{"id":25804,"date":"2025-02-25T11:24:51","date_gmt":"2025-02-25T11:24:51","guid":{"rendered":"https:\/\/www.signl4.com\/?p=25804"},"modified":"2025-02-26T12:45:48","modified_gmt":"2025-02-26T12:45:48","slug":"ki-in-signl4","status":"publish","type":"post","link":"https:\/\/www.signl4.com\/de\/blog\/ki-in-signl4\/","title":{"rendered":"Wie wir KI in SIGNL4 einbetten"},"content":{"rendered":"\n

<\/p>\n\n\n\n

\"\"<\/figure>\n\n\n\n

Von Matthes Derdack<\/a>, CEO<\/p>\n\n\n\n

<\/p>\n\n\n\n

Einf\u00fchrung<\/h2>\n\n\n\n

In den letzten zwei Jahren hat die k\u00fcnstliche Intelligenz (KI) ein bemerkenswertes Wachstum erfahren und ist dabei zunehmend verschiedene Bereiche und das t\u00e4gliche Leben zu beeinflussen. Im Jahr 2023 markierte die Ver\u00f6ffentlichung fortschrittlicher gro\u00dfer Sprachmodelle (LLMs) wie GPT-4 von OpenAI und Gemini von Google DeepMind einen entscheidenden Wandel, da sie KI-Systeme in die Lage versetzten, verschiedene Datentypen zu verarbeiten und zu generieren, darunter Text, Bilder und Audio. Diese Entwicklung setzte sich bis 2024 mit dem Aufkommen kosteng\u00fcnstiger und dennoch leistungsstarker KI-Modelle wie Chinas DeepSeek fort. Gleichzeitig hat sich die Integration von KI in praktische Anwendungen ausgeweitet, wobei Tools wie GPT-4 in Chatbots, Suchmaschinen und in der Kreativbranche eingesetzt werden. Dadurch werden zunehmend stupide Aufgaben rationalisiert und die Produktivit\u00e4t von Mitarbeitern gesteigert.<\/p>\n\n\n\n

<\/p>\n\n\n\n

Unser Ansatz zu KI<\/h2>\n\n\n\n

Bei SIGNL4 haben wir die Entwicklung der KI, ihre praktischen Anwendungen und ihre Grenzen genau beobachtet. Mit der Ver\u00f6ffentlichung von ChatGPT Anfang 2023 habe ich mich in die Theorie der LLMs vertieft und zahlreiche KI-gest\u00fctzte L\u00f6sungen von Startups erkundet, die die Bereiche Inhaltserstellung, Bild- und Videogenerierung, Podcasting, juristische KI, wissenschaftliche Forschung und Finanzanalyse abdecken.<\/p>\n\n\n\n

Ende 2023 kam unser Team bei SIGNL4 zu dem Schluss, dass die KI so weit ausgereift ist, dass sie in bestimmten Bereichen einen echten Mehrwert bietet, insbesondere aufgrund ihrer starken F\u00e4higkeiten bei der Mustererkennung und -abgleich. Wir stellten jedoch auch fest, dass es Grenzen bei logischen Schlussfolgern und bei Aufgaben gibt, die Pr\u00e4zision, Logik und komplexe Berechnungen erfordern. Das Verst\u00e4ndnis der Natur und der Grundlagen von LLMs half uns, realistische Erwartungen zu setzen. Vor diesem Hintergrund entwickelten wir eine allgemeine KI-Strategie f\u00fcr SIGNL4, testeten verschiedene KI-Modelle, erstellten Prototypen und setzten unsere ersten Ideen um.<\/p>\n\n\n\n

<\/p>\n\n\n\n

Unsere Implementierungshistorie<\/h2>\n\n\n\n

Unsere erste KI-gest\u00fctzte Funktion, die KI-basierten Alarmzusammenfassungen<\/strong>, wurde im Oktober 2024 eingef\u00fchrt<\/a>. Dieses Tool ist besonders n\u00fctzlich f\u00fcr die Interpretation von Alarmen, die umfangreiche Daten mit mehreren Parametern und zahlreichen Details enthalten. KI-generierte Zusammenfassungen helfen dabei, das Dickicht von Informationen zu durchdringen, indem eine umfangreiche Alarmmeldung auf die wichtigsten Fakten reduziert wird. Diese Funktion ist f\u00fcr jeden einzelnen Alarm \u00fcber die SIGNL4 Mobil-App leicht zug\u00e4nglich, quasi per Touch.<\/p>\n\n\n\n

Mitte Februar 2025 haben wir dann, etwas unter dem Radar, die KI-Analyse <\/strong>eingef\u00fchrt, eine Funktion, die eine regelm\u00e4\u00dfige Zusammenfassung von Alarmen und ihren Mustern innerhalb eines konfigurierbaren Zeitrahmens liefert. Diese hybride Funktion kombiniert herk\u00f6mmliche mathematische Berechnungen, wie z. B. die durchschnittliche Reaktionszeit, mit KI-gesteuerter Mustererkennung. Durch die Analyse historischer Alarmdaten innerhalb eines bestimmten Teams liefert die KI-Analyse wertvolle statistische Erkenntnisse und kann Muster erkennen, die auf potenzielle Probleme oder Vorf\u00e4lle hinweisen.<\/p>\n\n\n\n

