Hier klicken für die Englische Version.

Im ersten Artikel unserer Serie über generative KI haben wir das Potenzial von GenAI für die Industrialisierung des Softwarebereitstellungsprozesses untersucht. Unsere Experimente zeigten deutlich, dass die Qualität und der Detailgrad der Eingabeanfragen (die natürlichen Sprachbefehle, die mit dem Schreiben von Code, der Erstellung von Benutzeranforderungen, dem Testen usw. verbunden sind und die wir den KI-Modellen vorlegten) einen starken Einfluss auf die Qualität der von der KI generierten Ausgaben haben. In unserem zweiten Artikel konzentrieren wir uns auf das Potenzial der KI, Wissen zu aggregieren und zuverlässige sowie detaillierte Antworten auf Anfragen in natürlicher Sprache zu erzeugen.

Um diese Konzepte testen zu können, verwenden wir ein Wissensmanagementsystem, das Informationen über den Technologie-Stack enthält, der eine Instant-Payment-Lösung in Echtzeit bei einer Bank unterstützt.

Die KI-Antworten, basierend auf strukturierten und umfassenden Kontextinformationen, waren präzise, detailliert und vollständig. Wir wären zuversichtlich, generative KI für Wissensübertragung, Impact-Analysen, Architekturkonsolidierung und lösungsorientierte Aufgaben zu nutzen – also Tätigkeiten, mit denen sich IT-Spezialisten im Bankwesen im Rahmen der täglichen Technologieunterstützung auseinandersetzen.