Datenanalyse 2.0: Wie LLMs und generative KI unseren Zugang zu Informationen neu definieren

Seitdem Large Language Models, kurz LLMs, und generative KI-Tools in Unternehmen eingesetzt werden, ordnen sie die riesigen Mengen an Online- und Offline-Daten auf neue Weise. Die Technologie verwandelt riesige Datenmengen in eine prägnante Zusammenfassung der wesentlichen Ergebnisse – so werden Einsichten zugänglich, die bei manueller Suche oft übersehen werden.

In unserem Blogbeitrag zeigen wir, wie ein verantwortungsvoller KI-Einsatz Unternehmen dabei unterstützen kann, das volle Potenzial dieser Technologie auszuschöpfen.

KI läutet eine neue Ära für Zusammenfassungen und die Gewinnung von Erkenntnissen ein

Ein McKinsey-Bericht bezeichnete 2023 als das Jahr, in dem generative KI ihren Durchbruch erzielte.¹ Eine Umfrage von McKinsey ein Jahr später zeigt, dass sich der Anteil der Unternehmen, die KI-Technologien einsetzen, nahezu verdoppelt hat.² Viele Branchen haben diesen Trend aufgegriffen – so setzt laut dem IBM-Bericht „2024 Global Outlook for Banking and Financial Markets“ bereits 78 % der Banken generative KI in mindestens einem Anwendungsfall ein.³

Ein wesentlicher Grund für die schnelle Verbreitung von generativer KI und LLMs ist ihr transformatives Potenzial, Unternehmen neue Möglichkeiten zu eröffnen, um riesige Datenmengen effektiv zu nutzen.

• Generative KI-Tools werden mithilfe umfangreicher Daten trainiert, sodass sie anhand von Benutzereingaben sofort neue Inhalte in Form von Texten, Bildern oder Videos erstellen können.
• LLMs setzen auf Sprachtechnologien wie Neurolinguistisches Programmieren (NLP), um Daten zu erfassen, neue Texte zu generieren, bestehende Inhalte zu analysieren und zu kategorisieren, Muster zu erkennen sowie prägnante und relevante Zusammenfassungen zu liefern.

Diese Tools haben für Organisationen zwei wichtige Vorteile:

• Erkenntnisse aus umfassenden Daten gewinnen: KI-Tools ermöglichen es, aus enormen Datenmengen neue Einsichten zu ziehen – etwas, das manuell extrem aufwändig oder sogar unmöglich wäre. LLMs sind in der Lage, Trends und Muster zu erkennen sowie die generelle Stimmung und den Ton verschiedener Quellen zu analysieren. Die gewonnenen Erkenntnisse liefern Hinweise auf Risiken, die näher untersucht werden sollten, und öffnen Perspektiven für mögliche neue Produkte oder Marktentwicklungen. Durch kontinuierliches Lernen aus frischen Daten und wiederholten Nutzerinteraktionen werden LLMs und generative KI im Laufe der Zeit immer leistungsfähiger.
• Zusammenfassung großer Datenmengen: Selbst wenn KI-Tools Daten interpretieren können, erfordert die Verarbeitung der relevanten Teilergebnisse oft viel Zeit seitens der Analysten. Hier kommen LLMs und generative KI-Tools ins Spiel, die in der Lage sind, die wichtigsten Abschnitte herauszufiltern, deren Bedeutung zu analysieren und eine prägnante Zusammenfassung zu erstellen. Dies erleichtert und beschleunigt die Identifikation von Chancen und Risiken erheblich und unterstützt eine unternehmensweite Kommunikation der Ergebnisse.

Weil KI Erkenntnisse nicht nur präziser, sondern auch effizienter generiert und zusammenfasst, investieren immer mehr Unternehmen in diese Technologie:

• Die kanadische Bank of Nova Scotia nutzt LLMs, um die Kommunikation zwischen ihren Kunden und dem Chatbot zusammenzufassen. Sobald eine Anfrage an Mitarbeiter weitergeleitet wird, reduziert sich der Zeitaufwand zum Lesen der gesamten Unterhaltung um bis zu 70 %.⁴
• Barclays erforscht den Einsatz generativer KI, um Betrug und Geldwäsche besser zu erkennen, indem Muster in den Daten identifiziert werden, die auf illegale Aktivitäten hinweisen.⁵
• Morgan Stanley setzt Sprachtechnologie ein, um Dienstleistungen für Unternehmen zu verbessern, beispielsweise durch die Bereitstellung von Kontoinformationen und personalisierte Finanzberatung.⁶

MEHR DAZU: Effizienzsteigerung durch KI: Weniger Arbeitsaufwand für Compliance-Beauftragte?

