.png)
Das Wichtigste rund um KI
Künstliche Intelligenz (KI)
Künstliche Intelligenz (KI) als «Oberbegriff» ermöglicht es Computern und Maschinen, menschliche Intelligenz und Problemlösungsfähigkeiten zu simulieren: Wahrnehmen, Verstehen, logisches Denken, Handeln & Lernen.
Maschinelles Lernen (ML)
-
Unterkategorie von KI
-
Algorithmen, die es einem System ermöglicht, aus Daten zu lernen.
-
Klassisches ML ist stärker auf menschliche Vorgaben angewiesen, um zu lernen (strukturierte Daten).
Praxisbeispiel: Durch Analyse der Mails und auf Basis vortrainierter (strukturierter) Daten und Klassifikation findet Einteilung in Spam oder nicht-Spam-Mails statt.
Deep Learning (DL)
-
Unterkategorie von ML, ist aber weniger stark auf menschliches Eingreifen angewiesen (Verwendung unstrukturierter Daten)
-
Rekonstruierung der Architektur des menschlichen Gehirns
-
Selbstlernmechanismen erkennen zuvor unbekannte Zusammenhänge, Kategorien und Unterschiede in Daten
Generative KI
Generative KI ist in der Lage – nicht wie traditionelle KI – neuen, einzigartigen Inhalt eigenständig zu erstellen, den es zuvor noch nicht gab. Dies auf Basis erlernter Informationen aus unstrukturierten Daten.
-
Data Mining: Analyse von Kundenverhalten, Kaufmustern und Produktbestimmung
-
Prädiktive Datenanalyse: Vorausschauende Datenanalysen ermöglichen Handlungen & Entscheidungen möglicher Szenarien in der Zukunft anzupassen
-
Chatbots: interaktive, menschenähnliche Interaktionen 24/7
-
...
Was versteht man unter
«Large Language Models (LLM)»?
Large Language Models (LLM) = Grosse Sprachmodelle haben das Ziel und die Fähigkeit, Beziehungen zwischen Wörtern (=Daten) zu erlernen – also menschliche Sprache zu verstehen und neue Inhalte zu generieren.
LLM sind darauf ausgelegt, enorm grosse Mengen unstrukturierter Daten (meistens Textdaten menschlicher Sprache) zu verarbeiten, zu verstehen und anschliessend neuen zu generieren (Teil der Generativen KI).
Beispiele:
-
ChatGPT von OpenAI
-
Copilot von Microsoft
-
Gemini von Google
Als Teil der grossen Sprachmodelle (LLM) bildet das GPT die Grundlage für die Verarbeitung und Erzeugung unstrukturierter Daten.
Doch was ist «GPT»?
G
Generative
Auf Grundlage gemachter Eingaben (=Prompts) kann neuer menschenähnlicher Output (Text, Bild, Video etc.) generiert werden.
P
Pretrained
Vortrainiert (=Pretrained) mit einem Datensatz, um eine breite Wissens- und Informationsgrundlage zu schaffen.
T
Transformer
Eine Art «Gehirn», um Beziehungen zwischen Wörtern zu verarbeiten, analysieren und diese in einen Ausgabetext zu «transformieren».
Welches sind die aktuell relevantesten Grossen Sprachmodelle (LLM)?
Aktuell gibt es eine hohe Anzahl Grosser Sprachmodelle, die sich etablieren müssen. Diese Übersicht von der AI Advantage Community (Stand Oktober 2025) zeigen die momentan etabliertesten LLM.
❓Doch welches LLM eignet sich für welche Anwendung?
Wir finden:
-
ChatGPT (OpenAI)
Der bekannteste Allrounder unter den LLMs, weil er vielseitig einsetzbar ist und selbst komplexe Fragen relativ einfach beantworten kann. -
Copilot (Microsoft)
Insbesondere spannend für Unternehmen, welche die Microsoft 365 Umgebung implementiert haben (Sharepoint, Teams etc.). -
Gemini (Google)
Gemini stammt von Google, ist stark auf Datenanalysen ausgelegt -
Claude (Anthropic)
Überzeugt durch starke Code-Generierung und einem natürlichen, weniger 'KI-typischen' Ton, der Interaktionen authentisch und flüssig wirken lässt. -
Perplexity AI
Punktet mit schnellen Faktenchecks und Recherchen, die direkt mit Quellen verknüpft sind -
Grok AI
Grok ist relativ neu auf dem Markt und zielt darauf ab, schnelle und präzise Antworten in Echtzeit zu liefern. Gut für Bildgenerierung (Alternative ist Midjourney)
Welche Funktionen hat ChatGPT?
ChatGPT ist bei weitem mehr als "nur" ein Chatbot.
ChatGPT entwickelt sich ständig weiter und bietet vielseitige Anwendungsmöglichkeiten für den modernen Arbeitsalltag. Wir haben versucht, die zahlreichen Funktionen in 4 Kategorieren zu unterteilen - je nach Funktion kann es aber auch einer anderen Kategorie eingeordnet werden.
