{"id":1338873,"date":"2025-05-07T09:00:00","date_gmt":"2025-05-07T08:00:00","guid":{"rendered":"https:\/\/www.artefact.com\/?post_type=pdf-newsletters&p=1338873"},"modified":"2026-07-02T10:20:24","modified_gmt":"2026-07-02T09:20:24","slug":"genai-newsletter-may-1-2025","status":"publish","type":"pdf-newsletters","link":"https:\/\/www.artefact.com\/de\/pdf-newsletters\/genai-newsletter-may-1-2025\/","title":{"rendered":"GenAI Newsletter Mai #1 - Der Kaffee ist kalt und die KI ist hei\u00df: das Chaos dieser Woche."},"content":{"rendered":"
\"\"<\/figure><\/div>\n

Liebe Leserinnen und Leser, willkommen zur\u00fcck zu Ihrer zweiw\u00f6chentlichen Ausgabe des Artefact-Newsletters zur generativen KI, in dem wir mutig versuchen, den digitalen Wirbelwind der KI-Entwicklung einzuordnen. Die letzten Wochen waren \u2026 nun ja, sagen wir einfach, mein Kaffee hatte noch keine Zeit, kalt zu werden. Wir haben gesehen, wie KI-Modelle schneller aus dem Boden schossen als Memes an einem Montag, Googles Such-KI schreibt offenbar mittlerweile Fanfiction, und KI-Supercomputer konkurrieren in der Kategorie der \u201eKategorie der \u201estromfressendsten Ger\u00e4te\u201c. Schnallen Sie sich also an, denn wir tauchen gleich ein in die wilde, wunderbare und gelegentlich seltsame Welt der generativen KI. Mal sehen, welches neue Chaos uns die KI-G\u00f6tter beschert haben!<\/p>\n

GenAI News-Podcast<\/h3>\n

Haben Sie keine Zeit, diesen Newsletter zu lesen?<\/p>\n

Wirtschaftsnachrichten und Markteinblicke<\/h3>\n

Die Modelle von Google, Meta und Anthropic z\u00e4hlen im Durchschnitt zu den sichersten Modellen (87,31 TP47T f\u00fcr Gemini 1.5 Pro, 82,71 TP47T f\u00fcr Claude 3.5 Haiku, 77,6 f\u00fcr Llama3 405B)Die Modelle von Anthropic schneiden hinsichtlich der Widerstandsf\u00e4higkeit gegen Halluzinationen insgesamt besser ab (Grok2 und DeepSeek belegen die letzten Pl\u00e4tze). Beliebte Modelle, die aufgrund der Nutzerzufriedenheit bevorzugt werden, k\u00f6nnen die sachliche Genauigkeit beeintr\u00e4chtigen. Die Formulierung von Nutzeranfragen beeinflusst die F\u00e4higkeit eines ModellsF\u00e4higkeit, falsche Behauptungen zu widerlegen, wobei selbstbewusste Aussagen die Wirksamkeit der Widerlegung um 15% verringern. Pr\u00e4gnante Systemanweisungen k\u00f6nnen die Halluzinationsrate um bis zu 20% erh\u00f6hen.<\/p>\n

Die Modelle von Anthropic&#x27 schneiden insgesamt besser ab, was die Widerstandsf\u00e4higkeit gegen\u00fcber Halluzinationen angeht (Grok2 und DeepSeek belegen die letzten Pl\u00e4tze).<\/p>\n

Beliebte Modelle, die aufgrund der hohen Nutzerzufriedenheit bevorzugt werden, k\u00f6nnen die sachliche Genauigkeit beeintr\u00e4chtigen<\/p>\n

Die Formulierung von Nutzeranfragen hat erheblichen Einfluss auf die F\u00e4higkeit eines Modells, falsche Behauptungen zu widerlegen, wobei selbstbewusste Aussagen die Wirksamkeit der Widerlegung um 15% verringern.<\/p>\n

Pr\u00e4gnante Systemanweisungen k\u00f6nnen die Halluzinationsrate um bis zu 20% erh\u00f6hen<\/p>\n

\"\"<\/figure><\/div>\n
\"\"<\/figure><\/div>\n

> Bedeutende Gesch\u00e4fte, Partnerschaften und Innovationen<\/strong><\/p>\n

Neue Modelle und Innovationen<\/h3>\n

> Multimodale Modelle (Bild, Video, Audio)<\/strong><\/p>\n

\"\"<\/figure><\/div>\n

Gedanken der Woche von Hanan Ouazan<\/h3>\n

Managing Partner & Globaler Leiter f\u00fcr KI-Beschleunigung<\/p>\n

Von Slideware zu Shipping: Der Aufstieg des Agentic Process Owner (APO)<\/strong><\/p>\n

