KI-Wettlauf

NVIDIAs KI-Experten mit Prognosen für 2024: So wird sich das Trendthema in verschiedenen Bereichen weiterentwickeln

26.12.23 16:22 Uhr

NVIDIAs KI-Experten prognostizieren Trends für 2024: Die Zukunft des maschinellen Lernens in verschiedenen Branchen | finanzen.net

Die KI-Branche erlebte im Jahr 2023 einen Boom. Viele Unternehmen streben mittlerweile danach, die Fähigkeiten der generativen KI für die Produktion neuer Inhalte zu nutzen, die Potenzial haben, Produktivität, Innovation und Kreativität zu revolutionieren. Einige Experten von NVIDIA erklären, mit welchen Entwicklungen sie im KI-Sektor im Jahr 2024 rechnen.

Werte in diesem Artikel
Aktien

134,08 EUR 5,76 EUR 4,49%

• KI wird zum neuen "Wettlauf ins All"
• Fortschritte bei Quantencomputing und in der Robotik
• KI findet in verschiedenen Sektoren Anwendung und wird zur Weiterentwicklung verschiedener Geschäftsbereiche beitragen

Das erwarten KI-Experten für 2024 von NVIDIA

Der Sektor künstliche Intelligenz (KI) florierte im Jahr 2023 und erlebte einen regelrechten Boom. Mittlerweile sind viele Unternehmen bestrebt, die Fähigkeit von generativer KI zur Aufnahme von Text, Sprache und Videos zu nutzen, um neue Inhalte zu produzieren, die Produktivität, Innovation und Kreativität revolutionieren können.
Einer der größten Gewinner im KI-Hype war wohl der US-amerikanische Chiphersteller NVIDIA. Wenige Wochen vor dem Jahresende gaben einige KI-Experten des Unternehmens nun eine Prognose für das Jahr 2024 ab.

KI-Anwendungen im Unternehmensbereich

Wie NVIDIAs Vizepräsident für Enterprise Computing, Manuvir Das, erklärt, wird es auch bei KI-Anwendungen keine Einheitslösung für alle Nutzer geben. Unternehmen würden nicht lediglich über ein oder zwei generative KI-Anwendungen verfügen, sondern viele von ihnen würden hunderte maßgeschneiderter Anwendungen einsetzen, die auf proprietären Daten basieren und für verschiedene Bereiche des jeweiligen Betriebs geeignet sind. Sobald diese individuellen Large Language Models (LLMs) in Betrieb seien, könnten sie auf Rekursive Adversarial Generation (RAG)-Funktionen zugreifen, um Datenquellen mit generativen KI-Modellen zu verknüpfen und somit präzisere und fundiertere Antworten zu erhalten. Branchenführer wie Amdocs, Dropbox, Genentech, SAP, ServiceNow und Snowflake entwickeln bereits neue generative KI-Dienste, die auf RAG und LLMs basieren.
Dabei spiele vor allem Open-Source-Software eine Schlüsselrolle: Dank vorab trainierter Open-Source-Modelle würden generative KI-Anwendungen, die spezifische Herausforderungen in verschiedenen Domänen lösen, integraler Bestandteil der Betriebsstrategien von Unternehmen. Wenn Unternehmen diese fortgeschrittenen Modelle mit firmeninternen oder Echtzeitdaten kombinieren, würden sie dadurch eine gesteigerte Produktivität und Kostenvorteile im gesamten Unternehmen feststellen können.

KI-Wettlauf

Ian Buck, Vizepräsident für Hyperscale und HPC, erklärt außerdem, dass KI zu einem neuen Wettlauf ins All führen werde. Jedes Land strebe danach, ein eigenes Kompetenzzentrum zu etablieren, um bedeutende Fortschritte in Forschung und Wissenschaft zu erzielen sowie das Bruttoinlandsprodukt (BIP) zu steigern. Durch den Einsatz von nur wenigen hundert Knoten beschleunigter Rechenleistung werden seiner Ansicht nach Länder in der Lage sein, rasch hochgradig effiziente Exascale-KI-Supercomputer zu entwickeln. Von staatlichen Mitteln finanzierte Zentren für herausragende generative KI werden das wirtschaftliche Wachstum vorantreiben, indem sie neue Arbeitsplätze schaffen und robuste Universitätsprogramme aufbauen, um die nächste Generation von Wissenschaftlern, Forschern und Ingenieuren zu fördern, so der Experte.

