Illustration Absmeier foto freepik

Multimodale GenAI-Modelle gewinnen in den nächsten ein bis drei Jahren zunehmend an Bedeutung für Unternehmensanwendungen.

Laut Gartner werden bis zum Jahr 2030 rund 80 Prozent der Unternehmenssoftware und -anwendungen multimodale Funktionen aufweisen – ein deutlicher Sprung im Vergleich zu weniger als 10 Prozent im Jahr 2024.

»Der Wandel hin zu multimodaler Unternehmenssoftware markiert eine tiefgreifende Transformation geschäftlicher Abläufe und Innovationsprozesse«, erklärt Roberta Cozza, Senior Director Analyst bei Gartner. »Multimodale generative KI (GenAI) wird die Art und Weise, wie Unternehmensanwendungen gestaltet und genutzt werden, grundlegend verändern. Sie bringt neue, bislang unerreichbare Funktionen mit sich – mit weitreichenden Auswirkungen auf Branchen wie das Gesundheitswesen, die Finanzwirtschaft und die Industrie. Durch die gezielte Weiterentwicklung domänenspezifischer Sprachmodelle erhöht sie die Präzision, automatisiert Abläufe und fördert kontextbasierte Entscheidungsintelligenz. Damit wird es möglich, dass KI übergreifend und proaktiv Aufgaben übernimmt.«

Technologien mit solch disruptivem Potenzial – allen voran multimodale GenAI-Modelle – stehen im Zentrum des aktuellen Emerging Tech Impact Radar für GenAI von Gartner (siehe Abbildung 1). Für Produktverantwortliche bedeutet das: Sie stehen vor strategisch wichtigen Investitionsentscheidungen, um ihren Kunden den Zugang zu neuen Wertschöpfungspotenzialen durch diese GenAI-Technologien zu eröffnen.

Multimodale GenAI bietet die Möglichkeit, mehrere Arten von Dateninputs und -outputs, wie Bilder, Videos, Audio (Sprache), Text und numerische Daten, in einem einzigen generativen Modell zu verwenden. Multimodalität erhöht die Benutzerfreundlichkeit von GenAI, da die Modelle mit Daten in verschiedenen Modalitäten interagieren und Ausgaben erzeugen können.

Heute bieten viele multimodale Modelle die Verarbeitung von zwei oder drei Modalitäten (Text zu Video oder Sprache zu Bild). Dies wird sich in den nächsten Jahren noch verstärken und mehr verschiedene und neue Modalitäten umfassen.

»Unternehmen sollten sich darauf konzentrieren, multimodale Funktionen in ihre Software zu integrieren, um die Benutzererfahrung und die betriebliche Effizienz zu verbessern. Durch die Nutzung der vielfältigen Dateninputs und -outputs, die multimodale GenAI bietet, können Unternehmen neue Ebenen der Produktivität und Innovation erschließen«, so Cozza.

Gartner-Kunden können mehr in Emerging Tech Impact Radar lesen: Generative KI. Entdecken Sie einige der wichtigsten Anwendungsfälle für GenAI im kostenlosen Gartner Special Report Emerging Tech: Top-Anwendungsfälle für generative KI. https://www.gartner.com/en/doc/779868-emerging-tech-top-use-cases-for-generative-ai

https://www.gartner.com/en/insights/generative-ai-for-business

Multimodale Unternehmenssoftware

Multimodale Unternehmenssoftware bezeichnet Anwendungen, die mehrere Arten von Daten – wie Text, Sprache, Bilder, Videos oder Zahlen – gleichzeitig verarbeiten und verstehen können. Möglich wird das durch den Einsatz multimodaler generativer KI (GenAI), die verschiedene Eingabe- und Ausgabekanäle kombiniert, um komplexe Aufgaben effizienter und intuitiver zu lösen.

Was bedeutet »multimodal« konkret?

Multimodalität = Nutzung mehrerer Datenmodalitäten (Sprache + Bild + Text).

Beispiel: Ein KI-System versteht eine gesprochene Anfrage, analysiert ein dazugehöriges Bild und liefert eine textbasierte Antwort – alles in einem Workflow.

Anwendung in Unternehmenssoftware

Laut Gartner werden bis 2030 rund 80  % aller Unternehmensanwendungen multimodale Fähigkeiten besitzen – ein enormer Sprung von unter 10  % im Jahr 20242.

Typische Einsatzbereiche:

Kundenservice: Sprach- und Textanfragen kombiniert mit Bildanalysen (zum Beispiel Foto eines defekten Produkts).
Finanzen: Analyse von Dokumenten, Spracheingaben und Transaktionsdaten zur Betrugserkennung.
Gesundheitswesen: Kombination von Röntgenbildern, Arztberichten und Patientengesprächen für präzisere Diagnosen.
E-Commerce: Produktsuche per Sprache, Bild oder Text – zum Beispiel »Zeig mir ähnliche Schuhe wie auf diesem Foto«.

Vorteile für Unternehmen

Höhere Effizienz durch automatisierte, kontextbezogene Entscheidungen.
Bessere Nutzererfahrung durch natürlichere Interaktionen.
Innovative Funktionen, die mit klassischen Systemen nicht möglich wären (zum Beispiel Text-zu-Video oder Sprache-zu-Bild).

Genki Absmeier

120 Artikel zu „Multimodal“

News | Trends 2024 | Trends Kommunikation | Kommunikation | Künstliche Intelligenz

Trends 2024: KI-basierte Personalisierung, multimodale Kommunikation und prädiktive Analytik

4. Februar 2024

Spitch, Entwickler von Sprach- und Textdialogsystemen mit künstlicher Intelligenz, prognostiziert drei mögliche Megatrends für den KI-Einsatz in der Kundenkommunikation für das Jahr 2024. Erstens werde die Kundenansprache durch KI-basierte Personalisierung in vielen Branchen einen bisher nicht gekannten Individualisierungsgrad erreichen. Zweitens werde sich die multimodale Kommunikation über unterschiedliche Medien und Kanäle als Standard etablieren. Drittens werde…