibel sein. Sie werden planen, scheitern und etwas anderes versuchen oder sich auf Grundlage von Schlussfolgerungen selbst korrigieren k\u00f6nnen. KI-Agenten werden wiederkehrende Routineaufgaben genauso effektiv und oft sogar effektiver erledigen als Menschen. Dies wird zu h\u00f6herer Produktivit\u00e4t und nachweisbaren Kosteneinsparungen f\u00fchren. F\u00fcr langwierige und sehr umfangreiche Aufgaben werden Agenten anpassungsf\u00e4higer und robuster als die herk\u00f6mmliche robotergest\u00fctzte Prozessautomatisierung (RPA) sein. Das hei\u00dft, dass sie aus vielen m\u00f6glichen Ergebnissen das beste herausfinden k\u00f6nnen, was mit klassischen Automatisierungsmethoden in einem RPA-Algorithmus kaum programmierbar ist.<\/p>\n\n\n\n
Die Einf\u00fchrung von KI in diesen Bereichen wird auch die Dynamik innerhalb der Belegschaft ver\u00e4ndern. Die Rolle des Menschen wird sich zunehmend darauf konzentrieren, nicht allt\u00e4gliche Szenarien zu antizipieren, mit Mehrdeutigkeit umzugehen, menschliches Verhalten zu ber\u00fccksichtigen, strategische Entscheidungen zu treffen und echte Innovationen voranzutreiben \u2013 und zwar erg\u00e4nzt, nicht ersetzt durch KI-F\u00e4higkeiten. <\/p>\n\n\n\n
Kurz gesagt: KI wird umfangreiche Routineaufgaben \u00fcbernehmen, w\u00e4hrend der Wert des menschlichen Urteilsverm\u00f6gens, der Kreativit\u00e4t und qualitativ hochwertiger Ergebnisse steigen wird.<\/p>\n\n\n\n
Der Trend, dass gro\u00dfe Sprachmodelle (Large Language Models, LLMs) immer mehr als Rohstoff f\u00fcr generative KI-Routineaufgaben dienen, wird sich fortsetzen. LLMs greifen auf einen zunehmend st\u00e4rker genutzten Pool \u00f6ffentlicher Daten zur\u00fcck, die aus dem Internet stammen. Dies wird sich noch versch\u00e4rfen. Und Unternehmen m\u00fcssen lernen, ihre Modelle an einzigartige Datenquellen mit umfassenden Inhalten anzupassen. Modellverbesserungen werden in Zukunft nicht mit Brachialgewalt und gr\u00f6\u00dferen Datenmengen erreicht werden, sondern durch qualitativ bessere Daten, mehr Kontext und die Verfeinerung zugrunde liegender Techniken. Unternehmen m\u00fcssen mehr Zeit in Innovationen investieren, um durch Feinabstimmungen und Modellanpassungen bessere Modelle zu entwickeln, anstatt immer noch gr\u00f6\u00dfere Modelle zu trainieren. Neurosymbolische KI-Techniken, insbesondere Wissensgraphen, werden eine Renaissance erleben, da sie sowohl Lernziele f\u00fcr Basismodelle als auch Kontext liefern k\u00f6nnen, um die Leistung generativer KI erheblich zu verbessern und gleichzeitig Halluzinationen zu verringern.<\/p>\n\n\n\n
Wir werden au\u00dferdem eine gr\u00f6\u00dfere Vielfalt von Basismodellen f\u00fcr unterschiedliche Zwecke erleben. Nehmen wir zum Beispiel physikalisch fundierte neuronale Netzwerke (Physics-Informed Neural Networks, PINNs). Sie generieren Ergebnisse auf der Grundlage von Vorhersagen, die auf der physischen Realit\u00e4t oder der Robotik basieren. PINNs werden auf dem Arbeitsmarkt an Bedeutung gewinnen, da sie autonome Roboter in die Lage versetzen, in der realen Welt zu navigieren und Aufgaben auszuf\u00fchren. Die Einsatzm\u00f6glichkeiten reichen von Lagerh\u00e4usern bis hin zu Fertigungsanlagen. Au\u00dferdem eignen sie sich f\u00fcr Modelle, die mit tabellarischen, strukturierten Daten wie dem 51风流Foundation Model trainiert werden, und die Aufgaben bew\u00e4ltigen k\u00f6nnen, f\u00fcr die LLMs nicht so gut geeignet sind, etwa f\u00fcr Prognosen numerischer Werte.<\/p>\n\n\n\n
