Am 20. und 21. November 2024 findet in Nürnberg der KI Navigator – die Konferenz zur Praxis der KI in IT, Wirtschaft und Gesellschaft – statt. Lars Röwekamp und Tim Wüllner sind mit drei Vorträgen vor Ort.
Jetzt Ticket sichern und dabei sein.
Zugegeben, wir stehen noch ganz am Anfang in der Evaluierung der Möglichkeiten generativer KI. Es zeichnet sich aber bereits heute ab, dass die Anforderungen an den produktiven Einsatz etliche neue Herausforderungen mit sich bringen wird, für die es entsprechende Patterns und Architekturansätze zu entwickeln gilt.
An einem praktischen Beispiel werden wir Schritt für Schritt einen LLM-basierten AI-Service aufbauen, mit dessen Hilfe die eigenen Wissensbasis gezielt abgefragt werden kann (Retrieval-Augmented Generation aka RAG). In jedem dieser Schritte werden wir ein wenig professioneller und begegnen dabei neuen Herausforderungen, die es zu lösen gilt. Am Ende steht ein „production ready“ AI-Service, der in die eigene Landschaft eingebunden werden kann.
Die Session zeigt, welche Herausforderungen auf dem Weg vom Prototypen zum produktiven Einsatz von Generative AI Lösungen auf uns warten und wie wir diesen nachhaltigbegegnen können.
Das Aufgabenumfeld klassischer Verlagshäuser hat sich in den vergangenen Jahren stark gewandelt. Gedruckte Zeitungen sind nur noch einer von vielen Kanälen, die es mit Artikeln und Bildern zu bespielen gilt. Je nach Kanal sind für Artikel dabei unterschiedliche Längen, Überschriften, Teaser-Texte, Prioritäten oder Slangs gefragt. Und auch in der Welt der Bilder gilt es - kanalspezifisch -, das geeignete Format zu generieren und Inhalte, wie konkrete Personen, Orte und Situationen automatisch zu erkennen und für eine spätere Verlinkung zu taggen. All das ist ohne eine intelligente Digitalisierung, sprich KI, kaum mehr realisierbar.Wie aber setzt man KI im Verlagsumfeld konkret ein, ohne dabei die journalistische Neutralität und Glaubwürdigkeit zu riskieren? Wie lassen sich z. B. Texte kürzen, ohne an Semantik und Qualität zu verlieren?
Wie hilft KI bei der automatischen Klassifizierung und genormten Verschlagwortung von Artikeln? Welche Informationen kann KI aus Bildmaterial ziehen und wie können diese Informationen zur Steigerung der Qualität genutzt werden?
Die Session zeigt anhand ausgewählter Use-Cases, wie KI in der Verlagssoftware der HUP dazu genutzt wird, den Herausforderungen moderner Verlagshäuser in der Praxis gerecht zu werden. Teil der Betrachtung sind dabei auch die Bereiche, in denen bewusst auf eine vollständige Automatisierung verzichtet wurde und der Mensch weiterhin die entscheidende Rolle spielt: Keep the Human in the Loop!
Die Digitalisierung des Zeitungswesens hat dazu geführt, dass bei einem regionalen Zeitungsverlag wie der Nordwestzeitung täglich über 200 neue Artikel produziert und digital publiziert werden. Das Potenzial, diese digitalen Textdaten nach der Publikation in der Content-Wertschöpfung weiter zu verwenden, bleibt größtenteils jedoch ungenutzt. Schlimmer noch: Sollen Teile dieser Artikel als Basis für die Erzeugung neuer Inhalte hinzugezogen werden, so entsteht ein hoher manueller Aufwand, welcher im täglichen Betrieb für Redakteurinnen und Redakteure kaum zu bewältigen ist. Die Verwendung der Retrieval-Augmented-Generation (RAG) bietet hier eine Lösung, indem eine Vektordatenbank nach semantisch passenden Artikeln durchsucht und diese einem Large Language Model zur Generierung von Zusammenfassungen zur Verfügung gestellt werden.Im Mittelpunkt dieser Customer-Story stehen zum einen die technischen Hindernisse und deren Bewältigung bei der faktenbasierten Zusammenfassung. Zum anderen nehmen wir die Perspektive der Redakteurinnen und Redakteure ein, indem wir die Integration des Systems in den redaktionellen Alltag, dessen Akzeptanz sowie Feedback beleuchten. Zudem zeigen wir auf, wie die Verarbeitung dieses Feedbacks zur inkrementellen Verbesserung des Systems genutzt wird.
KI bietet neue Möglichkeiten, zusätzliche Optimierungspotenziale zu heben. Open Knowledge GmbH hat für Rehau Automotive die Intralogistik von Gabelstaplern mit KI optimiert. In diesem Beitrag möchten wir unsere gemeinsame KI User Journey vorstellen. Unser Ziel war, die Effizienz der Intralogistik zu erhöhen, also Kosten zu sparen, ohne die Qualität der Transportzeiten zu verringern. In unserer Zusammenarbeit haben wir die bestehende Transportauftragsvergabe zunächst als eine Blackbox aufgefasst und die Avise stichprobenartig auf realen Situationen ausgeführt. So konnten wir bestehende Optimierungspotenziale identifizieren und im Werk produktiv umsetzen. Weitere Optimierungspotenziale haben wir mit einem Metaoptimierer gefunden, der ein eigenes Modell der Avise bildet. Schließlich haben wir ein gemeinsames Verständnis für die Domäne aufgebaut, das uns erlaubt, auch einen Digitalen Zwilling zu bauen. Damit können wir die Fachlichkeit konstruktiv zu einem Modell der im System der Intralogistik bestehenden Flexibilität verarbeiten und diese für unsere Optimierungsziele nutzen.
KI zum Anfassen und Ausprobieren: Schau beim KI Lab vorbei, wir freuen uns auf dich!
