Chat GPT hat einen KI-Boom ausgelöst, der zu einer Vielzahl neuer Anwendungen und Diskurse in Wirtschaft und Gesellschaft rund um Künstliche Intelligenz geführt hat. Für uns als Anbieter hochspezialisierter Cloud-Services für Unternehmen ist es entscheidend, Kunden konkrete Möglichkeiten aufzuzeigen und zur Verfügung zu stellen, wie sie solche technologischen Trends wie KI gewinnbringend für sich nutzen können. Doch wie schafft man es, in dieser schnelllebigen Branche ‚State of the Art‘, also immer auf der Höhe der Zeit und dabei ganz vorne zu sein? Uns bei CONCETO gelingt es dadurch, dass wir neue Talente gewinnen, die mit frischen Ideen und aktuellem Wissen von den Hochschulen, aus Start-ups oder anderen Umfeldern unsere Möglichkeiten bereichern. Ein solches Beispiel ist unsere Kollegin Anny mit ihrem Master in Informatik mit Schwerpunkt KI an der Universität Bonn, übrigens eine von 10 deutschen Exzellenzuniversitäten. Sie ist bei uns maßgeblich an der Entwicklung und Umsetzung neuester Lösungen mit Schwerpunkt KI beteiligt. Heute hat sie sich die Zeit genommen, um unsere Fragen zu beantworten.
Hallo Anny, bitte erzähle uns zunächst, welche Rolle du bei CONCETO hast und was damit verbunden ist.
Ich bin Entwicklerin für unsere Webanwendungen und führe aktuell die technische Projektleitung von unserem AI-Extractor. Ich bin also die technische Seite des Projekts. Dazu kommen noch andere Seiten, wie zum Beispiel das Marketing, mit denen ich mich regelmäßig bespreche, wie sich das Projekt entwickelt, was es für Anforderungen gibt und wie diese umgesetzt werden können. Solche interdisziplinären Meetings sind bei der Evaluierung eines neuen Features sehr hilfreich. Dabei klären wir Fragen von der Kundenanforderung bis hin zur Benutzerführung. Gemeinsam verliert man das große Ganze nicht aus den Augen und kommt am Ende zu einer Lösung, die dem Kunden wirklich hilft.
Du arbeitest also gerade an dem AI-Extractor. Was genau ist das für eine Software?
Fangen wir bei der Problemstellung an: Viele Unternehmen verschicken ihre Rechnungen, Lieferscheine oder andere Geschäftsdokumente immer noch per PDF. Das verursacht beim Empfänger viel Aufwand und ist eine Fehlerquelle, weil jemand den ganzen Tag die Daten von Hand aus den PDFs ins ERP überträgt. An dieser nicht digitalisierten Stelle setzen wir an. Der AI-Extractor liest die relevanten Daten aus, prüft sie gegen und versendet sie. Die KI spielt ihre ganze Stärke aus, wenn die PDFs unstrukturiert sind, was durch verschiedene Formate und individuelle Designs von Unternehmen vorkommt. Der Gesamtbetrag kann mal unten rechts, mal oben rechts oder erst auf Seite 3 stehen – die KI erkennt die relevanten Werte und formatiert sie in genormte Artefakte, die automatisch ins ERP eingespeist werden. In diesem Zusammenhang hat man wahrscheinlich schon einmal von OCR, also Optical Character Recognition, gehört. Dieses Verfahren existiert schon lange und funktioniert recht zuverlässig, ist aber auf die Zeichenerkennung beschränkt. Auf einer Rechnung kann eine OCR beispielsweise den Wert 5,30 € auslesen, aber ob das der Nettobetrag oder der Bruttobetrag ist, liegt außerhalb ihrer Möglichkeiten. Und hier setzen wir mit KI-Tools an.
Gab es besondere Herausforderungen bei der Entwicklung des AI-Extractors?
In diesem Projekt haben wir zum ersten Mal künstliche Intelligenz in einer Lösung für unsere Kunden eingesetzt. Obwohl wir schon vorher mit KI gearbeitet haben, hat uns das neben dem normalen Projektmanagement vor neue Herausforderungen gestellt. KI ist derzeit ein Hype-Thema und vieles ist noch in der Entwicklung. Dadurch ist der Druck vom Markt groß, denn das Interesse ist enorm, die Erwartungen sind hoch und die Konkurrenz ist nicht klein. Wir wollen aber nicht dem Trend hinterherlaufen oder unrealistische Erwartungen wecken, sondern optimale Lösungen mit den innovativsten Technologien bauen.