Von Slideware zu Shipping: Der Aufstieg des Agentic Process Owner (APO)<\/h3>\n

Jahrzehntelang florierte die Beratungsbranche durch die Bereitstellung ausgefeilter Pr\u00e4sentationen voller Rahmenkonzepte und Benchmark-Werte. Heute generiert generative KI diese generischen Erkenntnisse im Handumdrehen, wodurch eine blo\u00dfe Neuaufbereitung irrelevant wird. Kunden verlangen nun mehr: greifbare Produkte, messbare Ergebnisse und operative Verbesserungen, die sie tats\u00e4chlich nutzen k\u00f6nnen. Hier kommt der Agentic Process Owner (APO) ins Spiel \u2013 eine Weiterentwicklung der Rolle des Product Owners, die \u00fcber die rein funktionale Umsetzung hinausgeht und die Verantwortung f\u00fcr die zugrunde liegenden Gesch\u00e4ftsprozesse \u00fcbernimmt. Der APO liefert nicht nur Funktionen aus; er versteht, was das Produkt erm\u00f6glicht, wo es in den End-to-End-Prozess passt und wie dieser Prozess im Laufe der Zeit verbessert werden kann. Seine Arbeit beginnt mit einer gr\u00fcndlichen Nutzeranalyse \u2013 durch aktives Zuh\u00f6ren, sorgf\u00e4ltige Befragung und echte Auseinandersetzung mit der Praxis. Doch damit ist es noch nicht getan. APOs nehmen sich auch die Zeit, die Funktionsweise des \u00fcbergeordneten Prozesses zu analysieren: nicht nur, um KI dar\u00fcber zu st\u00fclpen, sondern um zu \u00fcberdenken, wie dieser Prozess anders gestaltet werden k\u00f6nnte. Das Ziel besteht nicht darin, fehlerhafte Schritte zu automatisieren \u2013 sondern den Ablauf unter Ber\u00fccksichtigung von Intelligenz, Effizienz und Wertsch\u00f6pfung neu zu gestalten. Wichtig ist, dass sie an der Schnittstelle zwischen Business und Technik agieren: Sie stimmen strategische Ziele und KPIs mit realen Einschr\u00e4nkungen ab \u2013 wie data-Verf\u00fcgbarkeit, Systemlatenz und Integrationskomplexit\u00e4t. Zudem ben\u00f6tigen sie ein grundlegendes Verst\u00e4ndnis von Observabilit\u00e4t und \u00dcberwachung: nicht, um diese selbst zu entwickeln, sondern um zu verstehen, wie die Leistung von Agenten gemessen und verbessert wird und wie sich dies in Priorit\u00e4ten f\u00fcr das Team umsetzen l\u00e4sst. Kenntnisse im Bereich GenAI werden rasch zur Grundvoraussetzung \u2013 und dazu geh\u00f6rt auch das Verst\u00e4ndnis daf\u00fcr, wie agentenbasierte Systeme funktionieren. Ein APO muss Modelle nicht eigenst\u00e4ndig feinabstimmen, sollte jedoch die wesentlichen Aspekte verstehen: wann \u201eRetrieval-Augmented Generation\u201c eingesetzt werden sollte, wie die Orchestrierung von Agenten die Prozessgestaltung ver\u00e4ndert, welche Auswirkungen Latenz oder Token-Kosten auf den ROI haben und welche Sicherheitsvorkehrungen unverzichtbar sind. Dies erm\u00f6glicht es ihnen, technische Teams klar zu briefen, die richtigen Fragen zu stellen und eine Demo oder einen Prototyp zu erstellen, der die Auswirkungen konkret veranschaulicht. Eine klare Umsetzung, nicht ausgefeilte Rhetorik, gewinnt die Zustimmung der Stakeholder. Kurz gesagt: Der Wandel ist tiefgreifend: Berater, die rein beschreibend bleiben, ohne die F\u00e4higkeit, Prototypen zu erstellen oder reale Ergebnisse zu messen, laufen Gefahr, \u00fcberfl\u00fcssig zu werden. APOs, die Strategie mit greifbaren, nachweisbaren Ergebnissen verbinden, werden unverzichtbar.<\/p>","protected":false},"featured_media":637240,"parent":0,"template":"","meta":{"_acf_changed":false,"ep_exclude_from_search":false},"pdf-mail-category":[848694],"class_list":["post-1338873","pdf-newsletters","type-pdf-newsletters","status-publish","has-post-thumbnail","hentry","pdf-mail-category-gen-ai"],"acf":[],"_links":{"self":[{"href":"https:\/\/www.artefact.com\/de\/wp-json\/wp\/v2\/pdf-newsletters\/1338873","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.artefact.com\/de\/wp-json\/wp\/v2\/pdf-newsletters"}],"about":[{"href":"https:\/\/www.artefact.com\/de\/wp-json\/wp\/v2\/types\/pdf-newsletters"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.artefact.com\/de\/wp-json\/wp\/v2\/media\/637240"}],"wp:attachment":[{"href":"https:\/\/www.artefact.com\/de\/wp-json\/wp\/v2\/media?parent=1338873"}],"wp:term":[{"taxonomy":"pdf-mail-category","embeddable":true,"href":"https:\/\/www.artefact.com\/de\/wp-json\/wp\/v2\/pdf-mail-category?post=1338873"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}