Außerdem erwartet er, dass sich die Aufmerksamkeit im Jahr 2024 immer mehr der Retrieval-Augmented Generation (RAG) widmen werde. Während Large Language Models (LLMs) vor allem darauf trainiert würden, generative KI-Anwendungen und -Dienste zu entwickeln, werde RAG zunehmend als Lösung für Ungenauigkeiten oder unsinnige Antworten betrachtet, die gelegentlich auftreten, wenn die Modelle keinen Zugriff auf ausreichend genaue und relevante Informationen für einen bestimmten Anwendungsfall haben. Durch die semantische Abfrage übernehmen Unternehmen Open-Source-Grundlagenmodelle, integrieren ihre eigenen Daten und ermöglichen es einer Benutzerabfrage, relevante Informationen aus dem Index abzurufen und diese dann zur Laufzeit an das Modell zu übergeben, heißt es weiter. Dadurch könnten Unternehmen präzisere KI-Anwendungen mit weniger Ressourceneinsatz entwickeln, besonders in Branchen wie Gesundheitswesen, Finanzwesen, Einzelhandel und Fertigung. Dies ermöglicht fortschrittliche, kontextsensitive und multimodale Chatbots sowie personalisierte Content-Empfehlungssysteme für Endbenutzer.

Kari Briski, Vizepräsidentin für KI-Software, geht zudem davon aus, dass die Ära textbasierter generativer KI sich dem Ende neigt. Obwohl die generative KI noch in den Kinderschuhen stecke, gehe man davon aus, dass viele Branchen multimodale LLMs einführen, die es Verbrauchern ermöglichten, eine Kombination aus Text, Sprache und Bildern zu verwenden, um kontextbezogenere Antworten auf Anfragen zu Tabellen, Diagrammen oder Schaltplänen zu erhalten. Unternehmen wie Meta und OpenAI werden demnach bestrebt sein, die Grenzen der multimodalen generativen KI zu erweitern, indem sie die Sinne stärker einbeziehen. Dies werde zu Fortschritten in Naturwissenschaften, Biowissenschaften und der Gesellschaft insgesamt führen. Unternehmen könnten ihre Daten nicht nur im Textformat darstellen, sondern auch in PDFs, Grafiken, Diagrammen, Folien und anderen Formaten.

Schließlich erklärt Richard Kerris, Vizepräsident für Entwicklerbeziehungen, Leiter für Medien und Unterhaltung, dass die Demokratisierung der Entwicklung es ermöglichen werde, dass jeder zum Entwickler werden könne. Traditionell muss man eine bestimmte Entwicklungssprache kennen und beherrschen, um Anwendungen oder Dienste zu entwickeln. Da die Computerinfrastruktur zunehmend auf die Sprachen der Softwareentwicklung trainiert werde, könne jeder die Maschine dazu veranlassen, Anwendungen, Dienste, Geräteunterstützung und mehr zu erstellen. Dies eröffne breitere Möglichkeiten für diejenigen mit den richtigen Fähigkeiten, maßgeschneiderte Produkte und Dienstleistungen zu erstellen, wobei Texteingaben oder Sprachansagen die Interaktion mit Computern vereinfachen würden.

Quantencomputing und Robotik

Führungskräfte in Unternehmen werden außerdem Initiativen im Bereich Quantencomputing starten, die auf zwei Schlüsselfaktoren basieren: der Fähigkeit, herkömmliche KI-Supercomputer zur Simulation von Quantenprozessoren zu nutzen, und der Verfügbarkeit einer offenen, einheitlichen Entwicklungsplattform für hybrides, klassisches Quantencomputing. Dies werde Entwicklern ermöglichen, Standardprogrammiersprachen zu verwenden, anstatt auf benutzerdefiniertes Spezialwissen angewiesen zu sein, um Quantenalgorithmen zu erstellen. Dadurch nähere sich die einst als obskure Nische in der Informatik geltende Erforschung von Quantencomputern zunehmend dem Mainstream, da Unternehmen gemeinsam mit Hochschulen und nationalen Labors rasche Fortschritte in Materialwissenschaft, pharmazeutischer Forschung, subatomarer Physik und Logistik erzielen.