Ein wichtiger Aspekt ist dabei der sichere Umgang mit KI. Was sich mittlerweile herumgesprochen hat, aber vielen Privatpersonen und Kunden noch nicht bekannt ist: Large Language Models wie ChatGPT können quasi lügen. Das nennt man Halluzinieren. Das Programm denkt nicht wie ein Mensch und kann Dinge nicht logisch begreifen, sondern sagt sich quasi: „Wenn ich ein Mensch wäre, was wäre die wahrscheinlichste Antwort nach diesem Satz“. Das klappt meistens wirklich gut und gerade beim Coding ist das super, weil Code auch eine Sprache ist. Der wahrscheinlichste nächste Satz ist nur logischerweise nicht immer der richtige. Eine Antwort auf die einfache Frage, wie viele „m“ in dem Wort „immer“ sind, kann ein falsches Ergebnis produzieren, weil das Programm die Buchstaben nicht tatsächlich zählen oder logisch verarbeiten kann. Das sind Herausforderungen, denen man sich natürlich stellen muss und die man immer im Hinterkopf behalten sollte.
Wir arbeiten zwar nicht primär mit LLMs, aber der verantwortungsvolle Umgang mit jedem KI-Modell ist Pflicht. Hier sollte sich niemand vom Hype und unrealistischen Versprechungen blenden lassen. Als technische Projektleiterin bin ich stolz darauf, wie souverän das Team die Hürden des Projekts gemeistert hat und wie erfolgreich der Vorstoß in das Gebiet der KI auf Geschäftsebene gestartet ist.
„Was die Forschung immer wieder zeigt, ist, dass jede Erkenntnis einen Wert hat. (...) Das liegt in der Natur des Experimentierens, denn man weiß nie genau, wofür diese Erfahrungen nützlich sein können.“
Wie sieht der Einsatz von KI bei dir und deinen Kolleg:innen Arbeitsalltag aus und welche Auswirkungen hat das?
Wir benutzen KI als Unterstützung für die Programmierung. Es ist nicht so, wie manche Leute denken oder wie es manchmal in den Nachrichten steht: Programmierer werden nicht überflüssig und nicht alles kann von ChatGPT geschrieben werden. Das ist auch gut so, denn man kann sich nicht – wie ich vorhin mit Halluzinationen erwähnt habe – vollständig auf den Output von künstlichen Intelligenzen verlassen.
Aber gerade bei einfacheren Aufgaben ist KI eine große Hilfe, weil sie einfach Zeit spart. Natürlich kann ich eine Schleife selbst coden, doch so ist das viel schneller. Trotzdem wird das Ergebnis immer überprüft, um die Funktionalität sicherzustellen. Neben dem Coding helfen sie auch bei Ideenfindung oder wenn man Vorschläge sucht, wie man etwas implementieren kann. Die generierten Vorschläge bieten dafür eine gute Grundlage, auf der man selbst weiterentwickeln kann.
Eine Gefahr kann darin bestehen, diese Programme unbeaufsichtigt einzusetzen. Das gilt besonders für Berufsanfänger, weil sie sich Sachen aneignen können, die gar nicht richtig sind oder sich überhaupt nichts aneignen und alles von ChatGPT schreiben lassen. Wir wollen aber, dass auch sie solche Tools zur Unterstützung nutzen, weil es für den Arbeitsalltag wichtig ist. Deshalb achten wir darauf, Basiskompetenzen zu vermitteln, damit verstanden wird, was genau im Code passiert. Dadurch kann das Ergebnis im Nachgang optimiert werden und man gelangt zu einem besseren Produkt. Gleichzeitig vermitteln wir den verantwortungsvollen Umgang mit solchen allgegenwärtigen Werkzeugen.
Inwieweit hat dich die forschende Herangehensweise aus deinem Masterstudium geprägt?
