Hub für Cloud-Computing-Konzepte

Gedankenketten-Prompting ist eine Technik, mit der große Sprachmodelle (LLMs) dazu angeleitet werden, Aufgaben mithilfe einer logischen Abfolge von Schritten abzuschließen. Obwohl KI-Modelle versuchen, Menschen nachzuahmen, benötigen sie detaillierte Anweisungen, sogenannte Prompts, um qualitativ hochwertige, genaue und relevante Ergebnisse zu erzielen. Prompt-Engineering ist die Kunst und Wissenschaft, gute Prompts zu kreieren. Chain-of-Thought (CoT)-Argumentation ist eine schnelle technische Technik, bei der komplexe Aufgaben in eine Reihe einfacherer, überschaubarer Schritte unterteilt werden, um zu einer Antwort zu gelangen. Dies gibt Benutzern mehr Kontrolle und Einblick in die Art und Weise, wie das LLM zu seinen Antworten gelangt. 

Beispiel für eine Gedankenkette

„Lösen Sie die folgenden mathematischen Textaufgaben Schritt für Schritt.

Wenn Sie 7 Bananen haben und Ihrem Freund 4 Bananen geben, erhalten Sie 5 weitere Bananen und werfen anschließend 3 faule Bananen weg. Wie viele Bananen bleiben Ihnen dann übrig?“

Ergebnis der Gedankenkette

Lassen Sie uns das Schritt für Schritt aufschlüsseln:

1. Sie fangen mit 7 Bananen an.
2. Sie geben Ihrem Freund 4 Bananen, sodass Sie noch 7 - 4 = 3 Bananen übrig haben
3. Sie kaufen 5 weitere Bananen, sodass Sie jetzt 3 + 5 = 8 Bananen haben

4. Sie werfen 3 Bananen weg, sodass Sie noch 8 - 3 = 5 Bananen übrig haben

Daher bleiben Ihnen noch 5 Bananen übrig.

Unter Cognitive Computing versteht man den Prozess, Software so zu programmieren, dass sie wie ein Mensch „denkt“. Die angeborene, hochentwickelte Denkfähigkeit des Menschen ermöglicht es uns, uns an neue Situationen anzupassen und komplexe Probleme zu lösen. Beispielsweise könnte sich ein Mensch, der sich im Wald verirrt hat, in Richtung des Wassers bewegen, um zu überleben, oder sich dem Verkehrslärm nähern, um Hilfe zu suchen. In ähnlicher Weise zielt Cognitive Computing darauf ab, menschliche Denkprozesse in Softwaresystemen über Wahrnehmung, Aufmerksamkeit und Gedächtnis zu simulieren.

Herkömmliche Systeme der künstlichen Intelligenz (KI) können Probleme lösen, für die sie speziell trainiert wurden, wie etwa die Analyse von Daten, das Treffen von Vorhersagen oder das Generieren von Text nach Anweisung des Benutzers. Cognitive Computing zielt jedoch darauf ab, die künstliche Intelligenz weiterzuentwickeln, indem es Softwaresystemen beibringt, durch eigenständige Entscheidungsfindung als Reaktion auf Umweltveränderungen vorgegebene Ziele zu erreichen. 

Beispiel für Cognitive Computing

Erwägen Sie eine Aufgabe zur Terminplanung für einen Spezialisten in Ihrem Unternehmen. Neue Termine sollten ausschließlich nachmittags vereinbart werden, wenn der Spezialist verfügbar ist und bereits eine Beziehung zum Klienten besteht. Termine sollten auch innerhalb von 2 Wochen nach der Anfrage vereinbart werden. Diese Bedingungen weisen jedoch Nuancen auf, wie z. B. 

• verärgerte oder aufgebrachte Kunden, die frühzeitige Termine erhalten, auch morgens.
• Terminanfragen sind über das zweiwöchige Zeitfenster hinaus möglich.
• Bestimmte Langzeitkunden erfordern möglicherweise besondere Überlegungen, wie z. B. eine persönliche E-Mail nach Abschluss der Buchung.

Normalerweise kann KI darauf trainiert werden, die Aufgabe durch Erfüllung der Hauptbedingungen zu automatisieren, sie kann jedoch nicht mit den Nuancen umgehen, wie es ein menschlicher Fachmann tun würde. Bei Cognitive Computing handelt es sich jedoch um eine KI-Technologie, die die Bedingungen nach Bedarf anpassen kann, um das Ziel der Kundenzufriedenheit bei der Buchung zu erreichen. Beispielsweise kann das System die Stimmung in der Nachricht des Kunden erkennen und seine Buchung priorisieren oder einen Termin am frühen Morgen vereinbaren, um den Anforderungen eines Langzeitkunden gerecht zu werden.

