Wie kann die Blockchain-Technologie dazu beitragen, die (generative) Künstliche Intelligenz sicherer und zuverlässiger zu machen?
Ein Rückblick auf das vergangene Jahr und ein Ausblick auf das neue Jahr 2024
Das Jahr 2023 war eindeutig von der Diskussion um und über Künstliche Intelligenz dominiert. Dieser Durchbruch ins allgemeine Bewusstsein ist befördert worden durch die Fortschritte bei der Verarbeitung natürlicher Sprache, ermöglicht durch große Sprachmodelle (Large Language Models, kurz LLMs).(1) Diese neuronalen Netzmodelle basieren auf der Transformer Architektur.(2) Dazu werden diese Modelle mit riesigen Datenmengen trainiert (3), um sie in die Lage zu versetzen, das nächste Wort in einem Teilsatz vorherzusagen.(4)
Entwicklung der KI
Und die Entwicklung, die Künstliche Intelligenz (KI) zur Zeit aufweist, ist mehr als beeindruckend – zumindest auf den ersten Blick. ChatGPT hat lediglich fünf (!!!) Tage benötigt, um eine Million registrierte Nutzer zu akkumulieren - Zum Vergleich, Facebook hat dafür noch 10 Monate und Netflix sogar dreieinhalb Jahre benötigt.(5) Als weiteres Indiz für den Erfolg ist die 100.000.000 Nutzer-Grenze zu sehen, die zu erreichen ChatGPT innerhalb von zwei Monaten gelang. Threads, eine neue Social-Media-Plattform von Meta (ehemals Facebook) hat zum Erreichen dieser Schwelle nur noch fünf Tage benötigt. (6) Tempo und Dynamik sind beeindruckend hoch.
Erik Brynjolfsson von der Universität Stanford erklärte dazu, dass er erwartet, dass Künstliche Intelligenz einen Produktivitätsboom und damit einhergehend ein explosives Wirtschaftswachstum in den kommenden Jahren auslösen kann.(7) Neben den notwendig anstehenden Investitionen in neue Software, Equipment, Bildung (Aus- und Weiterbildung der gesamten Belegschaft), neue Fabrikanlagen etc. wird dieses Wachstum durch die Art und Weise, wie KI unsere Arbeit verändern wird, ausgelöst. Dies deckt sich mit Aussagen ausUnternehmen, die erwarten, dass Künstliche Intelligenz wie z.B. ChatGPT dazu beitragen wird, positive Geschäftsentwicklungen zu befördern.(8)(9)
Nutzung der KI
Insgesamt nutzen Unternehmen, Forschungseinrichtungen, Hochschulen, Schulen in der einen oder anderen Weise die zur Verfügung gestellten Anwendungen, um sich z.B. bei der Erstellung von Texten, der Bildgenerierung oder auch bei der Programmierung unterstützen zu lassen. Dies kann mit Open-Source-Varianten kostenlos erfolgen oder auch mit ClosedSource-Varianten (proprietäre Software), bei denen Lizenzgebühren zur Nutzung fällig werden. Bei generischen Modellen handelt es sich um große neuronale KI-Modelle, die mithilfe riesiger Datenmengen vortrainiert worden sind und deren so erworbenes Wissen nun als Grundlage für viele verschiedene Anwendungen dienen kann.(10) Insbesondere die proprietäre Software z.B. von ChatGPT verfügt über Fähigkeiten, die als bemerkenswert zu bezeichnen sind. So gelingt es mit ChatGPT-4 beispielsweise, aus einem Text Skizzen (Zeichnungen) zu extrahieren. Auch bei der Entwicklung von Software, inklusive z.B. der Fehleranalyse, Übersetzen von Nutzeranforderungen in Quellcodes, ist mittlerweile ein beeindruckendes Qualitätslevel erreicht worden.(11)
Dies wird ermöglich, indem die sprachliche Eingabe (so genannte Prompts) zur Textausgabe führen.(12) Wichtig ist, dass die Prompts präzise formuliert werden, da mit vagen Anfragen die gefragte KI unrichtige oder halluzinierende Ergebnisse liefert.(13) Es werden daher textbasierte Eingaben über die Befehlszeile eingegeben, anstatt mit Suchbegriffen nach Antworten zu
suchen.
