15,99 €
Die Möglichkeiten generativer KI optimal nutzen
Mithilfe von generativer Künstlicher Intelligenz lassen sich Texte, Bilder, Videos, Sprache, Musik, Softwarecodes und auch Kunst und Design erschaffen. Doch wie können Sie die Möglichkeiten generativer KI individuell am besten nutzen? KI-Expertin Pam Baker gibt Ihnen einen guten Überblick und führt Sie in die bekanntesten Tools ein. Das Buch erklärt Ihnen, wie Sie geeignete Plattformen finden, gute Prompts schreiben, KI in Ihren Workflow einbinden und gezielt einsetzen – und entscheiden, wann doch ein wenig Human Touch gebraucht wird. Gut verständlich und praxisnah: der ideale Einstieg in ein Thema, das unsere Arbeitswelt rasant verändert.
Sie erfahren
Sie lesen das E-Book in den Legimi-Apps auf:
Seitenzahl: 505
Veröffentlichungsjahr: 2025
Generative KI für Dummies
Die erste öffentliche Version von ChatGPT entfachte die weltweite Nachfrage nach immer ausgefeilteren GenKI-Modellen und -Tools, und der Markt reagierte schnell. Aber was nützen all diese GenKI-Tools, wenn man bei ihrer Verwendung nicht weiterkommt? Und machen Sie sich nichts vor, jeder kommt ziemlich oft nicht weiter!
Diese Schummelseite hilft Ihnen dabei, optimale Ergebnisse zu erzielen, indem sie Ihnen fortgeschrittene (aber relativ einfache) Prompting-Techniken vorstellt und Ihnen nützliche Tipps zur Auswahl der für die Aufgabe geeigneten Modelle oder Anwendungen gibt.
Generative KI (GenKI) ist Software, die sich anders verhält als jede andere bekannte Software. Sie ist kein Roboter. Roboter sind Hardware. Man könnte sich eine KI als das Gehirn von Robotern vorstellen, aber sie kann auch auf anderer Hardware existieren, die kein Roboter ist, wie etwa auf einem Supercomputer, einem Laptop oder in einem autonomen Auto. Betrachten Sie GenKI als die wohl kreativste aller KI-Arten – und sicherlich als die am einfachsten zu verwendende, da sie menschliche Sprache versteht und darauf reagiert.
GenKI kann wie ein Künstler, Autor oder Komponist agieren und nach nur einem kurzen Gespräch darüber, was Ihnen gefällt oder was Sie von ihr wollen, aus dem Nichts Bilder, Geschichten oder Musik zaubern. Diese Art von KI kopiert nicht einfach nur ihre Trainingsdaten (obwohl sie das sicherlich auch kann, achten Sie also auf Plagiate und Urheberrechtsverletzungen); sie lernt aus unzähligen Beispielen und generiert dann hoffentlich originelle Ergebnisse, indem sie Ideen und Daten mischt und kombiniert, wie ein Koch, der ein neues Rezept kreiert. Sie ist auch die Technologie hinter vielen dieser coolen Apps, die Sie lieben, wie etwa die, die Ihre Selfies in Zeichentrickfiguren verwandeln oder Ihnen helfen, mit nur wenigen Klicks brillante und schöne Websites zu erstellen!
Generative KI funktioniert, indem sie anhand riesiger Datensätze trainiert wird, um Muster zu erkennen und verschiedene Formen von Inhalten (scheinbar) zu verstehen. Einer der Stars auf diesem Gebiet ist GPT (kurz für »Generative Pre-trained Transformer«), eine Art Sprachmodell, das wirklich gut darin ist, Text in natürlicher Sprache zu verarbeiten und zu generieren. Es verhält sich wie ein virtueller Wortschmied, der chatten, Fragen beantworten, Aufsätze schreiben oder sogar Computercode schreiben kann.
Aber bei GenKI geht es nicht nur um die Generierung von Text. Es gibt weitere Optionen, wie DALL-E und Midjourney, die Bilder aus von Ihnen bereitgestellten Beschreibungen erstellen können, oder DeepMinds WaveNet, das natürliche Sprache generieren kann. Diese Systeme verwenden neuronale Netzwerke, die ein bisschen wie Netze digitaler Gehirnzellen agieren, um aus Beispielen zu lernen und dann neue Inhalte zu generieren. Sie verändern die Art und Weise, wie wir Inhalte erstellen und mit ihnen interagieren, von Spielen über Marketing bis hin zur Unterhaltung.
Beachten Sie, dass GPTs nicht die einzige GenKI auf dem Markt sind. Claude beispielsweise basiert auf einem Sprachmodell, das GPT-Architekturen ähnelt, aber doch anders ist. Claude basiert auf einer Familie großer Sprachmodelle (Large Language Models, LLMs), die von Anthropic entwickelt wurden. Die neueste Generation ist die Modellfamilie Claude 3, die drei Hauptvarianten umfasst: Opus, Sonnet und Haiku. Midjourney ist ein weiteres Beispiel für ein GenKI-Tool, das von einem Nicht-GPT-Modell abgeleitet ist. Midjourney basiert auf seiner eigenen proprietären Modellarchitektur. Andere Beispiele basieren ebenfalls auf Open-Source-Modellen.
Generative KI wird eingesetzt, um Kreativität, Innovationen und Problemlösungen in zahlreichen Bereichen zu fördern und zu beschleunigen. Im Folgenden werden einige der am weitesten verbreiteten Anwendungen mit einigen spezifischen Beispielen vorgestellt.
Content erstellen
Schreiben und editieren: GenKI kann ansprechende Blog-Beiträge für eine Reise-Website, attraktive Social-Media-Updates für eine Modemarke oder überzeugende Marketingtexte für ein neues technisches Gerät erstellen. Sie kann vorhandene Artikel editieren oder anpassen, um sie auf unterschiedliche Zielgruppen auszurichten oder bestimmte Wortzahlen einzuhalten. Sie kann dabei helfen, komplexere und außergewöhnlichere Werke zu verfassen, etwa Berichte, wissenschaftliche Studien, medizinische Forschungsstudien und andere umfangreiche Werke wie Leitartikel, analytische Berichte, Finanzberichte, E-Books und traditionelle Bücher.Kreatives Schreiben: GenKI-Tools können auch dabei helfen, kreative Werke wie Fantasy-Kurzgeschichten zu schreiben, eine Ambient-Musik für eine Meditations-App zu komponieren oder einzigartige Rezepte für einen Kochblog zu generieren.Software-Entwicklung
Code-Generierung: GenKI-Tools wie Copilot von GitHub können Code-Ausschnitte für neue App-Funktionen vorschlagen, Fehler finden und beheben oder Code umgestalten, um seine Effizienz zu verbessern.Dokumentation und Qualitätssicherung: GenKI kann automatisch Benutzerhandbücher und andere Dokumentationen für eine Software-Version generieren oder umfassende Testfälle erstellen, um sicherzustellen, dass ein neues Videospiel fehlerfrei ist.Marketing und Vertrieb
Inbound- und Outbound-Marketing: GenKI kann überzeugende Betreffzeilen für E-Mail-Kampagnen eines E-Commerce-Shops entwerfen oder zielgerichtete Anzeigentexte für die Google-Ads-Kampagne oder einen Newsletter einer Fitness-Kette erstellen.Customer Relationship Management: GenKI-gesteuerte Chatbots, wie sie beispielsweise auf der Website einer Bank zu finden sind, können Kundenanfragen zu Kontodiensten beantworten oder auf Grundlage der Ausgabegewohnheiten die besten Kreditkartenoptionen vorschlagen.Datenanalyse und Synthese
Zusammenfassung von Dokumenten: GenKI kann einen langen Finanzbericht zu einer verständlichen Zusammenfassung verdichten oder die wichtigsten Punkte aus einer Reihe von Kundenfeedback-Umfragen herausfiltern.Informationssynthese: GenKI kann Tausende von Produktbewertungen durchsehen, um eine Stimmungsanalyse bereitzustellen oder die am häufigsten erwähnten Merkmale eines Produkts zu extrahieren.Datenerkennung: GenKI kann Muster in riesigen Datensätzen erkennen, die Menschen nicht erkennen können, und Datenpunkte aus einer neuen Perspektive oder für einen neuen Zweck verknüpfen. Das funktioniert so gut, dass es ein Top-Anwendungsfall für GenKI ist. Beispiele hierfür sind die Entwicklung neuer Methoden zur Früherkennung von Krankheiten und die Entdeckung neuer Verbrauchertrends, die schneller als mit herkömmlichen Tools möglich sind.Design und Produktentwicklung
Generatives Design: GenKI kann beispielsweise verschiedene Designs für Smartphone-Hüllen mit optimaler Griffigkeit und Ästhetik vorschlagen oder aerodynamische Formen für einen neuen Sportwagen-Prototyp generieren.Modedesign: GenAI kann aus einer einfachen Kleiderskizze eine Reihe von Stilvarianten machen oder virtuelle Modelle erstellen, die verschiedene Stoffe und Outfits für einen Online-Shop präsentieren.Gesundheitswesen und Pharmazie
Medikamentenerforschung: GenKI kann die Suche nach neuen Medikamenten beschleunigen, indem sie mögliche Wechselwirkungen verschiedener Moleküle vorschlägt und so möglicherweise neue Behandlungsmethoden für Krankheiten wie Krebs aufzeigt.Medizinische Bildgebung:GenKI kann MRT-Scans verbessern und Radiologen dabei helfen, frühe Anzeichen von Anomalien zu erkennen oder Erkrankungen wie Knochenbrüche im Röntgenbild zu diagnostizieren.Übersetzung und Lokalisierung
Sprachübersetzung: GenKI kann bei der Übersetzung einer Bedienungsanleitung für ein Smartphone in mehrere Sprachen behilflich sein.Betrugserkennung und Risikomanagement
Erkennung von Anomalien: GenKI kann für ein Kreditkartenunternehmen Transaktionsdaten überwachen, um ungewöhnliche Muster zu erkennen, die auf Betrug hinweisen könnten, oder Versicherungsansprüche auf Unstimmigkeiten untersuchen.Diese Beispiele veranschaulichen nur einen Ausschnitt der beeindruckenden Bandbreite und des Potenzials der generativen KI in zahlreichen Branchen – von Technologie und Marketing bis hin zu Mode, Gesundheitswesen, Finanzen und darüber hinaus.
