Red Hut auf offenen, kleinen Sprachmodellen für verantwortungsbewusste, praktische KI

Geopolitische Einflüsse auf die Entwicklung und Nutzung von KI

Da globale Ereignisse unsere Welt weiterhin prägen, beeinflussen sie zwangsläufig den Technologiesektor, insbesondere den KI-Markt. Dieser Einfluss erstreckt sich auf die Entwicklung von KI, ihre Methoden und ihre Anwendung in Unternehmen. Die aktuelle Landschaft der KI ist eine Mischung aus Begeisterung und Skepsis, wobei einige ihr Potenzial begrüßen, während andere aufgrund der frühen Entwicklungsphase vorsichtig bleiben.

Die traditionellen, geschlossenen großen Sprachmodelle (LLMs) wie die von bekannten Anbietern stehen im Wettbewerb mit neueren, offeneren Modellen wie Llama, DeepSeek und Baidus Ernie X1. Im Gegensatz dazu bietet die Open-Source-Entwicklung Transparenz und die Möglichkeit zur Beteiligung der Gemeinschaft, was mit dem Konzept der „verantwortungsvollen KI“ übereinstimmt. Dieser Ansatz berücksichtigt Umweltauswirkungen, Nutzungsethik, Lern-Datenquellen sowie Fragen der Datensouveränität, Sprache und Politik.

Red Hat, ein Unternehmen, das für sein erfolgreiches Open-Source-Geschäftsmodell bekannt ist, ist bestrebt, seinen kooperativen und transparenten Ansatz auf KI anzuwenden. In einem kürzlichen Gespräch mit Julio Guijarro, Red Hats CTO für EMEA, diskutierten wir ihre Strategie, die Leistungsfähigkeit generativer KI so zu nutzen, dass sie Unternehmen verantwortungsvoll und nachhaltig Mehrwert bietet.

Die Notwendigkeit von Bildung und Transparenz

Julio betonte die Notwendigkeit einer besseren Aufklärung über KI und wies darauf hin, dass ihre komplexe Natur sie für viele zu einer „Black Box“ macht. „Die Funktionsweise von KI, tief verwurzelt in komplexer Wissenschaft und Mathematik, bleibt weitgehend unbekannt“, sagte er. „Dieser Mangel an Transparenz wird verschärft, wenn KI in geschlossenen Umgebungen entwickelt wird.“

Weitere Herausforderungen umfassen die Unterrepräsentation bestimmter Sprachen, Bedenken hinsichtlich der Datensouveränität und Vertrauensprobleme. Julio bemerkte: „Daten sind das wertvollste Gut eines Unternehmens, und Unternehmen müssen sich der Risiken bewusst sein, sensible Daten öffentlichen Plattformen mit unterschiedlichen Datenschutzrichtlinien auszusetzen.“

Red Hats Ansatz für KI

Red Hats Antwort auf die globale Nachfrage nach KI konzentriert sich darauf, Endnutzern Vorteile zu bieten, während Zweifel und Einschränkungen traditioneller KI-Dienste angegangen werden. Julio hob das Potenzial kleiner Sprachmodelle (SLMs) als Lösung hervor. Diese Modelle können lokal oder in hybriden Clouds mit nicht spezialisierter Hardware ausgeführt werden und Zugriff auf lokale Geschäftsdaten haben. SLMs sind effizient und aufgabenspezifisch, benötigen weniger Ressourcen als LLMs.

Ein wesentlicher Vorteil von SLMs ist ihre Fähigkeit, mit sich schnell ändernden Geschäftsdaten aktuell zu bleiben. „Große Sprachmodelle können schnell veralten, weil die Datengenerierung außerhalb großer Clouds stattfindet, direkt neben Ihren Geschäftsprozessen“, erklärte Julio.

Kosten sind ein weiterer kritischer Faktor. „Kundendienst-Anfragen mit einem LLM können erhebliche versteckte Kosten verursachen“, sagte Julio. „Vor KI hatten Datenabfragen einen vorhersehbaren Umfang und Kosten. Bei LLMs können die Kosten pro Interaktion steigen, da sie auf einem iterativen Modell arbeiten. Das Ausführen von Modellen vor Ort ermöglicht eine bessere Kostenkontrolle, da diese an Ihre Infrastruktur gebunden sind, nicht an Gebühren pro Abfrage.“

Glücklicherweise müssen Organisationen nicht stark in spezialisierte Hardware wie GPUs investieren. Red Hat arbeitet daran, Modelle für Standard-Hardware zu optimieren und sich auf die spezifischen Modelle zu konzentrieren, die Unternehmen benötigen, anstatt große, allgemeine Datensätze bei jeder Anfrage zu verarbeiten.

Die Bedeutung kleinerer, lokalisierter Modelle

Durch die Verwendung und Referenzierung lokaler Daten können Ergebnisse auf spezifische Bedürfnisse zugeschnitten werden. Julio verwies auf Projekte in Regionen wie der arabisch- und portugiesischsprachigen Welt, die von den englischzentrierten LLMs nicht gut bedient werden.

Es gibt praktische Herausforderungen mit LLMs, einschließlich Latenzprobleme, die zeitkritische oder kundenorientierte Anwendungen beeinträchtigen können. Die Nähe von Ressourcen und Ergebnissen zum Nutzer kann diese Probleme mildern.

Vertrauen ist ein weiterer entscheidender Aspekt verantwortungsvoller KI. Red Hat setzt auf offene Plattformen, Werkzeuge und Modelle, um die Transparenz zu erhöhen und eine breitere Beteiligung der Gemeinschaft zu ermöglichen. „Das ist für alle entscheidend“, erklärte Julio. „Wir bauen Fähigkeiten auf, um KI zu demokratisieren, nicht nur durch die Veröffentlichung von Modellen, sondern durch die Bereitstellung von Werkzeugen, mit denen Nutzer sie replizieren, anpassen und bereitstellen können.“

Die kürzliche Übernahme von Neural Magic durch Red Hat zielt darauf ab, Unternehmen zu helfen, KI einfacher zu skalieren, die Inferenzleistung zu verbessern und mehr Auswahlmöglichkeiten beim Aufbau und Einsatz von KI-Workloads durch das vLLM-Projekt zu bieten. Zusätzlich hat Red Hat in Zusammenarbeit mit IBM Research InstructLab veröffentlicht, um die KI-Entwicklung auch für Nicht-Datenwissenschaftler mit wertvollem Geschäftswissen zu öffnen.

Die Zukunft der KI

Während es viele Spekulationen über die KI-Blase gibt, glaubt Red Hat an eine Zukunft, in der KI auf spezifische Anwendungsfälle zugeschnitten ist und Open-Source bleibt. Dieser Ansatz wird wirtschaftlich tragfähig und für alle zugänglich sein. Wie Matt Hicks, CEO von Red Hat, sagte: „Die Zukunft der KI ist offen.“