Artikelserie zu Large Language Models
ChatGPT in der Industrie
ChatGPT war im vergangenen Jahr das Hype-Thema. Für 2024 wird der Einzug dieser Technologie in die Industrie erwartet. In einer neuen Artikelserie werden die Möglichkeiten und die Herausforderungen von ChatGPT für die Industrie herausgearbeitet.
Teil 1: ChatGPT in der Industrie
Der Autor: Dr. Hans Egermeier ist Geschäftsführer von talsen team.
© talsen teamEine technologische Neuerung, die im vergangenen Jahr ganz besonders herausstach, war die Veröffentlichung und breite Zugänglichkeit einer Art der künstlichen Intelligenz – genannt ChatGPT, veröffentlicht von der Firma OpenAI. Und obwohl es sich im wissenschaftlichen Bereich schon seit längerer Zeit abzeichnete, dass ein als revolutionär zu bezeichnender großer Durchbruch bevorsteht, war es für den Rest der Welt überraschend und überwältigend ein „Ding“ zur Verfügung zu haben, das man im eigentlichen Wortsinn als intelligent bezeichnen kann.
Teil 2: Das Prompt Engineering
Teil 2 der Artikelserie lenkt das Augenmerk auf einen speziellen Aspekt: Wie sind gute Anfragen an ChatGPT aufgebaut oder technisch formuliert? Wie funktioniert die systematische Formulierung effektiver Prompts? Diese Fertigkeit genannt Prompt Engineering bildet das Kernstück für den effizienten Einsatz von LLMs in Unternehmensanwendungen und ist ein wichtiger Schlüssel zur Entfaltung des vollen Potenzials von ChatGPT.
Um thematisch in das Thema Prompt Engineering einzusteigen, konzentriert sich dieser Artikel auf die direkte Interaktion mit einer künstlichen Intelligenz wie ChatGPT über ein Webinterface. Dieses Anwenderlevel entspricht bildlich gesehen der Spitze des Eisberges im Umgang mit LLMs. Denn neben dem explizit vom Anwender formulierten Prompt existieren eine Vielzahl weiterer Einflussgrößen, welche die Ergebnisqualität bestimmen.
Teil 3: Der intelligente Assistent
Dieser Teil der Artikelserie »ChatGPT in der Industrie« fokussiert sich darauf, wie die Technologie der Large Language Models (LLM) in Form von intelligenten Assistenten, Einzug in industrielle Produkte und Dienstleistungen hält.
Wie können Benutzerschnittstellen von komplexen industriellen Produkten und Dienstleistungen möglichst einfach und verständlich gehalten werden? Verlockend wäre in diesem Zusammenhang doch, jederzeit einen intelligenten Assistenten zur Hand zu haben? Dieser würde Fragen und Anweisungen unabhängig von der Sprache verstehen und dann präzise die erforderlichen Informationen für die Behebung eines Fehlerzustandes oder für den nächsten optimalen Bedienungsschritt liefern.
Teil 4: Katalysator eines agilen Entwicklungsprozesses
Teil 4 der Artikelserie geht explizit auf das Zusammenspiel von KI und agiler Arbeitsweise bei der Produktentwicklung ein.
Der wesentliche Anspruch agiler Methoden besteht darin, iterative Prozesse, kontinuierliche Verbesserung und das frühzeitige Einbeziehen von Kundenfeedback in den Vordergrund zu stellen. Im Gegensatz zu traditionellen, wasserfallartigen Ansätzen, bei denen die Anforderungen zu Beginn umfassend definiert und dann schrittweise umgesetzt werden, begrüßen agile Methoden den schrittweisen Wissenszuwachs auf Kundenseite und im Team. Dies bedingt im Gegensatz zur Vorstellung, in Wasserfallmodellen die Anforderungen zu Beginn eines Projektes fest definieren zu können, einen kontinuierlichen Strom an Veränderungen. Richtig umgesetzt führt dies letztendlich zu einem besser an den Bedarf angepassten Produkt in einer kürzeren Projektdurchlaufzeit. Agile Methoden zielen zur Erreichung einer hohen Entwicklungsperformanz zudem darauf ab, »Arbeit, die nicht zu tun ist«, systematisch zu identifizieren. Damit werden Aufgaben mit geringen oder sogar keinem Wertezuwachs für das Produkt nicht einfach achselzuckend akzeptiert, sondern aktiv vermieden.