Allerdings ist bei allen diesen Einsatzzwecken eine menschliche Überprüfung erforderlich, um sicherzustellen, dass beispielsweise wissenschaftliche Daten korrekt sind oder kulturelle Nuancen berücksichtigt werden.
Bei der Bewertung von GenKI-Modellen für bestimmte Arten der Inhaltserstellung ist eine gründliche Evaluierung unerlässlich, um sicherzustellen, dass das ausgewählte Modell Ihren spezifischen Anforderungen entspricht. Hier eine kurze Anleitung, die Ihnen bei diesem Prozess hilft:
GenKI-Modelltypen verstehen: Machen Sie sich zunächst mit den verschiedenen verfügbaren GenKI-Modellen vertraut, die die von Ihnen gewünschten Ergebnisse liefern. Wenn Sie beispielsweise Bilder erstellen möchten, sehen Sie sich DALL-E, Stable Diffusion, Midjourney und andere Bildgeneratoren an. Ein multimodales GenKAI-Tool wie ChatGPT-4o könnte Ihnen ebenfalls gute Dienste leisten. Wenn Sie Inhalte in einem speziellen Bereich wie dem Gesundheitswesen oder dem Kundendienst erstellen möchten, prüfen Sie die Unternehmensanwendungen, die Ihr Unternehmen bereits verwendet, da diese wahrscheinlich GenKI in die Software eingebettet haben, die für diese spezielle Aufgabe trainiert ist. Sehen Sie sich auch GPTs im GPT Store von OpenAI auf ChatGPT an sowie die Sammlung spezialisierter GenKI-Tools, die auf Diensten wie Poe aufgeführt sind.Wenn Sie selbst ein GenKI-Modell oder eine GenKI-App erstellen möchten, sehen Sie sich Cloud-Dienste wie AWS, Azure und Google an, um herauszufinden, mit welchen KI-Tools und -Diensten Sie und Ihr Team am einfachsten arbeiten können. In Open-Source-GenKI-Modellen stehen mehrere Optionen zur Verfügung. Sie können auch erwägen, Ihre Anwendung(en) in ein GenKI-Modell zu integrieren, statt eins von Grund auf neu zu erstellen. Suchen Sie nach APIs und Schlüsseln wie denen, die von OpenAI angeboten werden.Wenn Sie eine Privatperson oder ein kleines Unternehmen sind, möchten Sie vielleicht einen der vielen GenKI-basierten Chatbots auf dem Markt nutzen, zum Beispiel GPTs und ChatGPT von OpenAI. ChatGPT Plus kostet nur etwa 20 Euro pro Monat und bietet Ihnen Zugriff auf mehr Funktionen als die kostenlose Version. Wählen Sie ChaptGPT Team, wenn Sie höhere Nutzungslimits wünschen und weitere Personen zum Konto hinzufügen möchten. Team kostet etwa 25 Euro pro Person und Monat. Es gibt außerdem eine Enterprise-Version, die viel mehr Schnickschnack in Bezug auf Funktionen bietet, und Sie können Ihrem Konto mehr Personen hinzufügen. Dazu müssen Sie jedoch das Unternehmen für ein Angebot kontaktieren, da es keine veröffentlichte Preisliste für die Enterprise-Version gibt. Preise, Bedingungen und Funktionen konkurrierender GenKI-Chatbots variieren, und ich empfehle Ihnen, mehrere auszuprobieren, bevor Sie sich für einen oder mehrere entscheiden.Inhaltsanforderungen identifizieren: Definieren Sie klar, welche Art von Inhalten Sie erstellen möchten. Ob textbasiert wie Social-Media-Beiträge und -Artikel oder visueller Inhalt wie Bilder: Ihre Inhaltsanforderungen leiten Sie bei der Auswahl eines GenKI-Modells oder einer App, die diese Anforderungen effektiv erfüllen kann.Leistungskennzahlen evaluieren: Berücksichtigen Sie wichtige Leistungsindikatoren wie die Relevanz und Qualität des generierten Inhalts, die Vielfalt der Ausgabe, die Geschwindigkeit der Inhaltsgenerierung und die Fähigkeit des Modells, komplexe Details zu erfassen. Die Bewertung dieser Faktoren ist entscheidend, um die Eignung eines GenKI-Modells für Ihre Aufgaben zur Inhaltserstellung zu bestimmen.Testen auf die spezifische Eignung: Wenn Sie eingegrenzt haben, welche GenKI-Modelle am ehesten die von Ihnen gewünschte Aufgabe erfüllen, probieren Sie sie aus, und prüfen Sie, ob sie passen. Die meisten GenKI-Modelle sind als kostenlose Version oder mit einer kostenlosen Testphase erhältlich. Auch wenn die kostenlosen Versionen möglicherweise nicht dieselben Funktionen wie die Premium-Versionen bieten, können Sie dennoch ein Gefühl dafür bekommen, wie die einzelnen Modelle insgesamt Ihren Anforderungen entsprechen.Integration in Betracht ziehen: Bewerten Sie, wie einfach sich die GenKI-Modelle in Ihre bestehenden Arbeitsabläufe integrieren lassen. Ein reibungsloser Integrationsprozess ist der Schlüssel zur Optimierung der Inhaltserstellung und zur Steigerung der Effizienz bei der Produktion verschiedener Inhaltstypen.Wenn Sie GenKI nicht in andere Apps integrieren müssen, möchten Sie möglicherweise trotzdem integrierte oder eingebettete GenKI-Modelle verwenden. Sie können beispielsweise ChatGPT Plus verwenden, um Ihren Textinhalt zu generieren, und den GPT Image Generator aufrufen, um Illustrationen für Sie zu erstellen, während Sie noch in ChatGPT Plus arbeiten. Sie können GenKI auch eingebettet oder integriert in handelsübliche Software finden, die Sie vielleicht bereits verwenden oder die Sie leicht erhalten können. Sie werden wahrscheinlich Software, die auf Aufgaben in Ihrer Branche oder die Arbeit, die Sie mit GenKI erledigen möchten, spezialisiert ist, als besonders hilfreich empfinden.Sie können auch erwägen, die GenKI-Ausgabe in andere Software zu kopieren und einzufügen, wo Sie den Inhalt einfacher bearbeiten und formatieren sowie verteilen können. Die meisten Anwender portieren oder kopieren und fügen Ausgaben ein oder integrieren GenKI-Modelle aus genau diesem Grund.Effizienz und Zeitersparnis: Ermitteln Sie, inwieweit GenKI-Modelle manuelle Aufgaben zur Inhaltserstellung automatisieren können. Dadurch kann sich Ihr Team auf die strategischen und kreativen Aspekte der Inhaltsentwicklung konzentrieren. Das spart Zeit und steigert die Produktivität.Ethische Betrachtungen: Stellen Sie abschließend sicher, dass die GenKI-Modelle ethischen Standards in Bezug auf Datenschutz, Sicherheit, Transparenz, Erklärbarkeit und geistige Eigentumsrechte entsprechen. Die Einhaltung dieser Richtlinien ist bei der Erstellung von Inhalten von entscheidender Bedeutung. Überprüfen Sie unbedingt, ob Ihre Eingabeaufforderungen und Antworten vom Hersteller des GenKI-Modells gespeichert werden, um andere GenKI-Modelle zu trainieren, da dadurch geschützte Daten oder Firmengeheimnisse offengelegt werden können.Wenn Sie diesem Leitfaden folgen und diese Schlüsselaspekte berücksichtigen, können Sie effektiv bewerten, wie gut verschiedene GenKI-Modelle Ihren spezifischen Anforderungen bei der Inhaltserstellung entsprechen.
Egal, ob Sie Ihren mit GenKI generierten Inhalt verfeinern oder neue Ebenen der Kreativität freisetzen möchten, mit der Beherrschung fortgeschrittener Prompting-Techniken und einiger anderer Methoden erhalten Sie den gewünschten Inhalt. Vom Zusammenfügen nahtloser Erzählungen bis zur Orchestrierung der Arbeit mehrerer GenKI-Tools bietet Ihnen jede Methode eine andere Art der Kontrolle über den Inhalt, den Sie mit GenKI erstellen.