Statistische Auswertungen für ChatGPT zeigen, wer diese Anwendung für welche Zwecke nutzt. Demografische Auswertungen verweisen darauf, dass die Mehrheit der Besucher männlich ist (55% gegenüber 45 % weiblicher Nutzer) und dass der Großteil der Nutzer sich in der Altersgruppe von 18 Jahren bis 34 Jahren bewegt. Ca. 25 % aller jungen Erwachsenen im Bildungsbereich (sei es Schule oder Studium) setzt ChatGPT ein, um damit Aufgaben zu lösen.(14)
Vertrauen in Daten
Insgesamt erzeugen, akkumulieren und monetarisieren wir Daten wie noch nie zuvor. Zugleich aber erodiert das Vertrauen in Daten. Ein Schritt in die Richtung zu mehr Vertrauen kann der so genannte AI Act (Artificial Intelligence Act) sein, auf den sich das Europäische Parlament, die EU-Kommission und die EU-Mitgliedsländer verständigt haben. Am 8. Dezember 2023 hat dieses Gesetz eine weitere Hürde genommen und es wird erwartet, dass es 2025 in Kraft treten wird. Im Vordergrund steht bei der Regulierung ein risikobasierter Ansatz, der, bedingt durch die dynamische Entwicklung in diesem Kontext, nun auch generische Modelle einbezieht (anstatt sich „nur“ auf spezialisierte Algorithmen zu konzentrieren). Das Gesetz wird fast alle Unternehmen betreffen und bei Nichteinhaltung drohen hohe Geldbußen.
Berechtigte Skepsis?
Unabhängig, wie begeistert der / die Einzelne von den sich bietenden Möglichkeiten durch KI ist, bleibt bei näherer Betrachtung eine berechtigte Skepsis.
Die verwendeten Algorithmen, die Trainingsdaten und das Setting, all das ist nicht oder nur rudimentär bekannt. Künstliche Intelligenz kann dabei auf (derzeit) drei Arten trainiert werden: Beim überwachten Lernen wird der zu trainierenden Künstliche Intelligenz eine Reihe von Input- als auch Output Daten bereit gestellt. Diese gekennzeichneten Ein- und Ausgangsdaten bilden die Lerngrundlage für die zukünftige Datenverarbeitung der KI im Rahmen eines iterativen Prozesses. Beim unüberwachten Lernen bekommt das System unsortierte Daten und muss sich es selbst beibringen, relevante Muster in den Daten zu erkennen. Beim bestärkenden Lernen darf der Computer seine „eigene“ Wahl treffen und der Trainer korrigiert das System, indem er es mit der getroffenen Auswahl belohnt und bestärkt oder die Auswahl ablehnt bzw. „bestraft“.(15) - Das hört sich menschlicher an, als es ist. Es geht darum, dem System beizubringen, was richtig und was falsch ist.
In den so genannten „Hidden Layers“ wird der Input entsprechend den Trainingsmethoden verarbeitet, um einen Output zu generieren. Diese Hidden Layers können sehr komplex sein und mehrere Millionen einzelne Parameter aufweisen. In der Folge ist es aktuell fast unmöglich das Zustandekommen eines Ergebnisses als Output zu erklären.
Spätestens jetzt wird deutlich, dass es ein Bedürfnis für / an Vertrauen gibt. Vertrauen in die genutzten Daten und in das Training-Setting. (16) Es bedarf der Transparenz, um die Rechtmäßigkeit des Outcomes überprüfen zu können. Blockchain Anwendungen können dies leisten, da sie im Kern auf Transparenz und programmiertem Vertrauen basieren. Das nachfolgende Gedankenexperiment soll beispielhaft die Symbiose zwischen den beiden Technologien skizzieren.
