Generative KI

Künstliche Intelligenz als Treiber der Transformation

Generative KI

Künstliche Intelligenz als Treiber der Transformation

Diskriminative vs generative KI

Generative KI lernt die zugrunde liegende Verteilung der Trainingsdaten und kann auf Basis vorhandener Daten neue Inhalte - beispielsweise Bild-, Text- und Videoinhalte - kreieren. Während diskriminative Modelle spezifische Kategorien unterscheiden, generieren generative Modelle neue Beispiele basierend auf gelernten Mustern.

Diskriminative KI erzeugt keinen Content, sondern zielt darauf ab, Muster und Unterschiede in den Daten zu erkennen, um eine bestimmte Aufgabe zu lösen, zum Beispiel die Klassifizierung von Datensätzen. Im Gegensatz zu generativer KI entstehen dabei keine neuen Inhalte. Der Input wird lediglich interpretiert und entsprechend der jeweiligen Anweisung ausgegeben.

Vorteilhafte Kombination

Die Kombination von diskriminativer KI mit generativer KI erweitert die Fähigkeiten von maschinellen Lernsystemen. Durch die Ergänzung von generativer KI können diskriminative Modelle neue Beispiele generieren, die der zugrunde liegenden Datenverteilung ähneln. Dies ermöglicht eine bessere Modellierung komplexer Zusammenhänge und eröffnet neue Anwendungsmöglichkeiten. Beispielsweise kann ein diskriminatives Spracherkennungsmodell durch die Integration generativer KI natürlichere und flüssigere Sprachausgaben erzeugen.

Ein weiterer Vorteil der Kombination liegt darin, dass generative Modelle als Datenverstärker für diskriminative Modelle fungieren können. Indem sie neue Daten generieren, können generative Modelle dabei helfen, den Mangel an ausreichenden Trainingsdaten zu überwinden und die Leistung der diskriminativen Modelle zu verbessern.

Darüber hinaus ermöglicht die Ergänzung von generativer KI das Erzeugen von synthetischen Daten, die die Robustheit und Generalisierungsfähigkeit von diskriminativen Modellen erhöhen können. Durch die Kombination beider Ansätze können Modelle besser auf unvorhergesehene oder selten auftretende Daten reagieren.

Insgesamt eröffnet die Verbindung von diskriminativer und generativer KI neue Möglichkeiten, um komplexe Probleme anzugehen und fortschrittliche Lösungen zu entwickeln. Die ergänzende Nutzung dieser beiden Ansätze ermöglicht eine

  • verbesserte Modellierung,
  • bessere Datenverarbeitung und
  • erweiterte Anwendungsbereiche

in verschiedenen Bereichen, wie Sprachverarbeitung, Bilderkennung, Robotik und vielem mehr.

Unsere Leistungen und Themen im Bereich künstlicher Intelligenz

  • Um geschäftspolitische Zielsetzungen wie Ertragssteigerung oder Kostensenkung zu erreichen, werden neben klassischen deterministischen Methoden auch KI-Algorithmen eingesetzt (beispielsweise neuronale Netze, Random-Forest-Modelle).
  • Für Entscheidungen wird neues Wissen aus aufbereiteten Daten gewonnen, zum Beispiel durch Mustererkennung oder Ausreißeranalyse.
  • Einsatz von KI für Analytical CRM im Vertrieb (Produktpräferenzen im Affinity Scoring, Kundenpräferenzen durch Next Best Offer, Prävention von Kündigungen)
  • Intelligente Segmentierung und trennschärferes Kunden-Rating
  • Erkennung von Marktmissbrauch im Börsenhandel
  • Einsatz von Voice- und Chat-Bots
  • Datenqualitätsanalysen
  • Berechnung von Scorewerten für Produkt- und Kundenpräferenzen im Analytical CRM zur Verbesserung der Abschlussquote
  • Analyse von Börsenhandelsdaten zur Identifikation missbräuchlichen Verhaltens und Reduzierung von Transaktionsschäden
  • Kosteneinsparung und Qualitätssicherung im Call Center durch Einsatz von Voice- / Chat-Bots
  • Identifikation von Ursachen mangelnder Datenqualität

Fachartikel auf Banking.Vision

Ihr Ansprechpartner

Andreas Strunz

Partner Artificial Intelligence

Andreas Strunz leitet bei msg for banking das Center of Competence Financial Artificial Intelligence.

+49 (0) 174 / 3071 113