Vom Hype zur Praxisanwendung

Wurde die Einleitung einer schriftlichen Arbeit wirklich von eine*r Studierenden geschrieben – oder stammt sie von ChatGPT? Ist das Symbolbild in der Zeitung ein «echtes» Foto – oder wurde es von einer künstlichen Intelligenz generiert? 

Lernen mit grossen Datenmengen 

Modelle künstlicher Intelligenz (KI) werden ganz grundsätzlich mit Daten darauf trainiert, bestimmte Aufgaben zu lösen. Beispielsweise können wir eine KI trainieren, auf Bildern einen Hund zu erkennen, indem wir ihr ganz viele Bilder mit und ohne Hund zeigen. Das Modell lernt selbständig, Attribute im Bild zu erkennen und diese den Ergebnissen «Hund» oder «Kein Hund» zuzuordnen. Als Mensch ist es schwer nachvollziehbar, welche Attribute bei dieser Prüfung genau berücksichtigt werden. 

Dabei gilt: Je schwieriger oder komplexer ein Problem ist, desto mehr Daten werden benötigt und desto grösser sollte das Modell sein. Je grösser das Modell ist, desto mehr Berechnungspower wird benötigt und desto schwieriger ist es, das Modell zu verstehen. Bei Sprachmodellen wird die KI zusätzlich dazu gezwungen, Sprache zuerst zu verstehen und danach selbst zu generieren. Als Beispiel: ChatGPT hat 175 Milliarden Parameter und wurde bereits auf Textdokumenten im Umfang von rund 45 Terabytes trainiert. Diese grossen Datenmengen tragen im Wesentlichen dazu bei, dass das Modell ein so gutes Verständnis für Sprache und thematischen Kontext entwickelt hat und das Gefühl entsteht, mit einem Menschen zu interagieren. 

Breite Anwendungsmöglichkeiten 

Grosse Sprachmodelle können für ganz unterschiedliche praktische Aufgaben eingesetzt werden. Textklassifikationen erlauben beispielsweise, Bewertungen von Konsument*innen als eher positiv oder negativ einzuordnen. «Named Entity Recognition» erlaubt die Markierung von Konzepten (z.B. Namen, Ortschaften, Krankheiten) in einem Text. Und beim «Question Answering» wird ein Textdokument nach Antworten auf spezifische Fragen durchsucht.  

Bei aller Begeisterung über die Effizienz dieser Modelle ist immer auch Vorsicht geboten: Die Ergebnisse müssen immer kritisch hinterfragt werden, da Sprachmodelle manchmal Links auf Webseiten oder Quellenangaben erfinden. Zudem sollten niemals sensitive Daten in ChatGPT eingegeben werden, da OpenAI, der Creator von ChatGPT, diese wieder für zukünftige Trainings verwenden kann und in der Vergangenheit auch schon Datenleaks festgestellt wurden. 

Prompt Engineering als Berufsfeld der Zukunft 

Die Einsatzmöglichkeiten von KI-Modellen sind aktuell noch schwer abschätzbar, scheinen aber unermesslich. Damit das Modell qualitativ hochwertige Ergebnisse liefert, ist eine Sache zentral: Die Eingabe von Befehlen an das Modell, den «Prompts»: Je genauer und spezifischer diese das Problem umschreiben, desto besser ist das Ergebnis des Modells. Dieses so genannte «Prompt Engineering» wird mit dem steigenden Einsatz von KI-Modellen immer mehr an Bedeutung gewinnen. Dieser Entwicklung trägt auch die BFH Wirtschaft Rechnung: Im Modul «Applied Artificial Intelligence» im Bachelor Wirtschaftsinformatik und im Modul «Business AI» im Master Digital Business Administration wird das Thema ab Herbstsemester 2023 aufgegriffen, um unsere Studierenden fit im Umgang mit KI-Modellen zu machen.