Modelle werden zunehmend multimodaler werden, das hei\u00dft, ein KI-System kann Informationen aus verschiedenen Arten von Eingaben verarbeiten. KI-Anwendungen werden sich schlie\u00dflich zu \u201eAny-to-Any\u201c-Modalit\u00e4tsl\u00f6sungen entwickeln, die in der Lage sind, Text-, Sprach-, Bild-, Video- und Sensordaten mit einem einzigen Modell zu verstehen, zu verarbeiten und Schlussfolgerungen zu ziehen. Dar\u00fcber hinaus werden kleinere und st\u00e4rker spezialisierte LLMs mit skalierbaren Techniken zur Feinabstimmung und der F\u00e4higkeit, auf beliebigen Ger\u00e4ten zu arbeiten, h\u00e4ufiger anzutreffen sein. Dieser Trend kann dazu f\u00fchren, dass es in Zukunft hochgradig personalisierte Modelle f\u00fcr Unternehmen oder sogar Einzelpersonen gibt.<\/p>\n\n\n\n
Unternehmen werden sich Strategien zuwenden, bei denen mehrere Basismodelle genutzt werden (nicht zu verwechseln mit den zuvor beschriebenen multimodalen F\u00e4higkeiten eines einzigen Modells) und dabei eine Reihe von KI-Modellen und -Techniken einsetzen, die auf bestimmte Anwendungsf\u00e4lle zugeschnitten sind. Gest\u00fctzt wird dies durch den Trend zur Optimierung kleiner Teile von Modellen, was weniger Ressourcen und wesentlich weniger Daten erfordert. So entstehen vollst\u00e4ndig flexible Modelle, mit denen Unternehmen einen gr\u00f6\u00dferen Mehrwert aus ihren einzigartigen Daten und dadurch Wettbewerbsvorteile erzielen k\u00f6nnen. Anbieter von Unternehmenssoftware werden Marktpl\u00e4tze und Plattformen mit integrierten KI-Modellen anbieten oder erweitern, die eine nahtlose Modellbereitstellung, -verwaltung und -aktualisierung unterst\u00fctzen. Durch Benchmarking und die Senkung von Modellwechselkosten wird es einfacher m\u00f6glich sein, dieselben Anwendungsf\u00e4lle in heterogenen Umgebungen einzusetzen. Kontext ist gleich Nutzen. Die Technologie der Wissensgraphen gibt es schon seit 40 Jahren. Nun erlebt sie ein Revival, da mit ihr wichtige Herausforderungen von LLMs bew\u00e4ltigt werden k\u00f6nnen, beispielsweise das Verstehen komplexer Formate, von Hierarchien und von Beziehungen zwischen Gesch\u00e4ftsdaten. Wissensgraphen geben Daten eine Bedeutung und erkl\u00e4ren die Beziehungen zwischen Entit\u00e4ten. Dies verbessert die F\u00e4higkeiten von LLMs erheblich. Der n\u00e4chste Schritt auf diesem Weg sind gro\u00dfe Graphenmodelle, die neue Fortschritte im Bereich generativer KI erm\u00f6glichen werden.<\/p>\n\n\n\n
Implizites Wissen ist Macht \u2013 und Wissen f\u00fcr andere explizit zu machen, ist eine noch viel gr\u00f6\u00dfere Macht.<\/p>\n\n\n\n
W\u00e4hrend das Jahr 2024 ganz im Zeichen der Einf\u00fchrung von KI-Anwendungsf\u00e4llen und ihrem Nutzen f\u00fcr Unternehmen und auch Einzelpersonen stand, wird 2025 das Jahr der beispiellosen Einf\u00fchrung von unternehmensspezifischer KI sein. Mehr Menschen werden verstehen, wann und wie sie KI einsetzen k\u00f6nnen, und die Technologie wird so weit ausreifen, dass damit kritische Gesch\u00e4ftsprobleme wie komplexe multinationale Angelegenheiten bew\u00e4ltigt werden k\u00f6nnen. Viele Unternehmen werden auch praktische Erfahrungen sammeln, wenn sie zum ersten Mal mit KI-spezifischen rechtlichen und datenschutzrechtlichen Bestimmungen konfrontiert sind (im Vergleich zu der Zeit von vor 10 Jahren, als Unternehmen mit der Umstellung auf die Cloud begonnen haben) und damit die Grundlage daf\u00fcr schaffen, dass sie die Technologie auf ihre Gesch\u00e4ftsprozesse anwenden k\u00f6nnen.<\/p>\n\n\n\n