Governance und Künstliche Intelligenz - Trust
Die KI-Landschaft wächst täglich und mit ihr das Versprechen, dass jede neue Applikation einen noch besseren Nutzen hat. Und, wir als sich langsam vortastende Nutzer und Entscheider testen und prüfen die Tools, die der Markt anbietet. (17) Ebenso machen es Mitarbeiter. Allein das führt dazu, dass in den genutzten Prompts auch unternehmensrelevante, evtl. sogar vertrauliche Informationen eingehen können. Sofern im Unternehmen keine entsprechenden Richtlinien implementiert sind, die dieses adressieren, besteht eine latente Gefahr, mit dieser Nutzung ungewollt Unternehmensinformationen preiszugeben und im schlimmsten Fall sogar ein Einfallstor für Angreifer zu schaffen.
Daher müssen mindestens zwei Perspektiven durchdacht werden:
a) welche DataGovernance-Regeln(18) sind vorhanden und wie müssen diese angepasst werden sowie
b) wie lassen sich die eigenen Daten schützen und wie schafft man ein System, dass Logs unveränderbar und unlöschbar sind.
Als übergeordnete Meta-Ebene ließe sich dann noch festhalten, dass mit generativer KI eine Tendenz erzeugt wird, Verzerrungen in den Daten, mit denen sie trainiert worden ist, nicht nur zu reproduzieren, sondern schlimmstenfalls zu verstärken. Dieser Bias könnte sich dann zu größeren ethischen Problemen auswachsen.
Zurück zu den beiden zu betrachtenden Ebenen:
a) Data-Governance-Regeln: Mit dem europäischen Data-Governance-Act (DGA)(19), im Juni 2022 in Kraft getreten, wird unmissverständlich geregelt, wie im europäischen Binnenmarkt der Umgang mit Daten zu handhaben ist. Geregelt wird dabei im Wesentlichen der Umgang und die Weiterverarbeitung der angefallenen Daten in den Organisationen und Unternehmen. Ziel ist es, das Vertrauen in den Datenaustausch zu stärken, um so neue Schnittstellen zu anderen Unternehmen zu ermöglichen und eine sichere Datengesellschaft und -wirtschaft zu etablieren. (20)
Aus Unternehmenssicht bedeutet die Einhaltung des DGAs, dass sie ihr Datenmanagementsystem überprüfen müssen und in dem Zusammenhang sicherstellen, dass Transparenz gewährleistet ist Daher benötigen Unternehmen eindeutige Richtlinien zur Datenspeicherung, Datenverarbeitung und -weitergabe.(21) Unternehmen müssen sicherstellen, dass sie hinreichend Vorsorge getroffen haben, Datenverluste oder Leaks zu verhindern. Ohne die gesamten Vorgaben aus den beiden hier angeführten Rechtsgrundlagen tiefer zu betrachten, wird dennoch deutlich, dass Data Governance alle Bereiche eines Unternehmen betrifft. Auch wenn nicht hinter jedem Prozess eine Blockchain Lösung implementiert werden muss, ist es jedoch offensichtlich, dass die inhärenten Eigenschaften der Blockchain Technologie (22) die Anforderungen aus den genannten Rechtsgrundlagen erfüllen. Blockchain Lösungen bieten eine hohe Sicherheit gegen unbefugten Zugriff auf Daten und verhindern zugleich, dass Daten manipuliert werden können. Blockchain Transaktionen sind nachvollziehbar und transparent. Mit der Technologie kann sichergestellt werden, das die Historie aller Transaktionen (z.B. Einwilligungen zur Nutzung von Cookies und anderen Informationen) aufgezeigt werden.