Hier einige Möglichkeiten und Tipps, die Sie vom Gelegenheitsnutzer zum erfahrenen Souffleur und GenKI-Meister machen:
Ausgabe-Stitching
Definition: Bei dieser Technik werden die Ergebnisse mehrerer GenKI-Tools kombiniert und die einzelnen Teile manuell zu einem zusammenhängenden Endprodukt zusammengefügt. Sie können diese Methode auch verwenden, um eine Arbeit in kleinen Stücken fertigzustellen (Sie arbeiten jeweils an einem Abschnitt eines längeren Werks, um die GenKI nicht zu verwirren und bessere Ergebnisse zu erzielen).Beispiel: Wenn Sie einen langen Artikel erstellen, können Sie die GenKI zunächst bitten, den Artikel zu skizzieren, dann jeden Abschnitt einzeln zu erstellen und die Abschnitte schließlich zu einer zusammenhängenden Struktur zusammenzufügen. Oder Sie können denselben Prompt an zwei oder mehr GenKI-Tools senden und die von Ihnen ausgewählten Teile jedes Tools zusammenfügen, um ein besseres Ergebnis zu erzielen, als Sie mit einem einzelnen Tool erhalten hätten.KI-Aggregation
Definition: Unter KI-Aggregation versteht man den Prozess des Sammelns und Zusammenführens von Informationen oder Antworten aus mehreren GenKI-Modellen oder -Quellen und ihre gemeinsame Verwendung in einem einheitlichen Werk.Beispiel: Wenn Sie nach umfassenden Informationen zu einem Thema suchen, können Sie verschiedene GenKI-Modelle um ihre Erkenntnisse bitten und die Antworten zu einem umfassenden Überblick zusammenstellen. Oder Sie verwenden ein GenKI-Modell zum Schreiben eines Blogbeitrags, ein anderes zum Generieren eines Bildes oder einer Illustration und eine weitere Art von Software mit eingebetteter GenKI zum Erstellen eines Videos, das Sie ebenfalls in denselben Beitrag einbetten.KI-Chaining
Definition: Unter KI-Chaining versteht man die sequenzielle Verwendung von GenKI-Ausgaben als Teil oder als Gesamtheit der Eingaben für andere GenKI-Tools.Beispiel: Um ein Computerspiel, ein Schulungsvideo oder einen Kinofilm zu erstellen, können Sie ein GenKI-Tool dazu auffordern, Charakterprofile zu erstellen und die Ergebnisse dann als Hauptbestandteil eines Prompts verwenden, den Sie in einem anderen GenKI-Tool verwenden, um ein Storyboard zu erstellen, eine Handlung zu generieren und Schlüsselszenen zu zeichnen. Anschließend können Sie mit nachfolgenden Prompts in einem weiteren GenKI-Tool fortfahren, um eine vollständige Erzählung in einem Skript auszuarbeiten. Sie können die Reihenfolge dieser Schritte ändern, wenn Sie möchten. Der Punkt ist, dass Sie mehrere GenKI-Tools verwenden, um spezielle Aufgaben auszuführen, und diese Ergebnisse dann ganz oder teilweise für Prompts für andere GenKI-Tools verwenden, die auf den nächsten Schritt oder die nächste Aufgabe spezialisiert sind, die Sie abschließen müssen, um schließlich zu einem fertigen, einheitlichen Werk zu gelangen.Prompt-Chaining
Definition: Beim Prompt-Chaining, der Verkettung von Prompts, wird die Ausgabe eines Prompts als Teil des nächsten Prompts im selben Chat im demselben GenKI-Tool verwendet, wodurch eine Reihe verknüpfter Prompts und Antworten entsteht.Beispiel: Wenn Sie ein Produkt entwerfen, beginnen Sie mit einem Prompt, um ein Konzept zu entwickeln, verwenden die Antwort als Grundlage für den nächsten Prompt, um den Entwurf zu verfeinern, und fahren damit fort, bis Sie einen endgültigen, detaillierten Entwurf haben.Prompting mit verschiedenen Rollen im selben Prompt
Definition: Bei dieser Methode weisen Sie der GenKI innerhalb desselben Prompts unterschiedliche Rollen oder Perspektiven zu, um vielfältige und vielschichtige Inhalte zu generieren.Beispiel: Wenn Sie einen Trainingsdialog erstellen, können Sie die GenKI auffordern, sowohl die Rolle eines Kunden als auch die eines Kundendienstmitarbeiters einzunehmen, um ein realistisches Gespräch zu simulieren. Ein weiteres Beispiel ist die Bildung eines virtuellen Expertenausschusses. Testen Sie Zielgruppen, Communitys, Wähler, Benutzer und jede beliebige Mischung aus Personen und Experten in Ihrem Prompt. Damit erhalten Sie Antworten und Interaktionen aus diesen verschiedenen Rollen und Personen, um weitere Erkenntnisse zu gewinnen, sich inspirieren zu lassen oder neue Perspektiven zu untersuchen.Durch die Nutzung dieser erweiterten Prompts und Methoden verbessern Sie nicht nur die Qualität der erstellten Inhalte, sondern erweitern auch die Fähigkeiten von GenKI, um Ihren komplexeren und differenzierteren Anforderungen gerecht zu werden.
Der Schlüssel zum erfolgreichen Prompting liegt in Klarheit, Spezifität und Kreativität. Experimentieren Sie also frei, und beobachten Sie, wie Ihre Prompts von GenKI generierte Werke hervorbringen, die wirklich nützlich sind und besser auf Ihre Bedürfnisse und Ziele abgestimmt sind.
Generative KI für Dummies
Bibliografische Information der Deutschen Nationalbibliothek
Die Deutsche Nationalbibliothek verzeichnet diese Publikation in der Deutschen Nationalbibliografie; detaillierte bibliografische Daten sind im Internet über http://dnb.d-nb.de abrufbar.
1. Auflage 2025
© 2025 Wiley-VCH GmbH, Boschstraße 12, 69469 Weinheim, Germany
Original English language edition Generative AI for Dummies © 2024 by Wiley Publishing, Inc. All rights reserved including the right of reproduction in whole or in part in any form. This translation is published by arrangement with John Wiley and Sons, Inc.
Copyright der englischsprachigen Originalausgabe Generative AI for Dummies © 2024 by Wiley Publishing, Inc. Alle Rechte vorbehalten inklusive des Rechtes auf Reproduktion im Ganzen oder in Teilen und in jeglicher Form. Diese Übersetzung wird mit Genehmigung von John Wiley and Sons, Inc. publiziert.
Wiley, the Wiley logo, Für Dummies, the Dummies Man logo, and related trademarks and trade dress are trademarks or registered trademarks of John Wiley & Sons, Inc. and/or its affiliates, in the United States and other countries. Used by permission.
Wiley, die Bezeichnung »Für Dummies«, das Dummies-Mann-Logo und darauf bezogene Gestaltungen sind Marken oder eingetragene Marken von John Wiley & Sons, Inc., USA, Deutschland und in anderen Ländern.
Alle Rechte bezüglich Text und Data Mining sowie Training von künstlicher Intelligenz oder ähnlichen Technologien bleiben vorbehalten. Kein Teil dieses Buches darf ohne die schriftliche Genehmigung des Verlages in irgendeiner Form – durch Photokopie, Mikroverfilmung oder irgendein anderes Verfahren – in eine von Maschinen, insbesondere von Datenverarbeitungsmaschinen, verwendbare Sprache übertragen oder übersetzt werden.
Das vorliegende Werk wurde sorgfältig erarbeitet. Dennoch übernehmen Autoren und Verlag für die Richtigkeit von Angaben, Hinweisen und Ratschlägen sowie eventuelle Druckfehler keine Haftung.
Coverfoto: © Supatman - stock.adobe.comKorrektur: Birgit Volk
Print ISBN: 978-3-527-72287-7ePub ISBN: 978-3-527-85125-6
Pam Baker ist eine erfahrene Analystin, freie Journalistin und Autorin. Ihr letztes Buch, ChatGPT für Dummies, ist bereits in der zweiten Auflage erschienen. Und auch einige ihrer anderen Bücher, darunter Decision Intelligence für Dummies, behandeln das Thema KI.
Pam Baker schreibt für mehrere Mainstream- und Tech-Medien, unter anderem Institutional Investor, Ars Technica, CIO, CISO, InformationWeek, CNN, The New York Times, PC Magazine und TechTarget. Sie ist Autorin mehrerer Bücher und beliebte Rednerin auf Wissenschafts- und Technologiekonferenzen. Ihre Vorträge über mobile Gesundheitsdaten und -analysen wurden in den Annalen der New York Academy of Sciences veröffentlicht. Zu ihren früheren Analystentätigkeiten zählen Recherchen und Berichte für ABI Research, VisionGain und Evans Research.
Pam Baker ist Mitglied des National Press Club, der Society of Professional Journalists und der Internet Press Guild. Ihre LinkedIn-Biografie, Referenzen und Clips finden Sie unter www.linkedin.com/in/pambaker/.
Dieses Buch widme ich Stephanie Baker Forston und David Forston, Ben Baker und Dr. Katherine Poruk Baker und meiner überaus inspirierenden und freudebringenden Enkelinnen-Crew: Mirabel, Coco, Poppy und Charlotte. Besonderer Dank geht an Ben, der mir als Resonanzboden und Berater in allen technischen Fragen, einschließlich solchen zu KI, zur Seite steht. Danke an Katherine, dass ich ihr Büro unten am Meer nutzen durfte – wieder einmal! Die beiden Katzen Luna und Cinny sind immer eine besondere Freude. Danke an Stephanie, dass du in jeder Situation immer alles gibst. Danke an euch alle, dass ihr während dieses und anderer Schreibmarathons meine Inspiration und mein Unterstützungsteam wart und dass ihr meine Welt gerockt habt.
Selbst unter den besten Bedingungen ist es ein gewaltiges Unterfangen, ein Buch zu produzieren, das unserer Leser würdig ist. Aber den Weg zu ebnen und dieses Buch als Pilotprojekt für den Einsatz von GenKI im Verlagswesen zu produzieren, war für mich und das gesamte Wiley-Team eine außergewöhnliche und anstrengende Erfahrung. Gemeinsam und unabhängig voneinander haben die Redaktion, die Technik, die KI-Abteilungen und ich zusammengearbeitet, um herauszufinden, wie dieses Projekt funktionieren könnte, von der anfänglichen Idee bis hin zu einem wohl durchdachten und nützlichen Buch in den Regalen der Buchhandlungen auf der ganzen Welt.
Wir alle haben gemeinsam und einzeln gegen eine zunehmend längere Liste unvorhergesehener und ärgerlicher Hindernisse gekämpft, Modelle vorangetrieben, die für diese Art von Arbeit noch nicht erprobt waren, kleine und große Erfolge gefeiert, angesichts unerbittlicher Fristen geschwitzt und uns bis an die Grenzen unserer eigenen Fähigkeiten und Belastbarkeit bewegt.
