The German-Angst aus Sicht eines CEO: Wird KI die Softwareentwicklung übernehmen?

Ich bin wahrscheinlich einer dieser typisch skeptischen Deutschen mit typischer „German Angst“. Und dann endete 2022 mit dem großen Knall: ChatGPT.

Modelle wie Stable Diffusion kannte ich schon vorher. Aber ChatGPT war ein Meilenstein – vor allem erschreckend, und es brachte jede Menge Unsicherheit. Es ist nur menschlich, Angst vor dem Unbekannten zu haben. Und vor der Möglichkeit, ersetzt zu werden. Das wirft Fragen auf: Wie widerstandsfähig ist das eigene Unternehmen? Wie anpassungsfähig sind seine Strukturen?

So habe ich meine Angst vor KI in fünf Phasen bewältigt

2023 war ein unfassbar emotionaler Ritt. In der Psychologie nennt man das die fünf Phasen der Bewältigung.

01 · Verleugnung

„KI ist nur ein Hype!“ Zuerst glaubte ich nicht, dass KI eine so große Rolle spielen würde. „Es ist nur Statistik – und das bleibt es auch“, war mein Mantra.

02 · Wut

„Wir haben eine Wahnsinns-Chance verpasst.“ Schon 2001 habe ich mich mit KI beschäftigt, mein Professor schlug mich für ein Stipendium der Studienstiftung vor, ich baute Perzeptron-Netze von Grund auf. Warum haben wir dieses Wissen nicht genutzt?

03 · Verhandeln

„So schlecht sind wir eigentlich nicht …“ Fast jede App der letzten fünf Jahre hatte einen KI-Bezug: BPM-Erkennung im Audio, Feature-Extraktion in Bildern, 3D-Rekonstruktion aus 2D-Bildern, AR kombiniert mit KI.

04 · Panik

„Wir begeben uns in eine gefährliche Abhängigkeit!“ Wir hatten Spitzentechnologie eingesetzt, uns aber nicht selbst die Hände schmutzig gemacht. Wie viele europäische Unternehmen hingen wir an OpenAI und Microsoft.

05 · Akzeptanz

„Wir machen KI jetzt selbst!“ Im März 2023 haben wir beschlossen, mit eigenen Mitteln tief in KI einzusteigen. Das Rad erfinden wir nicht neu – aber wir nutzen freie Entwürfe von Rädern für unsere eigenen Anwendungen.

Was wir heute selbst machen

Seit März 2023 trainieren wir intern Large Language Models (LLMs, also große Sprachmodelle) und Stable-Diffusion-Modelle. Wir nutzen und verfeinern sie mit eigenen Datensätzen – vor allem für den Einsatz in Apps oder auf Offline-Hardware:

• LLaMA
• LLaMA 2
• Stable Diffusion
• Dolly
• StableLM
• BLOOM
• Vicuna

• Schneller Geringere Latenz, weil das Modell direkt in der App oder auf der Hardware läuft.
• Sicherer Kein externer Zugriff nötig.
• Geschützter Trainingsdaten bleiben bei Dir und gehen nicht an Dritte.

Abschließende Gedanken

Ich bin mir sehr sicher: Jedes Softwareunternehmen sollte sich heute an die neuen Gegebenheiten anpassen. KI erhöht Entwicklungsgeschwindigkeit und Performance. Statt harter Mathematik – etwa bei der Beat-Erkennung im Audio – kümmerst Du Dich um Daten und Training der Modelle. Wichtig bleibt, die Grenzen zu verstehen und Kundinnen und Kunden bei der Entscheidung zu unterstützen.

Müssen wir uns vor KI fürchten? Nein, natürlich nicht. Wir sollten sie adaptieren und als das nutzen, was sie ist: ein Werkzeug. Eine sehr nützliche Unterstützung für uns alle. Was KI dabei nicht ist, steht im zweiten Teil →

Häufig gestellte Fragen