GenAI soll laut Gartner unter anderem durch RAG-Technologie präziser und geschäftsrelevanter werden. Andrii Yalanskyi – shuttertsock.com Die Analysten von Gartner prognostizieren, dass bis zum Jahr 2028 Unternehmen vier von fünf ihrer Generative KI (GenAI)-Geschäftsanwendungen auf ihren bereits bestehenden Datenmanagement-Plattformen entwickeln werden. Laut den Experten sollen Betriebe über diesen Ansatz GenAI-Applikationen um 50 Prozent schneller und weniger komplex bereitstellen können. Prasad Pore, Senior Director Analyst bei Gartner, weist darauf hin, dass der Aufbau von GenAI-Geschäftsanwendungen es erfordere, Large Language Modelle (LLM) mit Unternehmensdaten zu integrieren. Zusätzlich müssten neue Technologien wie Vektorsuche und Prompt Design eingesetzt werden. Ohne einheitliches Management könne dies aber zu Verzögerungen und hohen Kosten führen, so der Experte. Daher müssten Datenmanagementplattformen weiterentwickelt werden, um GenAI-Funktionen effektiv zu unterstützen und eine erfolgreiche Umsetzung zu gewährleisten. Bessere GenAI mit RAG Retrieval-Augmented Generation (RAG) ist ein zentrales Konzept für GenAI-Anwendungen, da es LLMs durch kontextbezogene Daten aus verschiedenen Quellen ergänzt, so der Analysten. Dadurch würden die Modelle genauer und erklärbarer, insbesondere bei geschäftsspezifischen Aufgaben. Unternehmenseigene Daten in Kombination mit RAG einzusetzen, verbessere zudem die Leistung. Metadaten und Semantik sind dabei laut Pore entscheidend. Datenkataloge helfen, diese Informationen zu strukturieren und die Nachvollziehbarkeit sicherzustellen, so der Experte. RAG als neue Wissensquelle Um sich beim Einsatz von GenAI-Anwendungen nicht zu verzetteln, empfiehlt der Analyst Unternehmen Folgendes: : Eigene Datenmanagementplattformen weiterentwickeln und prüfen, ob sie in eine RAG-as-a-Service-Plattform umgewandelt werden können, um separate Dokumenten-/Datenspeicher als Wissensquelle für GenAI-Anwendungen abzulösen. RAG-Technologien wie Vektorsuche, Graphen und Chunking priorisieren, da sie sich gut in bestehende Datenmanagementlösungen integrieren lassen, mit Unternehmensdaten kompatibel sind und eine höhere Toleranz gegenüber technologischen Veränderungen bieten. Sowohl technische als auch betriebliche Metadaten nutzen, um GenAI-Anwendungen vor Missbrauch, Datenschutzrisiken und dem Verlust geistigen Eigentums zu schützen.
Der Siegeszug von GenAI Business Apps geht weiter
GenAI soll laut Gartner unter anderem durch RAG-Technologie präziser und geschäftsrelevanter werden. Andrii Yalanskyi – shuttertsock.com Die Analysten von Gartner prognostizieren, dass bis zum Jahr 2028 Unternehmen vier von fünf ihrer Generative KI (GenAI)-Geschäftsanwendungen auf ihren bereits bestehenden Datenmanagement-Plattformen entwickeln werden. Laut den Experten sollen Betriebe über diesen Ansatz GenAI-Applikationen um 50 Prozent schneller und weniger komplex bereitstellen können. Prasad Pore, Senior Director Analyst bei Gartner, weist darauf hin, dass der Aufbau von GenAI-Geschäftsanwendungen es erfordere, Large Language Modelle (LLM) mit Unternehmensdaten zu integrieren. Zusätzlich müssten neue Technologien wie Vektorsuche und Prompt Design eingesetzt werden. Ohne einheitliches Management könne dies aber zu Verzögerungen und hohen Kosten führen, so der Experte. Daher müssten Datenmanagementplattformen weiterentwickelt werden, um GenAI-Funktionen effektiv zu unterstützen und eine erfolgreiche Umsetzung zu gewährleisten. Bessere GenAI mit RAG Retrieval-Augmented Generation (RAG) ist ein zentrales Konzept für GenAI-Anwendungen, da es LLMs durch kontextbezogene Daten aus verschiedenen Quellen ergänzt, so der Analysten. Dadurch würden die Modelle genauer und erklärbarer, insbesondere bei geschäftsspezifischen Aufgaben. Unternehmenseigene Daten in Kombination mit RAG einzusetzen, verbessere zudem die Leistung. Metadaten und Semantik sind dabei laut Pore entscheidend. Datenkataloge helfen, diese Informationen zu strukturieren und die Nachvollziehbarkeit sicherzustellen, so der Experte. RAG als neue Wissensquelle Um sich beim Einsatz von GenAI-Anwendungen nicht zu verzetteln, empfiehlt der Analyst Unternehmen Folgendes: : Eigene Datenmanagementplattformen weiterentwickeln und prüfen, ob sie in eine RAG-as-a-Service-Plattform umgewandelt werden können, um separate Dokumenten-/Datenspeicher als Wissensquelle für GenAI-Anwendungen abzulösen. RAG-Technologien wie Vektorsuche, Graphen und Chunking priorisieren, da sie sich gut in bestehende Datenmanagementlösungen integrieren lassen, mit Unternehmensdaten kompatibel sind und eine höhere Toleranz gegenüber technologischen Veränderungen bieten. Sowohl technische als auch betriebliche Metadaten nutzen, um GenAI-Anwendungen vor Missbrauch, Datenschutzrisiken und dem Verlust geistigen Eigentums zu schützen.
Der Siegeszug von GenAI Business Apps geht weiter GenAI soll laut Gartner unter anderem durch RAG-Technologie präziser und geschäftsrelevanter werden. Andrii Yalanskyi – shuttertsock.com Die Analysten von Gartner prognostizieren, dass bis zum Jahr 2028 Unternehmen vier von fünf ihrer Generative KI (GenAI)-Geschäftsanwendungen auf ihren bereits bestehenden Datenmanagement-Plattformen entwickeln werden. Laut den Experten sollen Betriebe über diesen Ansatz GenAI-Applikationen um 50 Prozent schneller und weniger komplex bereitstellen können. Prasad Pore, Senior Director Analyst bei Gartner, weist darauf hin, dass der Aufbau von GenAI-Geschäftsanwendungen es erfordere, Large Language Modelle (LLM) mit Unternehmensdaten zu integrieren. Zusätzlich müssten neue Technologien wie Vektorsuche und Prompt Design eingesetzt werden. Ohne einheitliches Management könne dies aber zu Verzögerungen und hohen Kosten führen, so der Experte. Daher müssten Datenmanagementplattformen weiterentwickelt werden, um GenAI-Funktionen effektiv zu unterstützen und eine erfolgreiche Umsetzung zu gewährleisten. Bessere GenAI mit RAG Retrieval-Augmented Generation (RAG) ist ein zentrales Konzept für GenAI-Anwendungen, da es LLMs durch kontextbezogene Daten aus verschiedenen Quellen ergänzt, so der Analysten. Dadurch würden die Modelle genauer und erklärbarer, insbesondere bei geschäftsspezifischen Aufgaben. Unternehmenseigene Daten in Kombination mit RAG einzusetzen, verbessere zudem die Leistung. Metadaten und Semantik sind dabei laut Pore entscheidend. Datenkataloge helfen, diese Informationen zu strukturieren und die Nachvollziehbarkeit sicherzustellen, so der Experte. RAG als neue Wissensquelle Um sich beim Einsatz von GenAI-Anwendungen nicht zu verzetteln, empfiehlt der Analyst Unternehmen Folgendes: : Eigene Datenmanagementplattformen weiterentwickeln und prüfen, ob sie in eine RAG-as-a-Service-Plattform umgewandelt werden können, um separate Dokumenten-/Datenspeicher als Wissensquelle für GenAI-Anwendungen abzulösen. RAG-Technologien wie Vektorsuche, Graphen und Chunking priorisieren, da sie sich gut in bestehende Datenmanagementlösungen integrieren lassen, mit Unternehmensdaten kompatibel sind und eine höhere Toleranz gegenüber technologischen Veränderungen bieten. Sowohl technische als auch betriebliche Metadaten nutzen, um GenAI-Anwendungen vor Missbrauch, Datenschutzrisiken und dem Verlust geistigen Eigentums zu schützen.