b) Schutz der unternehmenseigenen Daten: Natürlich kann man sich auch eine eigene KI-Anwendung erstellen. Dazu bedarf es dann „lediglich“ einer Bedienoberfläche oder man setzt auf bestehende Anwendungen. Das Angebot an Dienstleistungen, die aus API-Aufrufen (23) an z.B. OpenAI bestehen, ist im Zuge des Hypes rund um KI ebenfalls dynamisch gewachsen. Problematisch sind die vorgefertigten Anwendungen in Hinblick auf die Datennutzung. So fließen Benutzereingaben des Unternehmens an den Sprachmodellbetreiber (z.B. Bard von Google, LlaMa von Meta, ChatGPT und Dall-e von OpenAI etc.) und damit vielfach unternehmenseigenes Knowhow. Dem kann man eigentlich nur vorbeugen, indem man sein eigenes Sprachmodell entwickelt. Aus
Kostengründen werden die meisten Unternehmen jedoch auf vortrainierte LLMs zurückgreifen (müssen). Um so wichtiger ist es, die unter a) beschriebenen Governance-Regeln so umfassend zu gestalten, dass der Unternehmenseigene Datenpool nicht kompromittiert oder für andere Zwecke von Dritten genutzt werdenkann.(24)
Steigende Risiken
Spätestens wenn mehr als eine KI-Anwendung im Unternehmen genutzt wird, steigen die Risiken mit der zunehmenden Komplexität. So kann der Nachweis, alle Sicherungsvorkehrungen getroffen und eingehalten zu haben, existenziell werden. Blockchain Technologie ist dabei eine Komponente, Transparenz, Sicherheit und damit Vertrauen zu erzielen. (25)
Der Wahrheitsgehalt von KI-generierten Aussagen hat sich im Zeitverlauf verbessert. Jedoch kann niemand vorhersagen, was passiert, wenn immer mehr LLM-Anwendungen ihre „Erkenntnisse“ über das Internet verbreiten und damit wieder als Informationsquelle für die Modelle dienen. Deep Fakes sind allgegenwärtig und es kommt mehr denn je auf die Reputation an. Blockchain Technologie ist ein Baustein, diese Reputation zu erhalten und auszubauen.
Outlook 2024:
Unabhängig vom Gedankenexperiment und dem von mir gedachten Zusammenhang der Technologien wird auch das Jahr 2024 von den dynamischen Entwicklungen in der KI getrieben sein. Bereits 2020 hat McKinsey die Erwartung formuliert, dass KI jedes Jahr einen Wert von einer Billion Dollar bei einem Schwerpunkt im Kundensupport erzeugen wird.(26)
Die große Linie verläuft 2024 entlang so genannter „Multimodale KI“. Das ist eine KI, die durch die Nutzung von unterschiedlichen Datenquellen zu verbesserten, genaueren Aussagen kommen wird und u.a. . präzisere Vorhersagen zu realen Problemen machen kann. Multimodale KI-Systeme trainieren mit und nutzen Video, Audio, Sprache, Bilder, Text und eine Reihe herkömmlicher numerischer Datensätze. Vor allem aber bedeutet multimodale KI, dass zahlreiche Datentypen zusammen verwendet werden, um der KI zu helfen, Inhalte zu ermitteln und den Kontext besser zu interpretieren.(27)
Nutzung von AI Glasses
Auch wird angenommen, dass wir am Ende des Jahres 2024 so genannte AI Glasses wie selbstverständlich nutzen werden. Das sind Brillen, die es erlauben, mit künstlicher Intelligenz zu interagieren. Meta als Marktführer hat die „Ray-Ban Meta-Brille“ bereits im Spätherbst 2023 auf den Markt gebracht, und mittlerweile ist das Potential erkannt worden.(28,29)
