Zu meinen Lieblingsbeiträgen der Wikipedia gehört der Cognitive Bias Codex. Hierbei handelt es sich um eine Übersicht über die vielfältigen kognitiven Störungen bei uns Menschen. Die pure Anzahl und die Komplexität dieser Störungen führt uns unsere eigene Unzulänglichkeit nur zu gut vor Augen.

Diese Verzerrungen sind jetzt auch nicht „krankhaft“, sondern ganz normal – ein Zeichen unserer beschränkten Wahrnehmungs- und Verarbeitungsfähigkeit.

Der Titel dieses Beitrags leitet jetzt geflissentlich über zu der Frage, ob es solche Verzerrungen nicht auch in der KI gibt.

Eine erste Antwort finden wir bereits im Beitrag zu Belastbarkeit & Grenzen: KI basiert zum Einen auf Wahrscheinlichkeiten und nicht auf Wahrheiten oder Logik und zum Anderen ist die KI natürlich abhängig von dem ihr zur Verfügung gestellten Inhalten. Hier gelten noch immer die Grundprinzipen der Datenverarbeitung: Garbage in, garbage out.

Für ein aktuelles Projekt (eine Methoden-Übersicht) haben wir versucht die Attribute zur Beschreibung von Methoden mit Hilfe der KI vorzunehmen, bzw. unsere eigenen Überlegungen dazu mittels KI zu validieren. Die KI Ergebnisse dazu hielten leider unseren Erwartungen nicht stand, angefangen davon, dass uns die KI zu anderen Attributen überreden wollte und deutlich von den Vorgaben abgewichen ist, fand sie auch generell toll, was immer wir ihr gegeben haben, womit wir beim Thema kognitive Verzerrungen wären. Es gab also eindeutig eine Bestätigungstendenz.

Wenn man darüber nachdenkt ist das Ergebnis auch gar nicht so überraschend, denn was wir ihr als Input gegeben, ist natürlich gegenüber ihren anderen Ressourcen hochprior, nur anstatt unsere eigene Modellbildung damit kritisch auf den Prüfstand zu stellen, hat uns die KI dann lobend auf die Schulter geklopft. Gut fürs Ego, schlecht für das Ergebnis.

Wenn man jetzt noch berücksichtigt, das durch die Wahrscheinlichkeitsbetrachtung letztlich auch nur bestehende Lösungen einbezogen werden können, dann wird schnell klar, dass die KI zwar eine Umsetzungsmaschine, aber ein Innovationszwerg sein muss.

Unser Versuch der Methodenbeschreibung ist nur ein einfaches Beispiel. Die Fragen am Rande des Cognitive Bias Codex lassen sich aber auch auf die KI übertragen. Was tun, wenn…

• …wir mit zuvielen Informationen konfrontiert sind.
• …es an Bedeutung und Kontext fehlt.
• …wir schnell handeln müssen.
• …die Aktualität und „Haltbarkeit“ von Informationen nicht ganz klar ist.

Letztere bringt auch das Thema „Vergessen“ auf. Wenn Informationen veralten, dann sollten wir sie vielleicht sogar vergessen und sie nicht in unsere Antworten einbeziehen, aber es heißt doch so schön: Das Internet vergisst nicht. Nicht nur die KI muss noch viel lernen, sondern auch wir im Umgang mit der KI.

Anmerkung & Quellen:
Cognitive Bias Codex (Wiki Commons)
Das Logo im Beitrag ist „geklaut“ in der englischen Wikipedia und wurde selbst von der KI (Dall-E) kreiert, mehr dazu auf der dazu gehörigen Wiki-Commons-Seite von Wikipedia (inkl. dem zugrundeliegenden Prompt).
Ein erster Beitrag zur KI auf schlossBlog findet sich hier: Jetzt auch noch KI…
Und dann ging es um Belastbarkeit & Grenzen und um Anwendungsfälle.

Bereits im Beitrag zur Belastbarkeit und den Grenzen wurden KI Use Cases (also Anwendungsfälle für die KI) kurz angeschnitten. Dort hatte ich noch gehofft, dass mir die Miro-Integration die KI selbst erklären kann.

An dieser Stelle nicht vorenthalten möchte ich dann die Zusammenstellung von Use Cases, die dann doch noch konventionell entstanden ist. Selbstverständlich habe ich dann noch versucht diese mit der KI zu validieren (mit dem bekannten Ergebnis), aber das möchte ich gerne separat in einem eigenen Beitrag aufgreifen.