Ich möchte den vielen Menschen meinen tiefsten Dank aussprechen, die dieses Buch möglich gemacht und es weitaus besser gemacht haben, als ich es allein je gekonnt hätte.
Ein besonderer Dank gilt Steve Hayes, dem leitenden Redakteur, für seine furchtlose Führung, mit der er Wege beschreitet, die nur wenige Verlage zuvor beschritten haben. Hayes ist kreativ und logisch, was die perfekte Mischung ist, wenn man Innovationen anstrebt, die geschäftlich sehr sinnvoll sind.
Vielen, vielen Dank auch an Chrissy Guthrie, Entwicklungsredakteurin, ohne die ich es vielleicht nie bis zur endgültigen Deadline geschafft hätte. So ist das, wenn man sich neue Wege bahnt. Man begibt sich auf viele falsche Wege und muss umkehren, man verliert sich oft, vergisst, was man drei Kapitel zuvor geschrieben hat, und man hantiert gleichzeitig mit mehreren GenKI-Tools, nur um immer wieder den Faden zu verlieren. Und dann gibt es noch andere Dinge wie Erschöpfung und das Vermeiden der virtuellen Fallstricke in Datensätzen und RAG-Grenzen. Chrissy hielt uns alle auf Kurs und drängte mich, dieses und jenes nach Bedarf zu korrigieren und zu ändern, um das Buch informativer und unterhaltsamer zu machen.
Ein besonderer Dank geht an Guy Hart-Davis, den technischen Redakteur, der meine Arbeit doppelt überprüft und proaktiv vor KI-Halluzinationen geschützt hat, während er mich die ganze Zeit über mit seinen Witzen und Sprüchen zum Kichern gebracht hat. Kelly Henthorne, der Redakteur, hat uns alle vor meinen eigenen Fehlern bewahrt.
Ein großes Dankeschön an Etzer Botes, Nyo Maw, Sithira Weerabahu, Gary Spencer und Andrew Jones. Sie haben sich in die Materie gewagt, um herauszufinden, wie man die verschiedenen GenKI-Modelle zum Laufen bringen kann, wenn ihre vorgefertigten Funktionen weit hinter den Anforderungen zurückblieben. Ich war immer wieder überwältigt, wie gut sie das hinbekommen haben. Und das ist nicht einfach, wenn man bedenkt, dass ich jahrzehntelang mit verschiedenen Arten von KI und KI-Teams zusammengearbeitet habe.
Ein weiteres großes Dankeschön an den Rest des sehr talentierten Redaktions- und Produktionsteams bei Wiley. Wenn ich jemanden übersehen habe, bitte ich um Entschuldigung. Und natürlich und immer ein herzliches Dankeschön an meine Agentin Carole Jelen.
Wir haben viel gelernt. Und obwohl die Erstellung dieses Buches länger gedauert hat als erwartet, wird das nächste viel schneller gehen als normal, da der Weg frei und gut abgesteckt ist.
Cover
Titelblatt
Impressum
Über die Autorin
Widmung
Danksagungen der Autorin
Inhaltsverzeichnis
Einleitung
Über dieses Buch
Konventionen in diesem Buch
Törichte Annahmen über die Leser
Symbole, die in diesem Buch verwendet werden
Wie es weitergeht
Teil I: Die Grundlagen der generativen KI
Kapitel 1: Generative KI – ein Überblick
Was genau ist generative KI?
Das große Geheimnis erfolgreicher Arbeit mit GenKI
Das berüchtigte Fingerproblem und andere Eigenheiten von GenKI
Mit GenKI arbeiten – auf den Prompt kommt es an!
Warum GenKI so menschlich erscheint
Der menschliche Einfluss auf die Fähigkeiten der generativen KI
Die Unterschiede zwischen GenKI-Modellen und -Optionen
Praktische Einsatzmöglichkeiten von GenKI
KI-Fakten von Fiktion trennen
Kapitel 2: Die Kunst des Prompt-Engineerings
Das Wichtigste zuerst: Was ist ein Prompt?
Das Geheimnis erfolgreicher Prompts
Effektive Prompts für verschiedene KI-Anwendungen
Tipps und Tricks zur Optimierung Ihrer Prompts
Prompts zum Bereitstellen ergänzender Daten für das Modell
Typische Fehler bei Prompts vermeiden
Kapitel 3: Kreative Zusammenarbeit mit GenKI
Zusammenarbeit von Mensch und KI in kreativen Bereichen
Die Rolle der KI in Kunst, Musik, Schreiben und Videoproduktion
Verschiedene Kunstformen, gleiche Themen
Vorteile von GenKI als Kreativtool
Verantwortung für Unfälle, Unglücksfälle und Gesetzesverstöße
Ihre Rolle beim verantwortungsvollen Einsatz von KI
Kapitel 4: Die wandelbare Landschaft der GenKI
Wichtige Akteure und Bewertung von GenKI-Anbietern
GenKI entwickeln, die gut mit anderen Technologien zusammenarbeitet
Mit dem Tempo der GenKI-Fortschritte Schritt halten
Kapitel 5: GenKI in praktischen Szenarien
GenKI als Schreibassistent
Inhalte erstellen mit Hilfe von GenKI
Visuelle Unterstützung von GenKI
Problemlösung mit KI in kreativen Projekten
Teil II: Kreative Inhalte mit Hilfe von GenKI erstellen
Kapitel 6: Manipulation des GenKI-Modells, um mehr oder bessere Inhalte zu erhalten
Dinge, über die niemand spricht
Das Modell für höhere Produktivität belügen
GenKI belohnen und bestrafen, um bessere Inhalte zu produzieren
Was tun, wenn die GenKI Sie ignoriert oder einfriert?
Korrektur häufiger Probleme bei der GenKI-Interaktion
Umgang mit den Tendenzen zum Lügen, Irreführen und Halluzinieren von GenKI
Wiederverwendung von Inhalten mit GenKI
Kapitel 7: Inhalte in Langform erstellen
Akademische Arbeiten mit Unterstützung von GenKI verfassen
Unterstützung des wissenschaftlichen Publikationsprozesses
Whitepapers und Berichte mit GenKI entwickeln
Verbesserte Geschäftskommunikation mit KI
Forschungsdesigns und -skizzen mit GenKI erstellen
Zitate und Referenzen integrieren
Langform-Artikel mit GenKI erstellen
Bücher schreiben mit GenKI
Kapitel 8: Inhalte für Nischenthemen anpassen
GenKI zur Erstellung von Inhalten für Spezialgebiete anpassen
Fachwissen und Kreativität beim Schreiben auf GenKI-Basis in Einklang bringen
Achtung: Gefahr voraus!
Kapitel 9: Kurzinhalte erstellen
Bessere Ergebnisse durch die Kombination verschiedener KI-Typen
Verbessertes Bloggen
Kurze Nachrichtenartikel mit KI schreiben
Mit GenKI schwungvolle Reden schreiben
Inhalte für Websites entwerfen und schreiben
Logos und Slogans entwerfen
Social-Media-Inhalte erstellen
Fallstricke und Boxenstopps
Kapitel 10: Mit GenKI Bilder, Musik und Videos erstellen
Vorbereitungen für das kreative Schaffen mit GenKI
Schreibanregungen zum Erstellen künstlerischer Ergebnisse
GenKI zur Erstellung multimedialer Inhalte
Innovationen bei KI-generierten Bildern und Klanglandschaften
Kapitel 11: Die eigene Arbeit und die Arbeit von GenKI beschleunigen, verbessern und überprüfen
Mit GenKI-gestützter Zusammenfassung auf den Punkt kommen
Mit GenKI Charaktere und Handlungen verwalten
Storyboarding mit GenKI
Anpassen des Schreibstils und Tons an unterschiedliche Zielgruppen mit GenKI
Marktattraktivität und Marktwert von Inhalten prüfen
Inhalte mehrerer Autoren vereinheitlichen
Optimierung von Schlüsselwörtern (SEO) mit GenKI für bessere Suchrankings
Teil III: Fortgeschrittene GenKI-Modelle und -Techniken
Kapitel 12: Fortgeschrittene Taktiken, um Ihre Inhalte auf die nächste Ebene zu bringen
Evaluieren von KI-Modellen im Hinblick auf spezifische Anforderungen
GenKI-Modelle für spezielle Themen anpassen
Umgang mit Problemen bei der Software-Integration
Kapitel 13: Spezialisierte GenKI-Tools
Der Unterschied, den KI-Tools auf Unternehmensebene machen
Mini-GPTs und GPT-App-Stores finden
Autonome KI-Agenten und personalisierte KI
Kapitel 14: Mit GenKI Kreativität und Produktivität steigern
Inspiration einfangen und davon profitieren: Eine Fallstudie
Mit GenKI mehrere Persönlichkeiten simulieren – erweitern Sie Ihre Perspektive!
Verbesserung der Lesbarkeit und Leserbindung mit GenKI
Mindmapping mit GenKI zur verbesserten Ideenfindung
Überdenken Sie Ihre kreativen Prozesse, um GenKI besser zu nutzen
Teil IV: An der Schnittstelle von Ethik, Qualität und Menschlichkeit
Kapitel 15: Einhaltung verantwortungsvoller KI-Standards bei der Nutzung von GenKI
Originalität und Exzellenz bei GenKI-generierten Inhalten erreichen
Anwendung journalistischer Ethik auf GenKI-generierte Inhalte
Geschwindigkeit versus ethische Überlegungen bei der GenKI-Inhaltserstellung
Werden Sie Teil der Bewegung für verantwortungsvolle KI
Kapitel 16: Das menschliche Element der GenKI enthüllen
Werden wir Menschen überflüssig?
