Bevor es losgeht
- Über den Autor
- Danksagung an die Autorinnen und Autoren von Gastkapiteln
- Vorwort zur Version 1.0
Einleitung und Überblick
- Nebel der Hypes
- Zielgruppe für das Buch
- Struktur: Wer sollte was lesen und warum?
- Wie geht es weiter?
- Warum dieses Buch nicht verschenkt wird
- Wie wurde KI für dieses Buch verwendet?
- Teil A - Grundlagen
KI die arbeitet - Keine neuen Direktoren
- AI und der Hype
- Agents Explained
- Direktoren unerwünscht
- Wie Schadenprozesse heute schon funktionieren
- Director of Marketing
- Fazit und Handlungsempfehlung
- Literatur
KI und EAM: Die falschen Fragen
- Die verlockende Illusion der intelligenten Agenten
- Grenzen heutiger KI-Agenten
- Was muss wirklich aufgeräumt werden?
- Erfahrung trifft auf Hype: Die aktuelle Diskussion um KI in Unternehmen
- Fazit: Die richtigen Fragen stellen
- Literatur
Agent-Gateways: Die Rache der SOA im KI-Zeitalter
- Der Einstieg: AI-Gateways
- Funktionsliste von AI-Gateways
- Konsequenz: AI-Gateways sind notwendig, aber nicht hinreichend
- Agent-Gateways: Die Urenkel der SOA
- Compliance und Governance
- Entwicklungsstand von Agent-Gateways – Ein entstehender Markt
- Zusammenfassung: Warum man um Agent-Gateways nicht herumkommen wird
- Literatur
Im Land der Lügen: LLMs und Halluzinationen
- Warum Halluzinationen ein Risiko für Sie und Ihr Unternehmen darstellen
- Intro
- Halluzinationen und Bullshitting
- Geschäftliche Risiken durch Halluzinationen
- Erkennung und Gegenmaßnahmen
- Persönliche Gegenmaßnahmen
- Gegenmaßnahmen der Hersteller
- Fazit und Ausblick: Implikationen für den Einsatz von LLMs
- Epilog
- Literatur
Wie KI auf Unternehmenswissen zugreift
- Berge von Wissen, aber außer Reichweite für LLMs
- Das Problem präzise formuliert
- Die Lösung: RAG – von einfach bis komplex
- Wie füllt man die Vektordatenbank?
- Verbesserungen und Varianten
- Die Konsequenzen: Warum RAG die Spielregeln ändert
- Fazit: RAG macht KI-gestütztes Wissensmanagement zugänglich
- Literatur
Es ist ein Model und es sieht gut aus
- Wie IT-Führungskräfte im KI-Projekt zum richtigen Modell kommen
- Warum KI-Modellauswahl keine reine Technikfrage ist
- Warum Benchmarks und Marketing täuschen
- Wieder so ein Auswahlprozess
- Warum Flexibilität wichtiger ist als die perfekte Wahl
- Epilog
- Literatur
Coding mit LLMs und Agenten
- Stufen von automatisiertem Coding mit KI
- Ein neuer Software-Entwicklungsprozess
- KI-Umgebungen, welche die Daten unserer Kunden schützen
- Weitere Sicherheitsaspekte
- Das Wichtigste: Die Qualität des generierten Codes
- Konsequenzen bei der Entwicklung von Software mit KI
- Über die Autoren
- Literatur
- Teil B - Compliance und Security
Regulierungen mit KI-Relevanz am Beispiel des Finanzsektors
- Überblick über die Regelungen
- Steckbriefe der Regelungen
- Der EU AI Act
- ISO 42001 als Hilfsmittel für die Umsetzung des EU AI Act
- Literatur
Inhärente Risiken von LLMs
- Warum große Sprachmodelle ein Sicherheits-Containment brauchen
- Inhärente Risiken von LLMs
- Sicherheitsarchitektur von LLMs
- Fazit
- Literatur
Sicherheit von Anwendungen auf der Basis von LLMs
- Risiken, die man beim Einsatz von LLMs und KI-Agenten vermeiden möchte
- Mögliche Angriffsvektoren speziell für KI-Anwendungen
- Wie man zu einer einigermaßen sicheren KI-Anwendung kommt
- Threat-Kataloge
- Fazit
- Literatur
Warum IT-Sicherheit durch KI komplett neu gedacht werden muss
- Von der Entlastung der Arbeit zur Delegation des Handelns: Wenn „Human in the Loop“ zur Fiktion wird
- Demokratisierung krimineller Kompetenz:
- Stealth Adoption: Wenn KI-Nutzung Regeln entwertet
- Entwertung von Wissensarbeit
- Fazit: Wie die Verwerfungen zusammenwirken–und warum Sicherheit neu gedacht werden muss
- Über den Autor
- Literatur
- Teil C - Praxis statt Powerpoint
Stell Dir vor, es ist KI und keiner geht hin
- Zwei Geschichten: Morgan Stanley und Klarna
- Warum viele Studien ein Jahr später schon veraltet sind
- Der Verstärkereffekt: Warum KI die Guten besser und die Schwachen schwächer macht
- Warum Schulungsprogramme von oben fast nie funktionieren
- Was stattdessen funktioniert: Menschen begeistern statt beschulen
- Die Arbeitsverdichtungsfalle
- Was der Regulator verlangt – und was das wirklich bedeutet
- Fazit: Es muss auch etwas von unten passieren
- Literatur
KI die arbeitet–Praxis statt PowerPoint
- Digitalisierung ist nicht neu–aber KI verändert alles
- Von der Theorie zur Praxis: Wie dieses Kapitel in den Kontext des Buches passt
- Das regulatorische Fundament: Warum Leben und Kranken eine andere Liga sind
- Use Case 1: msg.process:it–End-to-End-Prozessautomatisierung
- Use Case 2: KI-gestützte Produktentwicklung
- Use Case 3: Schadenmanagement in der Sachversicherung
- Was nicht funktioniert hat
- Die gemeinsame Geschichte
- Fazit und Handlungsempfehlung
- Über die Autoren
- Literatur
Nicht jedes Projekt ist gleich
- Das Problem mit der Einheitsfolie
- Vier Typen, die man kennen sollte
- Diese vier Typen gibt es in jeder regulierten Branche
- Die regulatorische Komplexität bestimmt den Spielraum
- Anderer Projekttyp, andere Kosten, andere Rechnung
- Andere Metriken, andere Wahrheit
- Andere Zeitrahmen, andere Erwartungen
- Lehren aus der Praxis
- ROI ehrlich rechnen – je nach Typ
- Warum ein fachagnostischer Projektleiter chancenlos ist
- Was das für Ihr nächstes KI-Projekt bedeutet
- Literatur