Aber hier die vermutlich immer noch nicht vollständige Liste der generischen Anwendungsfälle:

• KI basierte Suche
• KI basierte Content Compilation (also z.B. Zusammenfassungen)
• KI basierte Content Creation (also die Erstellung z.B. von Strukturen, Aufzählungen, Textbausteinen, Programmcode oder Daten)
• KI basierte Simulation
• KI basierte Moderation/Anleitung (z.B. in Form von ChatBots, sodern diese nicht rein auf Skritpen beruhen)
• KI basierte Vergleiche (z.B. von Dokumenten)
• KI basierte Mustererkennung
• …

Anmerkung & Quellen: Das Logo im Beitrag ist „geklaut“ in der englischen Wikipedia und wurde selbst von der KI (Dall-E) kreiert, mehr dazu auf der dazu gehörigen Wiki-Commons-Seite von Wikipedia (inkl. dem zugrundeliegenden Prompt).
Ein erster Beitrag zur KI auf schlossBlog findet sich hier: Jetzt auch noch KI…
Und dann ging es um Belastbarkeit & Grenzen.

Im ersten KI-Beitrag hier auf schlossBlog kam schon die Frage auf nach der Belastbarkeit und den Grenzen der KI. Wenn wir heute von KI sprechen, dann basieren die meisten Lösungen auf probabilistischen Modellen, d.h. streng genommen sucht die KI nicht nach der „richtigen“ Lösung unserer Fragestellung, sondern nach der wahrscheinlichsten Antwort auf diese Fragestellung. Das erklärt auch wunderbar, warum KI-Antworten mitunter kompletter Bullshit sein können, denn (1.) ist die KI natürlich abhängig von ihrem Input und (2.) durchforstet sie diesen Inhalt auf erwartbare Muster.

Trotzdem sind die Ergebnisse oft erstaunlich gut, aber können wir uns auch auf sie verlassen?

Wenn wir die Natur der KI (Achtung, Wortspiel!) verstanden haben, dann können wir das eigentlich nicht. Dann ist der Einsatz der KI streng genommen nur dann legitim, wenn wir die Korrektheit und Verlässlichkeit der Antworten selbst beurteilen können. Dann liefert sie uns vielleicht einen Turbo und beschleunigt unser Arbeiten, aber die Verantwortung bleibt in unseren Händen.

Im Rahmen des KI-Hypes bekommt aktuell alles eine KI-Integration. Microsoft bastelt an einem Copiloten für das Office und beispielsweise Miro unterstützt uns z.B. beim Brainstorming mit KI,, in dem wir das Thema für eine Mindmap festlegen und die Software liefert uns KI gestützt eine erste Version, wie hier im Beispiel, in dem ich Miro nach den Use Cases der KI (Englisch: AI) befragt habe:

Das Ergebnis ist im konkreten Fall ernüchternd (ich habe aber auch schon bessere Ergebnisse für KI generierte Mindmaps in Miro gesehen), denn beantwortet wird eigentlich nicht die Frage nach Use Cases (also Anwendungsfällen), sondern es werden Branchen für den Einsatz aufgezählt. Der zweite Versuch (mit der Einschränkung: branchenunabhängig) gerät dann noch schlechter, weil diese Einschränkung offenbar nicht als solche verstanden wird.

So geil KI-gestützte Abkürzungen sein mögen und unseren Arbeitsalltag erleichtern können, zeigen sich hier erste Qualitätsprobleme.

Was heißt schon KI?

Diese Frage klingt schon etwas ketzerisch, aber nicht überall, wo KI drauf steht ist auch KI drin oder zumindest nicht in der Form, wie wir es erwarten würden. Ein Beispiel hierfür ist die KI-based search in der Notizsoftware Evernote. Als Everrnote-Nutzer ist dieses Angebot doch gleich einen Blick wert. Den eigenen Content in der AI zu nutzen klingt charmant, doch wenn man dann z.B. bei Taming the Trunk nachliest, wie das konkret funktioniert, macht sich auch hier die Ernüchterung breit, denn lediglich die 4 vermeintlich relevantesten Notizen werden tatsächlich in die AI geschickt (ursprünglich waren es einmal 8).

Bei aller Begeisterung für die KI, den gesunden Menschenverstand kann sie bis auf weiteres nicht ersetzen. Aber bitte nicht missverstehen, das ist kein Technologie-Pessimismus, sondern lediglich der Versuch aktuell die Einsatzmöglichkeiten eben einschließlich von Belastbarkeit & Grenzen einzuschätzen.

Anmerkung & Quellen: Das Logo im Beitrag ist „geklaut“ in der englischen Wikipedia und wurde selbst von der KI (Dall-E) kreiert, mehr dazu auf der dazugehörigen Wiki-Commons-Seite von Wikipedia (inkl. dem zugrundeliegenden Prompt). Ein erster Beitrag zur KI auf schlossBlog findet sich hier: Jetzt auch noch KI…

Keine Angst, dies wird kein KI-Blog und ja, der KI-Hype nervt mich selber. Da sind viel zu viele Buzzwords im Raum und viel zu viel blinder Enthusiasmus. Auf der anderen Seite stehen die Chancen und die Irreversibilität der Entwicklung. Es wird uns also gar nichts anderes Übrig bleiben. als uns damit auseinanderzusetzen. Und ich versuche das auch immer wieder, z.B. hier im Beitrag zum Work Panorama nach Raphael Gielgen, bei dem ich mich mich mit Bard, der KI von Google, statt mit Raphael unterhalten habe. Aber halt, Bard ist schon wieder Geschichte, denn seit letzter Woche heißt Bard, jetzt Gemini.

Google scheint ja gegenüber openAI etwas im Hintertreffen, obwohl mir irgendwie Prompt, Google-Integration und die Aufbereitung der Antworten einen Tick besser gefallen haben.

Anlässlich der Umfirmierung (und weil ich mich auch mit einer Bezahloption beschäftige), habe ich Gemini mal nach den Unterschieden zwischen Gemini und Chat-GPT gefragt:

Frage: Vergleiche Gemini und Chat-GPT und erkläre mir die Unterschiede und jeweiligen Vor- und Nachteile. Stelle sicher, dass deine Antwort leicht verständlich, eindeutig, kurz sowie gut strukturiert ist.

Antwort:

Vergleich von Gemini und ChatGPT:

Unterschiede:

• Entwickler: Gemini von Google, ChatGPT von OpenAI
• Zugang: Gemini kostenlos, ChatGPT Basismodell kostenlos, Plus-Version 20$/Monatexpand_more
• Sprachen: Gemini 40+ Sprachen, ChatGPT 164 Sprachen
• Datenbasis: Gemini bis September 2021, ChatGPT bis 2023 (Plus-Version)exclamation
• Multimodalität: Gemini verarbeitet Text, Bilder & Videos, ChatGPT nur Text
• Verfügbarkeit: Gemini USA & UK, ChatGPT global

Vor- und Nachteile:

Gemini:

Vorteile:

• Kostenlos
• Multimodal
• Zugriff auf Google-Suche
• Schneller & präziser bei manchen Aufgaben

Nachteile:

• Weniger Sprachen
• Eingeschränkte Verfügbarkeit
• Jünger & weniger ausgereift

ChatGPT:

Vorteile:

• Mehr Sprachen
• Globale Verfügbarkeit
• Größere Datenbasis
• Langzeiterfahrung & ausgereifter

Nachteile:

• Basismodell kostenlos, aber limitiert
• Plus-Version kostenpflichtig
• Teils langsamer & weniger präzise

Fazit:

• Gemini: Gute Wahl für kostenloses, multimodales KI-Tool mit Fokus auf Google-Integration.
• ChatGPT: Bewährte Option mit breiter Sprachunterstützung & großer Community.

Wahl hängt von:

• Budget
• Sprachbedarf
• Gewünschter Funktionen (Multimodalität)
• Verfügbarkeit in Ihrer Region

Weitere Punkte:

• Beide KI-Modelle entwickeln sich ständig weiter.
• Benutzerfreundlichkeit & subjektive Präferenzen spielen eine Rolle.

Tipp: Probieren Sie beide Modelle aus, um festzustellen, welches besser zu Ihren Bedürfnissen passt.

schlossBlog-Fazit: Die Antwort ist sachlich und knackig und auch nicht Google gefärbt. Jetzt ist bei den KI ja immer die Rede von einer Datenbasis 2021 (Gemini) oder 2023 (Chat-GPT) und trotzdem ist die gelieferte Antwort zu Gemini (Geburtsjahr 2024) vernünftig und nachvollziehbar.

Und genau das ist für mich aktuell der springende Punkt:
Wie belastbar sind die Antworten der KI bereits?

Auf diese Fragestellung werden wir hier sicher noch das eine oder andere Mal zurückkommen.

PS: Und noch eine Anmerkung zur Illustration dieses Beitrags, die ist nämlich „geklaut“ in der englischen Wikipedia und wurde selbst von der KI (Dall-E) kreiert, mehr dazu auf der dazugehörigen Wiki-Commons-Seite von Wikipedia (inkl. dem zugrundeliegenden Prompt).