Kostenoptimierung für KI: Right-sizing von Kontext & Modellen

In der Kostenoptimierung für Künstliche Intelligenz (KI) spielt das sogenannte „Right-sizing“ eine entscheidende Rolle. Damit ist gemeint, sowohl die Kontexte, in denen KI-Modelle eingesetzt werden, als auch die Modelle selbst optimal auf die spezifischen Bedürfnisse eines Unternehmens abzustimmen. Dies ist besonders für KMU von Bedeutung, die meist über begrenzte Ressourcen verfügen und somit darauf angewiesen sind, ihre Investitionen in Technologie möglichst effizient zu gestalten.

Typische Fehler im Right-sizing

Ein häufiger Fehler besteht darin, dass Unternehmen Modelle verwenden, die für ihren spezifischen Kontext zu gross sind. Dies führt nicht nur zu überhöhten Kosten, sondern auch zu unnötiger Komplexität. Ein weiteres Problem ist, dass die Datenmengen, die für die Modellentwicklung herangezogen werden, oft entweder zu klein oder zu unspezifisch sind. Schliesslich wird oft der Fehler gemacht, sich für Modelle zu entscheiden, die über mehr Funktionalitäten verfügen, als tatsächlich benötigt werden.

Korrektur der Fehler

Um diese Probleme zu vermeiden, sollten KMU zunächst genau definieren, welche Aufgaben das KI-Modell erfüllen soll. Dabei ist es wichtig, eng mit den Fachabteilungen zusammenzuarbeiten, um die Anforderungen korrekt einzuschätzen. Die Auswahl eines genügsamen Modells, das diese Anforderungen abdeckt, kann zu erheblichen Kosteneinsparungen führen. Für die Datenbasis ist es sinnvoll, nicht nur auf die Menge, sondern auch auf die Relevanz der Daten zu achten, um die Modellleistung zu optimieren, ohne Ressourcen zu verschwenden. Vor allem aber sollten KMU sich nicht von teureren Modellen blenden lassen, die für ihre Anforderungen nicht geeignet sind.

Handlungsanleitung für die nächsten 14–30 Tage

1. Analysephase (1-7 Tage): Zu Beginn ist eine gründliche Analyse der aktuellen KI-Lösungen erforderlich. Notieren Sie, welche Modelle gegenwärtig verwendet werden und ob ihre Grösse und Funktionalität mit Ihren aktuellen Geschäftsbedürfnissen übereinstimmen. Stellen Sie sicher, dass die datengestützte Entscheidungsfindung auf korrektem Niveau erfolgt.
2. Evaluationsphase (8-14 Tage): In dieser Phase geht es darum, alternative, kleinere und spezialisierte Modelle zu identifizieren, die ebenfalls Ihre Anforderungen erfüllen könnten. Nutzen Sie Pilotprojekte, um diese Modelle zu testen und vergleichen Sie die Ergebnisse.
3. Implementierungsphase (15-30 Tage): Entscheiden Sie sich auf Basis der Evaluation für das am besten geeignete Modell. Beginnen Sie mit der Umstellung und schulen Sie Ihre Mitarbeitenden im Umgang mit dem neuen System. Implementieren Sie Massnahmen zur kontinuierlichen Überwachung der Modellleistung und der damit verbundenen Kosten.

Durch die systematische Anwendung dieser Schritte können Schweizer KMU die Kosten ihrer KI-Systeme nachhaltig optimieren und gleichzeitig Effizienzgewinne realisieren.