In technologischer Hinsicht wurden 2024 bedeutende Fortschritte im Bereich KI erzielt. 2025 werden sich die Unternehmen hingegen darauf konzentrieren, diese Fortschritte durch eine nahtlose Datenintegration sinnvoller zu nutzen, um letztlich die Genauigkeit und die Aussagekraft KI-gest\u00fctzter Ergebnisse zu verbessern und die Akzeptanz zu erh\u00f6hen. Nicht zuletzt ist es denkbar, dass wir 2025 eine Verschiebung des Fokus im Gesch\u00e4ftsmodell mit Software beobachten: von der Erstellung statischer Softwarefunktionen hin zu einem Outcome-as-a-Service-Modell, das auf das Erreichen von Prozesszielen ausgerichtet ist.<\/p>\n\n\n\n
Die n\u00e4chste Barriere f\u00fcr KI ist es, Menschen, Daten und Prozesse nahtlos zusammenzuf\u00fchren, um Gesch\u00e4ftsergebnisse zu verbessern. 2025 werden wir eine zunehmende Verbreitung von KI auf allen personellen Ebenen erleben, da die Menschen die Vorteile entdecken werden, die sich aus menschlicher Leistung plus KI ergeben k\u00f6nnen.<\/p>\n\n\n\n
Das bedeutet, dass sich das klassische Benutzererlebnis von systemgesteuerten Interaktionen hin zu absichtsbasierter, durch menschlichen Dialog gesteuerter Kommunikation ver\u00e4ndern wird, bei der KI im Hintergrund aktiv ist. Die neue Benutzeroberfl\u00e4che f\u00fcr die Interaktion mit einem System wird aus KI-Assistenten bestehen. Dadurch wird Software f\u00fcr Menschen einfacher zug\u00e4nglich sein. KI wird nicht auf eine bestimmte Anwendung beschr\u00e4nkt sein, sie k\u00f6nnte diese stattdessen eines Tages sogar abl\u00f6sen. Durch KI werden die Grenzen zwischen Frontend, Backend, Browser und Anwendungen verschwimmen. Das ist in etwa so, als w\u00fcrde man seine KI mit \u201eArmen, Beinen und Augen\u201c ausstatten. Power-User werden zwar immer noch mit einzelnen, sehr speziellen Schnittstellen arbeiten, die meisten Anwender werden jedoch Flexibilit\u00e4t \u00fcber mehrere Zugriffsmuster hinweg fordern. Gleichzeitig wird die Bereitschaft steigen, l\u00e4ngere Inferenzzeiten in Kauf zu nehmen, um qualitativ hochwertige Antworten auf komplexe, bisher unl\u00f6sbare Probleme und Aktionen in Bereichen zu erhalten, f\u00fcr die tiefgreifende Analysen und Nachforschungen erforderlich sind. Die Anwender werden letztlich den Kompromiss zwischen der Latenzzeit und der Komplexit\u00e4t von Aufgaben erkennen, die durch KI bearbeitet wurden.<\/p>\n\n\n\n
Wichtig ist, dass Unternehmen KI nicht mehr nur als eine Sammlung von Produktivit\u00e4tswerkzeugen betrachten, sondern ihre Belegschaft neu ausrichten: als ein Netzwerk aus auf Zusammenarbeit basierender Intelligenz, in dem KI-Agenten und Menschen gemeinsam daran arbeiten, Innovationen im Unternehmen zu beschleunigen. Die Kombination von menschlicher Kompetenz im strategischen Denken mit den St\u00e4rken k\u00fcnstlicher Intelligenz in umfassenden Analysen und im Erkennen von Mustern wird Unternehmen neue Wettbewerbsvorteile verschaffen \u2013 wenn es ihnen gelingt, solche Netzwerke hybrider Intelligenz effektiv zu koordinieren und dadurch wegweisende Entdeckungen und Marktchancen zu f\u00f6rdern. Das n\u00e4chste Jahr wird au\u00dferdem das Anfangsstadium eines weiteren bedeutenden Wandels kennzeichnen, und zwar in der Art und Weise, wie Menschen und KI zusammenarbeiten: KI-Agenten werden sich zu Workflow-Partnern weiterentwickeln, die erste Schritte in Richtung einer eigenst\u00e4ndigen Navigation in Softwareumgebungen und der Automatisierung von Routineaufgaben unternehmen \u2013 von Datenanalysen und der Erstellung von Berichten bis hin zu Terminkoordination und Softwaretests. Dies wird auch der Beginn einer l\u00e4ngeren Umstellung hin zu ver\u00e4nderten Arbeitsprozessen und -mustern sein, wobei zukunftsorientierte Unternehmen neue Rollen, Messgr\u00f6\u00dfen und Schulungsans\u00e4tze f\u00fcr eine effektive Zusammenarbeit zwischen Mensch und KI entwickeln.