Bei der Diskussion um Künstliche Intelligenz ist es wichtig, sie richtig auf Basis der zugrundeliegenden Methodik einzuordnen. So bietet „schwache KI“ im eigentlichen Wortsinne keine richtige Künstliche Intelligenz. Schwache KI ist nur besonders intelligent programmiert, dabei aber auf die vorgegebenen Algorithmen beschränkt. Sie kann sich darüber hinaus nicht selbstständig weiterentwickeln. Beispiele dafür sind moderne Navigationssysteme, Spracherkennung oder moderne Büro-Software.
Anders agiert starke KI. Sie basiert zwingend auf neuronalen Netzen, die ähnlich funktionieren wie unser menschliches Gehirn. Ein starkes KI-System ist in der Lage, nach einer Trainingsphase selbständig zu lernen und immer besser zu werden in dem, was es tut. Das funktioniert, indem das System intern automatisiert neue Algorithmen entwickelt beziehungsweise die vorhandenen nach dem Try & Error-Prinzip kontinuierlich verbessert. Beispiele dafür sind ChatGPT, der Google Übersetzer „and many more to come“.
Im November 2022 ging ChatGPT ohne große Vorankündigung online und revolutionierte aus dem Stand heraus die Welt der Textgeneratoren. Das System funktioniert so einfach wie Google, kann aber viel mehr: Es beantwortet zum Beispiel gezielte Fragen, formuliert Briefe ebenso überzeugend wie schmachtende Liebesgedichte. Nur zwei Monate nach ihrem Start verzeichnete die App bereits über 100 Millionen Anwender und damit so viele wie keine andere jemals zuvor.
Die Stärken von ChatGPT liegen aber nicht in der Recherche und der Datenausgabe – das können klassische Suchmaschinen im Zweifelsfall genauso gut. Diese KI-Anwendung ordnet, formuliert und ergänzt darüber hinaus nach Vorgaben des Anwenders. So beantwortet ChatGPT ausführlich die Frage: „Welches sind die erfolgreichsten E-Autos und warum?“ Es folgt eine Liste, eine Begründung der Auswahl sowie die einzelnen Marken, gegliedert nach Verkaufszahlen, Markenwahrnehmung, Kundenzufriedenheit und technologischer Innovation.
Quality in, quality out
Bei Google-Suchen funktioniert am besten die Eingabe von Worten, nach denen dann Websites durchsucht werden, auf denen diese möglichst häufig zu finden sind. Dazu zählen vor allem die sogenannten Keywords, die im Rahmen von Search Engine Optimization (SEO) gezielt in den Text und dessen Meta-Ebenen integriert werden. Eine effiziente Google-Suche lautet beispielsweise: „Vorteile Nachteile Suchmaschinen Profis Anwendung“.
ChatGPT kommt dagegen besser klar mit der Anfrage: „Erkläre mir die Vorteile und Nachteile der unterschiedlichen Suchmaschinen unter Berücksichtigung von professionellen Ansprüchen in wissenschaftlicher Sprache“. Der Grund dafür: Von Anfang an wurde die Spracheingabe und -ausgabe des Bots nicht auf die Anforderungen von IT-Algorithmen ausgerichtet. Sie berücksichtigt vielmehr auch die Pragmatik, Semantik und Syntax des menschlichen Sprachverständnisses. Aus der Beziehung von Worten untereinander erstellt ChatGPT dann einen komplexen Kontext und arbeitet diesen in Reihe ab.
Und genau deswegen ist das sogenannte Prompt Engineering so wichtig. Denn der Umgang mit ChatGPT erfordert, dass die Anfrage (der Prompt) mit Blick auf das gewünschte Ergebnis möglichst genau formuliert wird. Aus diesem Grund spricht man auch von Engineering. Mittlerweile gibt es daher übrigens sogar den Beruf Prompt Engineer (m/w/d), bei dem durch sorgfältig formulierte Abfragen herausgefunden wird, wie die KI tickt, um so das Maximum aus den Antworten herauszuholen.
