Generative KI verstehen – Einblick in unseren Workshop für KMU

Mit genau diesen Fragen beschäftigte sich unser Workshop zum Thema generative KI. Ziel war es, den Teilnehmenden einen verständlichen Einstieg in das Thema zu ermöglichen, zentrale Begriffe einzuordnen und gleichzeitig realistische Perspektiven für den Einsatz in Unternehmen aufzuzeigen. 

Was bedeutet eigentlich „KI“ – und was ist generative KI? 

Bereits zu Beginn zeigte sich: Bevor über konkrete Anwendungen gesprochen werden kann, ist es wichtig, ein gemeinsames Verständnis der Begriffe zu schaffen. 

Der Begriff Künstliche Intelligenz (KI) wird häufig sehr unterschiedlich verwendet. Im Workshop haben wir daher zunächst eingeordnet, welche Technologien unter KI fallen und wo sich generative KI einordnet. 

Generative KI beschreibt Systeme, die neue Inhalte erzeugen können – beispielsweise Texte, Bilder, Code oder Zusammenfassungen. Grundlage dafür sind meist sogenannte Large Language Models (LLMs), also große Sprachmodelle, die aus sehr großen Datenmengen gelernt haben. 

Für viele Teilnehmende war dieser Überblick wichtig, um ein Gefühl dafür zu bekommen, was heutige KI tatsächlich kann und was nicht. 

Open Source LLMs: Ein wichtiger Baustein für digitale Souveränität 

Ein zentraler Teil des Workshops beschäftigte sich mit Open Source Large Language Models. Für viele Unternehmen ist dies ein besonders spannendes Thema, da sich hier Fragen nach Kontrolle, Kosten und Abhängigkeiten von großen Technologieanbietern stellen. 

Gemeinsam haben wir daher diskutiert, welche Rolle Open Source Modelle für Unternehmen spielen können und welche Unterschiede es zu proprietären Lösungen gibt. 

Dabei haben wir verschiedene Aspekte betrachtet: 

• Kontrolle und Transparenz: Open Source Modelle ermöglichen einen besseren Einblick in Funktionsweise und Trainingsprozesse. 

• Souveränität: Unternehmen behalten mehr Kontrolle über ihre Daten und können Systeme auch lokal oder in eigenen Infrastrukturen betreiben. 

• Kosteneffizienz und Prozessorientierung: Durch offene Modelle lassen sich Lösungen stärker an bestehende Unternehmensprozesse anpassen. 

• Anpassbarkeit und Erweiterbarkeit (Fine-Tuning): Modelle können mit eigenen Daten trainiert oder spezialisiert werden. 

• Fähigkeiten / Intelligenz / „Smartness“: Auch Open Source Modelle entwickeln sich schnell weiter und erreichen zunehmend hohe Leistungsniveaus. 

• Performanz: Je nach Anwendung können Unterschiede zwischen offenen und proprietären Modellen relevant sein. 

• Nachhaltigkeit: Durch eigene Infrastruktur oder kleinere spezialisierte Modelle können Ressourcen effizienter genutzt werden. 

In der Diskussion wurde deutlich: Open Source kann ein wichtiger Baustein für digitale Souveränität sein, insbesondere für Unternehmen, die langfristig unabhängige Lösungen aufbauen möchten. 

Zwischen Potenzial und Realität: Die Umsetzungsfrage 

Während die Möglichkeiten generativer KI viele Teilnehmende begeistert haben, zeigte sich im Workshop auch eine typische Herausforderung: 

Wie gelingt der konkrete Einstieg im eigenen Unternehmen? 

Gerade für kleine und mittlere Unternehmen stellen sich Fragen wie: 

• Wo beginnen wir überhaupt? 

• Welche Anwendungen sind für uns sinnvoll? 

• Welche Kompetenzen benötigen wir intern? 

• Wie lassen sich erste Projekte realistisch umsetzen? 

Hier wurde deutlich, dass der Weg zur KI-Nutzung häufig schrittweise erfolgt – über kleine Experimente, Pilotprojekte und das Sammeln erster Erfahrungen. 

Chancen – aber auch Grenzen generativer KI 

Zum Abschluss des Workshops haben wir gemeinsam über konkrete Einsatzmöglichkeiten gesprochen. Einige Teilnehmende berichteten bereits von eigenen Erfahrungen mit generativer KI, beispielsweise bei der Texterstellung oder Informationsrecherche. 

Gleichzeitig war es uns wichtig, auch über die Grenzen aktueller Systeme zu sprechen. 

Besonders im Fokus standen dabei zwei bekannte Herausforderungen: 

• Halluzinationen. LLMs können überzeugend klingende, aber faktisch falsche Informationen erzeugen. 
• Bias-Probleme. Modelle übernehmen teilweise Verzerrungen aus ihren Trainingsdaten. 

Diese Aspekte machen deutlich, dass generative KI kein Ersatz für menschliche Expertise ist, sondern als Werkzeug verstanden werden sollte, das verantwortungsvoll eingesetzt werden muss. 

Fazit 

Der Workshop hat gezeigt, dass das Interesse an generativer KI bei KMU sehr groß ist. Gleichzeitig besteht ein klarer Bedarf an Orientierung, praxisnaher Einordnung und realistischen Umsetzungsperspektiven. 

Besonders die Diskussion rund um Open Source Modelle und digitale Souveränität stieß bei den Teilnehmenden auf großes Interesse. 

Für viele Unternehmen liegt der nächste Schritt nun darin, erste konkrete Anwendungsfälle zu identifizieren und experimentell zu erproben. Dies wird im dritten Teil der Workshopreihe behandelt.