KI-Schulung

Man sollte schon wissen, wie die KI-Technik funktioniert, was die Prinzipien der sog. Allgemeinen Generativen Intelligenz (AGI), was Large Languarge Models und Chatbots sind. Details

Die Leistungsmöglichkeiten der Technik werden von der Hersteller-Werbung zu Genüge ins Rampenlicht gestellt. Für ein Unternehmen ist es empfehlenswert, den geplanten Einsatz anhand der Ziele darzustellen, die sich aus der Unternehmensstrategie ergeben. Genauso wichtig ist es aber, auch die Leistungsgrenzen der Technik deutlich zu machen. Alle Beteiligten sollten wissen:

• Die Ergebnisse beruhen auf Mustererkennung in einer überaus großen Datenmenge, mit der die Systeme trainiert wurden.
• Sie verfügen über keine autonome Wahrnehmung und über kein Bewusstsein.
• Sie können aus eigenem Antrieb keine Entscheidungen treffen.

Klassische Schulungen in Form von Plenarveransteltungen, Vorträgen oder Seminaren mögen geeignet sein für die Präsentation ausgewählter Teile des Basiswissens oder eine Darstellung der Unternehmensstrategie. Sie allein versprechen keinen nachhaltigen Erfolg.

Menschen lernen eher durch Imitation und eigene praktische Erfahrung. Deshalb sollten vorrangig Räume für solche Erfahrungen geschaffen werden, am besten durch direkte Einbindung in die Prozesse der täglichen Arbeit, also praktisches Üben, nicht nur als Inuviduum jeder für sich, sondern im Team, einem Zusammentreffen mehrerer Menschen in einem Projekt oder einer vergleichbaren anderen Form. Vorträge, wenn es denn sein muss, finden nur ausnahmsweise oder auf Anforderung statt. Als Hilfe immer gut geeignet ist der Zugriff auf eine - im Laufe der gesammelten Erfahrungen ausführlicher werdene - Online-Bibliothek mit E-Learnings, kleinen Videos oder ganz einfach themenbezogenen Beiträgen, lieber mit guter Suchfunktion als mit Ticketsystem für Buchungen, Hilfen sozusagen at your fingertips, frei von jeder Bürokratie.

Verfügt ein Unternehmen über für seine Ansprüche spezialisierte Chatbots, so lassen sich mit deren Hilfe eigene Trainings aufbauen, die sehr gut in die Tagesarbeit integriert werden können. Dies ist natürlich auch mit lizenzierten Standardprodukten wie ChatGPT von ApenAI, Gemini von Google oder Claude von Anthropic möglich (vorausgesetzt, das Unternehmen hat dafür gesorgt, dass sich die Systeme in einer geschützten Umgebung befinden).

• Arbeitsaufgaben: Herausfinden wie sich in Teambesprechungen ausgewählte Aufgaben aus der Tagesarbeit mit Hilfe von Chatbots unterstützen lassen, feststellen, wo dies wirklich weiter hilft, wo der Einsatz nur zum besseren Verständnis taugt, wo er zusätzliche nützliche Ergebnisse liefert. Aber auch: welche Erwartungen nicht erfüllt werden. Gemeinsames Überlegen von erfolgversprechenden Fragestellungen, erfahren, was andere Formulierungen zu demselben Sachverhalt bringen, an Beispielen auch die Leistungsgrenzen erkennen. Wichtig ist es, diese Erfahrungen im Austausch mit den Kolleginnen und Kollegen zu machen, gemeinsam zu erleben, wie man Standards für eine erfolgreiche Unterstützung durch die KI-Technik gewinnt. Solche Erfahrungen sind nicht auf die textbasierten Chatbots begrenzt, sie lassen sich genauso gut für den Umgang mit Bildgeneratoren erwerben.
• Prompts: Vieles hängt von den „richtigen“ Formulierungen der Fragestellung ab, den sogenannten Prompts. Dies lässt sich gut in kleinen Gruppe testen, mit vorgegebenen oder selber ausgedachten komplexeren Fragestellungen, die nicht unbedingt einen direkten Bezug zur Arbeit haben müssen. Man kann dann gemeinsam überlegen und erfahren, wie man die Thematik eingrenzt, präzisere Ergebnisse bekommt, wie man das Ergebnis besser detaillieren kann und wo man auf Grenzen stößt. Auch hier ist es vorteilhaft, diese Erfahrungen nicht nur individuell, sondern in gemeinsamer Arbeit zu sammeln.
• Grenzen testen: Da die KI-Ergebnisse allergrößten Teils mit Methoden der Wahrscheinlichkeitsrechnung ermittelte Prognosen auf der Grundlage sehr großer Trainingsdaten sind, ist es dringend geboten, ein Gefühl dafür zu entwickeln, wo die Grenzen verlässlicher Antworten liegen. Die lässt sich hervorragend in kleinen Teams und im Gespräch über die Ergebnisse erfahren. Dazu kann man dem System Fragen stellen, die bewusst außerhalb oder am Rande des vermuteten Umfangs der Trainingsdaten des Systems liegen. Hier ein Beispiel.