Generative KI: Antworten auf häufig gestellte Fragen

Vor nicht allzu langer Zeit hätte ein solcher Hinweis befremdlich gewirkt, inzwischen ist er aber durchaus angebracht. Denn angesichts der jüngsten Entwicklungen auf dem Gebiet der generativen künstlichen Intelligenz (Generative Artificial Intelligence - GenAI) könnte auch ein Computer Texte wie diesen produzieren. Aber ganz so einfach ist es nicht: Sie können ChatGPT nicht einfach eine simple Frage stellen und dann einen gut strukturierten Artikel in Langform erwarten, der genau den richtigen Ton trifft und auch die richtige Botschaft vermittelt.

Die Stärke von künstlicher Intelligenz besteht vor allem darin, uns Menschen dazu zu bringen, Fragen zu stellen - angefangen von grundsätzlichen Überlegungen wie "Was ist generative KI?" bis hin zu existenziellen Gedankenspielen wie "Stellt generative KI eine Bedrohung für das Leben auf der Erde dar?"

Viel Arbeit also für das neuronale Netz in unserem Kopf. Allein mit der Analyse der aktuellen Fortschritte ließen sich mehrere Bücher füllen. Bei DHL Group loten wir Möglichkeiten aus, wie KI-Technologie für die Optimierung unserer Geschäftsprozesse genutzt werden kann. Daher wollen wir einige Antworten auf die am häufigsten gestellten Fragen zu künstlicher Intelligenz und GenAI mit Ihnen teilen.

Aber zuerst einige Zahlen:

Trotz unseres einleitenden Hinweises dachten wir, es wäre einen Versuch wert, ChatGPT zu bitten: "Beschreibe in 4-5 Sätzen was GenAI ist". Die Antwort ist ernüchternd:

Laut meinem letzten Wissens-Update vom September 2021 lässt sich dem Begriff "GenAI" kein bekanntes Konzept und kein Fachbegriff aus dem Gebiet der künstlichen Intelligenz oder Technologie zuordnen. Möglicherweise haben seit diesem Zeitpunkt jedoch neue Entwicklungen stattgefunden oder es wurden neue Begriffe geprägt. Wenn "GenAI" nach September 2021 entstanden ist, habe ich darüber keine Informationen. Bitte nach Möglichkeit mehr Kontext oder Details zur Verfügung stellen.

Zunächst müssen wir uns klarmachen, dass GenAI-Systeme nicht allwissend sind - was die Antwort des Tools belegt. Zum Beispiel kann ChatGPT keine Konzepte erklären, die nach September 2021 entstanden sind. Verwendet man jedoch statt "GenAI" den Begriff "generative KI", bekommt man eine korrekte Antwort. Die erst seit Kurzem weit verbreitete Abkürzung reichte aus, um den bekanntesten Chatbot der Welt aus der Bahn zu werfen.

Jetzt zu unserer Frage: Das renommierte Consulting-Unternehmen McKinsey definiert GenAI wie folgt: "Generative künstliche Intelligenz (KI) beschreibt Algorithmen (wie beispielsweise ChatGPT), die verwendet werden können, um neue Inhalte wie Audioinhalte, Codes, Bilder, Texte, Simulationen und Videos zu erstellen." Wenn Sie sich eingehender mit maschinellem Lernen und künstlicher Intelligenz beschäftigen wollen, lesen Sie hier den vollständigen Artikel von McKinsey.

Kurz gesagt: nein. Die Meilensteine in der Entwicklung künstlicher Intelligenz liegen Jahrzehnte zurück, doch dies hindert viele nicht daran, diesen Moment als solchen darzustellen. Vielleicht müssen die Cineasten unter uns unwillkürlich an die berüchtigte künstliche Intelligenz Skynet aus dem Film Terminator denken oder an den Moment, als Morpheus in Matrix die "Geburt einer KI" erklärt (Sie wissen schon, unmittelbar bevor er die rote und die blaue Pille hervorholt).

Alan Turing, der vielen als Vater der modernen Informatik gilt, spekulierte in den 1950er Jahren über Maschinen, deren Intelligenz der von Menschen ebenbürtig ist. Für viele ist es heute ganz normal, Alexa per Sprachbefehl dazu aufzufordern, die Musik aufzudrehen. KI-Assistenzen wie Alexa sind seit fast einem Jahrzehnt Teil unseres Lebens.

Dank der immer weiter wachsenden Rechenleistung können wir nun mithilfe von KI die Macht von Big Data nutzen. Wir haben dies in der Logistikbranche aus erster Hand erfahren. Die Auswertung sehr großer Datenmengen durch KI-Tools hat Muster zum Vorschein gebracht, die zu Fortschritten bei der Routenplanung, der Lagereffizienz, bei Bedarfsprognosen und beim rationalisierten Bestandsmanagement geführt haben.

