KI- und Graphtechnologie Trends 2025 2025 wird das Bewährungsjahr für die Künstliche Intelligenz

Anbieter zum Thema

Neo4j Germany GmbH

FIS Informationssysteme und Consulting GmbH

Esker Software Entwicklungs-und Vertrieb

Yorizon GmbH & Co. KG

Die Künstliche Intelligenz wandelt sich vom Experiment zur Praxis. Für Unternehmen stellen sich 2025 zwei Fragen: Wo funktioniert KI und wo lohnt es sich auch? 

Die Künstliche Intelligenz prescht im Unternehmensalltag weiter voran und wandelt sich vom Experiment zur Praxis. Doch während auf der einen Seite bereits am nächsten KI-Coup gearbeitet wird, kämpfen Unternehmen auf der anderen Seite noch mit der Integration. Für viele Betriebe stellen sich daher im kommenden Jahr zwei zentrale Fragen: In welchen Bereichen funktioniert der Einsatz einer Künstlichen Intelligenz wirklich? Und wo lohnt es sich wirtschaftlich auch?

Die Experten von Neo4j werfen einen Blick auf neue Formen von Künstlichen Intelligenz, die Rolle von Graphen und zukünftige Killerkriterien. 

1. KI-Adoption zwischen Vision und Wirklichkeit

Manchmal wirkt KI wie ein einziges großes Wagnis mit unsicherem Ausgang. Die exorbitanten Investitionen sind im Jahr 2024 keineswegs zurückgegangen. Die Cloud-Hyperscaler bauen ihre Rechenkapazitäten aus, die KI-Anbieter füttern ihre Modelle und Superchip-Hersteller Nvidia eilt von einem Rekord zum nächsten. Im Arbeitsumfeld ist GenAI längst kein Neuling mehr, sondern täglicher Assistent. Kaum ein Entwickler, der beim Programmieren nicht darauf zugreift. In Deutschland sind ChatGPT & Co. sogar so beliebt, dass fast die Hälfte der Arbeitnehmer (49 Prozent) ihre KI-Lösungen sogar trotz Verbot vom Chef weiter nutzen würde.

Und dennoch: Die Einführung von Künstlicher Intelligenz in Unternehmen gestaltet sich vielerorts als schwierig. Europa hinkt im weltweiten Vergleich hinterher. In Deutschland kämpfen Unternehmen mit regulatorischen Unsicherheiten, fehlenden Strategien und geeigneten Use Cases. Die Ausgaben für KI-Lösungen und -Features steigen ungeachtet dessen kontinuierlich und drücken auf IT-Budgets. Der erwartete Nutzen von Investitionen lässt dabei oft noch auf sich warten. Das Wunderwerkzeug GenAI ist damit laut Gartner Hype Cycle auf dem Weg ins Tal der Ernüchterung und muss im nächsten Jahr erst einmal beweisen, was es wirklich kann.  

Trends 2025

Enterprise AI: Evolution bei KI in Unternehmen

2. Agentic AI: Agenten auf dem Vormarsch

Während Unternehmen noch an der praktischen Umsetzung arbeiten, geht die Entwicklung von KI ungebremst weiter. 2023 plauderten Anwender mit Chatbots. 2024 übernehmen KI-Agenten gleich komplette Workflows und Routineaufgaben. Die Rede ist von Agentic AI, die Zugriff auf eine Reihe von Werkzeugen erhält, zum Beispiel Datenbank, Schnittstellen oder Service-Integrationen. Die agentenbasierte KI verfügt über eine sogenannte Chaining-Fähigkeit und kann so eine Abfrage in einzelne Schritte aufteilen und sie der Reihe nach und zudem iterativ abarbeiten. Dabei agiert sie dynamisch, plant und ändert Aktionen kontextbedingt und delegiert Teilaufgaben an diverse Tools.

Agentic AI ist nicht neu. Im nächsten Jahr könnte die KI jedoch eine ähnliche Erfolgsstory wie GenAI hinlegen. Anthropic stellte im Herbst KI-Agenten in Claude vor, die den Computer fast wie ein Mensch bedienen und dort selbständig tippen, klicken und im Internet nach Informationen surfen. Auch Microsoft hat eigene Agenten am Start, die zukünftig Aufgaben im Vertrieb, Kundensupport und Buchhaltung erledigen sollen.

3. Reasoning AI: Lautes Nachdenken in der Blackbox 

Ebenfalls nicht ganz neu, aber hochinteressant ist Reasoning AI. Wie bei GenAI generieren hier LLMs Antworten, nehmen sich dabei jedoch deutlich mehr Zeit, um über die Frage in gewisser Weise „laut nachzudenken“. Die Modelle erwägen Optionen, entwerfen Lösungen und verwerfen sie wieder, ehe sie mit einem Vorschlag herausrücken. Das dauert zwar länger, die Qualität der Ergebnisse ist dafür aber deutlich höher. OpenAIs KI-Modell o1 schaffte es mit solchen logisch angelegten, mathematischen Fähigkeiten sogar unter die Top 500 der US-Mathematik-Olympiade (AIME). 

Reasoning AI hat ein Problem: Der „Denkprozess“ (Chain of Thought) findet versteckt im LLM statt und ist von außen nicht einsehbar. Das „laute Nachdenken“ der KI verläuft also tatsächlich im Stillen und kratzt deutlich an der Vertrauenswürdigkeit. Darüber hinaus sind die erhöhte Laufzeit und Kosten eher für individuelle Forschungsaufgaben geeignet als für Endnutzer.