#analytic ai

[victusinveritas]

[epublicsector]

Game Changer Hybride KI

Im Zuge des mit ChatGPT, Copilot, Gemini, Perplexity, Claude und all den anderen zurecht entstandenen Hype um Generative Künstliche Intelligenz (GenAI) wird fast vergessen, dass es noch andere Verfahren der Künstlichen Intelligenz gibt, die mehr als nur eine Daseinsberechtigung haben. Von Analytischer KI werden viele, die sich nicht mit Statistik, Datenanalyse, Data Mining o.ä. beschäftigen, wahrscheinlich noch nie gehört haben. Dabei hat sie eine längere Geschichte, als die durch die großen Sprachmodelle (Large Language Modells LLMs) berühmt und berüchtigt gewordene Generative KI.

Generative KI und Analytische KI auf einen Blick (in a nutshell)

Beide Ansätze gehören zur künstlichen Intelligenz, verfolgen aber grundlegend unterschiedliche Ziele und setzen unterschiedliche Methoden sein.

Generative KI mit großen Sprachmodellen (LLMs) wurde entwickelt, um natürlichsprachige Fragen zu unstrukturierten Daten aus nicht näher bestimmten Bereichen zu beantworten, also Sprache zu „verstehen“ und von Menschen als natürlich empfundene sprachliche Antworten zu liefern. Mittlerweile können die Sprachmodelle neben geschriebener und gesprochener Sprache auch Bilder, Videos und alle Arten von Code verarbeiten. Allen ist gemein, dass sie dialogisch gesteuert werden können und zwar nicht nur von Menschen, sondern auch anderen AIs (Agentic AI). Sie sind stark darin aus sprachlichen Anfragen Informationen abzurufen, daraus Wissen zu generieren und darüber sowie mittlerweile auch über den Hergang zu kommunizieren.

Sie nutzen dafür Reasoning-Technologien wie Transformer-Architekturen, die auf  riesigen Content-Mengen oft mithilfe von in Billiglohnländern sitzenden Gig Workern trainiert werden.

Die Ergebnisse sind durch Reasoning und Angabe von Quellen (die aber nicht immer stimmen) besser nachvollziehbar als vorher, aber aufgrund des prinzipiellen Verfahren nicht deterministisch, reproduzierbar und damit auch nicht verlässlich.

Analytische KI dient dazu, strukturierte Daten zu analysieren, Muster zu erkennen, Vorhersagen zu treffen und damit eine verlässliche, nachvollziehbare und nachprüfbare Entscheidungsgrundlage zu liefern.

Anwendungsgebiete sind klar definierte Fragestellungen mit typischen Aufgaben wie Prognosen (z. B. Umsatzvorhersagen), Anomalieerkennung (z. B. Betrugserkennung), Empfehlungssysteme (z. B. Netflix, Amazon), Klassifikation und Clustering.

Methodisch setzt Analytische KI auf „Klassisches“ Machine Learning (Random Forest, XGBoost, lineare Regression, neuronale Netze für tabellarische Daten), um aus Datenbanken numerische oder kategorische Daten (Tabellen, Zeitreihen), präzise Zahlen, Wahrscheinlichkeiten oder Kategorien zu extrahieren. Die Ergebnisse sind präzise interpretierbar und lassen sich aufgrund des klar definierten Problembereichs  mit im Vergleich zu LLMs mit wenig Rechenleistung und wenig Trainingsdaten erstellen.

Die Kernunterschiede auf einen Blick

Fazit

Die beide Ansätze ergänzen sich: LLMs haben ihre Stärken in der Kommunikation, vor allem der sprachlichen Interaktion und Interpretation, während analytische KI-Modelle im Hintergrund methodisch bis wissenschaftlich Daten auswerten und den regulatorischen Rahmen für solide Entscheidungsgrundlagen geben. 

Zu diesem Thema ist auch ein Artikel auf Linkein vom gleichen Autor erschienen: https://www.linkedin.com/pulse/game-changer-hybride-ki-thomas-klau%25C3%259F-sviof

[irisent]

imo the most frustrating thing about AI (besides the flagrant energy and water waste) is the fact that so many people are using it for things its fundamentally not designed to do. chatgpt started as a writing assistant and now every single search engine has an AI search result???? Those are different things!!! AI is not meant to answer questions with a clear answer. It will lie to you!!! AI is a pattern identifier and has no way of double checking if the answer it pulled is actually relevant to whatever you're asking it.

furthermore like Analytic AI is so so so so cool and interesting in the field of science *because* of its ability to find patterns in massive amounts of data, but all these bozos are using it for tasks we already know how to do!!!!!! But now actually useful AI shit gets lumped in with all the wasteful stuff and no one is hyped about protein folding or cancer cell identification bc the term AI has like a pavlovian response to shit and bad.

rah rargh raghgrgh grr garh