Natürliches Sprachverständnis (NLU) ist die Fähigkeit eines Computersystems oder einer Software, die menschliche Sprache zu verstehen. Dadurch kann die Software die Absicht und Stimmung im Chat erkennen und durch lebensechte Gesprächsinteraktionen äußerst ansprechende Benutzererfahrungen bieten. Beispielsweise reagieren Assistenten wie Alexa auf die menschliche Stimme und KI-gestützte Chatbots nehmen an textbasierten Gesprächen teil. Durch das natürliche Sprachverständnis sind diese Systeme in der Lage, alle von Menschen generierten Gesprächseingaben in die Syntax einer internen Computersprache umzuwandeln und auf der Grundlage dieser Eingaben zu handeln. Benutzer können auf natürliche Weise in der Sprache ihrer Wahl mit Maschinen interagieren.

Multimodale KI ist ein System der künstlichen Intelligenz, das mehrere Datentypen wie Text, Bilder, Audio und Video verarbeitet, interpretiert und integriert. Viele geschäftliche Workflows generieren und verwenden komplexe Datensätze mit mehreren verwandten Datentypen, z. B. Videos mit Untertiteln, Bilder mit Lebensläufen oder Audio-Besprechungsnotizen mit relevanten Entwurfsplänen. Multimodale KI kann einen äußerst vielfältigen und umfangreichen Informationssatz für komplexe Analysen und Automatisierung interpretieren. Unternehmen nutzen Videoanalyse, Dokumentenverarbeitung, Inhaltserstellung und ähnliche Workflows, um genaue Erkenntnisse aus unstrukturierten, multimodalen Datenquellen zu gewinnen und die Prozesseffizienz zu steigern.

Die SQL-Datenbank ist eine Datensammlung, die als Tabellen mit Zeilen und Spalten visualisiert wird. Daten werden ähnlich wie in einer Tabelle gespeichert, wobei Spalten Datenattribute angeben und Zeilen die Entität oder das Objekt beschreiben, um das es in den Daten geht. Die meisten SQL-Datenbanken verwenden die strukturierte Abfragesprache („Structured Query Language“, SQL) für Benutzerdateninteraktionen – daher der Name. Sie sind relationale Datenbanken, da Sie Datenbeziehungen zwischen Tabellen speichern können.

Eine Produkttabelle enthält beispielsweise Spalten wie Produktname, Typ, Kosten usw., und eine Zeile enthält Werte für die einzelnen Produkte. Eine Kundentabelle enthält Spalten mit Kundennamen und Kontaktdaten. Sie können eine dritte Tabelle erstellen, die Kundendaten mit den von ihnen gekauften Produkten verknüpft.

Datenarchitektur ist das übergreifende Framework, das die Datenerfassung, -verwaltung und -nutzung eines Unternehmens beschreibt und regelt. Unternehmen verfügen heute über riesige Datenmengen, die aus verschiedenen Datenquellen stammen, und unterschiedliche Teams, die auf diese Daten für Analytik, Machine Learning, künstliche Intelligenz und andere Anwendungen zugreifen möchten. Moderne Datenarchitektur stellt ein zusammenhängendes System dar, das Daten zugänglich und nutzbar macht und gleichzeitig die Datensicherheit und -qualität gewährleistet. Sie definiert Richtlinien, Datenmodelle, Prozesse und Technologien, die es Unternehmen ermöglichen, Daten einfach zwischen Abteilungen zu verschieben und sicherzustellen, dass sie bei Bedarf verfügbar sind – einschließlich Echtzeitzugriff. Gleichzeitig wird die Einhaltung gesetzlicher Vorschriften in vollem Umfang unterstützt.

Ein unabhängiger Softwareanbieter (ISV) ist eine Organisation, die Softwareprodukte erstellt und verkauft, die unabhängig von der zugrunde liegenden Hardware und den Betriebssystemen sind. Die Softwarelösung löst in der Regel ein spezifisches Kundenproblem, wie etwa die Erstellung und Verwaltung von Verkaufs- oder Finanzdaten. Es könnte sich auch um eine Infrastruktursoftware handeln, die Datenspeicher, Sicherheit oder Authentifizierung unterstützt. Der Anbieter stellt die Softwarekompatibilität mit verschiedenen Hardwareplattformen sicher, um eine breite Kundenbasis anzusprechen.

