Das ist eine Definition für Generative AI des wohl bekanntesten Systems dieser Art: Des Chatbots ChatGPT. KI-basiert ist auch das Titelbild dieses Beitrags mit dem Bildgenerator Midjourney.

Was ist das „Revolutionäre“ an Generative AI?

In vielen Branchen und Berufsfeldern haben Generative-AI-Anwendungen das Potenzial zum Game Changer zu werden. Doch was ist an Generative AI so neu, so revolutionär? Im Prinzip hat ChatGPT zuvor die Antwort bereits selbst gegeben: Die Erzeugung von bislang nicht Dagewesenem auf Basis von historischen Daten. Während diskriminative KI bis dato vorwiegend zur Klassifikation von Daten eingesetzt wurde, entstehen bei der generativen KI neue Inhalte. Aus der Frage „Ist das ein Bild von einer Katze oder einem Hund?“ wird die Aufforderung an die KI „Erstelle mir ein Bild von einer Katze, die neben einem Hund steht“.

Die Funktionsweise von Generative AI

Das Herzstück von Generative AI sind generative Modelle. Diese Modelle werden trainiert, um Daten zu erstellen, indem sie Wahrscheinlichkeitsverteilungen der Eingabedaten erfassen und dann neue Datenpunkte erzeugen, die diesen Verteilungen folgen. Das Training erfolgt auf Basis von riesigen Datenmengen in unterschiedlichen Formen (Text, Bild, Multimedia) und aus vielfältigsten Quellen wie Nachrichtenseiten, Enzyklopädien, sozialen Netzwerken oder Foren. Dabei lernen die Modelle in der Regel unüberwacht.

Generative AI basiert auf unterschiedlichen Modellarchitekturen – zumeist kommen Modelle mit Transformer-Architektur oder Generative Adversarial Networks (GANs) zum Einsatz.

Einsatzmöglichkeiten und Beispiele von Generative AI

• Erzeugen von Texten für Produktbeschreibungen, Websites, Nachrichten oder als intelligenter Chatbot zur Beantwortung von Kundenanfragen
• Zusammenfassung von umfangreichen Texten wie zum Beispiel im akademischen Umfeld
• Generierung von Bildern für Präsentationen oder Werbezwecke
• Erstellung von künstlerischen Werken in Form vom Bild bis zur Musik
• Erzeugung von gesprochenen Texten mit der Stimme bekannter Personen des öffentlichen Lebens
• Entwicklung von Programmiercode

Der Erfolg von Generative AI hängt an dem enormen technologischen Fortschritt in den letzten Jahren. Hier einige prominente Beispiele für die unterschiedlichen Arten von Generative AI:

Sprachmodelle: GPT-Modellen (OpenAI), LaMDA & PalM (Google), MT-NLG (Microsoft / Nvidia)

Bildgeneratoren: Stable Diffusion (Stability AI), Midjourney und DALL-E (OpenAI)

Videogeneratoren: Gen (Runway Research), Make A Video (Meta)

Musikgeneratoren: Jukebox (OpenAI), MusicLM (Google)

Stimmgeneratoren: VALL-E (Microsoft)

Wie gelangt man mit Generative AI zu guten Ergebnissen?

Die Qualität der Ausgabe von Generative AI Anwendungen kann sehr stark variieren. Eine zentrale Stellschraube ist das Prompt Engineering. Prompt ist die Beschreibung der Aufgabe, die bei ChatGPT und Co. in die Eingabefelder geschrieben wird. Im Vergleich zur bisherigen Dateneingabe sagen Benutzer Computern mit Prompts was sie wollen und nicht wie er dorthin kommt.

Deswegen ist es wichtig, die Prompts entsprechend folgender Kriterien zu gestalten:

• Spezifisch sein
• Klare Sprache verwenden
• Emotionen nutzen
• Zielgruppe einbeziehen
• Rolle vorgeben

Was sind Risiken und Schwächen von Generative AI?

Neben den vielen Möglichkeiten, die Generative-AI-Anwendungen den Nutzern und Nutzerinnen bieten, haben sie auch Schwächen. Schwächen, die insbesondere die Bereiche betreffen, in denen der Mensch besondere Stärken hat, wie zum Beispiel die Fähigkeit kreativ oder empathisch zu sein. Daneben gibt es natürlich auch keine Garantie für die Richtigkeit der ausgegebenen Antworten und es braucht die kritische Überprüfung menschlicher Experten für hohe Verlässlichkeit.

Durch die vielfältigen Einsatzmöglichkeiten von Generative-AI-Anwendungen besteht auch das Risiko des Missbrauchs. Deepfakes sind hier ein sehr prominentes Beispiel für Möglichkeiten, um mit KI Inhalte zu erzeugen, die täuschen oder diskriminieren und damit schaden. Ein weiterer negativer Aspekt ist der hohe Energieverbrauch für das Training der Modelle.

Wir unterstützen Sie dabei, Ihre Strategie für den Einsatz von Generative AI zu entwickeln. Die Basis dafür: Ein klares Verständnis für die Möglichkeiten, aber auch für die bestehenden Grenzen von Generative AI.

Was sind die Stärken und Schwächen von Generative AI? Was sind die besten Anwendungsfälle in Ihrem Unternehmen? Wie gelingt der sichere und wertebasierte Einsatz?

Unser Workshop richtet sich an Unternehmen, die den Einsatz von Generative AI in die richtigen Bahnen lenken wollen. Richtig im Hinblick auf den wirtschaftlichen Nutzen UND das eigene Unternehmensleitbild. Erfahren Sie mehr