Das ist unwahrscheinlich. KI mag herkömmliche Software vielleicht altmodisch aussehen lassen, aber die klassischen Anwendungsfälle für Software existieren weiter. Tatsächlich weist der Trend auf eine Entwicklung zu mehr konventioneller Software hin, da KI-gestützte Programmierung die Entwicklung beschleunigt. Eine Umfrage durch Sourcegraph - ein Unternehmen, das Tools für die Indizierung großer Code-Datenbanken entwickelt - ergab, dass 95 Prozent der befragten Softwareentwickler:innen und -ingenieur:innen beim Schreiben von Code KI-Tools nutzen.

Herkömmliche Software wird zudem von einer entscheidenden Eigenschaft der KI profitieren: der Fähigkeit, durch Analyse von Daten, Erkennen von Mustern und Treffen von Vorhersagen oder Entscheidungen selbständig Neues zu erlernen. Dies ist der Kern maschinellen Lernens. Wir werden hier nicht auf die verschiedenen Modelle maschinellen Lernens eingehen, aber der Prozess, einem System beizubringen, E-Mails als "Spam" oder "nicht Spam" zu kennzeichnen, ist ein hervorragendes Beispiel für die Art und Weise, wie KI herkömmliche Software verbessern wird. Anhand von Algorithmen und mithilfe eines Datensatzes, der mehrere Millionen auf beide Arten gekennzeichneter E-Mails enthält, kann ein Machine-Learning-Modell die für Spam-Mails typischen Muster erkennen und den Spam-Filter eines Mailprogramms entsprechend kalibrieren. Jedes Mal, wenn eine Spam-Mail den Filter umgeht und ein Anwender die E-Mail manuell als Spam markiert, erhält die KI neue Daten, die sie in das Modell integriert. Somit passt die KI den Filter kontinuierlich an. Auf diese Weise verbessert das ML-Modell fortlaufend Ihr Mailprogramm.

Diese Fragestellung in Bezug auf Robotik, künstliche Intelligenz und maschinelles Lernen ist wichtig. Ein großer Teil fortgeschrittener Technik wird als KI vermarktet, aber es bestehen gewaltige Unterschiede zwischen einem Lager-Roboter, der zu maschinellem Lernen in der Lage ist, und einem generativen KI-System.

Ein gutes Beispiel dafür ist Stretch, unser KI-gestützter Entladeroboter unseres Partners Boston Dynamics. Er kommt vor allem beim Entladen von LKWs oder Containern zum Einsatz und hebt dazu Kisten an und bewegt diese weiter.  Stretch nutzt verschiedene Handlungen wie verschiedene Griffe, Armbewegungen etc., um diese Aufgabe zu bewältigen. Dabei interpretiert er visuelle Eingabeinformationen - ähnlich wie ein Mensch. Bevor Stretch in einem Lager eingesetzt wurde, probierte er zufällig kombinierte Handlungen aus und erhielt eine "Belohnung" (das positive Ergebnis war eine bewegte Kiste). Für fallengelassene Pakete wurde er "bestraft" (was als negatives, zu vermeidendes Ergebnis abgespeichert wurde). Unnötige Bewegungen wurden ebenfalls bestraft.

Mit anderen Worten, Stretch lernte durch Ausprobieren und Fehler - auch hier ähnlich wie ein Mensch. Der Hauptunterschied liegt darin, dass wir unsere angeborene Intelligenz nutzen, um Aufgaben zu lösen. KI ist die Benutzung eines Roboter-"Gehirns" (Algorithmus), um herauszufinden, wie man Belohnungen erhält und Strafen vermeidet. Wenn wir Stretch vor eine Wand aus Kisten stellen, weiß er inzwischen, welche er zuerst anheben muss. Und wenn wir Stretch in einem anderen Lager einsetzen, passt sich der Roboter dieser neuen Situation an.

Generative KI generiert etwas Neues - wie der Name schon sagt. Bitten Sie ChatGPT, ein Gedicht über eine freundliche, graue Katze zu schreiben, die eine rot-gelbe Uniform trägt und auf einem Dreirad Pakete ausliefert, wird ChatGPT genau dies tun. Wie? Es lernt durch die Analyse eines riesigen Sprachdatensatzes (auch Large Language Model, kurz LLM, genannt).

