DEVK Meetup: KI – Klein gegen Groß – Das unglaubliche Duell

In diesem Meetup stellen wir die Frage: LLM vs. spezialisierte KI – wer gewinnt das Duell? Auf der einen Seite die Generalisten: stark in Sprache, Kontextverständnis und Reasoning. Auf der anderen Seite die Spezialisten: in klar abgegrenzten Domänen oft effizienter, günstiger, präziser und besser steuerbar. Spannend wird es dort, wo beide Welten zusammenspielen: Spezialisierte KI, Agenten und Domänenlösungen erzeugen aus konkreten Anwendungsfällen wertvolle Erkenntnisse. Fließen diese über bewusst gebaute Feedback-Schleifen zurück in die LLM-gestützten Agenten, entsteht ein kontinuierlicher Lern-Kreislauf (Learning Loop): Der Agent wird durch reale Ergebnisse, Feedback und domänenspezifisches Wissen immer besser. Agenda 18:00 Ankommen, Imbiss & Socializing 18:30 Begrüßung & Einleitung 18:45 Vortrag 1 – „Goliath“: GenAI & große LLMs Jennifer Lucifero · codecentric AG 19:30 Pause 19:45 Vortrag 2 – „David“: Spezialisierte KI-Modelle Gloria Barth · DOS Unternehmensberatung 20:30 Paneldiskussion: LLM vs. spezialisierte KI – Was passt wann? Ende offen VORTRAG 1 · „GOLIATH“ GenAI & große LLMs „Was große Sprachmodelle so besonders macht.“ Große Sprachmodelle wie GPT und Claude sind in aller Munde – aber was steckt eigentlich dahinter? Wir zeigen, wie ein LLM grundsätzlich funktioniert, warum Milliarden von Parametern einen Unterschied machen und welche Modelle aktuell den Markt prägen – untermalt mit anschaulichen Beispielen aus dem Alltag. INHALTE Wie funktionieren große LLMs? Überblick: Die wichtigsten Modelle Warum groß? Zahlen, Fakten und Besonderheiten Anwendungsbeispiele aus dem Alltag VORTRAG 2 · „DAVID“ Spezialisierte KI-Modelle „Warum manchmal viele kleine Modelle mehr können als ein großes.“ Große Sprachmodelle beeindrucken mit Allgemeinwissen – doch wo es richtig und falsch gibt, muss KI messbar, bewertbar und überprüfbar sein. Wir zeigen, warum spezialisierte Modelle in vielen Fachbereichen die bessere Wahl sind und wie sie sich grundlegend von generativer KI unterscheiden. Das demonstrieren wir an einer realen Pipeline für die MRT-Diagnostik – mit 4 Aufgaben und 4 verschiedenen Architekturen. INHALTE Was KI auch sein kann – Jenseits von ChatGPT Überblick: Aufgabentypen und Architekturen Warum klein? Zahlen, Fakten und Besonderheiten Anwendungsbeispiel: Unsere MRT-Pipeline – vom Bild zur Diagnose