Ruomu Tan, Nicolai Schoch, Reuben Borrison, Martin W Hoffmann, ABB Corporate Research Ladenburg, Germany, ruomu.tan@de.abb.com, nicolai.schoch@de.abb.com, reuben.borrison@de.abb.com, martin.w.hoffmann@de.abb.com
Als generative KI werden Systeme künstlicher Intelligenz (KI) bezeichnet, die in der Lage sind, auf der Basis von Trainingsdaten und Nutzereingaben neue Inhalte – wie etwa Text, Bilder, Musik oder Computercode – zu erzeugen. Diese Systeme nutzen maschinelle Lernverfahren, insbesondere neuronale Netze, um Muster und Merkmale in großen Mengen vorhandener Inhalte (den Trainingsdaten) zu analysieren und stilistisch ähnliche Ausgaben zu generieren. Generative KI nutzt – ohne Bewusstsein, Emotionen oder subjektive Erfahrungen – ausschließlich probabilistische Algorithmen und Daten und generiert Inhalte nicht auf der Grundlage eigener Kreativität, sondern anhand von Mustern, die sie in den Trainingsdaten erkennt. Der Hauptunterschied zuanderen gängigen KI-Methoden liegt in der Erzeugung der Inhalte. Die traditionelle analytische KI ist zum Beispiel auf die Ableitung von Erkenntnissen, die Erstellung von Klassifikationen, das Treffen von Vorhersagen oder die Abgabe von Empfehlungen beschränkt→01.
Seit ihren Ursprüngen in der Mitte des 20. Jahrhunderts hat die generative KI mit dem Aufkommen tiefer neuronaler Netze in den 2010er Jahren und insbesondere mit der Einführung der bahnbrechenden Transformer-Architektur im Jahr 2017 einen großen Sprung gemacht. Diese neuronale Netzwerkarchitektur, die Informationen wie das menschliche Gehirn verarbeitet, ermöglicht es generativen KI-Systemen wie ChatGPT (Chat Generative Pre-trained Transformer), menschenähnliche Ausgaben zu erzeugen. Durch Vorabtraining mit umfangreichen Datensätzen ist das Modell in der Lage, Muster, Kontext und Nuancen zu verstehen. Diese„Ausbildung“ in Kombination mit der Transformer-Architektur ermöglicht eine KI, die ihr Potenzial durch fortschrittliches Training mit großen Datenmengen entfaltet. Die Chat-Schnittstelle verleiht der Technologie einen enormen Vorschub, da sie die Technologie einer allgemeinen Nutzerschaft zugänglich macht.
Generative KI bei ABB
Während die Medien vorwiegend über Chatbots und Bildgeneratoren berichten, spielt generative KI auch in den industriellen Anwendungen von ABB eine zunehmende Rolle, wenn es darum geht:
- die tägliche Arbeit von Mitarbeitenden zu beschleunigen,
- interne Geschäftsfunktionen zu automatisieren,
- die Leistungsfähigkeit von Produkten zu verbessern.
ABB hat bereits damit begonnen, generative KI zum Nutzen von Kunden und internen Anwendungen einzusetzen, zum Beispiel:
- für die intuitive Nutzerinteraktion mit der ABB Ability™ Genix Industrial Analytics and AI Suite,
- für ein effizientes Engineering von Leitsystemen und SPSs durch die Generierung von Steuercode.
Risiken, Einschränkungen, Herausforderungen
Bei allem transformativen Potenzial ist die generative KI auch mit einigen Risiken, Einschränkungen und Herausforderungen verbunden:
- Aufgrund ihres stochastischen Charakters kann generative KI „halluzinieren“, also gänzlich oder teilweise fehlerhafte Informationen generieren, ohne dies anzuzeigen.
- Generative KI kann vorhandenes urheberrechtlich geschütztes Material reproduzieren oder getreu nachbilden. Das gilt besonders, wenn das Modell vorab mit einem großen Datenbestand mit unvollständigen Copyright-Informationen trainiert wurde.
- Die hohen Anforderungen der generativen KI an die Rechenleistung können die Zugänglichkeit und das geschäftliche Potenzial für bestimmte Kunden und Anwendungsfälle einschränken.
- Sogenannte „Deepfakes“ – äußerst realistische KI-generierte Bilder oder Videos – öffnen Tür und Tor für Desinformationen oder Verletzungen von Persönlichkeitsrechten.
Zu den aktuellen Trends in der generativen KI gehören Multimodalität zur kombinierten Verarbeitung verschiedener Datenarten (z. B. Sprache, Bilder und Töne) sowie allgemeine GPT-Modelle, die auch von Nichtexperten einfach an verschiedene Anwendungen angepasst werden können.
Der zuverlässige Einsatz von generativer KI in industriellen Anwendungen erfordert robuste Governance-Strukturen, ethische Richtlinien und technologische Sicherheitsmechanismen. ABB lädt ihre Kunden, Partner und die allgemeine Öffentlichkeit dazu ein, an diesen Themen zusammenzuarbeiten, um das volle Potenzial generativer KI zu nutzen und die damit verbundenen Risiken zu minimieren.