Künstliche Intelligenz in der Automobil-Industrie
Außerdem kündigen mehr und mehr Unternehmen der Automobil-Industrie an, mehr künstliche Intelligenz in Fahrzeugen einzubinden. VW hat auf der CES 2024 angekündigt, dass ChatGPT in den Sprachassistenten IDA serienmäßig integriert wird, um den Kunden den Zugriff auf zu recherchierende Inhalte während der Fahrt zu ermöglichen.(30) Intel weitet seine „AI Everywhere“-Strategie ebenfalls auf die Automobilindustrie aus, um die softwaredefinierte Fahrzeugarchitektur zu unterstützen.(31)
Künstliche Intelligenz in der Finanzindustrie
Die Finanzindustrie wird als „Frontrunner“ bei der Adaption von KI eingestuft. Der sich immer weiter ausbauende Einsatz von KI im Kundensupport und Datenmanagement wird nun erweitert werden um das Risiko-Management. KI Algorithmen werden mehr und mehr in die Lage versetzt, riesige Datenmengen in Echtzeit zu analysieren und können somit z.B. Marktschwankungen noch schneller entdecken und die Risikostrategie entsprechend schneller anpassen. Auch wird es durch diese verbesserte Auswertung einfacher werden, betrügerische Tätigkeiten und Muster schneller zu entdecken.(32)
Unternehmen werden verstärkt auf Angebote von den großen Tech-Anbietern zurückgreifen, um sich maßgeschneiderte Chatbots zu erstellen - oder erstellen zu lassen. Fotorealistische Bilder, erzeugt von KI (z.B. Dall-E), werden ebenfalls in den Unternehmensalltag Einzug halten. Mit jeder neuen Generation von GPT (Generative Pre-trained Transformer) Applikationen wird es leichter, Text in Bilder und / oder Videos umzuwandeln. Um dieses Potential voll umfänglich ausschöpfen zu können, bedarf es der Entwicklung einer Strategie, die für das Unternehmen erfüllbar - sprich realistisch- ist, um die im Unternehmen vorhandenen Daten so anzupassen, dass sie für die Verwendung von LLMs (Large Language Models) aufbereitet sind.
Die Schattenseiten von KI
Neben all den unglaublichen Möglichkeiten sind aber auch die Schattenseiten nicht zu ignorieren. Wahl-Desinformation und Deep Fakes wird durch KI extrem erleichtert. 2024 ist ein wichtiges Wahljahr, nicht nur in Deutschland, sondern auch für Europa und die USA. Die Bekämpfung und Verbreitung von gefälschten Inhalten wird eine der großen Herausforderungen, auch über das Jahr 2024 hinaus. Qualitätskontrolle und Datengenauigkeit, ethische Überlegungen oder technische Herausforderungen werden als weitere Kritikpunkte aufgelistet. Um so wichtiger sind Daten, die nachweislich nicht gefälscht sind bzw. Trainingssets, die transparent und nachvollziehbar ihre Parameter offenlegen. KI-Systeme verfügen über Milliarden von Parametern, die es ihnen ermöglichen, quasi jeden Prozess, der Daten erzeugt, abzubilden. Damit sich keine „Black Box“ etabliert, niemand weiß, wie die KI-Systeme Entscheidungen getroffen haben etc., bedarf es der ergänzenden Blockchain Technologie. Daher bin ich überzeugt, dass Künstliche Intelligenz ihr volles Potential nur im Zusammenhang mit der Blockchain Technologie entfalten wird.