Implementierung einer Qualitätskontrolle durch menschliche Aufsicht
Kollaborative Überprüfung durch Mensch und KI
Gewährleistung der GenKI-Verantwortlichkeit durch menschliche Aufsicht
Training von GenKI-Modellen mit menschlicher Expertise
Teil V: Der Top-Ten-Teil
Kapitel 17: Zehn Möglichkeiten, wie GenKI Ihre Kreativität steigern kann
Entfesseln Sie den Künstler in sich: Die Macht des KI-Spiels entdecken
Die Muse in der Maschine: Mit KI-Inhaltsgeneratoren Inspiration finden
Neu erfunden: Wie GenKI Ihr Geschichtenerzählen verbessern kann
Musik komponieren mit Unterstützung von GenKI
Kreative Zusammenarbeit: Mit KI zu innovativen Lösungen
Blockaden durchbrechen: KI-Techniken zur Überwindung kreativer Barrieren
Individuelle Kreativität: Passen Sie KI an Ihren künstlerischen Stil an
Das Unsichtbare visualisieren: Mit KI neue Kunstformen schaffen
Der Ideen-Inkubator: GenKI als Brainstorming-Partner
Von Daten zur Kunst: Mit KI Zahlen in Erzählungen umwandeln
Kapitel 18: Zehn Tipps für fortgeschrittenes Prompting
Schlüsselwörter nutzen
Prompts logisch strukturieren
Erklären anhand von Beispielen
Einschränkungen anwenden
Iterationen anfordern
Logik und Argumentation integrieren
Prompts ordnen
Auf vergangene Interaktionen verweisen
Explizite Angaben zum Stil machen
Meta-Prompts verwenden
Abbildungsverzeichnis
Stichwortverzeichnis
End User License Agreement
Kapitel 1
Tabelle 1.1: Häufige Mythen über GenKI – und die Realität
Kapitel 1
Abbildung 1.1: Ein routinemäßiger Versuch, ChatGPT zu optimieren, führte dazu, d...
Abbildung 1.2: Wären die Daten Legosteine, könnte die GenKI nur Dinge aus den Le...
Kapitel 2
Abbildung 2.1: Screenshot der ChatGPT-Benutzeroberfläche.
Abbildung 2.2: Darstellung der Funktionsweise von Eingabeaufforderungen, die im ...
Abbildung 2.3: Illustration der Funktionsweise von Prompts, die im Image Generat...
Kapitel 3
Abbildung 3.1: Nachbildung einer Übung, bei der ein Lehrer für kreatives Schreib...
Abbildung 3.2: Screenshot der WallScapes-Imagined-Website.
Kapitel 5
Abbildung 5.1: Ein Screenshot eines in ChatGPT generierten Blogbeitrags, für den...
Abbildung 5.2: Ein Screenshot eines Bildes, das vom Bildgenerator in ChatGPT ers...
Kapitel 7
Abbildung 7.1: Screenshot der interaktiven Karte der weltweiten Faktencheck-Webs...
Kapitel 9
Abbildung 9.1: Die ChatGPT-Benutzeroberfläche zeigt das Pull-down...
Abbildung 9.2: Benutzeroberfläche von Looka, einem GenKI-Bildgenerator, der auf ...
Abbildung 9.3: Tailor Brand, ein GenKI-Bildgenerator, der auf die Erstellung von...
Kapitel 10
Abbildung 10.1: Pferd aus Schrott. (
Kunstwerk erstellt von ChatGPT-4o (Omni))
Abbildung 10.2: So fügen Sie den ChatGPT-4o-Eingängen Bilder hinzu. (
Screenshot
...
Abbildung 10.3: Synthesia-Online-Demo zur Avatar- und Videoerstellung aus einem ...
Kapitel 13
Abbildung 13.1: Screenshot des GPT-Stores in ChatGPT. Sie können hier eine vorha...
Abbildung 13.2: Ein Beispiel dessen, was Sie sehen, wenn Sie im GPT-Store von Ch...
Kapitel 14
Abbildung 14.1: Screenshot der Prompts und Antwort in MindMapper Genius GPT.
Cover
Titelblatt
Impressum
Über die Autorin
Inhaltsverzeichnis
Einleitung
Fangen Sie an zu lesen
Abbildungsverzeichnis
Stichwortverzeichnis
End User License Agreement
1
2
3
4
5
6
7
8
11
12
13
14
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
75
76
77
78
79
80
81
82
83
84
85
86
87
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
281
282
283
284
285
286
287
288
289
290
291
292
293
295
296
297
298
299
300
301
302
303
305
306
307
308
309
310
311
313
314
315
316
317
Willkommen bei Generative KI für Dummies, einem bahnbrechenden Buch, das meines Wissens eines der ersten ist, das professionell mit Hilfe von generativer KI (GenKI) produziert und von einer mit mehreren Preisen ausgezeichneten Bestsellerautorin in Zusammenarbeit mit einem führenden Verlag verfasst wurde. Um es ganz klar zu sagen: Ich habe beim Schreiben dieses Buchs die GenKI-Modelle nur als Unterstützung bei Recherche und Entwurf verwendet. So beeindruckend sie auch sind, GenKI-Modelle und -Anwendungen sind nicht in der Lage, Bücher nach professionellen Standards zu schreiben. Sie können jedoch nützlich sein, wenn sie als Assistenten richtig eingesetzt werden.
Viele Leute aus den Bereichen Redaktion, Technik und KI bei Wiley haben zusammengearbeitet, um dieses Buch möglich zu machen und sicherzustellen, dass es den höchsten Standards entspricht. Es war ein Team unglaublich talentierter Menschen, die furchtlos Pionierarbeit bei der Buchproduktion mit GenKI geleistet haben, um zu lernen, sich weiterzuentwickeln und anderen zu helfen, im GenKI-Bereich erfolgreich zu sein. Außerdem sollten Sie wissen, dass ich viele der Techniken und Methoden, die Sie hier finden, erforscht, getestet und verwendet habe, um dieses Buch zu schreiben. Es war für uns alle eine harte und anstrengende Reise durch das Unbekannte – ganz zu schweigen von der Sturheit im Verhalten der GenKI. Aber am Ende hat sich alles gelohnt. Ich hoffe, Sie denken das auch!
Statt endlos über die technischen Aspekte zu sprechen, möchte ich Ihnen helfen, den Hype und die üblichen Frustrationen bei der Arbeit mit GenKI hinter sich zu lassen und tatsächlich brauchbare Arbeiten zu erstellen, die Ihren Anforderungen und Zielen entsprechen. Ich hoffe, Sie finden dieses Buch inspirierend, ein reales Beispiel dafür, was mit GenKI möglich ist, und einen äußerst praktischen Leitfaden, der Ihnen dabei hilft, Ihre Fähigkeiten zu verbessern.
Wenn Sie sich im Hinblick auf KI im Allgemeinen und GenKI im Besonderen unwohl fühlen, sollten Sie wissen, dass Ihre spontane Reaktion normal und nicht ganz unbegründet ist. Diese Technologie wird mit Sicherheit die Art und Weise verändern, wie Sie Ihre Arbeit erledigen. Aber seien Sie sich auch darüber im Klaren, dass GenKI den meisten Menschen keineswegs die Arbeit wegnehmen wird. Dies gilt vor allem für diejenigen, die gut mit GenKI umgehen können. Gehören auch Sie dazu!
Das kann man lernen. Es ist nicht so schwer, wie Sie denken!
Es gibt zahlreiche Werke zu verschiedenen GenKI-Modellen, Anwendungen und den Grundlagen des Promptings, aber dieses Buch erklärt auf einzigartige Weise das erweiterte Prompting und andere KI-Methoden zur Generierung professioneller Ergebnisse, unabhängig davon, welches GenKI-Modell Sie verwenden oder welche Art von Inhalten Sie erstellen möchten.
Der Text präsentiert die wesentlichen Details, die Sie benötigen, um über die Grundlagen, den Hype und die üblichen Frustrationen hinauszugelangen und GenKI-Tools so einzusetzen, wie Sie sie brauchen. Dabei sind dies Dinge, die sich fast jeder Benutzer zunutze machen kann. Seien Sie gut zu sich selbst, während Sie auf Ihrem Weg zum Erfolg experimentieren.
Wenn Sie GenKI bereits testen oder schon damit arbeiten, finden Sie in diesem Buch mehrere Möglichkeiten, Ihr vorhandenes Wissen zu nutzen, sowie neue Tipps und Techniken, die Sie in Ihre Bemühungen integrieren können, um noch mehr daraus zu machen.
Wie bei jedem Buch der Dummies-Reihe besteht das Ziel darin, dass Sie schnell auf die benötigten Informationen zugreifen können, egal, wo Sie einsteigen. Vor diesem Hintergrund sind hier einige Konventionen aufgeführt, die ich beim Schreiben des Buches verwendet habe:
Die Begriffe »generative KI« und »GenKI« werden synonym verwendet, ich verwende im gesamten Buch jedoch hauptsächlich die kürzere Version, »GenKI«.
Verweise auf GPT-ähnliche Modelle oder ChatGPT-ähnliche Chatbots können bedeuten, dass sie diesen Modellen und Tools technisch ähnlich sind, aber sie müssen es nicht sein, da dieses Buch eine breite Palette von GenKI-Optionen abdeckt. Beispielsweise können konkurrierende Modelle Large Language Models (LLMs) als Grundlage haben, wie dies bei ChatGPT der Fall ist, sie werden hier aber trotzdem als »ähnlich« bezeichnet, da ihre Benutzeroberfläche und ihre Funktion denjenigen von ChatGPT sehr ähnlich sind. Auf diese Weise können Sie als Benutzer die verschiedenen GenKI-Tools auf dem Markt leichter vergleichen und verstehen, ohne sich durch den technischen Kleinkram quälen zu müssen.
