EY Thesenpapier zu Künstlicher Intelligenz (KI): KI-generierte Inhalte im Wandel – zwischen Fortschritt und Ermüdung

Auf Englisch lesen, auf Französisch lesen

KI-generierte Inhalte verändern, wie wir Inhalte erstellen und konsumieren. Doch wie beeinflussen sie Kreativität, Qualität und Authentizität?

EY KI-Thesenpapier 2025 herunterladen

Überblick:

• KI-generierte Inhalte prägen  die digitale Kommunikation, doch Authentizität und kreative Originalität stehen zunehmend unter Druck.
• Die Implementierung von KI verbessert die Produktivität, doch oft fehlt es KI-Inhalten an Tiefe, Nuancen und echten menschlichen Perspektiven.
• Die Zukunft der KI-Implementierung liegt in der Zusammenarbeit von Mensch und KI, um Qualität, Relevanz und innovative Ansätze zu gewährleisten.

Mit der Einführung von ChatGPT und der wachsenden Verfügbarkeit KI-gestützter Tools wurde eine Euphorie entfacht, die viele als Beginn eines völlig neuen Zeitalters empfanden. KI-generierte Inhalte haben sich in vielen Bereichen als nützlich erwiesen, sei es in der Automatisierung von Unternehmenskommunikation, der Erstellung von Social-Media-Posts oder der Produktion von Texten, Bildern und Videos mit minimalem menschlichen Input. Doch während die Erwartungen – und Befürchtungen – hoch waren, hat sich eine dystopische Vision, in der Algorithmen und Roboter sämtliche kreativen Prozesse übernehmen, (noch) nicht bewahrheitet.

Stattdessen beobachten Experten eine wachsende KI-Müdigkeit. Die anfängliche Faszination weicht zunehmend einer kritischen Auseinandersetzung mit den Herausforderungen von KI-generierten Inhalten. Besonders im Bereich der digitalen Kommunikation häufen sich Stimmen, die beklagen, dass KI-Inhalte oft vorhersehbar und standardisiert sind. Doch bedeutet das, dass wir bereits den Zenit der Begeisterung überschritten haben? Oder stehen wir erst am Anfang einer neuen Phase, in der die Zusammenarbeit zwischen Menschen und KI neu definiert werden muss?

Unternehmensdaten bleiben eine Herausforderung für die Künstliche Allgemeine Intelligenz (AGI)

Während die Forschung weiter an der Entwicklung einer Künstlichen allgemeinen Intelligenz (AGI) arbeitet, die jede intellektuelle Aufgabe mindestens gleich gut wie wir Menschen übernehmen könnte, zeigt sich, dass KI trotz aller Fortschritte weiterhin grosse Hindernisse bei der Integration in Unternehmen hat.

Viele Organisationen hoffen, dass sie durch den Einsatz von KI ihre internen Prozesse optimieren können. Doch Unternehmenswissen besteht nicht nur aus dokumentierten Informationen, sondern auch aus jahrzehntelangem Know-how, das oft nur in den Köpfen erfahrener Mitarbeiter existiert. Auch die intelligenteste KI stösst hier schnell an ihre Grenzen: Selbst die leistungsfähigsten KI-Techniken können nicht automatisch widersprüchliche Daten und chaotische Prozesse verstehen oder implizites Wissen einordnen.

Eine weitere grosse Herausforderung für die KI-Implementierung in Unternehmen sind Datenschutz und regulatorische Vorgaben. KI-Modelle benötigen grosse Mengen an Trainingsdaten, doch sensible Informationen wie personenbezogene Daten oder Geschäftsgeheimnisse dürfen nicht einfach in neuronale Netze eingespeist werden. Einmal gelernte Inhalte können nicht ohne Weiteres «vergessen» werden, was zu potenziellen Konflikten mit Datenschutzbestimmungen wie der DSGVO oder dem EU AI Act führt.