Fußnoten & Literatur
1 Amaratunga (2023) S. 82 ff
2 Vaswani et.al. (2017): Attention Is All You Need, papers.nips.cc/paper_files/paper/2017/file/3f5ee243547dee91fbd053c1c4a845aa-Paper.pdf, eingesehen am 06.01.2024, Google Research
3 aktuell ist diesbezüglich ein Rechtsstreit anhängig: Die New York Times verklagt ChatGPT, ohne Erlaubnis Artikel der Zeitung zum Training der Modelle genutzt zu haben;
nytimes.com/2023/12/27/business/media/new-york-times-open-ai-microsoft-lawsuit.html, erneut eingesehen am 19.01.2024
4 Albrecht in Schreiber / Ohly (2024), S. 15ff
5 statista.com/chart/29174/time-to-one-million-users, erneut eingesehen am 12.01.2024
6 visualcapitalist.com/threads-100-million-users, erneut eingesehen am 12.01.2024
7 Brynjolfsson / Unger,(2023): S. 23
8 techopedia.com/de/30-statistiken-zu-chatgpt-trends-anwendung-und-prognosen, eingesehen am 04.01.2024
9 Interessanterweise erläutert der Economist am 07.01.2024, dass entsprechende Investitionen rückläufig sind. Einerseits fällt es den Tech-Unternehmen, die Millionen in die Entwicklung neuer Produkte und Dienstleistungen gesteckt haben, schwer, die passenden Kunden zu finden, die diese erwerben wollen. Anderseits darf der Zeitfaktor für die Adaption von neuen Technologien und ihren Anwendungsmöglichkeiten nicht unterschätzt werden – es dauert schlicht eine geraume Zeit, bis sich die neuen Anwendungen mitsamt ihrem Potential in der Breite durchsetzen. (vgl. Economist „What happened to the artificial-intelligence investment boom?, 07.01.2024)
10 LEAM:AI-Studie 2023, S. 19
11 Bubeck et al (2023): “Sparks of Artificial General Intelligence – Early experiments with GPT-4”, (arxiv.org/pdf/2303.12712.pdf, eingesehen am 06.01.2024), Microsoft Research
12 Amaratunga (2023) S. 109, 110; Bubeck et al (2023):S. 4
13 Aumüller et al. in Schreiber / Ohly (2024): S. 50, 56
14 rnd.de/medien/kuenstliche-intelligenz-ein-drittel-der-bundesbuerger-nutzt-chatgptsorge-vor-einfluss-ist-gross-47NEL2BHDZOCFGDXNXW3CBDPI4.html, eingesehen am 06.01.2024
15 Broussard (2023), S. 13; Amaratunga (2023) S. 4
16 Aumüller et.al. in Schreiber / Ohly (2024), S. 60
17 Hier bietet sich die Frage an, sich selbst zu hinterfragen, bei wie vielen Anbietern man sich selbst angemeldet hat, „nur“ um einmal das Tool auszuprobieren.
18 Data-Governance wird im Rahmen dieses Berichts aus der betrieblichen Perspektive verstanden (und nicht als politisches Konzept und Teil der internationalen Beziehungen)
19 digital-strategy.ec.europa.eu/en/policies/data-governance-act, eingesehen am 16.01.2024
20 cmshs-bloggt.de/tmc/der-data-governance-act-ein-ueberblick, eingesehen am 17.01.2024
21 Außerdem müssen Unternehmen sicherstellen und nachweisen, dass sie die DatenschutzGrundverordnung (DSGVO) einhalten und darüber hinaus interoperable Systeme haben, die den
Datenaustausch unterstützen.
22 Blockchain Technologie erzeugt eine sichere Datenarchitektur durch Prinzipien der Verschlüsselung, der dezentralen Datenspeicherung und den Konsensmechanismen, die dafür Sorge tragen, dass den ausgeführten Transaktionen vertraut werden kann.
23 Bager/ Gieselmann inct, Ausgabe 23, vom 07.10.2023, S. 17 ff
24 Von Ditfurth (2024): S. 38 ff.
25 Z.B. kann der Zero Knowlegde Proof die Privatsphäre von Kunden / Nutzern schützen
26 mckinsey.com/industries/financial-services/our-insights/ai-bank-of-the-future-can-banksmeet-the-ai-challenge, eingesehen am 12.01.2024
27 https://www.techtarget.com/searchenterpriseai/definition/multimodal-AI, eingesehen am 14.01.2024
28 cio.de/a/2024-wird-das-jahr-der-kibrillen,3698200 , eingesehen am 10.01.2024
29 Diese Meta-Brillen sind mit sehr guten Kameras, einer hohen Audioqualität, der Möglichkeit, LiveStreams in soziale Netzwerke zu senden und einem erstaunlich guten KI-Assistenten ausgestattet.