Die exakten Zahlen sind nicht bekannt, doch das LLM von ChatGPT verfügt schätzungsweise über rund 45 Terabyte Text. Ein Terabyte entspricht grob 500 Milliarden Wörtern - weit mehr, als ein Mensch jemals lesen und behalten könnte. Die Daten sind keiner Kategorie zugeordnet, doch durch Beobachtung und Kategorisierung spezifischer Sprachmuster und wiederkehrender Elemente kann ChatGPT Wortfolgen erstellen, die von Menschen als Poesie erkannt werden.

Viele Expertinnen und Experten sind der Meinung, dass es nicht mehr lange dauern wird, bis wir diese Frage zur künstlichen Intelligenz beantworten können. So prognostiziert Gartner dass im Jahr 2026 "100 Millionen Menschen in Unternehmen mit Robo-Kollegen (synthetischen virtuellen Beschäftigten) zusammenarbeiten werden".

Unsere Data Scientists sehen definitiv enormes Potenzial. Sie arbeiten daher mit einigen der namhaftesten Technologiefirmen zusammen und schaffen die Voraussetzungen für individuelle Kundenlösungen, die wir in allen Unternehmensbereichen von DHL Group einsetzen.

Gleichzeitig jedoch probieren bereits viele unserer Kolleginnen und Kollegen auf der ganzen Welt bei der Arbeit GenAI-Tools aus. Wir haben eine Community von KI-Begeisterten, die aktiv miteinander chatten und ihre Erfahrungen auf unserer globalen Plattform zur Mitarbeiterkommunikation austauschen. Dabei handelt es sich bei Weitem nicht nur um eingefleischte IT-ler, die miteinander fachsimpeln. Seit GenAI-Tools öffentlich zugänglich sind, nehmen immer mehr Beschäftigte an der Unterhaltung teil. Fragen zur künstlichen Intelligenz sind nicht mehr nur etwas für Nerds. Alle können sich beteiligen und Möglichkeiten erkunden, wie die Technologie eingesetzt werden kann.

Kurz gesagt kann uns generative KI bestimmte lästige oder repetitive Arbeiten abnehmen, sodass wir mehr Zeit für schwierigere und komplexe Aufgaben haben.

Das National Bureau of Economic Research, ein wirtschaftlicher Thinktank in den USA, stellte in einer Studie, an der mehr als 5.000 Mitarbeitende im Bereich Kundensupport beteiligt waren, fest, dass die Produktivität (gemessen an der Anzahl gelöster Probleme pro Stunde) durchschnittlich um 14 Prozent stieg. Die Details können Sie in dem im April 2023 erschienenen Paper nachlesen: Generative AI at Work.

Die Forschenden machten zudem "deutliche Anzeichen" aus, dass das KI-Modell für weniger erfahrene Mitarbeitende von Nutzen war. So erbrachten neuere Beschäftigte mit Zugang zu KI-Assistenz gleiche oder sogar bessere Leistungen als ihre Kolleginnen und Kollegen, die zwar mehr Erfahrung aufwiesen, aber keinen Zugang zu KI-Assistenz hatten.

Eine Umfrage unter GitHub-Entwickler:innen, die die von ihnen entwickelte generative KI "Copilot" nutzen, ergab, dass 87 Prozent der Befragten weniger geistige Anstrengung für repetitive Aufgaben aufwenden müssen, 74 Prozent sich auf zufriedenstellendere Aufgaben konzentrieren und 88 Prozent sich produktiver fühlen.

Angesichts dieser Zahlen können Sie sich die potenziellen Produktivitäts- und Effizienzsteigerungen unschwer vorstellen.

Viele Unternehmen haben Fragen zu generativer künstlicher Intelligenz. Und weil externe Tools nicht unbedingt den Datenschutz- und Sicherheitsrichtlinien des Unternehmens entsprechen, suchen sie nach Wegen, GenAI für die Entwicklung interner Tools zu nutzen, mit denen sie die allgemeine Produktivität in allen Organisationsbereichen steigern können.

Ob Ihr Unternehmen eigene Tools entwickelt oder Sie öffentlich verfügbare Tools wie ChatGPT nutzen dürfen - eine fundamentale Frage, die GenAI durchaus beantworten kann, ist folgende: "Wo fange ich an?" oder "Was soll ich schreiben?" Mit anderen Worten, das Tool kann Ihnen die Angst vor einer Schreibblockade nehmen. Sie können sich einen ersten Entwurf zu einem Thema erstellen lassen - etwa die Tagesordnung für ein Meeting oder das Konzept für eine Präsentation. Sie können Notizen in Kategorien einteilen, einen Text zusammenfassen lassen oder eine E-Mail entwerfen. Die Liste lässt sich unendlich fortsetzen. Aber vergessen Sie nicht, dass Sie im Anschluss noch Feinarbeit leisten müssen.