Doch nicht nur im Bereich des Quantencomputing werden Fortschritte erwartet. Auch im Bereich der Robotik werde KI zu schnell Fortschritten führen, wie Deepu Talla, Vizepräsident für Embedded und Edge Computing erklärt. Generative KI werde in der Lage sein, Codes für Roboter zu erstellen und neue Simulationen zu generieren, um diese zu testen und zu trainieren. Die Simulationsentwicklung werde durch LLMs beschleunigt, da sie automatisch 3D-Szenen erstellen, Umgebungen konstruieren und Assets aus Eingaben generieren können. Die resultierenden Simulationsressourcen würden für verschiedene Arbeitsabläufe, wie die Generierung synthetischer Daten, das Training von Roboterfähigkeiten und das Testen von Robotikanwendungen, von entscheidender Bedeutung sein. Transformator-KI-Modelle, die die Kernkomponenten von LLMs darstellen, unterstützen dabei jedoch nicht nur Robotikingenieure, sondern würden auch dazu beitragen, Roboter selbst intelligenter zu machen. Dies ermögliche den Robotern, komplexe Umgebungen besser zu verstehen und eine breite Palette von Fähigkeiten effektiver umzusetzen. Für eine erfolgreiche Skalierung in der Robotikbranche sei es außerdem entscheidend, dass Roboter generalisierbar werden, d.h. sie müssen die Fähigkeit besitzen, schnell neue Fertigkeiten zu erlernen und diese in unterschiedlichen Umgebungen anzuwenden. Generative KI-Modelle, die in Simulationen trainiert und getestet werden, spielen dabei eine zentrale Rolle und fördern die Entwicklung von leistungsstärkeren, flexibleren und benutzerfreundlicheren Robotern.

KI-Sicherheit

Nikki Rope, Leiterin für KI und Rechtsethik erklärt, dass die Kooperation führender KI- die Entwicklung robuster und sicherer KI-Systeme beschleunigen werde. So sei es zu erwarten, dass standardisierte Sicherheitsprotokolle und bewährte Verfahren entstehen, die branchenweit übernommen werden und einheitlich hohe Sicherheitsstandards für alle generativen KI-Modelle gewährleisten. Unternehmen würden zukünftig vermehrt auf Transparenz und Interpretierbarkeit in KI-Systemen setzen. Dabei würden neue Tools und Methoden eingesetzt, um die Entscheidungsprozesse komplexer KI-Modelle zu durchleuchten. Durch die verstärkte Konzentration des generativen KI-Ökosystems auf Sicherheit könnten verlässlichere und vertrauenswürdigere KI-Technologien erwartet werden, die sich an menschlichen Werten orientieren.

KI-Anwendungen könnten jedoch auch verwendet werden, um Cybersicherheitslücken sowie bisher unentdeckte Bedrohungen erkennen können, wie David Reber, Jr. Chief Security Officer, erklärt. Aktuell würde nur ein Bruchteil der weltweiten Daten für die Cyberabwehr genutzt, während Angreifer weiterhin jede Fehlkonfiguration ausnutzen. Durch Experimente werde man in der Lage sein, das Potenzial von KI zur Identifizierung neu auftretender Bedrohungen und Risiken zu erkennen. Cyber-Copiloten können dabei unterstützen, Phishing und Konfigurationsprobleme zu bewältigen. Neben der Demokratisierung des Technologiezugangs werde KI auch eine neue Generation von Cyber-Verteidigern ermöglichen, da die Bedrohungen weiter zunehmen. Sobald Unternehmen Klarheit über jede Bedrohung erlangen, werde KI eingesetzt, um umfangreiche Datenmengen zu generieren, die zur Schulung nachgelagerter Detektoren dienen, um diese Bedrohungen abzuwehren und zu erkennen.

