Gartner Hype Cycle für KI KI-Anwendungen: Welche Hypes die Entwicklung bestimmen

Anbieter zum Thema

Gartner Inc

CADFEM Germany GmbH

xSuite Group GmbH

Esker Software Entwicklungs-und Vertrieb

Zwei Entwicklungen geben im Gartner Hype Cycle 2025 für künstliche Intelligenz den Takt vor: KI-Agenten und KI-fähige Daten. Allerdings werden die aktuell am schnellsten voranschreitenden KI-Anwendungen von ambitionierten Prognosen und teils überhöhten Versprechen begleitet.

Die innovativen KI-Anwendungen und -Technologien werden von großem Interesse, ambitionierten Prognosen und teils überhöhten Versprechen bestimmt. Entsprechend befinden sie sich aktuell auf dem Höhepunkt der Phase „Überzogene Erwartungen“. Der Gartner Hype Cycle bietet eine grafische Darstellung, wie weit Technologien und Anwendungen entwickelt und verbreitet sind – und wie relevant sie potenziell für die Lösung realer Geschäftsprobleme oder zur Erschließung neuer Chancen sein können. Damit gibt die Hype-Cycle-Methodik von Gartner einen Überblick über die Entwicklung einer Technologie oder Anwendung im Laufe der Zeit. Zusätzlich liefert die Methodik fundierte Erkenntnisse für deren Einsatz im Kontext spezifischer Geschäftsziele.

Haritha Khandabattu, Senior Director Analyst bei Gartner, erläutert den Hype Cycle für künstliche Intelligenz: „Die Investitionsbereitschaft in KI bleibt hoch. Gleichzeitig verschiebt sich der Fokus zunehmend auf KI-Anwendungen, die operative Skalierbarkeit und Echtzeitanalysen ermöglichen. Damit zeichnet sich eine allmähliche Abkehr von generativer KI als zentralem Thema ab und eine Hinwendung zu den grundlegenden Voraussetzungen für eine nachhaltige Umsetzung von KI, etwa KI-fähigen Daten und KI-Agenten.“

Management von Vertrauen und Sicherheit in KI-Anwendungen

Zu den Technologien, die nach Einschätzung von Gartner innerhalb der nächsten fünf Jahre den Sprung in die breite Anwendung schaffen dürften, zählen unter anderem multimodale KI-Anwendungen sowie das Management von Vertrauen, Risikennd Sicherheit in KI-Anwendungen (TRiSM). Beide Entwicklungen stehen ebenfalls an der Spitze der aktuellen Erwartungskurve – und gelten als Schlüsselfaktoren für robustere, verantwortungsvollere und innovativere KI-Anwendungen, die Geschäftsprozesse fundamental verändern könnten.

„Trotz des enormen potenziellen Geschäftswerts von KI wird dieser nicht von selbst entstehen. Der Erfolg wird von eng geschäftlich ausgerichteten Pilotprojekten, proaktivem Infrastruktur-Benchmarking und der Koordination zwischen KI- und Geschäftsteams abhängen, um greifbaren Geschäftswert zu schaffen“, erklärt Haritha Khandabattu.

KI-Agenten können komplexe Aufgaben bewältigen

KI-Agenten sind autonome oder halbautonome Softwareeinheiten, die KI-Techniken verwenden, um Wahrnehmungen zu erlangen, Entscheidungen zu treffen, Handlungen auszuführen und Ziele in ihren digitalen oder physischen Umgebungen zu erreichen. Mithilfe von KI-Praktiken und -Techniken wie großen Sprachmodellen (LLMs) entwickeln und implementieren Organisationen KI-Agenten, um komplexe Aufgaben zu bewältigen.

„Um die Vorteile von KI-Agenten zu nutzen, müssen Organisationen relevante Geschäftskontexte und Anwendungsfälle bestimmen, was eine Herausforderung darstellt, da kein KI-Agent identisch ist und jede Situation unterschiedlich ist. Obwohl KI-Agenten weiterhin leistungsfähiger werden, können sie nicht in jedem Fall eingesetzt werden. Ihr Einsatz wird weitgehend von den aktuellen Anforderungen der jeweiligen Situation abhängen“, sagt Khandabattu

Optimierte Datensätze für KI-Anwendungen

KI-bereite Daten stellen sicher, dass Datensätze für KI-Anwendungen optimiert sind, um Genauigkeit und Effizienz zu verbessern. Die Einsatzbereitschaft wird durch die Fähigkeit der Daten bestimmt, ihre Eignung für spezifische KI-Anwendungsfälle nachzuweisen. Sie kann nur im Kontext des KI-Anwendungsfalles und der verwendeten KI-Technik bestimmt werden, was neue Ansätze im Datenmanagement erfordert.

Laut Gartner-Analysten müssen Organisationen, die in großem Umfang in KI investieren, ihre Datenmanagementpraktiken und -fähigkeiten weiterentwickeln, um sie an KI anzupassen. Dies wird den bestehenden und künftigen Geschäftsanforderungen gerecht, Vertrauen gewährleisten, Risiken und Compliance-Probleme vermeiden, geistiges Eigentum schützen und Vorurteile sowie Halluzinationen reduzieren.

Vorteile von multimodalen KI-Modellen

Multimodale KI-Modelle werden mit mehreren Datentypen gleichzeitig trainiert, wie Bildern, Videos, Audio und Text. Durch die Integration und Analyse vielfältiger Datenquellen können sie komplexe Situationen besser verstehen als Modelle, die nur einen Datentyp verwenden. Dies hilft Benutzern, die Welt besser zu verstehen und eröffnet neue Möglichkeiten für KI-Anwendungen. Gartner sagte, dass multimodale KI in den nächsten fünf Jahren zunehmend integraler Bestandteil der Fähigkeitserweiterung in jeder Anwendung und jedem Softwareprodukt in allen Branchen sein wird.

Rolle von AI TRiSM für die Sicherheit von KI-Anwendungen

AI TRiSM spielt eine entscheidende Rolle bei der Sicherstellung eines ethischen und sicheren KI-Einsatzes. Es umfasst vier Schichten technischer Fähigkeiten, die Unternehmensrichtlinien für alle KI-Anwendungsfälle unterstützen und die KI-Governance, Vertrauenswürdigkeit, Fairness, Sicherheit, Zuverlässigkeit, Schutz und den Datenschutz gewährleisten.

„KI bringt neue Herausforderungen im Bereich Vertrauen, Risiko und Sicherheitsmanagement mit sich, die konventionelle Kontrollen nicht adressieren. Organisationen müssen gestaffelte AI TRiSM-Technologie evaluieren und implementieren, um kontinuierlich Richtlinien für alle im Einsatz befindlichen KI-Entitäten zu unterstützen und durchzusetzen“, kommentiert Khandabattu.

Konferenz von Gartner

Cloud-Strategie: Diese Trends bestimmen die nächsten vier Jahre