Wohl eher nicht. Aber Sie sollten Ihre Möglichkeiten ausloten. Bei DHL Group arbeitet unser globales Data & Analytics Team daran, das Potenzial von Data Science zu erschließen. Generative KI revolutioniert gerade alles. So entstehen aus digitalen Lösungen, die zwar leistungsfähig, aber bisher zu komplex und daher lediglich Nischenprodukte waren, inzwischen Lösungen, die sowohl leistungsfähig als auch leicht anzuwenden sind.

Viele Menschen stellen sich wichtige Fragen in Bezug auf die generative KI-Technologie, insbesondere angesichts der neuesten Fortschritte. Ende Mai 2023 unterzeichneten mehr als 350 KI-Wissenschaftler und andere öffentlich bekannte Persönlichkeiten (z. B. Sam Altman, CEO von OpenAI, und Bill Gates, Mitbegründer von Microsoft) diese kurze, aber umso eindringlichere Stellungnahme zum Risiko durch KI, die von dem gemeinnützigen Center for AI Safety veröffentlicht wurde: "Das Risiko einer Vernichtung durch KI zu verringern, sollte eine globale Priorität neben anderen Risiken gesamtgesellschaftlichen Ausmaßes sein, wie etwa Pandemien und Atomkrieg."

Befürchtet wird, dass sich eine unkontrollierte "künstliche Universalintelligenz", die die menschliche Intelligenz weit übertrifft, gegen die Menschheit wenden und diese vernichten könnte (wie Skynet in den Terminator-Filmen). Die Vorstellung von einer künstlichen Universalintelligenz ruft jedoch ebenso viele Optimisten wie Pessimisten auf den Plan: KI könnte auch den Klimawandel verlangsamen und dazu beitragen, Krankheiten zu heilen.

Könnte ein Unternehmen einem frei zugänglichen LLM "beibringen", dass ein Wettbewerber ein unzuverlässiger Dienstleister sei? Könnten Führungskräfte Opfer von Deep Fakes werden, das heißt, könnten sie durch täuschend echt wirkende Texte, Fotos, Videos oder Audiodateien, die in Wirklichkeit von einer KI generiert wurden, falsch dargestellt werden? Übernehmen Large Language Models möglicherweise von Menschen erlernte Vorurteile und unfaire Verhaltensweisen?

Und dann ist da auch noch das Thema Verantwortlichkeit und Transparenz - das sogenannte Black-Box-Problem der KI. Nicht einmal die Experten verstehen alles, was sich hinter fortgeschrittenen KI-Tools verbirgt. Ein LLM enthält enorme Datenmengen, aber was genau befindet sich in diesem Datensatz? Sind alle Informationen korrekt? Und sind sie auch ethisch korrekt? Der Lager-Roboter Stretch wird niemals etwas anderes tun, als Kisten zu bewegen, aber KI-Tools, die Sprache vollständig beherrschen, sind zu unvorhersehbarem Verhalten fähig, das wiederum unbeabsichtigte Folgen haben kann. Um diese Risiken zu beherrschen, sind in viel stärkerem Maße fundierte rechtliche, operative und auch ethische Richtlinien erforderlich.

Die Welt der generativen KI entwickelt sich rasant und wirft viele spannende Fragen auf. Sie bietet Chancen genauso wie Risiken. Und obwohl unser Hinweis am Anfang eine humorvolle Erinnerung daran ist, dass ein Mensch diesen Artikel geschrieben hat, haben die jüngsten Fortschritte bei GenAI tatsächlich die scharfen Grenzen zwischen von Menschen und von Maschinen geschaffenem Content verwischt. Man sollte sich jedoch vor Augen führen, dass auch GenAI-Tools wie ChatGPT noch immer an ihre Grenzen stoßen und menschliche Kreativität und menschliches Verständnis nicht gänzlich ersetzen können.

Das Potenzial generativer KI am Arbeitsplatz ist enorm und verspricht - neben der Automatisierung repetitiver Aufgaben, wodurch Personal für komplexere Aufgaben freigestellt werden kann - einen Zuwachs an Produktivität, einen verbesserten Kundenservice und kreative Assistenz. Generative KI-Systeme sind jedoch keine Universallösung.

Unternehmen wie das unsere erforschen aktiv Wege, wie generative KI genutzt werden kann, um interne Tools zu entwickeln, die genau auf unsere speziellen Bedürfnisse zugeschnitten sind. Auf dem Weg in eine zunehmend KI-gestützte Zukunft muss sich die Welt jedoch mit grundlegenden Fragen und Bedenken befassen. Ein kollaborativer und durchdachter Ansatz wird aufgrund der sich stetig neu ergebenden Fragen dabei von kritischer Bedeutung sein.