# gartner-hype-cycle-genai-2025-critical-innovations-2025-07-29

## Veille

Gartner Hype Cycle GenAI 2025 - Kritische Innovationen - LLMs - AI Engineering - Agentic AI - Infrastruktur

## Titre Article

The 2025 Hype Cycle for GenAI Highlights Critical Innovations

## Date

2025-07-29

## URL

https://www.gartner.com/en/articles/hype-cycle-for-genai

## Keywords

Generative KI, GenAI, Hype Cycle, KI-Modelle, Large Language Models (LLMs), KI-Engineering, KI-Agenten, KI-Anwendungen, KI-Anwendungsfälle, Infrastruktur, Selbstüberwachtes Lernen, AI supercomputing, Multimodal generative AI, AI TRiSM, Agentische KI, Embodied AI, strategische Investition

## Authors

Arun Chandrasekaran

## Ton

**Profil:** Professionell-analytisch | Forschungsinstitutionell | Analytisch-präskriptiv | Experte

Chandrasekaran (Gartner) verwendet einen autoritativen Marktforschungston, der Trendanalyse mit strategischen Empfehlungen verbindet. Die Hype-Cycle-Methodik (Gipfel der überzogenen Erwartungen, Tal der Enttäuschungen, Plateau der Produktivität) liefert einen systematischen Rahmen zur Bewertung der Technologiereife. Fachspezifische Terminologie (Trigger-Innovationen, Mainstream-Adoptionshorizonte, transformative Wirkung) richtet sich an Führungskräfte und Enterprise-Architekten. Präzise zeitbasierte Quantifizierungen (Adoptionshorizonte von 2-5 Jahren, 5-10 Jahren) untermauern die Prognosen. Ein maßvoller, professioneller Ton vermeidet sowohl Hype als auch übermäßige Zurückhaltung. Typisch für Gartner-Forschungspublikationen, die das Unternehmen als vertrauenswürdigen Berater für Unternehmenstechnologiestrategie mit proprietären, branchenweit anerkannten Frameworks positionieren.

## Pense-betes

- **Bis 2028**: **mehr als 95 % der Unternehmen** werden voraussichtlich GenAI-APIs, -Modelle oder in Produktion eingesetzte GenAI-Anwendungen nutzen
- **4 kritische Technologiebereiche**: GenAI-Modelle, KI-Engineering, KI-Agenten/-Anwendungen/-Anwendungsfälle, Infrastruktur/ermöglichende Techniken
- **LLMs = Grundstein**: die ausgereifteste Technologie, in hohem Maße anpassbar
- **Open-Source-LLMs, domänenspezialisierte Modelle, Large Reasoning Models** etablieren sich als Alternativen
- **KI-Engineering ist entscheidend** für die Skalierung: Werkzeuge/Techniken zum Entwickeln, Steuern und Anpassen von GenAI-Anwendungen
- **AI TRiSM** (Trust, Risk and Security Management): gewährleistet den sicheren und wirksamen Einsatz von KI
- **Wandel von passiven Chatbots zu IA agentique**: nimmt wahr, entscheidet, handelt autonom/halbautonom
- **Infrastruktur**: selbstüberwachtes Lernen, KI-Chips, spezialisierte Werkzeuge für Effizienz und Kostensenkung
- **Über Proofs of Concept hinausgehen**: Fokus auf Entwicklung, Steuerung und Anpassung für die Produktion
- **Multimodal generative AI, Embodied AI, AI supercomputing** = hervorgehobene Beispieltechnologien

## RésuméDe400mots

Der **Gartner Hype Cycle for Generative AI 2025** (GenAI) bietet IT-Verantwortlichen entscheidende Einblicke für die Orientierung in einer sich schnell entwickelnden und oft überhypten Landschaft von GenAI-Innovationen. Der Bericht prognostiziert, dass **bis 2028 mehr als 95 % der Unternehmen** generative KI-APIs, -Modelle integriert oder GenAI-Anwendungen in ihren Produktionsumgebungen eingesetzt haben werden. Dies unterstreicht die dringende Notwendigkeit für Organisationen, über frühe Proofs of Concept hinauszugehen und strategisch in Technologien zu investieren, die greifbaren Wert schaffen und mit den Unternehmenszielen im Einklang stehen.

**Vier kritische Technologiebereiche**

Gartner identifiziert **vier kritische Technologiebereiche**, die den GenAI Hype Cycle prägen und strategische Investitionen rechtfertigen. Der erste sind **GenAI-Modelle**, bei denen **Large Language Models (LLMs) weiterhin den Grundstein bilden und die ausgereifteste Technologie darstellen**. Diese Foundation-Modelle sind für ein breites Spektrum an Anwendungsfällen in hohem Maße anpassbar. Andere Modelltypen wie Open-Source-LLMs, domänenspezialisierte GenAI-Modelle und Large Reasoning Models etablieren sich jedoch rasch als valide Alternativen. **Multimodal generative AI** wird als Beispieltechnologie in dieser Kategorie genannt, die leistungsfähigere und schnellere KI-Ergebnisse verspricht.