<\/p>\n\n\n\n
Man k\u00f6nnte sagen, dass Regierungen weltweit gerade zu k\u00e4mpfen haben, mit den rasanten Fortschritten in der KI-Technologie Schritt zu halten und sinnvolle rechtliche Rahmenbedingungen zu schaffen, die angemessene Leitlinien f\u00fcr KI darstellen, ohne dabei Innovationen einzuschr\u00e4nken. Die Regulierungslandschaft wird sogar noch heterogener werden; das OECD AI Policy Observatory<\/a> verfolgt aktuell Hunderte von Vorschriften in Zusammenhang mit KI, die weltweit er\u00f6rtert werden. Dies erfordert eine Bewertung der Einhaltung von verschiedenen rechtlichen Rahmenbedingungen f\u00fcr Modelle und die technische Auslegung dieser Rahmenbedingungen.<\/p>\n\n\n\n 2025 wird sich die Diskussion verlagern, von dem, was wir aus technischer Sicht zu regulieren versuchen, hin zu der Art und Weise, wie wir Innovationen schaffen und was wir als grunds\u00e4tzlich menschlich erachten. Diese Diskussion wird die Rolle des Menschen aufwerten, zu einer wesentlich positiveren Perspektive und auch dazu beitragen, dass wir eine langfristige Vision daf\u00fcr entwickeln, wie wir uns das Zusammenleben und -arbeiten von Mensch und KI vorstellen. <\/p>\n\n\n\n In diesem Umfeld wird es f\u00fcr Unternehmen, die KI-Technologie entwickeln und einsetzen, weiterhin entscheidend sein, verantwortungsbewusste Prinzipien in Bezug auf Sicherheit und ethische Nutzung einzuhalten. Dies wird auch dazu beitragen, den Rahmen f\u00fcr wichtige Pr\u00e4zedenzf\u00e4lle und Compliance vorzugeben.<\/p>\n\n\n\n Dies sind jedoch nur einige Beispiele f\u00fcr die vielen spannenden Fortschritte, die KI unserer Ansicht nach im Jahr 2025 machen wird. Insgesamt wird die wichtigste Erkenntnis des kommenden Jahres darin bestehen, die Verwertbarkeit der vorhandenen bahnbrechenden Technologie zu steigern. Wir werden erleben, wie KI viel tiefer und fast unsichtbar in Verbraucher- und Unternehmensanwendungen eingebettet wird und wie Anbieter und Unternehmen, die diese Anwendungen nutzen, ihre individuellen Rahmen und Daten nahtlos in KI einbinden.<\/p>\n\n\n\n In Bezug auf die allgemeine Nutzung von KI, m\u00fcssen Unternehmen jedoch eine moderne Cloud-Suite mit einheitlichem Datenzugriff und harmonisierten Datenmodellen einsetzen. Nur so k\u00f6nnen sie Datensilos \u00fcberwinden und umfassend von KI-Innovationen profitieren, die sich \u00fcber das gesamte Unternehmen erstrecken. Dies wird die Genauigkeit und Aussagekraft von KI-gest\u00fctzten Ergebnissen erheblich verbessern und letztlich die Akzeptanz, insbesondere in Unternehmen, steigern.<\/p>\n\n\n\n Sean Kask ist Vice President und Head of AI Strategy for 51风流Business AI bei der SAP.<\/p>\n\n\n\n Walter Sun ist Senior Vice President und Global Head of AI for 51风流Business AI bei der SAP.<\/p>\n\n\n\n Jonathan von Rueden ist Head of AI Frontrunner Innovation for 51风流Business AI bei der SAP.<\/p>\n\n\n\nUmsetzung der Themen im Jahr 2025<\/strong><\/h2>\n\n\n\n
\n\n\n\n