Drei KI-Prognosen für 2025

Während 2023 als Durchbruchjahr für KI gilt, konnte sie sich 2024 in nahezu allen Branchen etablieren. Dennoch gibt es eine deutliche Kluft zwischen dem Potenzial von KI und der tatsächlichen Umsetzung. Laut dem HFS- und Genpact-Studie zur generativen KI haben 95 % der Unternehmen noch nicht das erforderliche Reifegradniveau erreicht. Angesichts des steigenden Innovationsdrucks beschleunigen Unternehmen zunehmend ihre KI-Adoptions- und Skalierungsinitiativen.

Im Hinblick auf die Weiterentwicklung von KI in Unternehmen blicke ich auf die folgenden Trends für 2025.

Im Gegensatz zu generativer KI analysiert agentic AI nicht nur Daten oder gibt Empfehlungen – sie handelt aktiv, um Entscheidungen umzusetzen. Dadurch bieten agentic AI-Systeme End-to-End-Automatisierung, die über die Verarbeitung einzelner Aufgaben hinausgeht und kontinuierliche, integrierte Workflows schafft, die nahtlos über verschiedene Prozesse hinweg agieren.

Setzen Sie agentic AI für effiziente Workflows ein, wird sie zu einer Lösung, die rund um die Uhr arbeitet. Ein Beispiel ist der Day Trading, bei dem Transaktionen autonom ausgeführt werden, wenn die Marktbedingungen passen. Anders als traditionelle algorithmische Handelsstrategien, die vordefinierten Regeln folgen, passt sich agentic AI in Echtzeit an und verfeinert kontinuierlich ihre Strategien, während sich die Marktdynamik ändert.

Trotz der Einschränkungen von agentic AI setzen Unternehmen bereits AI-Agenten ein. Die größte Herausforderung? Die Entwicklung von AI-Agenten leidet unter einem Mangel an spezieller Infrastruktur. Doch mit der zunehmenden Festigung von Anwendungsfällen werden sowohl Entwickler als auch Anwender nach Plattformen suchen, die die Leistung, Zuverlässigkeit und Skalierbarkeit von agentic AI verbessern.

Erwarten Sie, dass agentic AI im Jahr 2025, insbesondere in AI-mature Unternehmen, an Bedeutung gewinnt.

Datenwissenschaftler trainierten frühe generative KI-Modelle hauptsächlich mit Text. Mit Multimodalität erweitern sie ihren Fokus nun auf Bilder, Videos und Ton.

Ein Beispiel aus der Versicherungsbranche: Ein multimodales KI-System kann PDFs, gescannte Bilder und E-Mails verarbeiten. Es kann große Sprachmodelle trainieren, um Dokumente zu klassifizieren, wichtige Felder wie Schadensnummern und Kundeninformationen zu extrahieren und den Kontext des Schadensfalls zusammenzufassen. Wenn der Fall Audio umfasst, kann das System auch die Daten transkribieren und analysieren, einschließlich der Durchführung von Sentiment-Analysen zur Einschätzung des emotionalen Tons und der Dringlichkeit des Kunden.

Das multimodale System übernimmt auch die komplexe Aufgabe, lange E-Mail-Ketten zu durchsuchen, wichtige Updates, Aktionen oder Entscheidungen zu extrahieren und den Status jedes Falls zu bestimmen. Mit Multi-Agenten-Funktionen kann das System dann eine Gesprächs-Timeline erstellen, fehlende Dokumente kennzeichnen und nächste Schritte vorschlagen oder ausführen, wie z. B. automatisch zusätzliche Informationen anzufordern oder den Fall zur menschlichen Überprüfung weiterzuleiten.

Unternehmen verfügen bereits über große Mengen an Video- und Bilddaten, und mit multimodaler KI können sie diese nun optimal nutzen.

Ich bin besonders gespannt auf die potenziellen Auswirkungen auf Unternehmen. Mit multimodaler KI könnten wir stärkere Lieferketten sehen, in denen Lagerarbeiter Produkte scannen und katalogisieren, um umfassendere Bestände zu erstellen. Gleichzeitig könnten Betrugserkennungs- und Kundenserviceteams durch die Integration von Sprach-, Bild- und Textdaten in bestehende Workflows bedeutende Chancen entdecken.

Die Vorschriften für künstliche Intelligenz (KI) bleiben weltweit fragmentiert, was eine komplexe und unvorhersehbare Umgebung für Entwickler schafft. Als Reaktion darauf entwickeln viele Unternehmen, die sich auf verantwortungsvolle KI konzentrieren, proprietäre Governance-Module, die auf verschiedene Regionen zugeschnitten sind. Dieser Ansatz hilft Organisationen, den sich entwickelnden Vorschriften einen Schritt voraus zu sein und sicherzustellen, dass ihre Systeme ethisch und konform bleiben.

Ich habe bereits über verantwortungsvolle KI gesprochen, aber es lohnt sich zu wiederholen, da die Einsätze weiter steigen. Schließlich treten wir in eine Ära der agentischen, multimodalen KI ein. Das nächste Jahr wird einen Wendepunkt markieren: Die Etablierung robuster Rahmenwerke für die KI-Governance wird den Weg für sicherere und verantwortungsvollere Systeme ebnen, während sich KI auf immer mehr Anwendungsfälle ausweitet.

Mit regulatorischen Anforderungen wie dem EU-KI-Gesetz, das Erklärbarkeit verlangt, ist verantwortungsvolle KI entscheidend geworden, um Compliance sicherzustellen und betriebliche Risiken zu mindern. Sie spielt auch eine wichtige Rolle bei der kontinuierlichen Verbesserung und Stärkung des Vertrauens der Stakeholder.

Um dies zu erreichen, müssen Organisationen starke Governance-Rahmenwerke aufbauen, klare Ziele definieren, die mit den Geschäftsobjektiven übereinstimmen; maßgeschneiderte Werkzeuge einsetzen; Leistung und Skalierbarkeit optimieren; sowie Erklärbarkeit in den gesamten Lebenszyklus der KI integrieren. Diese Integration ist entscheidend für langfristigen Erfolg.

Bis 2025 prognostiziere ich eine Zusammenarbeit zwischen Industrie und Regierungen zur Schaffung einheitlicher Rahmenwerke für die KI-Governance. Diese sollen ethische Standards mit Innovation in Einklang bringen. Diese Zusammenarbeit ist unerlässlich um regulatorische Fragmentierung zu vermeiden welche Fortschritte hemmen könnte und jahrelange Entwicklungen zunichtemachen würde.

Während Organisationen mit der Herausforderung kämpfen, AI zu skalieren, könnte 2025 verstärktes Augenmerk auf den Aufbau kuratierter, hochwertiger Datensätze liegen, die die Modellleistung verbessern und diese Herausforderungen adressieren. Diese Initiativen werden auf menschlicher Expertise basieren, um die Lieferung zuverlässiger und präziser Modelloutputs zu gewährleisten.

AI hat bereits 2024 beeindruckende Ergebnisse geliefert, indem Prozesse optimiert, Engpässe beseitigt und die Effizienz gesteigert wurden.

2025 könnten Unternehmensführer über isolierte Erfolge hinausgehen und ihre AI-Initiativen für einen breiteren Impact skalieren. Mit agentischer AI, die nahtlose Automatisierung vorantreibt, verantwortungsvoller AI, die ethische Praktiken sichert, und multimodaler AI, die neue Wege eröffnet, Daten zu nutzen, treten wir in die nächste Phase der Tech-Revolution ein.