Wenn ich einen neuen Begriff im Zusammenhang mit GenKI einführe (und davon gibt es in diesem im stetigen Wandel befindlichen Bereich eine Menge), zeichne ich ihn bei seiner ersten Erwähnung in einem Kapitel
kursiv
aus und füge anschließend eine kurze Definition hinzu. Schlüsselwörter und Handlungsschritte werden
fett
ausgezeichnet
.
Manche Webadressen sind zweizeilig. Wenn Sie dieses Buch in gedruckter Form lesen und eine dieser Webseiten besuchen möchten, geben Sie die Adresse einfach genau so ein, wie sie im Text steht, und tun Sie so, als ob es den Zeilenumbruch nicht gäbe. Wenn Sie dieses Buch als E-Book lesen, ist es ganz einfach: Klicken Sie einfach auf die Webadresse, um direkt auf die Webseite zu gelangen.
Dieses Buch richtet sich an alle, die ihre Arbeit mit GenKI-Modellen und -Tools verstehen, nutzen und verbessern möchten. Allerdings habe ich aus praktischen Gründen ein paar Annahmen über Sie, lieber Leser, getroffen:
Sie verfügen zumindest über grundlegende Kenntnisse und Fähigkeiten im Umgang mit Computergeräten, Browsern und Webanwendungen.
Sie kennen bisher nicht die gesamte Bandbreite an GenKI-Optionen und -Funktionen.
Sie sind wie viele andere Benutzer frustriert oder stecken mit GenKI-Ergebnissen fest, die weit hinter Ihren Zielen und Anforderungen zurückbleiben. Unter den Dingen, die Sie ernsthaft dazu bringen könnten, laut zu schreien oder den einen oder anderen Heiligen anzurufen, steht GenKI möglicherweise ganz oben auf der Liste.
Sie sind klug, haben wenig Zeit und möchten deshalb eine schnelle und einfache Lektüre mit viel Inhalt und ohne Schnickschnack. Ich hoffe, ich habe dieses Ziel für Sie erreicht.
Gelegentlich werden Sie in den Randspalten dieses Buches auf Symbole stoßen, die Ihre Aufmerksamkeit auf bestimmte Teile des Textes lenken. Diese Symbole haben die folgenden Bedeutungen:
Dieses Symbol weist auf Tipps und Tricks hin, die Sie nutzen können, um Ihre Arbeit mit ChatGPT einfacher, schneller, effizienter oder einfach unterhaltsamer zu gestalten.
Dieses Symbol hebt Informationen hervor, die für das erfolgreiche Verständnis oder die Verwendung von ChatGPT besonders wichtig sind.
Dieses Symbol warnt Sie vor einem Stolperstein oder einer Gefahr, die Sie möglicherweise erst erkennen, wenn es zu spät ist. Bitte beachten Sie die Warnungen sorgfältig.
Dies ist ein Nachschlagewerk. Sie müssen es also nicht vom Anfang bis zum Ende lesen, es sei denn, Sie möchten das. Sie können die Kapitel in beliebiger Reihenfolge lesen und diejenigen überspringen, die für Sie oder Ihre Bedürfnisse nicht relevant sind. Jedes Kapitel ist so konzipiert, dass es für sich allein steht. Das heißt, Sie müssen den Stoff der vorherigen Kapitel nicht kennen, um das Kapitel zu verstehen, das Sie gerade lesen. Beginnen Sie an einer beliebigen Stelle, und beenden Sie das Buch, wenn Sie das Gefühl haben, alle Informationen zu haben, die Sie für Ihre jeweilige Aufgabe benötigen.
Wenn Sie jedoch sofort bessere Ergebnisse mit GenKI erzielen möchten, sollten Sie die Kapitel lesen, die sich speziell mit Prompting und der Art von Inhalt befassen, die Sie erstellen möchten, zum Beispiel Kapitel 2 mit einer Einführung in die Kunst des Prompt Engineerings, Kapitel 9 mit vielen fortgeschrittenen Prompting-Techniken und KI-Taktiken und die Kapitel 7 bis 10 mit Anleitungen zur Erstellung bestimmter Arten von Inhalten. Und wenn Sie befürchten, dass KI Ihnen Ihren Job wegnehmen oder Ihre privaten Informationen auf irgendeine Weise missbrauchen könnte, enthalten die Kapitel 15 und 16 für die meisten von uns gute Neuigkeiten.
Experimentieren Sie ruhig mit jedem neuen Tool oder Tipp, das beziehungsweise den Sie in diesem Buch kennenlernen. Vielen Lesern fällt es leicht, dem Stoff auf diese Weise zu folgen. Wie auch immer Sie GenKI kennenlernen und damit experimentieren, Sie werden diese Tipps und Methoden wahrscheinlich relativ einfach umsetzen können. Am schwierigsten ist es, Ihre eigene Vorstellungskraft zu erweitern, damit Sie mit jedem neuen Projekt noch mehr Fortschritte machen können.
Der Schlüssel zum Erfolg liegt jedoch in Ihrem eigenen Talent. Ohne dieses sind alle GenKI-Tools nichts.
Teil I
IN DIESEM TEIL …
Die Grundlagen der Verwendung von GenKI als kreativem Werkzeug verstehenDen Unterschied zwischen Generieren und Schaffen erkennenEine Vielzahl von GenKI-Modellen kennenlernenGenKI-Stapel zur Verbesserung Ihrer Arbeit verwendenMythen über GenKI entzaubernPraktische Überlegungen zur Arbeit mit GenKI anstellenKapitel 1
IN DIESEM KAPITEL
Das richtige GenKI-Modell auswählenGenKI-Funktionen verstehenMit GenKI Inhalte erstellenDie vielen Möglichkeiten überblickenÄngste überwinden und Chancen auslotenWillkommen im spannenden Universum der generativen KI (GenKI)! Dieses Kapitel ist Ihr Ausgangspunkt zum Verständnis der riesigen Welt der GenKI und ihrer transformativen Fähigkeiten. Egal, ob Sie neugieriger Anfänger oder technikbegeisterter Anwender sind, hier finden Sie einen leicht zugänglichen Leitfaden zu den Grundlagen der GenKI. Sie können Ihre Fähigkeiten leicht durch Übung, regelmäßige Verwendung einer KI-Anwendung oder durch gelegentliches Lesen dieses Buches erweitern und verbessern.
Sie können sich Künstliche Intelligenz (KI) als unglaublich hoch entwickelte Software vorstellen. Obwohl sich KI anders verhält als jede andere Software, die jemals entwickelt wurde, handelt es sich dennoch um Software. Der Versuch, KI in Abbildungen als Roboter zu zeigen, verdeutlicht, wie schwierig es ist, das Konzept so darzustellen, dass jeder sofort erkennt, worum es geht. Ein Roboter ist eigentlich geistlose Hardware, und die KI ist die »intelligente«, der Funktionsweise des Gehirns nachempfundene Software, die auf eine Weise funktionieren soll, die wir im nicht organischen Sinne als intelligent erachten.
Technisch gesehen bezieht sich GenKI auf eine Teilmenge von Technologien der künstlichen Intelligenz, die hoch entwickelte Verarbeitung natürlicherSprache (Natural Language Processing, NLP), neuronale Netzwerke und Modelle des maschinellen Lernens (Machine Learning, ML) verwenden, um einzigartige und menschenähnliche Inhalte zu generieren. GenKI gehört zu einer Klassifikation der KI, die als Large Language Models (LLMs) bezeichnet wird. In solchen »großen Sprachmodellen« werden riesige Datenmengen in zahlreichen Sprachen und Formaten analysiert, darunter menschliche Sprachen, Computercode, mathematische Gleichungen und Bilder.
LLMs verfügen normalerweise über eine beträchtliche Anzahl von Parametern, wobei es sich um numerische Werte handelt, die zur Gewichtung und Definition von Verbindungen zwischen Knoten und Schichten in der neuronalen Netzwerkarchitektur verwendet werden. Parameter können angepasst werden, um die Gewichtung verschiedener Werte zu ändern, was sich wiederum darauf auswirkt, welche Prioritäten das Modell in einem Prompt und in den Daten verfolgt und wie es verschiedene Datenpunkte, Wörter und Verbindungen interpretiert.
Stellen Sie sich vor, Sie haben ein Rezept zum Backen eines Kuchens. Das Rezept ist Ihr GenKI-Modell. Die Zutaten – Mehl, Zucker, Eier und Butter – sind die Datenpunkte, Wörter und Verbindungen im Modell. Die Mengenangaben der einzelnen Zutaten, die Sie verwenden (wie viele Tassen Mehl, wie viel Zucker und so weiter), entsprechen den Gewichtungen der verschiedenen Werte im GenKI-Modell oder in der GenKI-Anwendung.
So wie Sie die Zutaten Ihres Kuchens anpassen können, um ihn süßer oder fluffiger zu machen, indem Sie mehr Zucker oder ein zusätzliches Ei hinzufügen, können Sie die Parameter in einem GenKI-Modell anpassen, um zu ändern, worauf es sich konzentrieren soll und wie es die übergebenen Informationen interpretiert. Wenn Sie möchten, dass Ihre GenKI bestimmten Wörtern oder Datenpunkten mehr Aufmerksamkeit schenkt, erhöhen Sie deren Gewicht, genauso wie Sie mehr Schokoladenstückchen in Ihren Kuchen geben, wenn Sie ihn besonders schokoladig haben möchten. Auf diese Weise wird das GenKI-Modell, genau wie Ihr Kuchen, so, wie Sie es möchten, abhängig davon, worauf Sie im Rezept besonderen Wert legen.
