Tags

Sinkende Token-Preise machen KI-Agenten nicht automatisch günstiger. Während die Kosten pro Modellaufruf fallen, steigen die Gesamtausgaben vieler Unternehmen deutlich. Eine aktuelle McKinsey-Analyse zeigt, warum nicht der Preis einzelner Tokens entscheidend ist, sondern der wirtschaftliche Nutzen agentischer KI – und weshalb deren Steuerung zur strategischen Managementaufgabe wird.

Alexander Waldmann, Vice President bei Applause, erklärt im Interview mit it&d business, warum der zuverlässige Betrieb von KI-Agenten weit über den Produktivstart hinausgeht. Er erläutert die Risiken durch Model Drift, die Bedeutung von kontinuierlichem Monitoring und weshalb Adversarial Testing Unternehmen dabei unterstützt, Qualität und Vertrauen dauerhaft sicherzustellen.

Generative Künstliche Intelligenz ist in österreichischen Unternehmen angekommen, doch nur 17 Prozent haben sie bereits umfassend in ihre Kernprozesse integriert. Gleichzeitig fühlen sich 65 Prozent der Kunden und Kundinnen im Service von KI „abgewimmelt“. Während Unternehmen vor allem auf Effizienz setzen, bleibt die Kundenperspektive vielfach auf der Strecke.

Eine Analyse von Iron Mountain und Structure Research prognostiziert einen deutlichen Engpass bei KI-Rechenzentren. Bis 2030 könnte die weltweite Nachfrage nach Datenzentrumskapazität die verfügbaren Ressourcen um bis zu 500 Prozent übersteigen. Gleichzeitig verschiebt sich der Infrastrukturbedarf zunehmend vom KI-Training zur KI-Inferenz.

Thomas Müller, Lead Engineer Industrial Intelligence von PSI Software SE, zeigt auf, wie Retrieval-Augmented Generation (RAG) in ERP- und MES-nahen Produktionsumgebungen das Wissen in textbasierten Quellen, beispielsweise in Handbüchern, technischen Unterlagen und einer Vielzahl weiterer Dokumente, verfügbar macht.