(meta.com/de/smart-glasses, eingesehen am 10.01.2024)
30 volkswagen-newsroom.com/en/press-releases/world-premiere-at-ces-volkswagenintegrates-chatgpt-into-its-vehicles-18048, eingesehen am 11.01.2024
31 boersennews.de/nachrichten/artikel/boersennews/ces-2024-intel-erweitert-ki-strategieauf-die-automobilbranche-und-uebernimmt-silicon-mobility/4322964, eingesehen am 11.01.2024
32 mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai-in-2022-and-a-halfdecade-in-review, eingesehen am 14.01.2024
Literatur:
Amaratunga, Thimira (2023): Understanding Large Language Models: Learning Their Underlying Concepts and Technologies, Apress
Broussard, Meredith (2023): More than a Glitch, Confronting Race, Gender and Ability Bias in Tech, Cambridge: MIT Press
Brynjolfsson, Erik / Unger, Gabriel (2023): The Macroeconomics of Artificial Intelligence. The collective decisions we make today will determine how AI affects productivity growth, income inequality, and industrial concentration. IMF. December 1, 2023.
KI Bundesverband Machbarkeitsstudie (2023): LEAM:AI, Bundesministerium für Wirtschaft und Klimaschutz
Von Ditfurth, Lukas (2024): Datenmärkte, Datenintermediäre und der Data Governance Act, Eine Analyse der europäischen Regulierung von B2B-Datenvermittlungsdiensten, Berlin/Boston: De Gruyter
Schreiber, Gerhard / Ohly, Lukas Hrsg.(2024): KI:Text, Diskurse über KI-Textgeneratoren, DE GRUYTER Verlag,
Bager, Jo / Gieselmann, Hartmut in ct, Ausgabe 23 vom 07.10.2023
Vaswani et.al. (2017): Attention Is All You Need (https://papers.nips.cc/paper_files/paper/2017/file/3f5ee243547dee91fbd053c1c4a845aaPaper.pdf)eingesehen am 06.01.2024, Google Research
Bubeck et al (2023): “Sparks of Artificial General Intelligence – Early experiments with GPT-4”, https://arxiv.org/pdf/2303.12712.pdf,
https://www.boersennews.de/nachrichten/artikel/boersennews/ces-2024-intel-erweitert-kistrategie-auf-die-automobilbranche-und-uebernimmt-silicon-mobility/4322964/,
https://www.cmshs-bloggt.de/tmc/der-data-governance-act-ein-ueberblick/
https://www.cio.de/a/2024-wird-das-jahr-der-kibrillen,3698200?utm_source=First+Look&utm_medium=email&utm_campaign=newsletter&ta
p=4b7f4a0665246996685c0d0f4de08f18,
https://digital-strategy.ec.europa.eu/en/policies/data-governance-act
https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai-in-2022-and-a-half-decade-in-review
https://www.mckinsey.com/industries/financial-services/our-insights/ai-bank-of-the-futurecan-banks-meet-the-ai-challenge
https://www.meta.com/de/smart-glasses/
https://www.nytimes.com/2023/12/27/business/media/new-york-times-open-ai-microsoftlawsuit.html
https://www.rnd.de/medien/kuenstliche-intelligenz-ein-drittel-der-bundesbuerger-nutztchatgpt-sorge-vor-einfluss-ist-gross-47NEL2BHDZOCFGDXNXW3CBDPI4.html
https://www.statista.com/chart/29174/time-to-one-million-users/
https://www.techopedia.com/de/30-statistiken-zu-chatgpt-trends-anwendung-und-prognosen,
https://www.techtarget.com/searchenterpriseai/definition/multimodal-AI,
https://www.visualcapitalist.com/threads-100-million-users/
https://www.volkswagen-newsroom.com/en/press-releases/world-premiere-at-cesvolkswagen-integrates-chatgpt-into-its-vehicles-18048
