_hub
Digitale Transformation

Einblicke | Hintergründe | News

Hier finden Sie News, Fachartikel, Videos, Info-Grafiken und Präsentationen u.a. zu den Themen

KI/LLM, Confidential Computing, System of Reference,
IT-Security und Datenschutz, Interoperabilität

LLM Fine Tuning

KI und LLM

In der heutigen Geschäftswelt sind künstlichen Intelligenz (KI) und Large-Language-Modelle (LLMs) wie GPT-4, Llama2 und andere zu entscheidenden Werkzeugen geworden. Sie zeigen beeindruckende Leistungen bei einer breiten Palette von Aufgaben im Bereich des maschinellen Lernens. Mit ihren Fähigkeiten, Texte zu verstehen, Informationen zu generieren und menschenähnliche Texte zu produzieren, erobern LLMs ein breites Spektrum von Anwendungsgebieten in verschiedenen Branchen.

Hier liegen die Knackpunkte:
Um ihr volles Potenzial auszuschöpfen, ist es unerlässlich, die Grenzen dieser Modelle zu verstehen, sie zu evaluieren und sie individuell an spezifische Anforderungen anzupassen. Denn trotz ihrer leistungsstarken Fähigkeiten sind LLMs nicht immer direkt einsatzbereit und die Anpassung an spezifische Aufgaben und Domänen ist oft erforderlich, um wirklich passende Ergebnisse zu erzielen. In mehreren Artikeln haben wir genau diese Aspekte vertieft.

  • Anpassungstechniken: Individuelle Konfigurationen von Large-Language-Models (LLM)
  • LLM-Benchmarking-Tool: Evaluation von Large-Language-Models (LLM)
  • LLM-Personas: Spezifische Identitätsprofile, um das Kommunikationsverhalten und die Antwortstile des Modells zu steuern
LLM Personas
hub >

KI-Personas, die Sachbearbeitern in der GKV den Rücken stärken

Nachdem wir ein GKV-Benchmark für Large Language Models (LLMs) entwickelt und angewendet haben und den daraus resultierenden Ergebnissen reifte der Gedanke, mit Personas im Bereich der …

icon
Prompt Engineering
hub >

Prompt Engineering in der Praxis – Perfektionieren des Einsatzes von LLMs

Nachdem wir uns in unserer Artikelserie zu den Anpassungstechniken für LLMs zunächst einen Überblick  sowie vertiefende Einblicke zum Embedding und Fine Tuning verschafft haben, werfen wir nun …

icon
LLM Fine Tuning
hub >

Fine Tuning: Mehr Power für KI-Modelle

ine Tuning ist eine bewährte Methode, um vorab trainierte LLMs, wie zum Beispiel GPT-3 oder GPT-4, gezielt an spezifische Aufgaben oder Domänen anzupassen. Diese LLMs werden ursprünglich auf …

icon
LLM Benchmark
hub >

Neues LLM-Benchmark-Tool: Large Language Models (LLMs) in der GKV – Wie gut schneiden sie bei Fragen zu Beiträgen ab?

Die Nutzung von Large Language Models (LLMs) wie ChatGPT 4.0, Falcon 40b, Llama 70b, Llama 13b oder Falcon 180b Model A und B bietet Krankenkassen eine innovative Möglichkeit, ihre …

icon
Embedding
hub >

Embedding: Die Kunst der Anreicherung

Embedding ist ein Schlüsselkonzept in der Welt der künstlichen Intelligenz und des maschinellen Lernens. Es ist eine Methode, um kategoriale oder diskrete Daten in kontinuierliche Vektorräume zu …

icon
Anpassung von Large Language Modellen
hub >

Future Catalyst: Der optimale und spezifische Einsatz von Large-Language-Modellen (LLMs) 

In der heutigen Geschäftswelt sind künstlichen Intelligenz (KI) und Large-Language-Modelle (LLMs) wie GPT-4, Llama2 und andere zu entscheidenden Werkzeugen geworden. Sie zeigen beeindruckende …

icon
Benchmark LLM
hub >

Neues Benchmark-Tool: Wie verlässlich sind Large-Language-Modelle (LLM) wie ChatGPT?

In einer Zeit, in der Large-Language-Modelle (LLMs) wie ChatGPT omnipräsent sind, wächst das Interesse von Unternehmen an der Zuverlässigkeit dieser Modelle bei der Beantwortung spezialisierter …

icon

Confidential Computing und System of Reference

Heute sollte es Usus sein, dass jede Person Hoheit und Entscheidungsgewalt darüber hat, wer und von wo aus Zugriff auf die persönlichen Daten hat. Diese Datensouveränität beinhaltet zum einen die Datenkompetenz und zum anderen die Datenkontrolle. In Systemlandschaften mit verschiedenen Cloud-Anbietern und einer Mischung aus Private/Public Cloud und On-Prem-Verarbeitung ist es eine volle Datensouveränität oft schwierig zu etablieren. Das System of Reference, also das Konzept eines führenden Referenzsystems, ermöglicht trotz einer Hybrid-/Mixed-Cloud-Systemlandschaft die Datensouveränität des Nutzers durch Transparenz und Verarbeitungsorchestrierung beizubehalten. In mehreren Artikeln haben wir diese und weitere Aspekte vertieft.

