Es muss nicht immer LLM sein

ChatGPTDatenschutzIoTLLMSprachanalyse

Sridhar Iyengar, Managing Director von Zoho EuropeSridhar Iyengar, Managing Director von Zoho Europe
Sridhar Iyengar, Managing Director von Zoho Europe

Abseits der Large Language Models (LLM) bieten spezialisierte Alternativen wie Narrow, Small und Medium Language Models (NLM, SLM, MLM) erhebliche Vorteile. Diese Modelle sind ressourcenschonender und eignen sich für spezifische Anwendungsbereiche wie IoT, Transkriptionen oder die Analyse umfangreicher Texte. Unternehmen können durch den Einsatz dieser Modelle in Kombination komplexe Aufgaben wie Dokumentenverarbeitung effizient und sicher lösen, was zu deutlichen Kosteneinsparungen führt. Der Einsatz verschiedener Modelle ermöglicht präzisere Ergebnisse und optimiert Geschäftsprozesse.

Wer von Künstlicher Intelligenz spricht, meint in der Regel Large Language Models (LLM). Dabei laufen Unternehmen Gefahr, das große Potenzial von Sprachmodellen abseits von LLMs zu übersehen. Der globale Technologieanbieter Zoho erklärt, warum sich ein Blick auf die gesamte KI-Spannweite lohnt.

Während die prominenten Vertreter der großen Sprachmodelle – allen voran GPT-4, Midjourney, DALL-E oder Googles Cybersecurity-LLM Sec-PaLM – im Scheinwerferlicht der Öffentlichkeit stehen, erfahren ihre kleineren Verwandten vergleichsweise wenig Aufmerksamkeit. Zu Unrecht, denn leichtgewichtige und spezialisierte Modelle bergen für Unternehmen ein immenses Potenzial.

Narrow Language Models

Sie sind kleine, leichtgewichtige Modelle, die sich auf einen eng umrissenen Anwendungsbereich und spezifische Aufgaben spezialisieren. Für diesen Zweck umfassen ihre Trainingsdaten auch nur Informationen aus einem bestimmen Themenbereich, etwa Cybersecurity, Finance oder einzelnen Produktgruppen eines Unternehmens. In der Praxis erstrecken sich die Anwendungsbeispiele von der Analyse juristischer Gesetzestexte über branchenspezifische Übersetzungen bis zur Erkennung von Text in Bildern.

Small Language Models (SLM)

Im Gegensatz zu den ressourcenintensiven LLMs umfassen kleine Sprachmodelle wenige Milliarden Parameter, in der Regel zwischen drei und sieben. Im Vergleich: Große Modelle verarbeiten mehr als 50 Milliarden Parameter. Dadurch können SLMs leichter für bestimmte Aufgaben trainiert werden, eignen sich für den Einsatz auf Geräten mit begrenzten Ressourcen, da sie weniger Rechenleistung und Speicherplatz benötigen, und verursachen geringere Kosten. Damit eignen sich SMLs für eine Vielzahl von Anwendungsfällen, etwa im Bereich von IoT-Geräten, Echtzeitübersetzungen, Transkriptionen oder Spracherkennung.

Medium Language Models (MLM)

Der nicht fest etablierte Begriff der MLMs dient zur Beschreibung von Modellen, die im Bereich von etwa 20 bis 50 Milliarden Parametern arbeiten. Sie bieten damit eine gute Balance zwischen Komplexität, Leistung und Ressourcenverbrauch. MLMs kommen dann zum Einsatz, wenn eine höhere Genauigkeit und Spezialisierung als bei SLMs nötig, die Rechenleistung allerdings begrenzt ist. Medium Language Models ermöglichen zum Beispiel eine intelligente Arbeit mit Texten, bei der Nutzer Fragen zu einem Dokument stellen können oder inhaltliche Analysen zu umfangreichen Textdokumenten benötigen. Auch die Beantwortung von häufig gestellten Fragen im Bereich Kundensupport, die Umwandlung von Sprache zu Text oder das Erkennen von Emotionen und Meinung im Kontext der Analyse von Kundenfeedback sind mögliche Anwendungsbeispiele.

Aktuelle LLMs wie ChatGPT sind für die breite Nutzung konzipiert, was zu Einschränkungen bei der Anwendung in Unternehmen und hohen Kosten führen kann. Die notwendige kontextuelle Intelligenz entsteht erst, wenn KI-Modelle verschiedener Größen auf Geschäftsprozesse angewendet werden. Das Wissen, das dabei gewonnen wird, ist für Unternehmen äußerst wichtig und kann zu Kosteneinsparungen führen.

„Das wahre Potenzial der vielen verschiedenen Sprachmodelle liegt in der Möglichkeit, sie miteinander zu kombinieren“

erklärt Sridhar Iyengar, Managing Director von Zoho Europe. „Durch das Zusammenspiel der einzelnen Lösungen lassen sich auch komplexe Prozesse effizient gestalten, zum Beispiel bei der Verarbeitung von fotografierten Dokumenten: Ein Narrow Model extrahiert den Text aus dem Bild, ein SLM analysiert die relevanten Informationen, die dann ein MLM auf Anomalien überprüft. Dieser Stacked-Model-Ansatz macht auch den Datenschutz und die Datensicherheit robuster.“

Zoho

Mit mehr als 55 Applikationen in fast allen wichtigen Geschäftskategorien, einschließlich Vertrieb, Marketing, Kundensupport, Buchhaltung sowie Back-Office, und einer Reihe von Produktivitäts- und Kollaborationstools gehört die Zoho Corporation weltweit zu den Softwareunternehmen mit dem größten Lösungsportfolio.Der Hauptsitz von Zoho befindet sich in Chennai, Indien, und der europäische Hauptsitz im niederländischen Utrecht. Weitere Büros betreibt Zoho in Deutschland, Frankreich, Spanien, den Vereinigten Staaten, Indien, Japan, China, Singapur, Mexiko, Australien und den Vereinigten Arabischen Emiraten.

Mehr zu ChatGPT

Diskussion

Das könnte Sie auch interessieren