Die wichtigsten KI-Prognosen 2025: Preiswerte, spezialisierte KI und Herausforderungen bei Energie

Die Zeiten von künstlicher Intelligenz als reiner Leuchtturm der Innovation sind vorbei. 2025 muss die Technologie messbaren Mehrwert in konkreten Anwendungen beweisen, Herausforderungen im Bereich Energieverbrauch und der Zukunft des Arbeitsmarktes lösen. KI-Experte Carsten Kraus gibt seine Prognosen zu den technologischen Entwicklungen des Jahres ab. [...]

Wirtschaft: Günstigere und innovative KI

• Preiskampf bei KI-Modellen: Der Preiskampf zwischen Anbietern von KI-Modellen wird sich weiter fortsetzen. Anwender profitieren von sinkenden Preisen und steigender Verfügbarkeit bei kleinen, spezialisierten Modellen; die Vorteile der Modelle überwiegen deren Kosten dabei deutlich – das wird die Verbreitung und den Einsatz dieser Modelle weiter fördern. Bei großen Modellen ist diese Entwicklung allerdings nicht zu erwarten.
• Weniger Einschränkungen durch den AI Act der EU möglich: Der Anhang 3 des AI Acts der Europäischen Union könnte nicht nur erweitert, sondern auch reduziert werden. Die Anpassung bei der Definition von Hochrisikosystemen könnte zu einer praxisnahen Regulierung führen, die sowohl Innovationen fördert, als auch Risiken minimiert.

Software: Spezialisierte kleine Sprachmodelle und autonome KI

• Spezialisierte kleine Sprachmodelle: Große Sprachmodelle wie ChatGPT werden weiterhin stark eingesetzt, zusätzlich kommen zunehmend kleinere, spezialisierte Sprachmodelle in den ergänzenden Einsatz. Diese sind auf konkrete Aufgaben optimiert, verbrauchen weniger Energie und können durch Retrieval-Augmented Generation (RAG) oder spezifische Prompts effizient und flexibel gehalten werden.
• Kombination von LLMs und Deep Reinforcement Learning (DeepRL): Die Synergie ermöglicht es KI-Systemen, dynamische und adaptive Lösungen zu entwickeln, die aus Erfahrungen lernen und komplexe Aufgaben wie strategische Planung oder Echtzeit-Entscheidungen bewältigen. 2025 wird sich dieser Ansatz weiter vertiefen und entscheidender Treiber von Innovation im Bereich KI werden.
• Agentic Frameworks: Agentic Frameworks erleichtern es, autonome Agenten einzurichten, die eigenständig Aufgaben übernehmen und Entscheidungen treffen. Sie sind vielseitig einsetzbar und können beispielsweise Informationen beschaffen und analysieren, Content erstellen oder Handlungsvorschläge einbringen.
• Durchbruch bei Bild- und Videogenerierung: Die Bild- und Videoerzeugung mit KI erreicht ein neues Level. Einerseits wird es damit beinahe unmöglich, zwischen echten und KI-generierten Inhalten zu unterscheiden. Andererseits werden selbst Smartphone-Fotos automatisch mittels KI verbessert, Originalinhalte werden immer seltener. Mit dem AI Act wird die flächendeckende Kennzeichnung von KI-bearbeiteten Inhalten zur Pflicht, was ähnliche Akzeptanzprobleme wie Cookie-Banner mit sich bringen wird. Um mehr Klarheit zu schaffen, empfiehlt sich eine spezifische Kennzeichnung wie „Real Humans“. Diese würde klarstellen, dass die gezeigten Inhalte echte Menschen und keine Avatare oder KI-generierten Figuren darstellen. Eine solche Lösung könnte die Glaubwürdigkeit und Transparenz im Umgang mit Medieninhalten deutlich verbessern.

Hardware: Noch kein Quantencomputing

• Steigende Nutzerzahlen erfordern Kapazität: Modellbetreiber bereiten sich auf massiv steigende Nutzungszahlen vor. Um dem gerecht zu werden, plant Meta beispielsweise ein Rechenzentrum mit einer Leistung von 2 Gigawatt. Das ist ausreichend Kapazität, um pro Stunde ca. 6 Milliarden 1000-Token-Anfragen, also zirka 1,7 Millionen paralleler Anfragen pro Sekunde zu verarbeiten.
• Massiver Energiebedarf benötigt Lösungen: Der Energiebedarf von GPTs ist niedriger als man glaubt: Um eine GPT-4o-Anfrage mit 1000 Tokens zu bearbeiten, braucht GPT 4o etwa so viel Energie wie wenn ein Tesla 2 Meter fährt – einmal zum Einkaufen, und schon habe ich mehr Energieverbrauch als alle meine Chats in einem Monat. Jedoch werden moderne KI-Architekturen inzwischen für viele kleine Anwendungen integriert. Wenn man jeden Datensatz einer Millionen von Datensätzen umfassenden Datenbank jeweils mit einer GPT-KI bearbeitet, steigt der Aufwand proportional. Eine Million mal 2 Meter sind schon 2000 Kilometer. Diese Entwicklung erfordert neue Ansätze zur Energieeffizienz: Technologien wie Quantisierung und spezialisierte Hardware für Inference-Prozesse werden entscheidend, um Energiekosten zu reduzieren. Darüber hinaus könnten Kernkraftwerke Rechenzentren künftig mit Energie versorgen, während neue Hardware wie Analogrechner und Inference-Spezialisten einfache Kalkulationen und spezialisierte Anwendungen revolutionieren.
• Kein Durchbruch bei Quantencomputing: Obwohl Quantencomputing als große Hoffnung aktuell stark diskutiert wird, ist für 2025 noch keine praktische Anwendung zu erwarten. Quantencomputing bleibt vorerst ein Forschungsfeld mit langfristigem Potenzial.
• Humanoide Roboter: Humanoide Roboter werden zunehmend in Fabriken und auf Baustellen eingesetzt und bringen neues Potenzial zur Effizienzsteigerung und Kostenreduktion. Automobilkonzerne testen den Einsatz aktuell bereits. In der EU wird der großflächige Betrieb, sowohl gewerblich als auch privat, allerdings aufgrund von Regulierungen noch auf sich warten lassen, in den USA und China ist die Entwicklung früher zu erwarten.

*Carsten Kraus ist Multi-Unternehmer, KI-Experte, Business Angel des Jahres und Mitglied des Forbes Technology Council. Kraus startete 2021 mit dem Angel Investing, blickt auf insgesamt 18 Investments zurück und unterstützt aktuell 11 Startups – darunter auch seine eigene Gründung Casablanca.ai.