Verantwortungsvolle KI-Integration: Präzisere Analysen und vertrauenswürdigere Ergebnisse

Generative KI-Tools und LLMs können Schwierigkeiten verursachen, die die von Unternehmen erstellten Zusammenfassungen und Analysen beeinträchtigen. Viele dieser Probleme lassen sich auf das „Black-Box-Prinzip“ zurückführen, bei dem nicht immer nachvollziehbar ist, wie das Modell zu einer bestimmten Antwort oder Erkenntnis gelangt. Dies bringt verschiedene Risiken mit sich:

• Algorithmische Verzerrungen:
  Bleibt die Grundlage der KI-Erkenntnisse unklar, fällt es auch schwer nachzuvollziehen, ob die Vorlieben der Entwickler oder Verzerrungen in den Trainingsdaten Einfluss nehmen.
• Halluzinationen:
  Ein Risiko generativer KI und LLMs besteht darin, dass die Antwort auf das Prompt eines Benutzers manchmal fehlerhaft ist und nicht auf korrekten Daten beruht. Die New York Times berichtete, dass bis zu 27 % der Antworten von einigen der bekanntesten generativen KI-Tools Halluzinationen sein können.⁷
• Datenrisiken:
  Die für KI verwendeten Daten entsprechen nicht immer den gesetzlichen Sicherheits- und Datenschutzstandards und verletzen teilweise das geistige Eigentum der Urheber. Erkenntnisse, die auf solchen Daten beruhen, können Unternehmen somit rechtlichen Risiken aussetzen.

Für Unternehmen aller Branchen ist es entscheidend, diese Risiken zu managen, um das volle Potenzial der KI nutzen zu können. Ein effektiver Weg dazu ist die Einführung eines Konzepts für einen verantwortungsvollen Einsatz von KI. Das bedeutet, dass sowohl die Technologie als auch die zugrundeliegenden Daten gesetzeskonform und ethisch entwickelt und verwendet werden müssen. So entsteht ein Rahmen, der nicht nur das Innovations- und Gewinnpotenzial der KI bewertet, sondern auch darauf achtet, dass die wesentlichen Unternehmenswerte und die Ethik gestärkt werden.

Verantwortungsvoller Einsatz von KI beruht auf klar definierten Prinzipien, die Unternehmen in die Praxis umsetzen sollten. Ein bewährter Ansatz ist die Einrichtung eines Ausschusses, der alle potenziellen KI-Projekte anhand eines entsprechenden Rahmenwerks prüft.

Darüber hinaus sollten Richtlinien erarbeitet werden, die den Umgang der Mitarbeitenden mit LLMs und generativen KI-Tools regeln. Ein Beispiel hierfür ist der Einsatz von Retrieval-Augmented Generation (RAG), um das Risiko von KI-Halluzinationen zu reduzieren. RAG gewährleistet, dass Antworten stets aus verlässlichen Originaldatenquellen abgerufen werden. Jede Antwort wird dann mit den verwendeten Quellen versehen, sodass Unternehmen die Informationen überprüfen und sicherstellen können, dass es sich nicht um fehlerhafte Inhalte handelt.

Nutzen Sie KI verantwortungsvoll mit den Technologien und Daten von LexisNexis

LexisNexis bietet eine leistungsstarke Kombination aus zuverlässigen, lizenzierten Inhalten und hochentwickelter Technologie für die effektive Umsetzung eines verantwortungsbewussten KI-Einsatzes. Die Vorteile sind unter anderem:

• Glaubwürdige, für KI zugeschnittene Daten: LexisNexis ist ein seit über 50 Jahren etablierter Datenanbieter und verfügt über umfassende, langjährige – und in einigen Fällen exklusive – Content-Lizenzvereinbarungen mit Herausgebern auf der ganzen Welt. Wir stellen Daten bereit, die Ihre Organisation wirklich voranbringen – selbstverständlich unter Berücksichtigung der geistigen Eigentumsrechte unserer lizenzierten Partner.
• Ein vertrauenswürdiger Anbieter, der sich dem verantwortungsvollen Umgang mit KI verschrieben hat: Wir berücksichtigen die realen Folgen unserer Technologie- und Datenlösungen für Menschen, indem wir die Förderung der Rechtsstaatlichkeit in den Mittelpunkt unserer Geschäftsstrategie stellen und uns an die „Grundsätze für verantwortungsvolle Künstliche Intelligenz“ von RELX halten.