KI, Agents, GenAI
Was das alles ist. Was für Sie zählt. Und konkrete Anwendungsfälle.
-
KI ist bereits in den 50er Jahren entstanden. Zur der Zeit bestand KI aus einfachen Wenn-Dann Regeln. Ein Schachcomputer ist das beste Beispiel. Dieser hat Millionen-Spielzüge gelernt, weshalb er intelligent wirkt. Allerdings folgt die Intelligenz festen Regeln. KI ist heutzutage oft ein Oberbegriff für Themen wie Deep Learning, GenAI und Agenten - was wiederum alles Teilgebiete der KI sind.
-
Machine Learning erkennt von selbst Regeln. Wenn A dann folgt B. Sie kann Daten und Bilder selbst klassifizieren oder clustern.
Deep Learning ist eine Form des Machine Learnings. Es wendet sog. “Neuronale Netze” an, welche der Struktur des Gehirns nachempfunden sind. Dadurch kann DL deutlich komplexere Probleme lösen.
Die Gesichtserkennung in unseren Handys nutzt Deep Learning.
-
Generative KI, wie z. B. ChatGPT, ist ein Teilgebiet des Deep Learnings. Sie basiert auf LLMs (Large Language Models). Vereinfacht ausgedrückt analysieren sie den Input und prognostizieren, welches Wort am wahrscheinlichsten als Nächstes folgt. Ihre statistische Natur macht sie ungenau.
-
Agentic AI Systems treffen teilautonome Entscheidungen mithilfe von GenAI. Agentische Systeme sind bereits in den 90er Jahren entstanden. Durch GenAI erhalten diese ein anderes Ausmaß an Teilautonomie. Deshalb die heutige Automatisierungswelle.
-
Klassische Automatisierung (z. B. mit Make oder n8n) folgt strikten "Wenn-Dann-Regeln", um repetitive Routineaufgaben ohne menschliches Zutun zu erledigen. Sie ist das digitale Fließband Ihres Unternehmens.
Was das ist
Was für Sie zählt
Für Sie ist wichtig KI-Kompetenz aufzubauen und so zeitnah wie möglich KI zu integrieren, sowie die Entwicklung hin zu einer KI-getriebenen Organisation einzuschlagen. Gezielt, mit Fahrplan.
Warum? Sie werden nicht wettbewerbsfähig bleiben ohne. Und wenn Sie schneller als Ihre Mitbewerber die relevanten Hebel identifizieren und KI richtig einsetzen, kann sogar ein Wettbewerbsvorteil entstehen. Im Jahr 2025 scheiterten noch viele an der Art der Integration und ROI. Das wird sich dieses Jahr ändern, aufbauend auf initialen Learnings.
KI ist da um zu bleiben und eine Chance für Unternehmen, Innovation aber auch für Mitarbeiter sich auf “spannendere”/ nicht repetitive Aufgaben zu fokussieren.
Potenzial für den Einsatz Agentic AI oder Automatisierung haben i.d.R. repetitive Prozesse.
KI-Agenten kommen zum Einsatz bei Aufgaben die Entscheidungsautonomie bedürfen, Automatisierungen sind deutlich deterministischer.
Die Identifizierung der richtigen Anwendungsfälle ist eine Mischung aus ROI-Analyse, Risiko, technischer Machbarkeit und unternehmerischer Gesamtkontext.
Die meisten KI-Projekte scheitern daran auch nach der Pilot-Phase getragen zu werden. Dies hat meist zwei konkrete Ursachen.
Ich helfe Ihnen die richtigen Use-Cases zu finden und Sie nachhaltig zu integrieren.
Prototyp: Social Media Asset Generation - AI Agent
Dieser AI Agent ist ein Prototyp (Machbarkeits-Check) eines automatisierten Asset Generation Prozesses.
Ziel ist es anhand von Kampagneninfo, Zielgruppe, Zielregion, 2 Produkte gleichzeitig zu briefen, automatisiert Social Media Assets in 3 verschiedenen Größen inkl. generierten Kampagnentext zu erstellen und diese mit entsprechender Namens-Konvention in die AWS Cloud zu laden.
Ein ganz typischer Marketing Use Case. (*Hinweis: Die Text-Overlay Operation ist in dieser Demo visuell noch nicht optimiert)