Medizin, Unterhaltung, Industrie & Co.: KI-Anwendungen in verschiedenen Sektoren

Im Bereich der Unterhaltung werde der Einsatz generativer KI einen neuen Trend setzen, erklärt Kerris. Filmemacher könnten Inhalte von einer 35-mm-Filmkamera ohne weitere Kosten in eine 70-mm-Produktion umwandeln. Dadurch würden die Kosten für die Filmproduktion im IMAX-Format erheblich gesenkt werden. Außerdem würde einer breiteren Gruppe von Regisseuren die Teilnahme ermöglicht. Schöpfer werden in der Lage sein, mit Texten, Bildern oder Videos Computern Anweisungen zu geben und so Bilder und Videos in neue Formen der Unterhaltung zu verwandeln. Zwar gebe es auch Bedenken hinsichtlich der Ersetzung traditioneller Handwerkskunst, jedoch werde die fortschreitende Schulung generativer KI auf spezifische Aufgaben diese Bedenken mildern. Dies ermögliche es Kreativen, sich neuen Aufgaben zu widmen, während neue Tools mit benutzerfreundlichen Schnittstellen entwickelt würden.

In der Medizin könnten Chirurgen nun durch ihre Stimme einen erweiterten Einblick in den Operationssaal erhalten. Die Kombination von Instrumenten, Bildgebung, Robotik und Echtzeit-Patientendaten mit KI führe Kimberly Powell, Vizepräsidentin für Gesundheitswesen nach zu einer verbesserten Chirurgenausbildung, mehr Personalisierung während der Operation und erhöhter Sicherheit, auch bei Fernoperationen. Dies trage dazu bei, die Lücke von 150 Millionen notwendigen, aber nicht durchgeführten Operationen, insbesondere in Ländern mit niedrigem und mittlerem Einkommen, zu schließen.

Außerdem entstehe ein neuer Prozess in der Arzneimittelentdeckung, in dem generative KI die Molekülgenerierung, Eigenschaftsvorhersage und komplexe Modellierung vorantreibt. KI-Fabriken für die Wirkstoffforschung nutzen Gesundheitsdatensätze, ganze Genome, Instrumente mit atomarer Auflösung und robotische Laborautomatisierung. Dies ermögliche Computern erstmals, Muster und Beziehungen in riesigen, komplexen Datensätzen zu lernen und komplexe biologische Zusammenhänge vorherzusagen und zu modellieren, die bisher nur durch zeitaufwändige experimentelle Beobachtungen und menschliche Synthese entdeckt werden konnten.

Die Fusion von industrieller Digitalisierung und generativer KI werde zudem einen entscheidenden Beitrag zur Entwicklung der Industrie leisten, erklärt Rev Lebaredian, Vizepräsident für Omniversum und Simulationstechnologie. Durch generative KI werde es erleichtert, Aspekte der physischen Welt, wie Geometrie, Licht, Physik, Materie und Verhalten, in digitale Daten umzuwandeln. Die Demokratisierung der Digitalisierung physischer Umgebungen ermögliche es den Industrieunternehmen schließlich, ihre Produkte effizienter zu entwickeln, zu optimieren, herzustellen und zu vermarkten. Zudem können sie virtuelle Trainingsgelände und synthetische Daten erstellen, um eine neue Generation von KI zu trainieren, die in der realen Welt interagieren und agieren wird, beispielsweise autonome Roboter und selbstfahrende Autos.

Und auch die Automobilindustrie setze verstärkt auf generative KI, um präzise und fotorealistische Darstellungen des Fahrzeugdesigns zu liefern, die Entwicklung zu beschleunigen, Überprüfungen zu optimieren sowie Kosteneinsparungen und Effizienzsteigerungen zu bewirken. Im Zuge dessen werden Automobilhersteller vermehrt generative KI in ihren intelligenten Fabriken integrieren und Design- sowie Engineering-Tools verknüpfen, um digitale Zwillinge von Produktionsanlagen zu schaffen. Dies ermögliche Kostenreduktionen und Prozessoptimierungen, ohne dass Fabriklinien geschlossen werden müssten. Außerdem solle mithilfe von generativer KI das Erlebnis hinter dem Lenkrad sicherer, intelligenter und angenehmer werden, erklärt Xinzhou Wu, Vizepräsident für Automotive.