  • Confidential Computing
  • System of Reference
  • IT-Security & Datenschutz
System of Reference Datensouveränität
hub >

System of Reference – Datensouveränität durch ein zentrales Referenzsystem

Heute sollte es Usus sein, dass jede Person Hoheit und Entscheidungsgewalt darüber hat, wer und von wo aus Zugriff auf die persönlichen Daten hat. Diese Datensouveränität beinhaltet zum einen die …

icon
Confidential Computing
hub >

Customer to Customer (C2C) – Confidential Computing, um Datenhoheit als Kunde zu erlangen

Immer mehr potenzielle Anwender von digitalen Gesundheitsanwendungen (DIGA) oder Services von Krankenversicherungen legen Wert darauf, ihre Daten sicher und nicht in den Händen der teilweise …

icon
Confidential Computing
hub >

Confidential Computing und FHIR – So kommen Gesundheitsdaten sicher in die Cloud

Bei der Speicherung von Gesundheitsdaten treffen Start-ups und KMU auf große Herausforderungen. Für die sichere Datenverwaltung fehlt oft die in der Regel aufwendig herzustellende Infrastruktur. …

icon
System of Reference_Datenaktualität
hub >

Datenaktualität im System of Reference – Leistungsversprechen oder greifbarer Mehrwert?

Um den zukünftigen Anforderungen der Digitalisierung im Gesundheitswesen gerecht zu werden, stellt das System of Reference als zentrales Leistungsversprechen die Informationsobjekte aus einem …

icon
System of Reference
hub >

System of Reference als technisches Zielbild: Vom Architekturparadigma zur wirkungsvollen Systemlandschaft durch Microservices

Die Umsetzung innovativer IT-Systeme erfordert eine enge Verzahnung von fachlicher und technischer Expertise, die nur dann zweckmäßig ist, wenn ein Versorgungsmehrwert für die Versicherten und …

icon
System of Reference | Microservicearchiteltur
hub >

System of Reference: Mit einer zukunftssicheren Microservicearchitektur die Chancen des PDSG für das Versorgungsmanagement nutzen

icon
Felix Bauer, Gründer von Aircloak im Gespräch mit Lina Scherpe
hub >

Datenschutz by Design in der Analyse sensibler Daten

Heute im Interview: Felix Bauer, Gründer von Aircloak, einem Unternehmen, dessen Software zur Datenanonymisierung die Analyse oder Nutzung sensibler Datenbestände datenschutzkonform ermöglicht.

icon

Weitere Artikel

Vielleicht auch für Sie interessant

Nutzen von Plattformen
hub >

Digitale Vernetzungsplattformen für mehr Innovation und Produktivität im Gesundheitswesen

Im zweiten von drei Workshops haben wir mit führenden Vertretern des Gesundheitswesens Nutzen und Potenzial von Plattformen betrachtet. Dieses wird vor allem in der einrichtungs- und …

icon
Studie digitaler Reifegrad
hub >

Digitaler Reifegrad der deutschen Krankenkassen

Ergebnisse aus unserer deutschlandweiten Mixed-Method-Studie zum digitalen Reifegrad der Krankenkassen. Die ePA-Roadmap 2.0 / 3.0 ist gesetzt, und auch die Telematikinfrastruktur erhält mit der …

icon
Online Fachtagung
hub >

Anwendungsbegleitenden Datenerhebung (AbD): Evidenzgaps und Herausforderungen bei Studiendesigns meistern

An der Online Fachtagung des Forum-Instituts Nutzenbewertung in der nächsten Legislaturperiode am 31. August, 9:00 – 16:30 Uhr, nimmt Hans-Holger Bleß, Head of Healthcare Research & Market …

icon
News
hub >

Der (hohe) Preis für evidenzbasierte Medizin

„Die evidenzbasierte Medizin ist ein Grundprinzip, an dem wir uns bei den Methoden- und Nutzenbewertungen einheitlich orientieren sollten. Nur dann schaffen wir verbindliche und zugleich auch …

icon
hub >

Challenge Digitalisierung – Kunden mit digitalem Service begeistern

Kundenservice ist neben Versorgung und den internen Prozessen eines der wesentlichen Wettbewerbsfelder in der GKV. Wie Versorgungs- und interne Prozesse muss im Jahr 2020 auch der Kundenservice …

icon
hub >

AppQ

Gütekriterien-Kernset für mehr Qualitätstransparenz bei digitalen Gesundheitsanwendungen Erstellung der Kriterienkataloge durch Dr. Jörg Caumanns (Partner _fbeta GmbH)

icon

Welche Herausforderung möchten Sie meistern?

Lassen Sie uns sprechen!