Künstliche Intelligenz in der Unternehmensplanung / 2 Künstliche Intelligenz in betrieblichen Anwendungssystemen

Künstliche Intelligenz entwickelt sich von der dezidierten Unterstützung spezifischer Aufgaben (insbesondere durch Machine Learning, auch bekannt als schwache Intelligenz) zur generalistischen Unterstützung (starke Intelligenz).

Sogenannte Large Language Modelle (LLM) können auf einem großen Datenbestand generisch trainiert werden und stehen dann für natürlichsprachliche Abfragen zur Verfügung. Das Ergebnis sind nicht nur automatisch generierte Texte, sondern auch Grafiken und Bilder. ChatGPT und andere Werkzeuge zeigen, dass sich hiermit beeindruckende Ergebnisse erzeugen lassen. Diese beinhalten Internet- und Intranet-Inhalte, aber auch über den sogenannten Eingabe-Prompt bereitgestellte Inhalte.

Künstliche Intelligenz in betrieblichen Anwendungssystemen ist nicht plötzlich entstanden. Es ist ein langer Entwicklungspfad, von einfachen betriebswirtschaftlichen bzw. statistischen Formeln zu einer hohen Interaktivität mit einer generalisierten Unterstützung. Klassische statistische Werkzeuge kamen bereits recht früh zum Einsatz und wurden schon in den neunziger Jahren des letzten Jahrhunderts in Planungssysteme integriert. Seit etwa 2015 sind Anwendungssysteme sukzessive um immer mehr Machine Learning-Komponenten angereichert worden. Dies sind im Wesentlichen eng aufgabenbezogene Unterstützungen. Mit dem Auftreten von ChatGTP werden nun generalisierende Komponenten integriert. Kennzeichnend hierfür sind Assistenten oder Copiloten.

Abb. 1: Entwicklung intelligenter Methoden in betrieblichen Informationssystemen^[1]

Einhergehend mit der Generalisierung hat sich auch die Präzision der Ergebnisse künstlicher Intelligenz verändert. Das lässt sich anhand der Suche in großen Datenbeständen verdeutlichen: Früher ging es bei Suchanfragen darum, möglichst genaue Eingrenzungen zu erhalt...