<\/p>\n\n\n\n

<\/p>\n\n\n\n

\"KI<\/figure>\n\n\n\n

<\/p>\n\n\n\n

<\/p>\n\n\n\n

Sicherheit und Datenschutz<\/h2>\n\n\n\n

Wir sind uns bewusst, dass die Einf\u00fchrung von KI mit Bedenken hinsichtlich der Sicherheit und des Datenschutzes einhergeht, und wir nehmen diese Probleme sehr ernst. Um ihnen zu begegnen, haben wir vier wichtige Ma\u00dfnahmen ergriffen:<\/p>\n\n\n\n

    \n
  1. Kontrolle der KI-Nutzung: <\/strong>Benutzer k\u00f6nnen die KI-Funktionalit\u00e4t innerhalb von SIGNL4 auf Wunsch vollst\u00e4ndig deaktivieren.<\/li>\n\n\n\n
  2. Einhaltung des Datenschutzes:<\/strong> Wir verwenden KI-Modelle, die ausschlie\u00dflich in der EU gehostet werden, um die Einhaltung strenger Datenschutzgesetze zu gew\u00e4hrleisten.<\/li>\n\n\n\n
  3. Kein Training mit Kundendaten: <\/strong>Wir verwenden keine Kundendaten, um KI-Modelle zu trainieren. Alle von unseren KI-Funktionen verarbeiteten Informationen werden nicht innerhalb des Modells gespeichert oder aufbewahrt, um die Datensicherheit zu gew\u00e4hrleisten.<\/li>\n\n\n\n
  4. Datensparsamkeit:<\/strong> Unser Code \u00fcbergibt den KI-Modellen immer nur die n\u00f6tigsten Informationen.<\/li>\n<\/ol>\n\n\n\n

    Wir sind davon \u00fcberzeugt, dass unsere KI-Implementierung zu den transparentesten und datenschutzfreundlichsten in der Branche geh\u00f6rt, da wir diese Sicherheitsvorkehrungen getroffen haben.<\/p>\n\n\n\n

    <\/p>\n\n\n\n

    <\/p>\n\n\n\n

    \"\"<\/figure>\n\n\n\n

    <\/p>\n\n\n\n

    <\/p>\n\n\n\n

    Kosten und Preisgestaltung<\/h2>\n\n\n\n

    Die Nutzung von KI verursacht oft erhebliche Kosten, da die Abrechnung auf Token-Basis erfolgt, bei der sich die Preisgestaltung nach der Menge der von einem LLM verarbeiteten Daten richtet. Viele Anbieter berechnen daher separate Geb\u00fchren f\u00fcr KI-gest\u00fctzte Add-ons. Allerdings denken wir, dass dieser Ansatz die Akzeptanz von KI verlangsamt. Daher integrieren wir KI in den Bereichen, in denen sie einen erheblichen Mehrwert generiert, und integrieren sie gleichzeitig in unser bestehendes Preismodell. Diese Strategie beschleunigt die Akzeptanz und stellt sicher, dass KI nur dort eingesetzt wird, wo sie einen echten Nutzen zu angemessenen Kosten bietet.<\/p>\n\n\n\n

    <\/p>\n\n\n\n

    Zuk\u00fcnftige Roadmap and Anwendungen<\/h2>\n\n\n\n

    Die Entwicklung der KI-Analyse-Funktion als Hybridl\u00f6sung verdeutlicht, warum KI nicht wahllos, sondern mit Bedacht eingesetzt werden muss. Bei der Untersuchung der Nutzbarkeit von KI f\u00fcr Analysen und Berichte stie\u00dfen wir recht schnell auf allgemeine Probleme wie Halluzinationen und ungenaue und nicht deterministische Datengenerierung. Diese Einschr\u00e4nkungen ergeben sich jedoch aus der grundlegenden Natur von LLMs (hier kann mehr \u00fcber die Funktionsweise von LLMS lesen<\/a>) – nur weil KI ein leistungsf\u00e4higes Werkzeug ist, bedeutet das nicht, dass sie die richtige L\u00f6sung f\u00fcr jedes Problem ist.<\/p>\n\n\n\n

    Vor diesem Hintergrund testen wir kontinuierlich neue KI-Anwendungen innerhalb von SIGNL4 und haben bereits damit begonnen, zus\u00e4tzliche Funktionen aus unserer Entwicklungspipeline zu implementieren und zu evaluieren. Zurzeit befinden sich mindestens zwei vielversprechende KI-gesteuerte Funktionen in der internen Testphase.
    M\u00f6gliche k\u00fcnftige Anwendungen von KI in SIGNL4 sind unter anderem:<\/p>\n\n\n\n