Energieunternehmen würden wiederum vermehrt auf den Einsatz von physikinformiertem maschinellem Lernen (Physics-ML) zurückgreifen, um Simulationen zu beschleunigen, industrielle Prozesse zu optimieren und die Entscheidungsfindung zu verfeinern, so Marc Spieler Senior Director of Energy. Physics-ML kombiniere herkömmliche physikbasierte Modelle mit fortschrittlichen Algorithmen des maschinellen Lernens, was ein leistungsfähiges Instrument zur schnellen und präzisen Simulation komplexer physikalischer Phänomene darstelle. In Sektoren erneuerbarer Energien wie Wind- und Solarenergie werde Physics-ML eine entscheidende Rolle bei der vorausschauenden Wartung spielen. Dies ermögliche es Energieunternehmen, Geräteausfälle vorherzusehen und Wartungsarbeiten proaktiv zu planen, um Ausfallzeiten und Kosten zu reduzieren. Mit der zunehmenden Rechenleistung und Datenverfügbarkeit stehe "Physics-ML" bereit, die Herangehensweise von Energieunternehmen an Simulations- und Modellierungsaufgaben zu revolutionieren und so zu einer effizienteren und nachhaltigeren Energieerzeugung zu führen.

Redaktion finanzen.net

Ausgewählte Hebelprodukte auf NVIDIA

Mit Knock-outs können spekulative Anleger überproportional an Kursbewegungen partizipieren. Wählen Sie einfach den gewünschten Hebel und wir zeigen Ihnen passende Open-End Produkte auf NVIDIA

NameHebelKOEmittent
NameHebelKOEmittent
Wer­bung

Bildquellen: Den Rise / Shutterstock.com, Casimiro PT / Shutterstock.com

Nachrichten zu NVIDIA Corp.

Analysen zu NVIDIA Corp.

DatumRatingAnalyst
21.11.2024NVIDIA HaltenDZ BANK
21.11.2024NVIDIA HoldDeutsche Bank AG
21.11.2024NVIDIA BuyUBS AG
21.11.2024NVIDIA OverweightJP Morgan Chase & Co.
21.11.2024NVIDIA BuyGoldman Sachs Group Inc.
DatumRatingAnalyst
21.11.2024NVIDIA BuyUBS AG
21.11.2024NVIDIA OverweightJP Morgan Chase & Co.
21.11.2024NVIDIA BuyGoldman Sachs Group Inc.
21.11.2024NVIDIA OutperformBernstein Research
11.11.2024NVIDIA BuyUBS AG
DatumRatingAnalyst
21.11.2024NVIDIA HaltenDZ BANK
21.11.2024NVIDIA HoldDeutsche Bank AG
29.08.2024NVIDIA HoldDeutsche Bank AG
11.06.2024NVIDIA HaltenDZ BANK
23.05.2024NVIDIA HaltenDZ BANK
DatumRatingAnalyst
04.04.2017NVIDIA UnderweightPacific Crest Securities Inc.
24.02.2017NVIDIA UnderperformBMO Capital Markets
23.02.2017NVIDIA ReduceInstinet
14.01.2016NVIDIA UnderweightBarclays Capital
26.07.2011NVIDIA underperformNeedham & Company, LLC

Um die Übersicht zu verbessern, haben Sie die Möglichkeit, die Analysen für NVIDIA Corp. nach folgenden Kriterien zu filtern.

Alle: Alle Empfehlungen

Buy: Kaufempfehlungen wie z.B. "kaufen" oder "buy"
Hold: Halten-Empfehlungen wie z.B. "halten" oder "neutral"
Sell: Verkaufsempfehlungn wie z.B. "verkaufen" oder "reduce"