Bei der Diskussion um Künstliche Intelligenz ist es wichtig, sie richtig auf Basis der zugrundeliegenden Methodik einzuordnen. So bietet „schwache KI“ im eigentlichen Wortsinne keine richtige Künstliche Intelligenz. Schwache KI ist nur besonders intelligent programmiert, dabei aber auf die vorgegebenen Algorithmen beschränkt. Sie kann sich darüber hinaus nicht selbstständig weiterentwickeln. Beispiele dafür sind moderne Navigationssysteme, Spracherkennung oder moderne Büro-Software.
Anders agiert starke KI. Sie basiert zwingend auf neuronalen Netzen, die ähnlich funktionieren wie unser menschliches Gehirn. Ein starkes KI-System ist in der Lage, nach einer Trainingsphase selbständig zu lernen und immer besser zu werden in dem, was es tut. Das funktioniert, indem das System intern automatisiert neue Algorithmen entwickelt beziehungsweise die vorhandenen nach dem Try & Error-Prinzip kontinuierlich verbessert. Beispiele dafür sind ChatGPT, der Google Übersetzer „and many more to come“.
Prompt Engineering, oder besser: Feed the bot
Sam Altman, CEO von OpenAI und einer der Schöpfer von ChatGPT äußerte sich im Februar 2023 auf Twitter über die Notwendigkeit von Prompt Engineering. Er meinte: „Einen wirklich guten Prompt für einen Chatbot zu schreiben, ist eine extrem wertvolle Fähigkeit“. Im Klartext: Das System verlangt nach der Eingabe von ganzen Sätzen in einer möglichst einfachen Sprache, angereichert durch die gewünschten Schwerpunkte. Inhaltlich erwartet ChatGPT natürlich die Eingaben des eigentlichen Themas, aber gegebenenfalls auch die angepeilte Zielgruppe, die gewünschte Ausdrucksweise beziehungsweise Sprache, eine Längenangabe gegebenenfalls einen Schwerpunkt sowie eine Perspektive. Wobei sich die Vorgaben schneller wandeln als bei Google – denn die althergebrachte Google-Suchmaschine wird nach wie vor von Hand optimiert, der intelligente Bot dagegen verbessert sich kontinuierlich selbst. Die Mächtigkeit des Programms ist Fluch und Segen zugleich: Wird es nicht mit den gewünschten Schwerpunkten und Stilmitteln gefüttert, dann legt es diese selbst fest. In diesem Fall hilft nur Try & Error: die Anfrage so lange zu modifizieren, bis das gewünschte Ergebnis erscheint.
Informationen und Resultate
Folgendes Beispiel zeigt die mögliche Komplexität von Anfragen und Antworten: „Erkläre mir als Mittelständler das Portfolio von GRENKE und welche besonderen Vorteile sich daraus für mich ergeben. Liste in Form einer Tabelle die wichtigsten Produkte des Unternehmens auf und wie diese Produkte meine tägliche Arbeit unterstützen können." Die Ausgabe ist keine vorgefertigte Liste, sondern ein individuell für Sie zusammengestelltes Resultat erstaunlicher Detailtiefe aus der Informationsvielfalt des World Wide Web..
Der Weg zum erfolgreichen Prompt Engineering führt über Try & Error. Tauschen Sie bei der obigen Anfrage den Mittelständler gegen eine Privatperson aus, so ergibt sich eine komplett andere Antwort – inklusive der richtigen Einschätzung, dass Privatpersonen eher indirekt vom GRENKE Portfolio profitieren.
Try and success
Während Google-Anfragen mit Keywords und den vorgegebenen Operanten wie „and“ oder „URL“ eher überschaubar sind und zu wiederholbaren Ergebnissen führt, antwortet Künstliche Intelligenz deutlich komplexer und feinfühliger auf Ihre Anfragen. Stand heute gibt es deshalb keine „Checklist Prompt Engineering“. Was hilft, sind eigene Versuche mit immer weiter verfeinerten Anfragen. Damit entwickeln Sie schnell ein Gefühl für Ihren künstlichen Informationspartner.
Nur Mut, auch die Künstliche Intelligenz hat mal klein angefangen.