LLMs verwenden Parameter, um das nächste Wort in einer Sequenz vorherzusagen. Das heißt, sie sagen das Wort voraus, das am wahrscheinlichsten auf die Wörter in Ihrem Prompt folgt, und dann das Wort, das am wahrscheinlichsten auf das erste vorhergesagte Wort folgt, und so weiter, bis das Modell glaubt, das wahrscheinlichste Muster abgeschlossen zu haben. Bilder werden auf ganz ähnliche Weise generiert, indem es das Bild vorhersagt, das Ihrer Beschreibung im Prompt entspricht. Die Modelle können solche Prozesse unglaublich schnell abschließen. Beispielsweise können LLMs wie GPT-3 und GPT-4o, die von OpenAI entwickelt wurden, Milliarden von Wörtern pro Sekunde verarbeiten. Aufgrund der Geschwindigkeit ihrer Reaktion, des Anscheins eines präzisen Verständnisses und ihrer flüssigen Verwendung natürlicher Sprache entsteht bei GenKI-Interaktionen das Gefühl, es mit menschlichem Verstand zu tun zu haben.
GenKI und LLMs sind keine Menschen und denken nicht; sie treffen Vorhersagen. Es handelt sich um einen sehr komplizierten Vorhersageprozess, aber trotzdem bleibt es eine Vorhersage. Und wenn irgendetwas passiert, das die Vorhersagefähigkeiten beeinträchtigt, ist das Ergebnis unsinnig. Ein Beispiel dafür finden Sie in Abbildung 1.1, nämlich einen Vorfallbericht von OpenAI über eine Anpassung, die sie am Modell vorgenommen haben und die dazu führte, dass ChatGPT den Benutzern in unverständlichem Kauderwelsch antwortete.
Abbildung 1.1: Ein routinemäßiger Versuch, ChatGPT zu optimieren, führte dazu, dass der Benutzer als Reaktion auf den Prompt Kauderwelsch erhielt.
(Quelle: OpenAI Incident Report)
KI-Modelle und -Anwendungen sind die Software, die den Roboter oder das autonome Auto steuert – oder was auch immer. Da KI eine digitale Form hat, kann sie in fast alles integriert werden, und viele Anbieter tun genau das. Sie werden feststellen, dass verschiedene Arten von KI in alle möglichen Produkten und Dienstleistungen eingebettet sind oder anderweitig verwendet werden.
Allerdings ist nicht jede KI gleich.
Hier sind die Hauptunterschiede zwischen GenKI-Apps wie ChatGPT und virtuellen Assistenten wie Siri, Alexa und Google Assistant:
Virtuelle Assistenten:
Diese Klasse von KI basiert auf einem proprietären Mix aus Technologien, die von den jeweiligen Eigentümerfirmen entwickelt wurden. Bestimmte Komponenten wie maschinelles Lernen, Deep Learning, Verarbeitung natürlicher Sprache, intelligente Such- oder Suchmaschinenfunktionen und Sprachsynthese lassen die Assistenten ähnlich wie ChatGPT aussehen und klingen.Allerdings sind ihre Antworten eingeschränkter als die von GenKI-Modellen. Menschen nutzen sie in der Regel, um Antworten auf allgemeine Fragen abzurufen oder unkomplizierte Aufgaben wie »Wo ist die nächste Apotheke?« oder »Spiel ein Lied von Bruce Springsteen« ausführen zu lassen, und nicht, um originelle Antworten zu generieren.
GenKI-Modelle (in diesem Vergleich insbesondere ChatGPT):
Diese Klasse von KI verwendet ein einziges KI-Modell, also die eine oder andere Version von KI-Modellen, die als Generative Pre-trained Transformer (GPT) bezeichnet werden. GenKI ist eine breite Kategorie von KI, die Modelle mit unterschiedlichen Fähigkeiten umfasst, wie zum Beispiel das Generieren von Text, Bildern oder Computercode oder einer Kombination davon.Normalerweise werden GenKI-Web-Apps verwendet, aber es sind auch einige mobile Apps für mobile Geräte verfügbar. In allen Fällen verwenden die Apps jedoch ein einziges GenKI-Modell.
Die Informationen in diesem Abschnitt sind sehr wichtig, und Sie sollten sie sich merken, selbst wenn Sie sich später an nichts anderes aus diesem Buch erinnern. Denn hier erfahren Sie das große Geheimnis – den Hauptschlüssel, den Sie benötigen, damit GenKI-Modelle auf dem von Ihnen geforderten Leistungsniveau funktionieren. Wenn Sie dieses Konzept nicht verstehen, wird GenKI Ihnen wahrscheinlich nur als faszinierendes Spielzeug erscheinen oder als Werkzeug, das Ihre Erwartungen bei Weitem nicht erfüllt.
Kurz gesagt: GenKI generiert Ergebnisse, die wie originelle Gedanken oder Bilder aussehen und nicht wie Ergebnisse einer – wenn auch sehr fortschrittlichen – kontextbezogenen Vorhersage-Software. GenKI ruft Wörter oder Bilder aus einer Datenbank ab und verwendet sie für eine neue Antwort. Das große Geheimnis ist, dass das menschliche Gefühl in dieser »Konversation« eine Illusion ist. Sie führen keine Konversation mit einer Maschine. Die Maschine versteht kein einziges Wort von dem, was Sie in Ihrem Prompt geschrieben haben.
Aktuelle GenKI-Modelle denken oder erschaffen Dinge nicht per se, sondern generieren neue Dinge aus Teilen alter Dinge, die sie in ihrer Datenbank finden. (Der Begriff »Dinge« umfasst in diesem Kontext Bilder, Videos, Zahlen oder Text, je nachdem, welche GenKI-Anwendung Sie verwenden.) Eine GenKI-Ausgabe ist die beste Vorhersage, die das Modell zu Ihrer Suche treffen kann. Stark vereinfacht könnte man sagen, diese komplexe Technologie versucht, ein Muster zu vervollständigen, das Sie mit Ihrem Prompt begonnen haben. Ein Prompt ist Ihre Frage oder Ihr Befehl, die beziehungsweise den Sie in das Eingabefeld auf der Benutzeroberfläche (User Interface, UI) der GenKI eingegeben haben. Mit anderen Worten: GenKI sagt voraus, welche Buchstaben, Wörter oder Bilder wahrscheinlich auf diejenigen in Ihrem Prompt folgen. Ihre Vorhersagen basieren auf einem Vergleich mit Mustern aus ihrem Trainingsdatensatz und/oder Datensätzen, auf die sie anschließend Zugriff erhalten hat.
Stellen Sie sich GenKI-Ausgaben als das Ergebnis der neuen Nutzung oder der neuen Zusammenstellung von Informationen vor, auf die das Modell in Datensätzen Zugriff hat. Dazu gehören unter anderem die folgenden:
Daten, denen sie in ihrer Trainingsdatenbank ausgesetzt ist, zusammen mit allen zusätzlichen Daten, die bei der nachfolgenden Feinabstimmung bereitgestellt werden,
durch Systemnachrichten oder Prompts hinzugefügte Daten,
Daten, die über Methoden wie Retrieval-Augmented Generation (RAG) bereitgestellt werden, ein Verfahren zur Verbesserung der Genauigkeit, Relevanz und Zuverlässigkeit durch Hinzufügen externer Quellen zur Datenbank der GenKI.
RAG kombiniert die Stärken sowohl der Information Retrieval AI (KI zur Suche nach Informationen) – einer Reihe von Algorithmen, die kontextrelevante Informationen aus riesigen Datensätzen abrufen – als auch der GenKI, die neuronale Netzwerke und maschinelle Lernmodelle verwendet, um neue Inhalte zu generieren. Man kann sich RAG als GenKI vorstellen, die durch traditionellere Information Retrieval AI oder kurz Retrieval AI erweitert wird.
Da GenKI Ergebnisse generiert, die das Ergebnis der Neuzusammenstellung oder Wiederverwendung von Informationen sind, hat sie kein Konzept von wahr oder falsch, Fakt oder Fiktion. GenKI kann diese Begriffe genau definieren, aber ihre Bedeutung versteht sie nicht. Sie versteht nichts von dem, was Sie in den Prompt geschrieben haben oder was sie in ihrer Antwort geschrieben hat. Sie erweckt nur den Anschein, Begriffe und Konzepte zu verstehen – eine Illusion. Deshalb müssen Sie ihre Arbeit immer auf Fakten überprüfen.
Die Antworten von GenKI sind auf die Daten beschränkt, auf die sie Zugriff hat. Anders ausgedrückt: Wenn ihre Trainingsdaten ein Haufen Legosteine wären und dieser Haufen keine Spielfiguren enthielte, würde die GenKI ihre Ausgaben ohne Spielfiguren erstellen. Es wüsste nicht, dass Spielfiguren überhaupt existieren. Ebenso kann sie Fakten nicht von Fiktion unterscheiden, wenn diese Bezeichnungen nicht auf bestimmte Datenpunkte in ihrem Datensatz angewendet werden. Wird im Training eine Unwahrheit als Tatsache bezeichnet, wird die GenKI sie fraglos als Tatsache akzeptieren. Sie versteht den Unterschied nicht.
Um diese Analogie zu veranschaulichen, habe ich zuerst eine Bildunterschrift geschrieben und sie dann als Prompt in Azure OpenAI Studio DALL-E Playground (Preview) eingegeben. Das Ergebnis ist die beeindruckende Konzeptillustration, die Sie in Abbildung 1.2 sehen.
Abbildung 1.2: Wären die Daten Legosteine, könnte die GenKI nur Dinge aus den Legosteinen bauen, die sie aus ihren Trainingsdaten kennt, und wüsste überhaupt nicht, dass es noch andere Arten von Legosteinen gibt. (Vom Azure AI Studio DALL-E Playground - Preview - generierte Kunst unter Verwendung dieser Bildunterschrift als Prompt.)