Unabhängige Softwareanbieter (ISVs) verkaufen ihre Software in verschiedenen Formaten wie unbefristete Lizenzen, befristete Verträge oder Software as a Service (SaaS). Die Software wird an Kunden lizenziert, die Eigentumsrechte verbleiben jedoch beim unabhängigen Softwareanbieter.

Chatbots sind Programme oder Anwendungen, mit denen sich Benutzer mündlich oder schriftlich unterhalten können. Seit den ersten Chatbots in den 1960er-Jahren hat sich die zugrunde liegende Technologie verändert. Herkömmliche Chatbots verwenden vordefinierte Regeln, um mit Benutzern zu kommunizieren und skriptbasierte Antworten zu geben. Moderne Chatbots können dank natürlicher Sprachverarbeitung (NLP) Benutzer verstehen und komplexe Fragen sehr detailliert und genau beantworten. Ihre Organisation kann mit Chatbots die Kommunikation in allen Bereichen skalieren, personalisieren und verbessern, von Kundenservice-Workflows bis hin zum DevOps-Management.

Unter künstlicher Intelligenz (KI) für Unternehmen versteht man die Einführung fortschrittlicher KI-Technologien in großen Unternehmen. Der Übergang von KI-Systemen vom Prototyp zur Produktion bringt mehrere Herausforderungen in Bezug auf Skalierung, Leistung, Datenverwaltung, Ethik und Einhaltung gesetzlicher Vorschriften mit sich. Unternehmens-KI umschließt Richtlinien, Strategien, Infrastruktur und Technologien für den weit verbreiteten Einsatz von KI in einem großen Unternehmen. Auch wenn dies erhebliche Investitionen und Anstrengungen erfordert, ist Unternehmens-KI für große Unternehmen wichtig, da KI-Systeme immer mehr zum Standard werden.

Textklassifizierung ist der Prozess der Zuweisung vorgegebener Kategorien zu offenen Textdokumenten mithilfe von Systemen für künstliche Intelligenz und Machine Learning (KI/ML). Viele Unternehmen verfügen über große Dokumentenarchive und Geschäftsabläufe, die kontinuierlich Dokumente in großem Umfang generieren — wie Rechtsdokumente, Verträge, Forschungsdokumente, benutzergenerierte Daten und E-Mails. Die Textklassifizierung ist der erste Schritt, um diese Daten für weitere Analysen zu organisieren, zu strukturieren und zu kategorisieren. Sie ermöglicht die automatische Kennzeichnung und Kennzeichnung von Dokumenten. Dadurch spart Ihr Unternehmen Tausende von Stunden, die Sie sonst manuell lesen, verstehen und klassifizieren müssten.

Ein Agent mit künstlicher Intelligenz (KI) ist ein Softwareprogramm, das mit seiner Umgebung interagieren, Daten sammeln und die Daten verwenden kann, um selbstbestimmte Aufgaben auszuführen, um vorgegebene Ziele zu erreichen. Menschen setzen sich Ziele, aber ein KI-Agent wählt unabhängig die besten Aktionen aus, die er ausführen muss, um diese Ziele zu erreichen. Stellen Sie sich beispielsweise einen KI-Agenten im Kontaktzentrum vor, der Kundenanfragen lösen möchte. Der Agent stellt dem Kunden automatisch verschiedene Fragen, sucht nach Informationen in internen Dokumenten und antwortet mit einer Lösung. Basierend auf den Kundenantworten bestimmt er, ob er die Anfrage selbst lösen oder an einen Menschen weitergeben kann.

Entwicklertools sind Technologien, die die Softwareentwicklung schneller und effizienter machen. Softwareentwicklung ist ein komplexer Prozess, bei dem echte Objekte in mathematische und elektronische Darstellungen übersetzt werden, die Maschinen verstehen und ändern können. Entwicklertools dienen als Schnittstelle zwischen der eigentlichen Realität und Computing-Prozessen. Dazu gehören Programmiersprachen, Frameworks und Plattformen, die unterschiedliche Komplexitätsgrade abstrahieren. Das bedeutet, dass Sie einfacher mit Computern interagieren und komplexere Probleme lösen können. Anstatt mit Hardwarekomponenten und niedrigeren Programmiersprachen zu arbeiten, können Sie mit Bibliotheken, APIs und anderen Abstraktionen arbeiten, die geschäftliche Anwendungsfälle priorisieren. Zu den Entwicklertools gehören auch Softwareanwendungen, Komponenten und Services, die den Codierungsprozess vereinfachen.