Selbst wenn KI in der Lage ist, Unternehmensdaten zu analysieren, bleibt die Frage, wie Unternehmen kontrollieren, welche Informationen für welche Nutzer zugänglich sind. Frühe Implementierungen wie Microsoft Copilot haben gezeigt, dass unzureichend geschützte Daten zu ungewollten Offenlegungen führen können. So kam es vor, dass sensible Informationen, etwa Gehaltsdaten von Mitarbeitern, durch den Zugriff der KI auf ungeschützte Excel-Tabellen versehentlich weitergegeben wurden.

Die Lösung liegt in einer sorgfältigen und modularisierten Planung der KI-Implementierung. Unternehmen müssen klare Strukturen schaffen, um sicherzustellen, dass ihre Datenbasis konsistent und geschützt ist. Statt einer plötzlichen Revolution ist eher mit einer schrittweisen Entwicklung bei der Integration von Künstlicher Intelligenz in betriebliche Abläufe zu rechnen. Der Erfolg dieses Übergangs wird nicht daran gemessen werden, wie schnell Unternehmen KI-Systeme einsetzen können, sondern daran, wie effektiv sie sie in ihre bestehenden Abläufe integrieren und dabei Zuverlässigkeit und Vertrauen bewahren können.

Effiziente neue KI-Modelle werden den Energieaufwand reduzieren

Ein weiteres grosses Thema im Bereich der KI-Produktivität ist der immense Energieaufwand, den moderne Sprachmodelle benötigen. Grosse KI-Modelle, wie sie von Tech-Giganten entwickelt werden, erfordern enorme Rechenkapazitäten und verursachen einen entsprechend hohen Stromverbrauch. Dies hat dazu geführt, dass immer mehr Forscher und Unternehmen nach effizienten KI-Modellen suchen, die mit weniger Ressourcen auskommen.

Neue KI-Modelle wie das in China entwickelte Deepseek zeigen, dass leistungsfähige Sprachmodelle auch mit einem Bruchteil der bisherigen Ressourcen trainiert werden können, aber dennoch in vielen Aufgaben mit ChatGPT oder Claude konkurrieren können. Dies wirft die Frage auf, ob die Notwendigkeit riesiger, energieintensiver KI-Systeme in Zukunft überholt sein könnte.

Tatsächlich scheint es so, dass KI-Sprachmodelle, welche auf dem heutigen digital verfügbaren Wissen aufbauen, tatsächlich kostengünstiger und effizienter erstellt werden können als ursprünglich angenommen. Aktuell werden jedoch neue KI-Modelle trainiert, welche nicht nur bestehendes Wissen erlernen, sondern auch neue Erkenntnisse erarbeiten und ungelöste Probleme, wie z.B. in der Mathematik und Physik, lösen sollen. Ähnlich wie ein Wissenschaftler Jahre mit der Entwicklung einer neuen Theorie verbringt, brauchen solche KI-Modelle grosse Mengen an Ressourcen und Energie.

Eine vielversprechende Lösung könnte darin bestehen, dass hochentwickelte KI-Modelle genutzt werden, um kleinere, energieeffizientere KI-Modelle zu trainieren. Diese kompakteren Modelle könnten dann gezielt für bestimmte Anwendungen eingesetzt werden, ohne dass sie den massiven Energieverbrauch der derzeit führenden Sprachmodelle aufweisen. Gerade der Erfolg solcher kostengünstigen KI-Modellen zeigt, dass es z.B. auch für die Schweiz noch nicht zu spät ist, sich im Wettlauf um intelligente KI-Modelle erfolgreich zu positionieren und dass die Eintrittsbarriere für neue Entwicklungen tiefer ist als ursprünglich angenommen.

Während es nicht immer einfach ist, mit den rasanten Weiterentwicklungen im KI-Bereich Schritt zu halten, macht es zumindest heute Sinn, KI als Werkzeug zu verstehen, welches uns Menschen bei unserer Kreativität und Entscheidungsfindung unterstützt, ohne dass wir unsere Authentizität und Verantwortung an sie abzugeben versuchen.