Im akademischen Bereich arbeitet man mit Bleeding Edge Technology und ist im besten Fall selbst an deren Entwicklung beteiligt. Das sind Technologien, die erst kürzlich veröffentlicht wurden und zu denen es meistens nur ein Paper gibt, aber noch nichts implementiert ist, es keine Library gibt, geschweige denn irgendwas am Markt. Und das fordert einen heraus, die Ideen selbst weiterzuentwickeln und immer dem neusten Stand der Technik zu folgen. Das lässt sich gut mit dem verbinden, was Unternehmen brauchen: ständige Verbesserung, Stabilität und Zukunftssicherheit.
Was die Forschung immer wieder zeigt, ist, dass jede Erkenntnis einen Wert hat. Wenn ich ein Problem angehe und fünf Lösungen ausprobiere und keine funktioniert, dann ist das zunächst ein Rückschlag. Darin steckt aber trotzdem eine Erkenntnis, weil ich weiß, diese fünf Wege brauche ich hier nicht weiter zu verfolgen; für andere Anwendungen können diese Erkenntnisse wieder ein wertvoller Ansatz sein. Das liegt in der Natur des Experimentierens, denn man weiß nie genau, wofür diese Erfahrungen nützlich sein können. Durch die Forschung habe ich auch gelernt, dass es eigentlich immer einen Workaround für Probleme gibt. Nur wenige Dinge lassen sich nicht lösen. Dafür muss man vielleicht mal eine andere Richtung einschlagen und kreativ werden, aber irgendwo liegt der Weg, der zum Ziel führt.
Gibt es neben der künstlichen Intelligenz Softwaretrends oder -entwicklungen, die deiner Meinung nach die Art und Weise, wie Unternehmen agieren, in den kommenden Jahren maßgeblich beeinflussen werden?
Wir werden sehen, wie sich Trends weiter fortsetzen, auch wenn sich der Hype um KI allmählich stabilisieren wird. Momentan sehen wir vor allem Large Language Models, ich glaube aber, dass in Zukunft nicht nur die generativen Technologien gepusht werden. Jeder kennt zum Beispiel „Diese Sachen könnten dir auch gefallen“ von Amazon – das ist auch KI, ein Bereich namens Machine Learning. Diesen gibt es schon länger, er ist nur bisher nicht so massenwirksam. Dort steht die Entwicklung aber natürlich nicht still und ich glaube, dass wir in der Richtung noch ein paar Sachen sehen werden.
Dieser für uns sehr interessanter Bereich beinhaltet zum Beispiel das Unsupervised Learning. Damit lassen sich aus großen Mengen unstrukturierter Daten aufschlussreiche Informationen extrahieren. Ein einfaches Beispiel: Nehmen wir meinen persönlichen Kalender als Datengrundlage. Als Betrachter kann ich zwar die Termine sehen, aber Machine Learning kann die darunterliegenden Zusammenhänge erkennen. So lässt sich zum Beispiel sagen, wie wahrscheinlich es ist, dass ich im nächsten Quartal Urlaub mache, wie lange dieser Urlaub dauern wird und wohin es wahrscheinlich gehen wird. Nimmt man weitere Werte hinzu, etwa Wetterdaten, werden die Vorhersagen noch präziser. Es sind diese Vernetzungen, die man als Mensch nur mit großem Aufwand – wenn überhaupt – erkennen kann, wo Machine Learning seine Stärken ausspielt.
Könntest du uns abschließend einen Einblick in ein aktuelles Projekt oder eine neue Idee geben, an der du derzeit arbeitest oder die du für die Zukunft planst?
Im Moment bin ich voll und ganz mit dem AI-Extractor beschäftigt. Perspektivisch eröffnet er viele Möglichkeiten, die wir nutzen können und wollen. Zum Beispiel das, was ich gerade mit Machine Learning angesprochen habe: Werden Rechnungen, Bestellungen oder irgendwelche anderen Dokumente an den AI-Extractor geschickt, extrahiert er die Daten und leitet sie ins ERP weiter. Als Zwischenschritt könnte man diese Daten für Business Intelligence nutzen. Wenn man weiß, welcher Kunde was, wann und zu welchem Preis kauft, kann man daraus fundierte Schlüsse ziehen, die Geschäftsentscheidungen maßgeblich unterstützen. Das ist beispielsweise eine Richtung, in die wir uns gerne noch bewegen möchten.