Weitere Artikel der Serie »ChatGPT in der Industrie«
Teil 5: Das Anforderungsmanagement
Kann generative KI erfinderisch tätig sein? Mit Blick auf die rasante Evolution der KI lässt sich dies derzeit vielleicht mit einem »Jein« beantworten. Heute sind LLMs auf jeden Fall schon nützliche Werkzeuge, wenn es um die Formulierung von Anforderungsbeschreibungen geht.
Im letzten Artikel dieser Serie (Ausgabe 5, Seite 14-17) stand die mögliche Unterstützung bei der Beschreibung und Formulierung von Arbeitspaketen mit Hilfe generativer Werkzeuge wie ChatGPT im Mittelpunkt. Die berechtigte Frage, die sich dabei stellt, ist: Wo kommen die Anforderungen her, die in den Arbeitspaketen für die technische Umsetzung beschrieben werden? Wie lassen sich generative Methoden auch schon in der Anforderungsanalyse und Beschreibung im Projektvorfeld und dann projektbegleitend einsetzen?
Das könnte Sie auch interessieren
ChatGPT und die Code-Analyse
Mit LLMs ergeben sich neue Möglichkeiten zur Analyse und Verbesserung von Code. Dieser Artikel ist der erste einer dreiteiligen Serie zu Experimenten, die zeigen, wie bereits verfügbare generelle Sprachmodelle sicherheitsrelevante Prozesse und...
mehr...»ChatGPT in der Industrie« – Teil 6
Unterstützung bei Architektur und Konzeption
Das Erzeugen und Verarbeiten natürlicher Sprache ist die Paradedisziplin von KI in Form von Large Language Models (LLMs). Wie geeignet sind LLMs aber für das generative Erzeugen nützlicher Ergebnisse in der Architektur- und Konzeptionsphase?
mehr...China schlägt den Rest der Welt
Im Bereich generative KI sind aus China seit 2017 jedes Jahr mehr Patente angemeldet worden als aus dem gesamten Rest der Welt, meldet die Wipo.
mehr...Warum Abwarten keine Option ist
Wer in der Automatisierungs- und Steuerungstechnik wettbewerbsfähig bleiben möchte, sollte erste Schritte in Richtung KI unternehmen. Dabei gilt es, Sackgassen zu vermeiden, die Aufgabenkomplexität zu reduzieren und das Thema Fleet Observability im...
mehr...EU muss in Sachen KI ‚einen Zahn zulegen‘
Die EU hatte bisher nur wenig Erfolg bei der Entwicklung eines Ökosystems für künstliche Intelligenz (KI) und konnte die KI-Investitionen nicht im gleichen Maße wie die weltweit führenden Akteure steigern, wie ein aktueller Bericht des Europäischen...
mehr...»ChatGPT in der Industrie« - Teil 4
Katalysator eines agilen Entwicklungsprozesses
Wie passt generative KI zu einer agilen Arbeitsweise? Dieser Teil der Artikelserie geht explizit auf das Zusammenspiel von KI und agiler Arbeitsweise bei der Produktentwicklung ein.
mehr...Im Fokus: Künstliche Intelligenz
Das E-Paper der Januar-Ausgabe 2024
ChatGPT hat der Künstlichen Intelligenz im letzten Jahr einen enormen Schub verpasst – vor allem, was die öffentliche Wahrnehmung anbelangt. In dieser Ausgabe wollen wir die KI näher beleuchten und für die potenziellen industriellen Anwender etwas...
mehr...Deutschland will EU-Gesetz zu Künstlicher Intelligenz zustimmen
Einer Zustimmung Deutschlands zum EU-Gesetz über den Einsatz von KI steht nichts mehr im Weg. Bundesdigitalminister Volker Wissing (FDP) sagte am Dienstag in Berlin, das Ringen um die deutsche Haltung zum sogenannten »AI Act« sei mit einem...
mehr...Vodafone und Microsoft vereinbaren umfassende Partnerschaft
Die Aktie von Microsoft ist in den vergangenen Monaten in freudiger Erwartung auf ein gutes Geschäft mit KI-Anwendungen in die Höhe geschossen. Nun trudeln die ersten Großaufträge rein. Im Gegenzug kauft Microsoft im großen Stil...
mehr...