**KI-Engineering für die Skalierung**

Der zweite Schlüsselbereich ist **KI-Engineering**, das entscheidend wird, sobald Organisationen sich darauf vorbereiten, ihre GenAI-Programme zu skalieren. Er umfasst das wachsende Ökosystem an Werkzeugen und Techniken, die darauf ausgelegt sind, GenAI-Anwendungen **zu entwickeln, zu steuern und anzupassen**. KI-Engineering stellt sicher, dass GenAI-Anwendungen der Strategie der Organisation dienen, und liefert Frameworks für Anwendungsorchestrierung, Reduzierung von Halluzinationen, Eindämmung von Fehlinformationen und regulatorische Compliance. **AI TRiSM (Trust, Risk and Security Management)** wird als Beispieltechnologie vorgestellt, die sich auf den sicheren und wirksamen Einsatz von KI konzentriert.

**KI-Agenten und -Anwendungen**

Der dritte Bereich umfasst **KI-Agenten, -Anwendungen und -Anwendungsfälle**. GenAI-Assistenten wie ChatGPT sind bekannte Beispiele, die LLMs für erweiterte Fähigkeiten nutzen. Die langfristige Vision besteht darin, KI-Agenten einzusetzen, um **komplexe, mehrstufige Prozesse im großen Maßstab zu automatisieren**, um die Produktivität zu steigern, die Betriebskosten zu senken und das Kundenerlebnis zu verbessern. **IA agentique**, die autonom oder halbautonom wahrnimmt, entscheidet und handelt, um Ziele zu erreichen, stellt einen **grundlegenden Wandel weg von passiven Chatbots** hin zu interaktiveren, wertschöpfenden KI-Systemen dar. **Embodied AI** wird als Beispieltechnologie in diesem Bereich genannt.

**Infrastruktur und ermöglichende Techniken**

Schließlich bilden **Infrastruktur und ermöglichende Techniken** den vierten kritischen Bereich. Die Entwicklung von GenAI beruht auf einer Kombination aus neuen Techniken und etablierten KI-Praktiken. **Selbstüberwachtes Lernen** beispielsweise verringert den Bedarf an massiven, gelabelten Trainingsdatensätzen und findet Anwendung in Bereichen wie autonomem Fahren und medizinischer Diagnostik, mit wachsendem Interesse in allen Branchen. Spezialisierte Infrastruktur, einschließlich KI-Chips und Tooling, gewinnt an Bedeutung für ihre Rolle bei der Verbesserung der Effizienz und der Senkung der Kosten für Modelltraining und -inferenz. **AI supercomputing** wird als Beispieltechnologie in dieser Kategorie hervorgehoben.

**Strategische Ausrichtung**

Im Kern dient der GenAI Hype Cycle 2025 IT-Verantwortlichen als Leitfaden, um fundierte Investitionsentscheidungen zu treffen, über den Hype hinauszugehen und generative KI erfolgreich in Unternehmensstrategien zu integrieren, um Innovation voranzutreiben und geschäftlichen Wert zu schaffen.

## GrapheDeConnaissance

- Gartner —publie→ Hype Cycle for Generative AI 2025 (DOCUMENT, 0.99)
- Arun Chandrasekaran —a_créé→ Hype Cycle for Generative AI 2025 (DOCUMENT, 0.98)
- Arun Chandrasekaran —travaille_chez→ Gartner (ORGANISATION, 0.97)
- Hype Cycle for Generative AI 2025 —prédit→ 95% des entreprises utiliseront la GenAI en production d'ici 2028 (AFFIRMATION, 0.96)
- LLMs —fait_partie_de→ GenAI models (CONCEPT, 0.95)
- AI TRiSM —améliore→ sécurité et gouvernance IA (CONCEPT, 0.93)
- IA agentique —remplace→ chatbots passifs (TECHNOLOGIE, 0.91)
- self-supervised learning —réduit→ besoin de données étiquetées (CONCEPT, 0.9)
- AI engineering —améliore→ déploiement à l'échelle GenAI (CONCEPT, 0.92)
- Multimodal generative AI —fait_partie_de→ GenAI models (CONCEPT, 0.94)
- Embodied AI —fait_partie_de→ AI agents (TECHNOLOGIE, 0.9)
- AI supercomputing —réduit→ coûts entraînement et inférence modèles (CONCEPT, 0.87)
- large reasoning models —concurrence→ LLMs (TECHNOLOGIE, 0.88)

---
Canonical: https://www.thekb.eu/de/fiches/gartner-hype-cycle-genai-2025-critical-innovations-2025-07-29/