Deep Fakes
Was sind Deep Fakes und was gibt es zu beachten?
Deep Fake =
Tiefe Unwahrheiten
Der Begriff ist eine Kombination aus «Deep Learning» und «Fake» (=unecht)
Neuer, menschenähnlicher Output (Text, Bild, Video etc.) wird geschaffen, der nicht von der Realität zu unterscheiden ist. Beispiele sind:
-
Gesichter austauschen
-
Gesichter und Geräusche imitieren
-
Lippensynchronisierung
-
Ganzkörperbewegung
Wozu werden Deep Fake verwendet?
-
Verbreitung falscher Informationen («Fake News»)
-
Erstellen von Desinformationen
-
Rufschädigung von Personen & Unternehmen
-
Verfälschung von Ergebnissen
-
Betrug
-
Professionelle, individuelle Cyber Attacken wie Phishing etc.
-
…
Möglichkeiten & Massnahmen für Cybersicherheit
-
Sensibilisierung & Schulungen, um Phishing-Attacken direkt zu erkennen und zu melden
-
(Strengere) Verifizierungsprozesse etablieren wie Multi-Faktor-Authentifizierung
-
Cybersicherheit als Priorität in der Unternehmenskultur etablieren
-
Proaktiv Notfallpläne entwickeln & spezialisierte Teams definieren
-
Anwendung von KI und ML Tools zur Bedrohungserkennung, z.B. durch:
Deep Fakes und KI ermöglichen personalisierte Phishing Attacken – eine reale Gefahr für die IT-Sicherheit jedes Unternehmens!
Es sollte sichergestellt werden, dass alle Mitarbeitenden bestmöglich für realistische, personalisierte Phishing-Attacken sensibilisiert und vorbereitet sind!
Datenschutz
Was gilt es zu beachten
ChatGPT & Microsoft Copilot im Vergleich
Bei KI-Tools wie ChatGPT oder Microsoft Copilot gilt grundsätzlich: Wenn ein Tool gratis ist, dann zahlen Sie meist mit Ihren Daten. Nur die kostenpflichtigen Versionen erlauben in der Regel, dass das Training der KI mit deinen Daten deaktiviert wird – was für Unternehmen entscheidend ist.
Gerade im Unternehmensumfeld, wo oft mit Personen- oder vertraulichen Daten gearbeitet wird, braucht es zusätzlich einen Auftragsbearbeitungsvertrag (engl. Data Processing Addendum, DPA). Dieser Vertrag regelt, wie der Anbieter (z. B. OpenAI oder Microsoft) mit Ihren Daten umgeht und stellt sicher, dass sie nicht zu eigenen Zwecken genutzt oder weitergegeben werden.
Was ist ein "Auftragsbearbeitungsvertrag" (=DPA)?
Ein DPA ist ein rechtlich verbindlicher Vertrag zwischen Ihrem KMU und dem Anbieter des KI-Tools. Er legt fest, wie mit den Daten umgegangen wird – also etwa, dass sie nicht gespeichert oder für das Training der KI verwendet werden dürfen (= "opt-out").
Beispiel:
Wenn ein Unternehmen ChatGPT nutzt, um E-Mails zu formulieren, die Kundennamen enthalten, dann darf OpenAI diese Daten nicht für Trainingszwecke verwenden. Damit das gewährleistet ist, braucht es einen DPA zwischen dem Unternehmen und OpenAI.
Wie kann man so einen "Auftragsbearbeitungsvertrag" abschliessen?
Ein DPA ist nur mit Unternehmenslösungen möglich – also z. B. mit ChatGPT Business, ChatGPT Enterprise oder Microsoft Copilot für Unternehmen. Bei kostenlosen oder privaten Konten ist das nicht möglich.
Bei den Business-Angeboten kann der DPA meist direkt im Kontoabschluss oder mit wenigen Klicks aktiviert werden.
Wie können Unternehmen das Verständnis rund um KI verbessern?
KI-Mindset entwickeln
Mitarbeitende sollten ermutigt werden, KI-Lösungen kritisch zu testen, Feedback zu geben und kreative Einsatzmöglichkeiten zu identifizieren - immer unter der Berücksichtigung des Datenschutzes und der Anwendung sensibler Daten.
Interne Ansprechperson aufbauen
Definierte Personen, die sich intensiv mit KI beschäftigen und als zentrale Anlaufstelle für Fragen, Schulungen und die Umsetzung von KI-Anwendungen im Unternehmen dienen.
...
Merkblatt für Mitarbeitende bzgl. Nutzung von ChatGPT & Co.
Wir empfehlen den Umgang mit KI sowie die Leitplanken innerhalb des Unternehmens klar zu definieren.
Wie sollen Mitarbeitende mit KI umgehen? Welche KI-Tools sollen in welcher Form verwendet werden?
Um dies und vieles Weitere zu definieren, haben wir einen Vorschlag eines Merkblatts erstellt. Sie können das Worddokument kostenlos herunterladen und auf Ihre Bedürfnisse anpassen: