Das Potenzial von LLMs freischalten, ein Game Changer für Manager

Im Bereich Daten und künstliche Intelligenz (KI) dreht sich der Lärm oft um den „Wow“-Faktor, aber für viele Geschäftsmanager liegt der Fokus auf dem Erreichen praktischer, realer Ergebnisse. Inmitten der Flut von Nachrichten über modernste KI wie ChatGPT und Large Language Models (LLMs) können Manager in nicht-technischen oder traditionellen Branchen sich fragen, ob diese fortschrittlichen Technologien für ihre täglichen Operationen relevant sind.

Large Language Models, oder LLMs, bieten mehr als nur Textgenerierungsfähigkeiten. Diese Modelle, wie GPT-4, sind unglaublich vielseitig und können genutzt werden, um eine breite Palette von Aufgaben auszuführen. Der Schlüssel zur Freischaltung dieses Potenzials liegt in der Erstellung präziser Anweisungen, oft als „Prompts“ bezeichnet, die LLMs anleiten, spezifische Aufgaben auszuführen. Diese sich entwickelnde Fähigkeit, effektive Prompts zu erstellen, ist allgemein als Prompt-Engineering bekannt.

Stellen Sie sich Szenarien vor, in denen ein LLM Sprachen in Kundenbewertungen identifizieren, Unternehmensdokumente übersetzen oder die Stimmung von Kundenbeschwerden bewerten kann. In der Zeit vor LLMs wäre die Erledigung dieser Aufgaben die Entwicklung oder Beschaffung separater Systeme für jede Funktion erforderlich gewesen, was zusätzliche Ausgaben für Datenerfassung und Hardware nach sich gezogen hätte. Doch mit der kostengünstigen Pay-per-Use-Preisgestaltung von LLMs werden diese Anwendungsfälle wirtschaftlicher als die Entwicklung zahlreicher spezialisierter Modelle. Folglich entwickeln sich LLMs zu einer vielseitigen Technologie für verschiedene Anwendungen und werden im Wesentlichen zu einem dominierenden Design.

Nahtlose Integration in Arbeitsabläufe

Während viele ChatGPT über seine Webschnittstelle erkundet haben, sind LLMs und ihre zugrunde liegende Technologie über Software-APIs verfügbar, was die Integration in Anwendungen und Geschäftsabläufe bemerkenswert erschwinglich und einfach macht. Beispiele wie Duolingo, das GPT-4 für verbessertes Benutzerfeedback nutzt, und Morgan Stanley, das LLMs für Finanzempfehlungen einsetzt, demonstrieren die vielfältigen Anwendungen von LLMs. Open-Source-Projekte wie langchain ermöglichen die Erstellung von Programmen durch das Zusammensetzen von Ketten von LLM-basierten Anweisungen und ebnen den Weg für noch innovativere Lösungen in der Zukunft.

Der disruptive Aspekt von LLMs ist die Art und Weise, wie sie Programmierung mit KI ermöglichen. Entwickler können Aufgaben mit einfachen Sprachanweisungen angeben und Ergebnisse wie Lego-Steine kombinieren, was eine Alternative zum traditionellen „Buy-vs-Make“-Dilemma bietet, bei dem man „machen vs. kaufen oder von einem LLM anpassen kann“.

Befragung von Unternehmensdaten mit LLMs

Eine weitere vielversprechende Anwendung von LLMs ist die Abfrage von Unternehmensdaten. LLMs können Antworten auf datenbezogene Fragen geben, wenn die Daten als Teil des Prompts enthalten sind. Dieser Ansatz wurde von Boston Dynamics getestet, das ChatGPT verwendete, um nach dem Batteriestand oder dem internen Zustand eines Roboters zu fragen. Dies eröffnet Möglichkeiten für Unternehmens-Wissensdatenbanken. Es ist nun möglich, ein Bündel von Geschäftsdocumenten oder Datensätzen in einen Prompt einzugeben und Fragen dazu zu stellen, was langfristig traditionelle SQL-Abfragen ersetzen könnte.

Es werden Anstrengungen unternommen, Dokumentendatenbanken effizienter mit LLMs zu verbinden, wie zum Beispiel die Suche nach den relevantesten Dokumenten und deren ausschließliche Aufnahme in den Kontext. Trotz der Herausforderungen entwickeln sich LLMs zu einer neuen Schnittstelle für die Interaktion mit Daten.

Interoperabilität und Handlungsfähigkeit mit LLMs

LLMs bahnen auch den Weg in ihrer Fähigkeit, sich mit anderen Systemen zu „verbinden“ und bei Bedarf Aktionen auszuführen. Die ReAct-Prompting-Strategie, eingeführt von Google- und Princeton-Forschern, ermöglicht es LLMs, Antworten zu generieren, die Aufrufe an Dienste enthalten. Zum Beispiel könnte ein LLM eine Verbindung zu einem Rechenwerkdienst herstellen, um eine Antwort auf eine Berechnungsanfrage zu geben. Premium-Versionen von ChatGPT bieten Plugins wie Expedia und Kayak an, die Zugang zu Buchungsinformationen bieten und komplexe mathematische Anfragen bearbeiten.

Insgesamt hat diese Fähigkeit von LLMs, mit anderen Systemen zu interagieren, das Potenzial, sie in Plattformen oder Marktplätze für verschiedene Dienste zu verwandeln, ähnlich wie Telefone mehr Funktionen erfüllen als nur Anrufe zu tätigen.

LLMs: Erschwinglich, anpassbar und zugänglich

Abschließend sollten Geschäftsmanager LLMs nicht aufgrund wahrgenommener Komplexität abtun. LLMs sind als flexible und kostengünstige Tools auf Pay-per-Word-Basis leicht verfügbar, bieten oft Raten, die günstiger sind als Alternativen. Sie entwickeln sich schnell zu allzweckigen, generischen Technologien, die zahlreiche kleinere Modelle ersetzen und eine neue Art der Programmierung durch wortbasierte Anweisungen bieten. LLMs bearbeiten Datenabfragen effizient und haben das Potenzial, als Plattformen für verschiedene Dienste zu dienen.