Sign up to save your podcasts
Or
Share Von KI-Überforderung zur Problemlösung: Open Source, neue Modelle und der Mehrwert in der Praxis
Share to email
Share to Facebook
Share to X
Share to email
Share to Facebook
Share to X
Or
Von KI-Überforderung zur Problemlösung: Open Source, neue Modelle und der Mehrwert in der Praxis
Warum sich viele Unternehmen bei KI-Projekten schwer tun und auch oft scheitern.
Update aus der AI Community:
Vorstellung der seit zwei Jahren bestehenden Community mit diversen Teilnehmern
Regelmäßiger Austausch über aktuelle KI-Tools und -Projekte
Wertvoller Austausch und Kosteneinsparungen durch die Community
Diskussion über die Überforderung durch die Geschwindigkeit der KI-Entwicklung
Anfangs-Euphorie bei der Nutzung von ChatGPT für einfache Aufgaben
Stillstand in der Projektentwicklung trotz exponentieller Technologieentwicklung
Ziel Herausforderung der KI-Implementierung:
Beispiel: Automatisierung von Angebotsprozessen mit KI
Scheitern der Entwicklung durch externe Teams trotz hoher Kosten
Lösung durch No-Code/Low-Code-Plattform Make, die einen schnellen Prototypen ermöglichte
Entscheidung, vorhandene Technologien zu nutzen statt eigene zu entwickeln
Die Angst, durch ständige Neuerungen den Überblick zu verlieren
Der richtige Ansatz:
Fokus auf das Problem statt auf die Technologie
Das Problem muss es wert sein, gelöst zu werden und einen Mehrwert generieren
Das Problem klein machen und Abhängigkeiten entfernen, um schnell loslegen zu können
Analyse der vorhandenen Datenquellen zur Umsetzung des Problems
Schrittweise Erhöhung der Komplexität
Flexibilität bei der Tool-Auswahl je nach Problemstellung
Nüchterner Ansatz: Tools gezielt für bestimmte Problemstellungen einsetzen
Open Web UI:
Vorstellung einer Open-Source-Plattform zur Verbindung verschiedener KI-Konnektoren
Möglichkeit, eigene Modelle lokal laufen zu lassen oder externe APIs zu nutzen
Nutzung eines Bots für den Zugriff auf verschiedene Modelle
Steuerung durch Programmierung (Python) möglich
Eingebautes Retrieval Augmented Generation (RAG) für die Nutzung eigener Datenquellen
Erklärung des Vektormodells für semantische Suchen und Keyword Matching
Eigene Funktionen (Python) können integriert werden
Vielversprechende Technologie, trotz Beta-Status
Neue KI-Modelle und deren Auswirkungen:
Open AI bietet kostenlos das neue Modell ChatGPT 4o an, nachdem DeepSeek R1 viele Nutzer gewonnen hat
Softbank investiert erneut in Open AI
Quen 2.5 von Alibaba ist besser als viele andere Modelle (auch besser als Flax) in verschiedenen Kategorien (Text-to-Image, Video) und kostenlos nutzbar
Diskussion über die Kosten und die Zukunft der KI:
Die Zeit, in der KI-Tools kostenlos zur Verfügung stehen, könnte sich dem Ende neigen
Vergleich mit der Internetblase und kostenlosen SMS-Diensten
Eventuelle Umstellung auf Pauschalverträge für KI-Dienste
Google investiert massiv in Infrastruktur (Rechenzentren)
Es ist unklar, ob diese Investitionen sich auszahlen werden
Wachstum von Google Cloud und YouTube
Mögliche Überinvestition in Rechenzentren
Insolvenz von Tandberg Overland und deren Auswirkungen auf die Storage-Branche
View all episodes
By Yusuf Sar, Christian KunzWarum sich viele Unternehmen bei KI-Projekten schwer tun und auch oft scheitern.
Update aus der AI Community:
Vorstellung der seit zwei Jahren bestehenden Community mit diversen Teilnehmern
Regelmäßiger Austausch über aktuelle KI-Tools und -Projekte
Wertvoller Austausch und Kosteneinsparungen durch die Community
Diskussion über die Überforderung durch die Geschwindigkeit der KI-Entwicklung
Anfangs-Euphorie bei der Nutzung von ChatGPT für einfache Aufgaben
Stillstand in der Projektentwicklung trotz exponentieller Technologieentwicklung
Ziel Herausforderung der KI-Implementierung:
Beispiel: Automatisierung von Angebotsprozessen mit KI
Scheitern der Entwicklung durch externe Teams trotz hoher Kosten
Lösung durch No-Code/Low-Code-Plattform Make, die einen schnellen Prototypen ermöglichte
Entscheidung, vorhandene Technologien zu nutzen statt eigene zu entwickeln
Die Angst, durch ständige Neuerungen den Überblick zu verlieren
Der richtige Ansatz:
Fokus auf das Problem statt auf die Technologie
Das Problem muss es wert sein, gelöst zu werden und einen Mehrwert generieren
Das Problem klein machen und Abhängigkeiten entfernen, um schnell loslegen zu können
Analyse der vorhandenen Datenquellen zur Umsetzung des Problems
Schrittweise Erhöhung der Komplexität
Flexibilität bei der Tool-Auswahl je nach Problemstellung
Nüchterner Ansatz: Tools gezielt für bestimmte Problemstellungen einsetzen
Open Web UI:
Vorstellung einer Open-Source-Plattform zur Verbindung verschiedener KI-Konnektoren
Möglichkeit, eigene Modelle lokal laufen zu lassen oder externe APIs zu nutzen
Nutzung eines Bots für den Zugriff auf verschiedene Modelle
Steuerung durch Programmierung (Python) möglich
Eingebautes Retrieval Augmented Generation (RAG) für die Nutzung eigener Datenquellen
Erklärung des Vektormodells für semantische Suchen und Keyword Matching
Eigene Funktionen (Python) können integriert werden
Vielversprechende Technologie, trotz Beta-Status
Neue KI-Modelle und deren Auswirkungen:
Open AI bietet kostenlos das neue Modell ChatGPT 4o an, nachdem DeepSeek R1 viele Nutzer gewonnen hat
Softbank investiert erneut in Open AI
Quen 2.5 von Alibaba ist besser als viele andere Modelle (auch besser als Flax) in verschiedenen Kategorien (Text-to-Image, Video) und kostenlos nutzbar
Diskussion über die Kosten und die Zukunft der KI:
Die Zeit, in der KI-Tools kostenlos zur Verfügung stehen, könnte sich dem Ende neigen
Vergleich mit der Internetblase und kostenlosen SMS-Diensten
Eventuelle Umstellung auf Pauschalverträge für KI-Dienste
Google investiert massiv in Infrastruktur (Rechenzentren)
Es ist unklar, ob diese Investitionen sich auszahlen werden
Wachstum von Google Cloud und YouTube
Mögliche Überinvestition in Rechenzentren
Insolvenz von Tandberg Overland und deren Auswirkungen auf die Storage-Branche