GenKI kann nur die Daten neu verwenden und neu zusammenstellen, auf die sie bereits Zugriff hat. Dies ist ein Hauptgrund dafür, dass die Ergebnisse von GenKI sehr zuverlässig oder aber völlig falsch sein können oder irgendetwas dazwischen. Die Daten selbst können – auf die eine oder andere Weise – unzureichend sein, um die Grundlage oder Elemente für das Modell zu liefern, aus denen es eine genaue Antwort generieren kann. Veraltete Daten aus einem veralteten Trainingsdatensatz und Daten, die auf zu wenige Perspektiven oder Beispiele beschränkt sind, sind häufige Probleme, aber es gibt noch viele andere.
Wenn – nicht »falls« – Ergebnisse falsch sind, nennt man sie Halluzinationen. Es ist unklar, warum niemand sie Lügen, Unwahrheiten oder einfach Fehler nennt, aber in jedem Fall kann man nicht davon ausgehen, dass die Ergebnisse von GenKI solide genug sind, um sich vorbehaltlos darauf zu verlassen, ohne vorher eine ernsthafte Faktenprüfung durchgeführt zu haben.
Obwohl GenKI den Kontext berücksichtigt, wenn es die Wörter in Ihrem Prompt analysiert, versteht sie weder Sie noch das, was Sie in dem Prompt gesagt haben. Aus diesem Grund dürfen Sie GenKI nicht mit allgemeiner KI, auch bekannt als allgemeine Künstliche Intelligenz (AKI), verwechseln. Außerhalb von Science-Fiction-Filmen, Büchern und Fernsehsendungen gibt es AKI noch nicht. Dennoch sind manche Leute so beeindruckt von den Fähigkeiten von GenKI, dass sie sicher sind, dass es das sein muss – das Ding aus den Filmen, das die Welt erobern wird! Das ist es nicht.
Das vielleicht Wunderbarste an der Verwendung von GenKI ist der zarte Tanz zwischen Mensch und Maschine, der etwas hervorbringt, was keiner von beiden allein geschafft hätte. Aber sobald Sie die ersten aufregenden Momente mit den GenKI-Wundern hinter sich haben, werden Sie hier und da ein paar Risse bemerken.
Beispielsweise kommt es bei GenKI-Modellen häufig vor, dass sie Menschen mit sechs oder mehr Fingern an einer Hand zeichnen. Das liegt normalerweise daran, dass die in den Daten erkannten Muster mehrere Finger an einer menschlichen Hand zeigen. Hat eine Hand einfach nur fünf Finger, ergibt sich kein klares Muster, sodass die GenKI nicht vorhersagen kann, wie viele Finger sie generieren muss.
Im Wesentlichen plappert GenKI die Antwort aus seiner Datenbank nach. Sie versteht weder die Frage noch die Antwort und weiß daher nicht, dass sie nur fünf Finger zeichnen soll. Stattdessen sucht sie in den ihr zur Verfügung stehenden Datensätzen nach Mustern in den durch Bilder oder Text dargestellten Händen. Das Muster der Gesamtzahl der Finger ist jedoch unklar. Bilder in den meisten Datenbanken, die GenKI-Modelle verwenden, zeigen normalerweise Hände in unterschiedlichen Positionen, sodass beispielsweise nur einige Finger sichtbar sind oder die Finger von zwei oder mehr Händen ineinander verschlungen sind. GenKI kann daher kein einheitliches Muster der Gesamtzahl der Finger pro Hand erkennen. Wenn Sie das Modell jedoch fragen, wie viele Finger eine Hand hat, wird es Ihnen fast immer sagen, dass es fünf sind. Auch wenn es Ihnen die richtige Antwort bezüglich der Anzahl der Finger gibt, versteht es ihre eigene Antwort nicht.
Inkonsistenzen im Datenmuster und der daraus resultierende Wahrscheinlichkeitsvorhersagefehler sind der Grund dafür, dass in jedem von GenKI generierten Bild zu viele oder zu wenige Finger zu sehen sein können. Dies ist häufig der Grund für andere Probleme in Bildern und Videos, die GenKI erstellt, wie zum Beispiel Schatten- oder Bewegungsfehler.
Obwohl GenKI beeindruckend ist, denkt sie nicht wirklich. Um dieses Defizit zu überwinden und GenKI leistungsfähiger zu machen, fügen Sie der Mischung einen oder mehrere Menschen hinzu, und das Ergebnis wird magisch sein. Es ist die Zusammenarbeit zwischen Ihnen und dieser äußerst anspruchsvollen Software, die Sie zu den angestrebten Zielen führt.
Das ist genau der Punkt: Die natürliche menschliche Sprache ist jetzt eine Computersprache. Im Fall von GenKI bedeutet das, dass die Maschine immer noch wie eine Maschine und der Mensch wie ein Mensch arbeitet, aber sie können jetzt über eine Computersprache interagieren, die normale Menschen ohne Programmierkenntnisse verstehen und verwenden können.
Um GenKI optimal zu nutzen, müssen Sie als Mensch jedoch immer noch wie eine Maschine denken. Fragen Sie einen Computerprogrammierer, wie wichtig es ist, beim Programmieren wie eine Maschine zu denken – und das gilt unabhängig von der gewählten Programmiersprache, sei es JavaScript, Java, HTML/CSS, SQL, Python, Englisch oder Deutsch.
Und warum ist es wichtig, Ihre Denkweise anzupassen? Weil Sie kein Gespräch mit GenKI führen. Sie geben Anweisungen (und selbst wenn Ihr Prompt eine Frage ist, ist es eine Anweisung), was das Modell produzieren soll, so wie es jeder Programmierer tut. Sie müssen über die Sprache hinaus bis in die Tiefen des gewünschten Ergebnisses denken. Der Wert eines Programmierers liegt nicht in seinen Kenntnissen von Computersprachen, obwohl diese natürlich auch wichtig sind, sondern in der Fähigkeit, Probleme zu lösen, indem er sie in eine Sprache umsetzt, die genau die Lösung liefert, die er produzieren möchte. So müssen Sie auch bei der Verwendung von GenKI-Modellen denken und arbeiten.
Ihre Prompts müssen präziser und detaillierter sein als die typischen Gespräche, die Sie mit einem anderen Menschen führen. Zum einen können Sie nicht davon ausgehen, dass Ihr Gegenüber automatisch allgemeine Details ergänzt, da GenKI diese Details oft nicht kennt. Trotz des Anscheins denkt GenKI nicht und versteht Ihren Prompt nicht wirklich. Viele der natürlichen Annahmen, die Sie im Gespräch mit einem anderen Menschen treffen, funktionieren bei Interaktionen mit diesen Modellen nicht auf die gleiche Weise.
Die Erfolgsformel von GenKI: Die Maschine spricht wie ein Mensch. Der Mensch denkt wie eine Maschine. Je besser Sie GenKI mitteilen können, was Sie wollen, desto besser wird sie Ihnen geben, was Sie brauchen. Alles eine Frage der Übung.
Ob beim Formulieren von Sätzen, beim Erschaffen von Bildern, beim Komponieren von Musik oder beim Erstellen synthetischer Daten: GenKI ist ein Meister darin, im Handumdrehen etwas zu erschaffen, das oft ohne Weiteres als von Menschenhand geschaffen durchgeht.
Das Interessante dabei ist, dass die Ergebnisse in gewisser Weise von Menschenhand gemacht sind. Man kann sich GenKI als kreatives Werkzeug vorstellen, wie die Farben, Buntstifte und Bleistifte eines Künstlers. Diese Gegenstände erzeugen Bilder, die sich der Künstler zuerst im Kopf ausdenkt und die er dann mit seinen Händen und seinem Können umsetzt. In ähnlicher Weise liefert GenKI Ergebnisse, die der Vorstellung und den geschickten Eingaben des Benutzers entsprechen.
Darüber hinaus werden viele der Daten, aus denen GenKI-Modelle lernen, von Menschen generiert. Aber sie lernen aus diesen Informationen viel mehr, als Sie sich vorstellen können. Sie lernen auch die Gewohnheiten, Einstellungen, Vorurteile und andere menschliche Eigenschaften hinter den Text-, Audio- und Bilddaten, die sie konsumieren.
Beispielsweise ist bekannt, dass GenKI-Modelle im Sommer, also rund um die Haupturlaubszeit, »faul« sind. Das heißt, dass GenKI-Modelle als Reaktion auf einen Prompt weniger Inhalt produzieren als sonst. GenKI kann einem Benutzer sogar sagen, er solle sich die Informationen selbst besorgen. Manchmal reagiert ein GenKI-Modell auch langsamer als normal, kündigt eine Verzögerung an oder benutzt Ausreden.
Solche Aktionen sind nicht auf einen Fehler oder Defekt im System zurückzuführen. Die KI ahmt lediglich menschliches Verhalten nach. Modelle lernen menschliche Verhaltensmuster sowie Datenmuster aus ihrem Trainingsdatensatz. Sie treffen keine Unterscheidung zwischen den Werten der Informationen und dem Verhalten und verteilen daher wahrscheinlich beide oder eines von beiden in ihren Ausgaben.
Aus demselben Grund kann GenKI auch absichtlich lügen und wütend, traurig oder fröhlich wirken. Es kann sogar so aussehen, als würde sie Sie von Zeit zu Zeit ignorieren. Auf der anderen Seite neigen GenKI-Modelle dazu, besser zu funktionieren, wenn sie eine virtuelle Belohnung oder ein Kompliment erhalten. Auch hier handelt es sich nur um eine Nachahmung der menschlichen Verhaltensweisen, die sie gelernt hat. Es ist wichtig, sich dieser Eigenheiten bewusst zu sein, wenn man GenKI verwendet. Wenn man diese Eigenheiten von GenKI strategisch ausnutzt, kann man die Reaktionen, die man von ihr erhält, verbessern.
Tausende von E-Books und Hörbücher
Ihre Zahl wächst ständig und Sie haben eine Fixpreisgarantie.
Sie haben über uns geschrieben: