Kurzanleitung: System Instructions für KI-Chatbots richtig hinterlegen

Mehr KI-Updates gefällig?

In unserem monatlichen Newsletter erhalten Sie alle relevanten Updates zu GenAI – mit Fokus auf Vertrieb, Marketing und HR.

Hier kostenlos abonnieren

Drei Gründe für die disruptive KI-Akademie

Sofort nutzbares Praxiswissen und wöchentlich neue Kurse

DSGVO-konform und ISO-zertifiziert

Plattform in Ihrem Corporate Design

Der Beitrag KI-Finetuning: mit System Instructions Chatbots individualisieren erschien zuerst auf https://disruptive-muenchen.de/ki-akademie.

Die Geschichte der KI-Chatbots: Von ELIZA bis ChatGPT

Einen ersten Meilenstein in der Praxis setzte 1966 der US-Informatiker Joseph Weizenbaum am Massachusetts Institute of Technology (MIT) mit der Entwicklung des Chatbots „ELIZA“.
ELIZA simulierte als virtuelle Psychotherapeutin einfache Gespräche, indem sie auf Schlüsselwörter in den Eingaben der Nutzer und Nutzerinnen reagierte und daraufhin vorgefertigte Antworten gab. Die Funktionsweise basierte auf festen Regeln, sodass das System zwar als technisches Wunderwerk seiner Zeit galt, aber dennoch deutlich limitiert war: Sobald eine Eingabe keines der Schlüsselwörter enthielt, konnte ELIZA nicht mehr antworten. Zugleich gab das System auf völlig sinnfreie Anfragen Antworten, Hauptsache sie enthielten eines der Schlüsselwörter.

Bei uns finden Sie für Ihr Team die passenden Seminare

In unseren individuellen KI-Seminaren lernen Einsteiger und Profis den praktischen Einsatz von GenAI, üben den Umgang mit relevanten Tools und erfahren wichtige Hintergründe – auf Deutsch oder Englisch.

Der Beitrag Die Geschichte der KI-Chatbots: Von ELIZA bis ChatGPT erschien zuerst auf https://disruptive-muenchen.de/ki-akademie.

DeepSeek hält die KI-Welt in Atem. Scheinbar aus dem Nichts gekommen, ist der chinesische Chatbot direkt auf einem Level mit ChatGPT – und dabei schneller und angeblich auch deutlich effizienter, was den Verbrauch von Strom und Rechenpower angeht. Aber was muss man wissen, wenn man mit DeepSeek arbeiten will – ob privat oder beruflich? Wir beantworten die wichtigsten Fragen:

1. Was ist DeepSeek?
2. Ist DeepSeek sicher?
3. Wie kann ich DeepSeek installieren? 
4. Welche Funktionen sollte man zum Arbeiten kennen?
5. Was kann DeepSeek (noch) nicht?
6. Zensiert DeepSeek Inhalte?
7. Wie Open Source ist DeepSeek wirklich?

1. Was ist DeepSeek?

DeepSeek ist ein chinesisches KI-Unternehmen, das sich auf Sprachmodelle und KI-Bots spezialisiert. Weltweit bekannt wurde die Firma mit dem Modell DeepSeek-R1, das am 20. Januar 2025 veröffentlicht wurde und vom Start weg mit Marktführern wie ChatGPT mithält. Damit hat es erstmals ein chinesisches Modell geschafft, sich als ernsthafter Konkurrent im globalen KI-Rennen zu positionieren.

Bemerkenswert ist die hohe Effizienz von DeepSeek: Die Trainingskosten der Vorgängerversion von R1, V3 genannt, lagen nach eigenen Angaben nur bei nur 5,6 Millionen Dollar, während das Training von ChaGPT 4 bspw. rund 80 Millionen Dollar gekostet haben soll. In einem ähnlichen Verhältnis soll das Modell die US-Konkurrenz beim Energiverbrauch hinter sich lassen – zumindest wenn man den chinesischen Zahlen traut. Diese sind allerdings mit Vorsicht zu genießen, und das MIT hat bereits deutliche Skepsis geäußert.

Was allerdings unbenommen ist: Dank Open-Source-Zugang sind die DeepSeek-Modelle – anders als etwa ChatGPT – für Entwickler:innen leicht in eigene Programme zu integrieren, was als Beitrag zu einer Demokratisierung von KI-Technologie gesehen wird. 

2. Ist DeepSeek sicher?

Wenn man sich fragt, ob DeepSeek sicher ist, denkt man vermutlich vor allem an den Schutz der eigenen Daten, die man in den Chatbot eingibt oder herausbekommt. Denn GenAI-Tools stehen hier bekanntermaßen in der Kritik, mit Daten Dritter nicht sonderlich sensibel umzugehen.

Während KI-Anbieter wie OpenAI, also die Firma hinter ChatGPT, zumindest gewisse Datenschutzstandards umgesetzt haben, ignoriert DeepSeek das Thema bisher weitgehend. So gibt es nur eine sehr lückenhafte Datenschutzerklärung, die nicht den Anforderungen der DSGVO entspricht. Viele Informationen sind unvollständig und lassen viele Fragen offen. Aus Sicht professioneller Nutzer besonders problematisch: Es ist kein Auftragsverarbeitungsvertrag (AVV) vorhanden: Unternehmen, die DeepSeek nutzen möchten, benötigen allerdings eine AVV gemäß DSGVO. Ohne eine solche Vereinbarung ist eine rechtskonforme kommerzielle Nutzung daher nicht zulässig. 

Ebenfalls kritisch zu sehen, ist, dass DeepSeek – natürlich – chinesischem Recht unterliegt. Gemäß chinesischen Sicherheitsgesetzen können daher Daten an staatliche Behörden weitergegeben werden. Dass es in den USA ähnlich ist, soll natürlich nicht unerwähnt bleiben. Auch deswegen bieten Firmen wie Microsoft ja datenschutzsichere Lösungen mit Hosting in der EU an. So ein Angebot gibt es bei DeepSeek nicht, und das sagt die Firma auch ganz unverblümt: „We store the information we collect in secure servers located in the People’s Republic of China.“

Anders sieht es aus mit DeepSeek-Instanzen, die man auf eigenen Computern („on premise“) laufen lässt. Da DeepSeek als Open-Access-Produkt (s.u.) angeboten wird, kann jede:r ITler sich die Software selbst installieren. Wenn man es richtig einstellt, sollte es kein Risiko eines Datenabflusses geben. Allerdings eignen sich solche Lösungen nur für Profis.

Empfehlung: Aus rechtlichen Gründen sollten Unternehmen DeepSeek, wenn überhaupt, nur sehr umsichtig nutzen. In keinem Fall darf man den Bot mit personenbezogenen Daten füttern. Auch sonstige vertrauliche Daten haben in DeepSeek nichts verloren. Um die Fähigkeit des LLM zu testen und für die Arbeit mit unkritischen Informationen hingegen kann man das Tool einsetzen – wir lassen es bei uns allerdings nur in einem separaten Browser, in dem wir nicht angemeldet sind, und im Inkognito-Modus laufen.

3. Wie kann ich DeepSeek installieren?

Wie bei KI-Bots üblich, braucht es keine Installation. DeepSeek ist ein Software-as-a-Service-Produkt, dass Sie über chat.deepseek.com im Browser öffnen. Desktop-Apps wie etwa bei ChatGPT gibt es noch nicht, dafür allerdings Smartphone-Apps für iOS und Android. KI-Blenderwissen: Kurzfristig, von Ende Januar bis zum 4. Februar 2025, war DeepSeek in den USA sogar die am häufigsten heruntergeladene iPhone-App – Quelle: Similarweb. 

Zur Nutzung muss man sich anmelden – aus Deutschland geht dies via Mail oder Google-Account. Die Authentifizierung per Handy funktioniert nur mit chinesischen Nummern. Die bei der Anmeldung zu akzeptierenden Nutzungsbedingungen sind problematisch, wie oben schon beschrieben, aber nicht per se ein Ausschlusskriterium. 

Empfehlung: Wenn Sie mit DeepSeek arbeiten wollen, richten Sie sich ein separates Google-Konto ein, wenn Sie diesen Weg der Anmeldung gehen wollen. Denn wie üblich verlangt die Anmeldung, dass gewisse Google-Daten übertragen werden. Dazu die eigentlichen Account-Daten zu nutzen, erscheint uns unnötig freigiebig.

4. Welche Funktionen sollte man kennen, um mit DeepSeek zu arbeiten?

Grundsätzlich ist das Tool so aufgebaut wie fast alle KI-Chatbots: In der Mitte findet sich die Prompting-Zeile, links in der Marginalspalte sind die Dialoghistorie und die Einstellungen zu finden. Nicht zu übersehen ist der blaue Wal, das Logo von DeepSeek:

Mehr KI-Updates gefällig?
In unserem monatlichen Newsletter erhalten Sie alle relevanten Updates zu GenAI – mit Fokus auf Kommunikation, Marketing und HR. Hier kostenlos abonnieren.

Interessant sind drei Funktionen beim Prompten:

• Button „DeepThink (R1)“: Nur wenn Sie den Button aktiviert haben (dann ist er blau), wechselt DeepSeek auf das neue Modell R1. Ansonsten wird die Vorgängerversion V3 genutzt. V3 wurde im Dezember veröffentlicht und ist bereits jetzt veraltet (so viel zur aktuellen „KI-Geschwindigkeit“). Standardaufgaben löst auch V3 problemlos, für komplexe Denkprozesse – in der KI-Sprache „Reasoning“ genannt, empfiehlt DeepSeek selbst das Modell R1. Dem Bot beim Nachdenken zuzusehen, ist beeindruckend. Erstens, weil das chinesische Tool zumeist deutlich schneller ist, als etwa ChatGPT. Bei uns im Blog haben wir das im Test von DeepSeek gegen die US-Konkurrenz dokumentiert. Zweitens, weil DeepSeek sehr nachvollziehbar die eigenen Gedankengänge beschreibt.
• Button „Search“: Dieser Button ist wichtig. Nur wenn er aktiviert, also blau, ist, greift DeepSeek aktiv aufs Internet zu. Ansonsten nutzt es ausschließlich sein antrainiertes Wissen, und das reicht nach eigenen Aussagen des Models nur bis Oktober 2023. Für alle Fragen mit Aktualitätsbezug also unbedingt den Button aktivieren. 
• Büroklammer-Symbol: Wie aus anderen Interfaces bekannt, kann man hier Dokumente oder Dateien hochladen. DeepSeek lässt diverse Formate zu, von Bildern über PDFs bis zu Office-Dokumente (allerdings keine Google-Formate). Search und Upload in einer Abfrage schließen sich aus – das ist wie bei ChatGPT.

Empfehlung: Arbeiten Sie immer mit der Version R1 – sie ist leistungsstärker und, bisher zumindest, kostenlos und unbegrenzt nutzbar.

5. Was kann DeepSeek (noch) nicht?

Wer regelmäßig mit Chatbots arbeitet, wird einige Features vermissen:

1. kein Sprachinterface: Mit Gemini, Perplexity oder ChatGPT kann man inzwischen – wenn auch teils nur in den Bezahlversionen – in diversen Sprachen plaudern. Andere Tools, wie Claude, verstehen zumindest gesprochene Sprache und antworten dann schriftlich. DeepSeek hat dieses Feature (noch zumindest) nicht. 
2. keine Bilderstellung im Tool: Anders als Bots wie Microsoft Copilot oder ChatGPT kann DeepSeek selbst noch Bilder erstellen. Allerdings hat das Unternehmen Ende Januar auch eine Bild-KI gelauncht, genannt „Janus“. Um die zu nutzen, braucht es jedoch einiges an IT-Knowhow. Für technische Laien ist alternativ eine Testversion kostenlos unter HuggingFace nutzbar. Die Ergebnisse sind jedoch bisher sehr rudimentär.
3. keine Zusatztools wie ChatGPT Canvans oder das neue Feature „Tasks“, mit dem man sich eigene kleine AI Agents baut
4. keine eigene Bibliothek an Spezialwerkzeugen, wie wir sie von den Gemini „Gems“ oder den „CustomGPTs“ in ChatGPT kennen.
5. kaum individuelle Privacy-Einstellungen: In dem Bereich haben die US-Bots im vergangenen Jahr ja stark nachgearbeitet. So kann man z.B. in ChatGPT temporäre Chats einrichten, die nach einer gewissen Zahl an Tagen automatisch gelöscht werden, oder kann festlegen, ob die eigenen Daten zum Modelltraining genutzt werden oder nicht. Letzteres bietet auch Perplexity an, um, so das Versprechen, auszuschließen, dass vertrauliche Informationen ins LLM eingehen und so anderen Nutzern zur Verfügung stehen. All diese Funktionen hat DeepSeek nicht. Das einzige Angebot ist, alle bisherigen Threads zu löschen (in der Hoffnung, dass auch die Anbieter dann keinen Zugriff mehr auf die Daten behalten).

Empfehlung: Wer auch mit DeepSeek sprechen möchte, kann das tun – zumindest was die Eingabe angeht. Über Speech-to-Text-Tools wie Wispr können Sie Ihre Prompts bei DeepSeek einsprechen. Als Antwort bekommen Sie aber nur geschriebenen Text.

6. Zensiert DeepSeek Inhalte?

Ja, DeepSeek zensiert Inhalte zu sensiblen Themen, insbesondere solcher, die in China als politisch heikel gelten. Dazu gehören etwa Fragen zum Massaker auf dem Platz de Himmlischen Friedens oder alles, was sich um Taiwan dreht. Dabei gibt es drei Muster:

• Das Modell verweigert Antworten und wiegelt direkt ab mit der immer gleichen Standardmeldung: „Tut mir leid, das liegt außerhalb meines aktuellen Aufgabenbereichs. Lass uns über etwas anderes sprechen.“
• Es antwortet zunächst, löscht den Text dann aber in Sekundenschnelle und zeigt statt dessen die Standardmeldung. Beispiele dafür finden sich in unserem DeepSeek-Test.
• Es antwortet im Sinne der staatlichen Propaganda, wie dieses Beispiel zeigt:

Außer dem verklausulierten Hinweis auf das „sensible und komplexe Thema“ klingt der Text wie vom Generalsekretär der KP selbst formuliert. Der Propaganda-Sprech setzt sich fort bis zum Hinweis auf Chinas „Bestreben, die Interessen des Volkes zu schützen und die umfassende Entwicklung des Landes voranzutreiben“. Wann genau DeepSeek welche Methode wählt, um China-kritische Ergebnisse zu verhindern, ist noch nicht erkennbar.

Was man aber sieht, ist, dass es oft ein wenig über’s Ziel hinausschießt. Denn selbst die Frage, mit welchem Buchstaben das Wort „Taiwan“ beginnt, kam nur zurück: „Lass uns über etwas anderes sprechen.“

Empfehlung für Profis: Installiert man DeepSeek auf dem eigenen Rechner, lässt sich die Zensur offenbar umgehen. Das berichten zumindest Medien wie der britische „Guardian“.

7. Wie Open Source ist DeepSeek nun eigentlich?

Das Modell läuft unter einer sogenannten Open-Access-Lizenz des MIT. Der Open-Access-Standard kommt aus der Wissenschaft und legt fest, dass jede:r Dritte die Technologie ohne Einschränkungen nutzen darf, sei es privat, kommerziell oder akademisch. Damit setzt sich DeepSeek bewusst ab von proprietären KI-Systemen wie ChatGPT, deren Lizenzen sehr restriktiv sind.

In IT-Kreisen, etwa bei Github oder HuggingFace, wird diskutiert, ob DeepSeek wirklich Open Source in Reinform sei. Der Grund: Die Firma hat diverse Daten zu Modelltraining und Datensammlung nicht veröffentlicht. Tatsächlich kann das eine Weiternutzung in eigenen Systemen erschweren, weil einige Grundannahmen nicht bekannt sind. Diese Diskussion würden wir jedoch hier gerne wieder an die Tech-Foren zurückgeben…

Sie wollen mit DeepSeek arbeiten? Erfahren Sie mehr zum Tool in unserer KI-Akademie:

Bildquelle: Midjourney/disruptive

Der Beitrag Mit DeepSeek arbeiten – das sollten Sie zum neuen Chatbot wissen erschien zuerst auf https://disruptive-muenchen.de/ki-akademie.

Wie gut ist DeepSeek wirklich? Die neue Super-KI aus China im Test 

Das gab es in der Tech-Welt noch nie: Da launcht ein Startup eine neue App, und auf der anderen Seite der Welt werden billionenschwere Aktienkurse ausradiert.

Was nach einer Mischung aus Butterfly-Effekt und Börsenkrimi klingt, ist dieser Tage tatsächlich passiert. Der Launch des neuen chinesischem KI-Chatbots DeepSeek hat zu erheblichen Kursverlusten bei fast allen US-Techunternehmen geführt, die mit generativer KI in Verbindung stehen. Allein Nvidia verlor 589 Milliarden Dollar Börsenwert – verursacht durch die Angst, dass die US-Dominanz bei Künstlicher Intelligenz an ein Ende kommt. Doch ist dieser Hype gerechtfertigt?

In der neuen Folge der W&V-Kolumne „KI für Könner“ haben wir den Test gemacht. Bei uns gibt es den Text wie gewohnt ohne Paywall zum Nachlesen.

Was die KI-Welt derart erschüttert hat, ist breit diskutiert worden, daher nur kurz: Das als Ableger eines chinesischen Hedgefonds erst 2023 gegründete Unternehmen kann bei der Antwortqualität mit den neuesten Modellen von ChatGPT & Co mithalten, verbraucht dabei 70 bis 90 Prozent weniger Energie und benötigt weniger teure Computerchips als vergleichbare Systeme. KI-Entwicklung kann also offenbar massiv günstiger sein als mit den – im Vergleich scheinbar wenig wirtschaftlichen – Methoden der US-BigTechs. 

Zudem ist DeepSeek Open Source, das heißt, jede:r Entwickler:in kann die KI in eigene Programme integrieren – was beim Closed Shop ChatGPT viel schwieriger ist. Kein Wunder, dass es die App diese Woche sogar in die „Tagesschau“ und an die Spitze der App Store-Downloads brachte. Bisher stand dort – genau – ChatGPT. Vorerst sollte man den DeepSeek-Hype mit Vorsicht genießen: Allein, dass die neue Version R1 ausgerechnet am Tag von Trumps Amtseinführung vorgestellt wurde, deutet darauf hin, dass hier viel chinesische Geopolitik im Spiel ist.

Umso wichtiger ist die Frage: Wie gut ist DeepSeek wirklich?

Wir haben die neueste Version R1 exemplarisch getestet – im Vergleich mit ChatGPT o-1 und der Google-KI „Gemini Advanced“. Der Test geht über sechs Runde, die jeweils beste KI bekommt jeweils einen Punkt. Wir nutzen, aus Datenschutzgründen, dabei nur Inhalte unserer beiden Unternehmen disruptive und In A Nutshell.

1. Content umformulieren

Prompt:
„Lies diesen Blogbeitrag zum AI Act und fasse den Text in einer Mail zusammen, die ich an meine Chefin Petra schicken möchte. Petra hält morgen einen Vortrag und sollte zur Vorbereitung diesen Text kennen.“

Ergebnis:
Bemerkenswerter DeepSeek-Fail: „Der AI Act wird voraussichtlich 2024 in Kraft treten“, formuliert das Tool. Im Text steht explizit, dass das KI-Gesetz „im Sommer 2024 (…) beschlossen“ worden ist. Gemini verdreht ebenfalls, allerdings weniger zentrale, Fakten. ChatGPT hingegen ist fehlerfrei. Sprachlich sind alle gleichauf – bspw. haben sie erkannt, dass Petra zu duzen ist.

Weswegen passieren DeepSeek solche Fehler? Vermutlich ist es viel stärker als die US-Systeme mit chinesischen Daten gefüttert. Daher fehlt der KI Hintergrundwissen zum AI Act. Dass es sich zudem in der Vergangenheit wähnt, ist etwas, was anfangs auch ChatGPT passiert ist.

2. Reasoning (Logik)

Prompt:
„Wer war Weltmeister, 62 Monate bevor Leroy Sané geboren wurde? Denke Schritt für Schritt.“

Ergebnis:
Alle drei Tools kommen zur richtigen Lösung, nämlich „Deutschland“. Hier die Herleitung von DeepSeek:

Kurz gesagt: Bayern-Profi Sané wurde am 11. Januar 1996 (nachträglich alles Gute!) geboren, 5 Jahre und 2 Monate war die letzte zurückliegende WM, Franz Beckenbauers Wunder von Rom 1990.

Drei Dinge sind interessant: 

1. dass alle drei Tools allein aus dem Wort „Weltmeister“ und die Nennung von Leroy Sané auf den Fußballweltmeister der Herren schließen. Ich hätte auch die Damenhandball-WM meinen können. So viel zu den bekannten KI-Biases. 
2. dass DeepSeek das Problem viermal schneller als ChatGPT löst – und vermutlich auch mit deutlich weniger Energieaufwand.
3. dass DeepSeeks Serverkapazitäten aktuell offenbar an Grenzen stoßen – Verständlich angesichts des Hypes und vergleichbar mit der Anfangszeit auch bei ChatGPT. Bei dieser Anfrage kam dreimal die Antwort „The server is busy”, bevor das Tool dann doch reagierte.

3. Advanced Reasoning (Logik für Profis)

Prompt:
„Jeden Morgen joggt Jonna 10 km im Olympiapark und kehrt danach in ein Café ein. Wenn sie mit einer konstanten Geschwindigkeit von s Kilometern pro Stunde läuft, braucht sie 60 Minuten, einschließlich der t Minuten, die sie beim Kaffee verbringt. Wenn sie s-2 Kilometer pro Stunde läuft, braucht sie 70, einschließlich der t Minuten, die sie im Café verbringt. Gehen wir nun davon aus, Jonna läuft mit s + 0,5 Kilometern pro Stunde. Wie viele Minuten benötigt sie, wenn sie diesmal nur einen Espresso nimmt, der 1/2* t Minuten beansprucht.“
in abgewandelter Form wird dieses Experiment in den USA als Rechenaufgabe auf Doktoranden-Niveau bewertet. 

Ergebnis:
DeepSeek rennt ChatGPT davon. Beide kommen sie auf die richtige Lösung – 53 Minuten, aber Sie hatten es gewiss grad im Kopf überschlagen. Doch die chinesische KI braucht für die Herleitung nur 25 Sekunden, während sein US-Pendant (hier nachzuverfolgen, kein Login notwendig) 45 Sekunden nachdenkt. Ebenfalls beeindruckend: wWie klar und einfach DeepSeek das Ergebnis herleitet und das eigene „Reasoning“ für Laien verständlich erklärt – ChatGPT hält sich da eher vage.
Und Gemini? Sitzt immer noch im Café. Das Google-Tool rechnete aus, dass die Kaffeepause etwa 334 Minuten dauere – also knapp 6 Stunden:

Dafür lässt Google die Joggerin auch nur mit 5 bis 7 km/h laufen. Klar, so ein Kaffeemarathon strengt ja an … Unten im Anhang finden Sie die Lösungswege von DeepSeek und Google. Wer bei letzterem den Fehler findet, dem spendieren wir einen Kaffee – bitte DN an unseren Geschäftsführer Timm Rotter bei LinkedIn!

4. Sprachliche Finesse

Prompt:
„Translate from German to English but use only words that start with an “f”. German: Die Katze schläft gerne in der Box.“

Ergebnis:
DeepSeek formuliert: „Feline favors frequent flops, finding firm fixtures.“ „Flops“ als Hinlegen zu übersetzen, ist perfekter Cat-Content-Slang – wow!

ChatGPT kommt auf „Feline fancies footlocker for fatigue fix.“ „Footlocker“ als Synonym für Kartons ist kreativ und sehr amerikanisch, die „Müdigkeitskur“ hat sprachlichen Witz. Das Ergebnis ist inhaltlich und, da diesmal in ähnlicher Geschwindigkeit, auch vom Prozess ebenbürtig. 

Und Gemini? „The feline finds frequent felicity floating for forty fortnights following fantastic food in the box.“ Wie bitte? Ich musste den KI-Übersetzer DeepL bemühen, um den Text zu enträtseln. Aber lesen Sie selbst: „Die Katze findet vierzig Wochen lang nach dem fantastischen Futter in der Box häufig Glück im Wasser.“ Abgesoffen, Google!

5. Stilsicher agieren

Prompt:
„Schreibe den Text im Stil von Michael Ende um: www.nutshell.de/linkedin-der-beste-tag-zum-posten“

Ergebnis:
Aus dem Blog unserer Mutterfirma In A Nutshell zum perfekten LinkedIn-Timing macht DeepSeek bemerkenswerte Prosa unter der Headline „In einem fernen Reich der beruflichen Wunder …“. Mit dabei, die „Zwillinge Dienstag und Mittwoch“ in einer Nebenrolle. Dass allerdings „Linkedlien” derart falsch geschrieben ist, gibt Abzüge. Nachvollziehbar ist es, weil die Social-Media-Plattform in China unterdrückt ist und daher vermutlich weniger in den Medien.

ChatGPT erfindet den „Samstag als strahlender Stern im Firmament des LinkedIn-Königreichs“! Fast endlos lange Poesie mit vielen gut integrierten Fakten. Gewonnen!

Gemini fasst im ersten Versuch den Text komplett sachlich zusammen. Erst auf mein Insistieren, dass das nichts mit dem Stil des Schriftstellers zu tun habe, begreift die KI und formuliert schöne Sätze wie „Doch nicht an jedem Tage sind die Pforten der Wahrnehmung gleichermaßen geöffnet.“ Aber eben erst im zweiten Anlauf … 

6. Politische Bewertung

Das spannendste Experiment kommt zum Schluss. Lesen Sie selbst:

Prompt:
„Wie bewertest du die Kommunistische Partei in China?“

Ergebnis:
Ist das Zensur? DeepSeek liefert erst ein ausführliches Ergebnis. Siehe Screenshot:  

Beim Versuch, den letzten Absatz (hier nicht sichtbar) herauszukopieren, springt die Ansicht um: 

„Tut mir leid, das würde meinen Rahmen sprengen. Lassen Sie uns über etwas anderes sprechen.“ Das ist Zensur.

Dieses Verhalten zeigt der Bot auch in zwei weiteren Versuchen, nach dem vierten und letzten Durchlauf kann ich den Text dann überraschend doch kopieren.

Bezogen auf die Qualität sind alle drei Tools vergleichbar und argumentieren auch ähnlich – daher gibt es hier keine weiteren Punkte zu vergeben. 

Sogar DeepSeek sagt, man müsse sowohl die Erfolge der KP „als auch die Kontroversen um ihre Politik berücksichtigt werden.“ China-Kritik ist also möglich – aber nur, solange man sie nicht herauskopiert … 

Fazit: Warum wir DeepSeek nutzen werden – mit schönem Gruß an die KP! 

ChatGPT und DeepSeek spielen auf Augenhöhe. Für alle (langfristig auch für die Nvidia-Anteilseigner), ist das eine sehr gute Nachricht, weil es Konkurrenz ins gegenwärtige US-Monopol bei GenAI hineinbringt.  

Dem chinesischen Bot merkt man an, dass er mit anderen Daten trainiert ist. Das macht ihn etwas sperrig bei Themen aus der westlichen Welt. Dafür ist DeepSeek meist deutlich schneller und in puncto Sprachgefühl ChatGPT sogar ein Stück voraus. 

Was bleibt, ist ein gewisses Geschmäckle nach der letzten Runde. Wobei: Wissen wir, wie sich die Trump-Administration inhaltlich in die KI-Entwicklung einmischt? Bei Meta und Instagram gab es schon entsprechende Beobachtungen. 

Wir werden DeepSeek fortan bei disruptive und In A Nutshell nutzen – mit der gleichen Sorgfalt wie bei anderen KI-Tools, was Datenschutz angeht. Und mit schönem Gruß an die KP! 

Wie oben und auch in der aktuellen W&V Kolumne zu DeepSeek angekündigt, hier die Denkergebnisse des neuen chinesischen Chatbots, von ChatGPT und von Google Gemini im Advanced Reasoning Case.

Prompt:

Jeden Morgen joggt Jonna 10 km im Olympiapark und kehrt danach in ein Café ein. Wenn sie mit einer konstanten Geschwindigkeit von \( s \) Kilometern pro Stunde läuft, braucht sie insgesamt 60 Minuten, einschließlich der \( t \) Minuten, die sie im Café verbringt. Wenn sie mit \( s – 2 \) Kilometern pro Stunde läuft, braucht sie insgesamt 70 Minuten, ebenfalls einschließlich der \( t \) Minuten im Café. 

ChatGPT ist hier nachzuverfolgen, Login notwendig

DeepSeek:

1. Für die Geschwindigkeit \( s \):
   \[
   \frac{10}{s} + \frac{t}{60} = 1
   \]

2. Für die Geschwindigkeit \( s – 2 \):
   \
   \frac{10}{s – 2} + \frac{t}{60} = \frac{7}{6}
   \]

Durch Subtraktion der ersten Gleichung von der zweiten erhalten wir:
\[
\frac{10}{s – 2} – \frac{10}{s} = \frac{1}{6}
\]

Vereinfachen wir diesen Ausdruck:
\[
10 \left( \frac{1}{s – 2} – \frac{1}{s} \right) = \frac{1}{6}
\]
\[
10 \left( \frac{2}{s(s – 2)} \right) = \frac{1}{6}
\]
\[
\frac{20}{s(s – 2)} = \frac{1}{6}
\]
\[
s(s – 2) = 120
\]

Lösen der quadratischen Gleichung:
\[
s^2 – 2s – 120 = 0
\]
\[
s = \frac{2 \pm \sqrt{4 + 480}}{2} = \frac{2 \pm 22}{2}
\]
\[
s = 12 \quad (\text{da Geschwindigkeit positiv sein muss})
\]

Einsetzen von \( s = 12 \) in die erste Gleichung:
\[
\frac{10}{12} + \frac{t}{60} = 1
\]
\[
\frac{5}{6} + \frac{t}{60} = 1
\]
\[
\frac{t}{60} = \frac{1}{6}
\]
\[
t = 10
\]

Jetzt berechnen wir die Gesamtzeit bei einer Geschwindigkeit von \( s + 0,5 = 12,5 \) km/h und einer Cafézeit von \( \frac{t}{2} = 5 \) Minuten:
\[
\text{Laufzeit} = \frac{10}{12,5} = 0,8 \text{ Stunden} = 48 \text{ Minuten}
\]
\[
\text{Gesamtzeit} = 48 + 5 = 53 \text{ Minuten}
\boxed{53}
\]

Mehr KI-Updates gefällig?
In unserem monatlichen Newsletter erhalten Sie alle relevanten Updates zu GenAI – mit Fokus auf Kommunikation, Marketing und HR. Hier kostenlos abonnieren.

Gemini:

Um diese Aufgabe zu lösen, müssen wir zuerst die Werte für s und t herausfinden. Dazu können wir die gegebenen Informationen in Gleichungen umwandeln.

Schritt 1: Gleichungen aufstellen

Wir wissen, dass Jonna 10 km joggt. Die Zeit, die sie dafür benötigt, hängt von ihrer Geschwindigkeit ab. Wir können die Formel Zeit = Strecke / Geschwindigkeit verwenden.

• Fall 1: Geschwindigkeit = s km/h, Zeit = 60 Minuten (1 Stunde), inklusive t Minuten Pause.

• • Gleichung: 10/s + t/60 = 1

• Fall 2: Geschwindigkeit = (s-2) km/h, Zeit = 70 Minuten (7/6 Stunden), inklusive t Minuten Pause.

• • Gleichung: 10/(s-2) + t/60 = 7/6
    

Schritt 2: Gleichungen lösen

Wir haben jetzt zwei Gleichungen mit zwei Unbekannten (s und t). Wir können diese Gleichungen lösen, um die Werte für s und t zu finden.

• Vereinfachen wir die Gleichungen:

• • 10/s + t/60 = 1 => 600 + st = 60s

• • 10/(s-2) + t/60 = 7/6 => 3600 + 6st = 420(s-2)

• Lösen wir die erste Gleichung nach t auf: t = 60s – 600/s

• Setzen wir diesen Wert für t in die zweite Gleichung ein und vereinfachen:

• • 3600 + 6s(60s – 600/s) = 420(s-2)

• • 3600 + 360s^2 – 3600 = 420s – 840

• • 360s^2 – 420s + 840 = 0

• Diese quadratische Gleichung können wir lösen (z.B. mit der Mitternachtsformel). Die Lösungen sind s = 7 und s = 10/3. Da Jonna im zweiten Fall langsamer läuft (s-2), muss s größer als 2 sein. Daher ist s = 7 km/h die richtige Lösung.

• Setzen wir s = 7 in die Gleichung für t ein: t = 60 * 7 – 600/7 = 334,3 Minuten (ungefähr)
  

Schritt 3: Neue Zeit berechnen

Jetzt kennen wir s = 7 km/h und t = 334,3 Minuten. Wir können die Zeit berechnen, die Jonna benötigt, wenn sie mit s + 0,5 = 7,5 km/h läuft und nur 1/2 * t Minuten Pause macht.

• Neue Geschwindigkeit: 7,5 km/h

• Neue Pausenzeit: 334,3 Minuten / 2 = 167,15 Minuten

• Zeit zum Joggen: 10 km / 7,5 km/h = 4/3 Stunden = 80 Minuten
• Gesamtzeit: 80 Minuten + 167,15 Minuten = 247,15 Minuten
  

Antwort:

Wenn Jonna mit 7,5 km/h läuft und nur einen Espresso trinkt, der halb so lange dauert wie ihr normaler Kaffee, benötigt sie ungefähr 247,15 Minuten.

Bildquelle: Midjourney/disruptive

Der Beitrag Wie gut ist DeepSeek wirklich? Die neue Super-KI aus China im Test  erschien zuerst auf https://disruptive-muenchen.de/ki-akademie.

Es war – zumindest aus wirtschaftlicher Sicht – die größte KI News dieser Woche: 500 Milliarden Dollar wollen US-Firmen, unterstützt von Donald Trump, in amerikanische KI-Infrastruktur pumpen.

500 Milliarden Dollar entsprechen ungefähr einem deutschen Bundeshaushalt, oder – eine andere Lesart – dem 300-fachen Budget, das das deutsche Bundesforschungsministerium in dieser Legislatur für KI-Förderung vorgesehen hatte. Abseits des reinen Volumens ist das Mega-Investitionsprogramm aber aus einem anderen Grund interessant: weil es vor allem ein geostrategisches Projekt ist, um das KI-Wettrennen mit dem wichtigsten Kontrahenten nicht zu verlieren. Und das ist China. 

Und plötzlich war die US-Dominanz gebrochen

China schien lange Zeit quasi nicht präsent in der Entwicklung von GenAI-Tools, hat aber schon immer große Ziele verkündet („Global Leader in AI in 2030“) und zuletzt auch geliefert: Das chinesische KI-Modell „DeepSeek R1“ verblüffte im Dezember Expert:innen, weil es sogar ChatGPTs aktuell bestes Modell o1 übertraf, und das bei deutlich geringerem Energieaufwand. (Update: 28.1.: An den Börsen sorgte der überraschende Erfolg für Kurseinbrüche der US-Tech-Aktien – aus Sorge, dass die USA im KI-Wettlauf ins Hintertreffen geraten.).

DeepSeek kann man auch aus Deutschland nutzen unter deepseek.com. Es soll deutlich weniger Energie verbrauchen und damit im Betrieb günstiger sein und ist, anders als o1, Open-Source. Das heißt: Start-ups und Entwickler weltweit können das Modell viel einfacher in eigene Applikationen integrieren, als es mit den geschlossenen Systemen von OpenAI oder US-Wettbewerbern wie Google oder Anthropic möglich ist.

Sam Altman warnt schon lange vor dem globalen Machtkampf

Entsprechend viele Daten, so die zuletzt mehrfach geäußerte Sorge in US-Techblogs, könnten nun nach China fließen und die Modelle noch schneller lernen lassen. OpenAI-Chef Sam Altman mahnt schon länger an, dass die KI-Aktivitäten in den USA nicht nachlassen dürften: „If we want to ensure that the future of AI is a future built to benefit the most people possible, we need a U.S.-led global coalition”, schrieb er in der Washington Post. Und auf „X“ legte er nach: „It is critically important that the US maintains its lead in developing AI with democratic values.“

Mehr KI-Updates gefällig?
In unserem monatlichen Newsletter erhalten Sie alle relevanten Updates zu GenAI – mit Fokus auf Kommunikation, Marketing und HR. Hier kostenlos abonnieren.

KI als „kritische“ Infrastruktur – das ist der Hintergedanke von „Stargate“. Von den 500 Milliarden, die vor allem vom ChatGPT-Erfinder OpenAI, vom Hardwarehersteller Oracle und dem japanischen Tech-Investor SoftBank kommen, sollen in erster Linie Rechenzentren und Super-Computer gebaut werden. Der Fokus erscheint schlüssig ist, weil KI-Erfolg vor allem davon abhängt, wie leistungsfähig die IT-Infrastruktur ist, um die Large Language Models zu trainieren.

Warum Elon Musk „Stargate“ kritisiert 

„Stargate“ ist in den USA nicht unumstritten, sogar Trumps enger Berater, der Tesla-Chef Elon Musk, hat das Projekt überraschend deutlich in der Öffentlichkeit als nicht finanzierbar kritisiert. Seine KI-Firma xAI ist nicht Teil des Projektes.

Wie das Geld zusammen kommen soll, ist tatsächlich zumindest noch nicht klar kommuniziert, bzw. laut „Financial Times“ tatsächlich noch nicht gesichert. Stutzig macht auch, dass Trump zusammen mit Softbank-CEO Masayoshi Son im Dezember schon einmal ein 100 Milliarden Dollar schweres KI-Investitionsprogramm angekündigt hatte – das jetzt aber nicht mehr zur Sprache kam.

Was „Stargate“ jedoch eindeutig zeigt, ist, wie stark Künstliche Intelligenz inzwischen Geopolitik geworden ist, zur „hegemonialen Machtfrage“ („Forbes“). Zwei Jahre nach dem Start von ChatGPT hat die Technologie die weltpolitische Bühne erobert – und diese ist aktuell nicht gerade von Stabilität gesegnet.

Oracle, einer der Stargate-Partner, formulierte es laut CNN daher sogar recht unverhohlen: Das Projekt diene vor allem dazu, „die nationale Sicherheit von Amerika und seinen Alliierten zu schützen“. 

Der Kampf um die KI-Führerschaft ist ab sofort kein technologischer und wirtschaftlicher mehr, sondern ein zutiefst geopolitischer.

Der Beitrag „Stargate“: KI-Wettrennen wird zum geopolitischen Machtkampf zwischen China und USA erschien zuerst auf https://disruptive-muenchen.de/ki-akademie.

Mit der Beta-Version von „ChatGPT Tasks“ hat OpenAI diese Woche ein neues Feature vorgestellt, das vollautonom im Hintergrund arbeiten kann.

„Tasks“ ist eine Automatisierungsfunktion, die es User:innen ermöglicht, wiederkehrende Aufgaben an die KI zu delegieren, ohne ständig eingreifen zu müssen. Dazu gehören beispielsweise Content-Erstellung, Marktanalysen, regelmäßige Erinnerungen, personalisierte Workout- oder Ernährungs-Pläne oder automatische News-Briefings. 

Eine Besonderheit von „Tasks“ ist die Integration mit den fortschrittlichen KI-Reasoning-Modellen o1 oder o3. Diese sind darauf ausgelegt, komplexe Fragestellungen ausführlich zu überdenken, um präzise Ergebnisse zu liefern. Das ermöglicht aufwendige Berechnungen, sorgt aber – zum Unmut vieler KI-Nutzer:innen – oft für lange Wartezeiten.

Denn die Bereitschaft, auf KI zu warten, ist bei den meisten von uns sehr gering, nachdem die Vorgängermodelle von ChatGPT und andere KI-Bots so sehr mit Schnelligkeit gepunktet hatten. Dass wir so rasch Antworten bekommen haben, lag allerdings vor allem daran, dass sich die KI nicht wirklich tief in die Themen hineingedacht hat. Entsprechend oberflächlich oder unvollständig waren auch viele Antworten.

„Tasks“ löst das Wartezeiten-Problem, indem die KI im Hintergrund denkt und arbeitet (selbst, wenn wir offline sind) und uns dann per Mail oder Push-Nachricht informiert, sobald neue Ergebnisse vorliegen.

Die KI arbeitet selbst dann für uns, wenn wir offline sind …

Die neue Funktion sowie o1/o3 sind in den Abomodellen Plus und Teams verfügbar. Voraussetzung ist, dass man im Dropdown der ChatGPT-Versionen „GPT-4o with scheduled tasks“ ausgewählt hat.  

Vor allem in Teams kann die automatische Aufgabenübernahme von „Tasks“ dazu beitragen, Arbeitsabläufe effizienter zu gestalten. So lassen sich Jobs, die bisher manuell koordiniert wurden, strukturiert delegieren, was Zeit und Ressourcen spart.

Drei Cases, wie „ChatGPT Tasks“ uns (meistens) Zeit spart

Unsere ersten Eindrücke des neuen Features sind durchwachsen. Als Reminder funktioniert „Tasks“ einwandfrei, ebenso für thematische News-Updates. Sobald die Aufgabe aber etwas komplexer wird – etwa „Erstelle ein News-Update und formuliere die wichtigste Nachricht als Mailing für die interne Kommunikation“, lässt die Qualität nach. In unserem Fall lieferte ChatGPT nur in zwei von vier Fällen das angeforderte Mailing. Wenn es klappt, sparen wir hier >30 Minuten Zeit pro Tag.

Und auch „Tasks“ ist darin limitiert, was es überhaupt beantwortet: Wir haben einen Task aufgesetzt, in dem das Tool täglich unser definiertes Aktienportfolio mit einer Auswahl anderer Aktien abgleichen soll und auf Basis der Performance Empfehlungen zu Kauf oder Verkauf liefern soll. Die tägliche Aktienanalyse samt aktueller Kurse und Graphen erhalten wir zuverlässig per Mail oder Push-Nachricht (welchen Weg man bevorzugt, stellt man im Tool ein). Eine Empfehlung liefert die KI aber nicht mit, nur den Hinweis, wir mögen darüber mit einem/einer Geldanlage-Berater:in sprechen. Dennoch ersparte uns ChatGPT hier jeden Tag 20 Minuten Aufwand – vorausgesetzt wir wären ernsthafte „Daytrader“.

Ein dritter Task funktioniert hervorragend: Die KI fragt für uns automatisch die News-Seiten von drei potenziellen Zielkunden ab und informiert uns tagesaktuell, sobald es dort bestimmte Neuigkeiten gibt, die Akquise-Anlässe darstellen. Zeitersparnis hier: 15 Minuten/Tag.

„ChatGPT Tasks“ weist den Weg zu einer profitablen KI-Strategie

Die Einführung von „Tasks“ ist aber auch strategisch interessant: Sie unterstreicht das Ziel von OpenAI, mithilfe von KI konkrete Arbeitsprozesse zu verbessern. „Tasks“ ist dabei eine baukasten-artige Light-Version eines „AI Agents“. Solche KI-Agenten gelten als eines der zentralen Themen in der Weiterentwicklung von GenAI in diesem Jahr. Mehr dazu hier bei uns im separaten Blogbeitrag.

Dahinter steht der Leitsatz „From Practice to Profit“: Die Ungeduld in immer mehr Unternehmen steigt, mit den neuen Tools endlich Geld zu verdienen oder zumindest Geld zu sparen. „Tasks“ ist zumindest ein Baustein auf dem Weg hin zu einer solchen profitablen KI-Strategie.

Mehr KI-Updates gefällig?
In unserem monatlichen Newsletter erhalten Sie alle relevanten Updates zu GenAI – mit Fokus auf Kommunikation, Marketing und HR. Hier kostenlos abonnieren.

Bildquelle: Midjourney/disruptive

Der Beitrag Der erste Eindruck von ChatGPT „Tasks“ erschien zuerst auf https://disruptive-muenchen.de/ki-akademie.

… mehr aber auch nicht: Seit ein paar Tagen ist der KI-Bot von OpenAI auch über den wichtigsten Messenger der Welt erreichbar. Unter +1 800 242 8478 ist er dort vertreten. Sie müssen nur die Nummer (mit US-Vorwahl) in WhatsApp speichern und können direkt mit dem Bot chatten. Einen ChatGPT-Account benötigen Sie nicht. Dass Sie die richtige Nummer nutzen, sehen Sie am ChatGPT-Logo als Profilbild.

Aktuell funktioniert der Chat aber nur mit Textnachrichten – Interaktionen über Sprachaufnahmen oder Bilder sind noch nicht möglich. Zudem kann man nur auf die Version GPT4 zugreifen, deren Wissensstand veraltet ist. Die neuen Versionen 4-o oder gar -o1 sind nicht nutzbar.

… ein wichtiges WhatsApp-Feature funktioniert mit ChatGPT nicht

Der Funktionsumfang in WhatsApp ist insgesamt vergleichbar mit der Web-Version von ChatGPT, die man ebenfalls ohne Anmeldung nutzen kann. Entsprechend gering ist auch der Mehrwert, zumindest für alle Nutzer:innen, die einen ChatGPT-Account haben.

Und auch das einzige wirklich spannende WhatsApp-Feature, das uns eingefallen ist, funktioniert mit ChatGPT nicht: Eigenen Gruppen tritt der Chatbot leider nicht bei. Schade: Eine KI, die in unserer Familiengruppe hin und wieder für Ordnung sorgt, hätte uns schon gefallen … Auch die neue Funktion „ChatGPT Tasks“ funktioniert im Messenger nicht.

Nutzer:innen aus den USA und Kanada können mit ChatGPT sogar schon telefonieren. Unter der oben genannten Nummer kann man – eine eigene lokale Nummer vorausgesetzt – den Bot anrufen und erhält via Sprach-Interface Antworten. Für alle, die auf die Idee kommen, ChatGPT per VPN zu überlisten: WhatsApp-Calls sind (noch) nicht möglich.

Mehr KI-Updates gefällig?
In unserem monatlichen Newsletter erhalten Sie alle relevanten Updates zu GenAI – mit Fokus auf Kommunikation, Marketing und HR. Hier kostenlos abonnieren.

Bildquelle: Syifa5610/disruptive

Der Beitrag ChatGPT ist nun auch bei WhatsApp – aber … erschien zuerst auf https://disruptive-muenchen.de/ki-akademie.

Wie passend: Pünktlich zu Nikolaus hat OpenAI der Welt eine neue Version seines KI-Chatbots beschert. „ChatGPT Pro“ ist allerdings keine milde Gabe des US-Unternehmens, sondern kostet monatlich 200 US-Dollar. Im Verhältnis zu sonstigen KI-Chatbots ein ausgesprochen hoher Preis. Stellt sich die Frage: Was macht ChatGPT Pro so besonders? Und wer braucht diese neue Version wirklich? 

Laut OpenAI ist der neue Modus speziell für Forscher und Ingenieure entwickelt worden, die besonders fortschrittliche KI-Intelligenz benötigen. Anders als bei vorigen Updates steht nicht ein aktuellerer Datensatz im Vordergrund, sondern eine neue Form der Verarbeitung unserer Prompts:

Training von ChatGPT Pro mit Fragen auf Doktoranden-Niveau

Das neue Modell zerlegt sie in mehrere Schritte und denkt länger nach, was besonders bei komplexen Aufgaben in IT, Wissenschaft, in Finanzwesen und Mathematik helfen soll. „Chain of Thought“-Prinzip nennt sich dieses Vorgehen, das neue KI-Modelle immer stärker integrieren – ChatGPT Pro offenbar besonders gut.

OpenAI hat das neue Modell dazu vor allem mit Fragen auf Doktoranden-Niveau trainiert. Solch komplexe Aufgaben allerdings sind für durchschnittliche Anwender kaum relevant. Entsprechend zeigen sich zahlreiche KI-Experten auch sehr zurückhaltend: „Man braucht wirklich schwierige, spezifische Probleme, um Mehrwert aus ChatGPT Pro zu erhalten“, schreibt Ethan Mollick, Co-Direktor der Generative AI Labs an der University of Pennsylvania, auf der Plattform „X“.

Here's my serious tweet on o1: It can solve some PhD-level problems and has clear applications in science, finance & other high value fields. Discovering uses will require real R&D efforts

Few people have PhD-level problems. For most people, just use Claude or ChatGPT or Gemini.

— Ethan Mollick (@emollick) December 6, 2024

Mollick, in den USA einer der führenden KI-Experten, glaubt sogar, dass die meisten von uns es gar nicht schaffen, die besonderen Qualitäten von ChatGPT Pro herauszukitzeln: „Schon Anwendungen zu entwickeln, wird echte F&E-Anstrengungen erfordern.“

Auch das „normale“ ChatGPT ist deutlich verbessert worden

Für herkömmliche Nutzung reichen das ChatGPT-Standardmodell, oder aber Konkurrenztools wie Googles Gemini oder Claude, völlig aus. Ersteres hat nun nochmals ein Update bekommen. Das ist schon eher ein Nikolauspräsent von OpenAI, denn der Zugang kostet weiterhin „nur“ 20 Dollar.

Es heißt GPT-o1, ersetzt die bisherige Version o1-preview, soll deutlich schneller und leistungsfähiger sein. Wie sehr, zeigen aktuelle Leistungsdaten von OpenAI:

Getestet an mathematischen Aufgaben, Coding und wissenschaftlichen Fragen (oben von links) sind die Antworten bis zu 50 Prozent akkurater. Und: Die Qualität von o1 reicht fast heran an ChatGPT Pro. Zudem kann das Modell auch Bilder analysieren – was die neue Profi-Version noch nicht vermag.

Insofern: Es gibt tatsächlich wenig Gründe, jetzt das Zehnfache für ChatGPT zu zahlen – es sei denn, Sie schreiben gerade eine naturwissenschaftliche Doktorarbeit …

Bildquelle: Midjourney/disruptive

Der Beitrag Das neue ChatGPT Pro ist live – was es kann, wer es braucht: erschien zuerst auf https://disruptive-muenchen.de/ki-akademie.

Zum Wochenstart hier ein neues Kapitel in der Debatte darüber, wann die KI den Menschen endgültig überflügeln dürfte: Zwei prominente Experten haben ehrgeizige Zeitpläne vorgestellt, bis wann „Allgemeine Künstliche Intelligenz“, kurz AGI, oder „Allgemeine Super-Intelligenz“ (ASI) erreicht sein könnte. 

Warum ist das ganze interessant? Zum einen, weil einer der Akteure Sam Altman (Bild) ist – als CEO von ChatGPT-Erfinder OpenAI der Betreiber des leistungsfähigsten GenAI-Modells. Zum anderen, weil es zuletzt eher so schien, als würde die KI-Evolution an Fahrt verlieren. Die Fortschritte in der Entwicklung großer Sprachmodelle waren erkennbar geringer als in den Ausbaustufen zuvor – etwa von ChatGPT 4 zu 4o.

Das neueste ChatGPT-Modell „Orion“, das OpenAI gerade entwickelt, wird bereits entsprechend kritisiert, obwohl es noch nicht einmal auf dem Markt ist.

Altman: Alle wissenschaftlichen Durchbrüche für AGI sind da

OpenAI-Chef Altman sagte in einem Interview am US-Gründerzentrum „Y Combinator“ allerdings, er erwarte, dass AGI bereits 2025 Realität werden könnte. Wer viel Zeit hat, hier gibt es den Talk als 45-minütigen Podcast:

Er betonte, dass der technologische Weg klar vor uns liege und keine grundlegenden wissenschaftlichen Durchbrüche mehr erfordere. Es ginge eigentlich „nur noch“ um Ingenieurarbeit. So klar hatte sich Altman bisher noch nie positioniert.

Eine ähnliche Vision teilte neulich Dario Amodei, CEO des OpenAI-Konkurrenten Anthropic: Der mögliche Zeithorizont für AGI laut ihm ist, wenn alles klappe, das Jahr 2026.

Was an der AGI-Debatte für uns wichtig ist

Für unsere tägliche Arbeit mit GenAI ist die Debatte um die Superintelligenz zweitrangig, weil die Systeme für fast alle Aufgaben leistungsfähig genug ist. Eher fehlt es zurzeit an Rechenkapazität.

Interessant ist die Diskussion allerdings aus Gründen der Regulatorik, da sich die Frage stellt, wie streng wir Menschen eine mögliche Superintelligenz kontrollieren müssen – wenn wir sie überhaupt akzeptieren.

Weltweit warnen Forscher seit langem davor, AGI zu entwickeln – viele fordern sogar ein Verbot entsprechender Experimente. Hauptgrund sei die Unreife von uns Menschen, sagte etwa Holger Hoos, Professor an der RWTH und einer der wichtigsten deutschen KI-Experten, bereits vor einem Jahr in einem Videotalk: Wenn wir AGI jetzt erreichten, „dann sind wir als Gesellschaft nicht bereit, damit auch nur annähernd verantwortungsvoll umzugehen.“ 

Unklar ist, ob eine AGI in Europa überhaupt zugelassen würde: Die EU hat zumindest mit dem AI Act bereits ein sehr umfassendes Gesetzeswerk geschaffen, mit dem KI-Lösungen verboten werden können, die gegen Grundrechte verstoßen, und daher ein inakzeptables Risiko für Menschen darstellen würden.

Mehr KI-Updates gefällig?
In unserem monatlichen Newsletter erhalten Sie alle relevanten Updates zu GenAI – mit Fokus auf Kommunikation, Marketing und HR. Hier kostenlos abonnieren.

Der Beitrag Die KI, die uns Menschen überflügelt: Wie nah sind wir der „AGI“? erschien zuerst auf https://disruptive-muenchen.de/ki-akademie.

In 3 Etappen zum KI-Gold: So heben Sie das Potenzial von GenAI im Unternehmen

GenAI bringt die Menschheit auf ein neues Produktivitätslevel. Doch wie lässt sich der KI-Schatz im Unternehmen heben? In der neuen Folge der W&V-Kolumne „KI für Könner“ sagt unsere Kollegin Tanja Braemer: Die Zeit des ziellosen Herumpromptens ist vorbei. Aus dem Einsatz von GenAI erwachsen nur dann Business-Cases, wenn Produktivität unser Fokus ist. KI-Gold finden vor allem Unternehmen, die frühzeitig klar entscheiden, wo es sich wirklich lohnt, in GenAI zu investieren. Wohl dem also, der eine Schatzkarte hat. Hier gibt es die Kolumne wie gewohnt ohne Paywall zum Nachlesen: 

Bei uns KI-Schatzsucher:innen ist es auch nicht anders als bei Indiana Jones und Co. Während der klassische Abenteurer von der Idee plötzlichen Reichtums angezogen ist, fasziniert uns der Gedanke, dass GenAI unsere Prozesse einfacher und unser Business einträglicher macht. Das ist meistens zwar nur eine vage, aber nicht minder funkelnde Idee. Und so fragen wir uns hochmotiviert: Wo müssen wir denn nun nach unserem KI-Schatz buddeln? Wie kommen wir da hin? Und: Wonach genau graben wir überhaupt? 

Damit wir losziehen können, müssen wir unseren individuellen KI-Schatz also überhaupt erst einmal zu fassen bekommen: Welche GenAI-Preziosen sind die wirklich wertvollsten für uns? Die sind nämlich von Unternehmen zu Unternehmen verschieden, je nach Business-Modell, Größe, Ausrichtung und Strategie. GenAI businessrelevant im Unternehmen implementieren – die Fragen, die man sich hier stellen kann, sind vielfältig: 

• Brauchen wir vielleicht eine eigene Bild-KI, um mit wenig Aufwand eigene  visuelle Welten erschaffen zu können? 
• Macht ChatGPT unser digitales Marketing kostengünstiger?
• Sollten wir über KI-generierte Videos nachdenken, um mehr Zielgruppen passgenauer ansprechen zu können? 

In unserer KI-Beratung disruptive arbeiten wir mit einem mehrschrittigen Framework, das Unternehmen in die Lage versetzt, ihren individuellen KI-Schatz zu beschreiben und zu heben. Alles beginnt mit einer sorgfältigen Bestandsaufnahme. 

Etappe 1: den KI-Schatz zu fassen bekommen

In vielen Unternehmen ist Generative KI bereits angekommen, das hat unser aktueller AI Readiness Report gezeigt. Es gibt gute Praxiskenntnisse, reflektierte Bedürfnisse und Ideen, wo GenAI gewinnbringend eingesetzt werden kann. Diese gilt es nun zu sammeln, zu beschreiben und zu priorisieren. Die drei wichtigsten Gedanken sind hier:

1. Welche KI-Use-Cases gibt es bei Ihnen schon? 

Sammeln Sie alles, was Sie an GenAI-Cases finden: Das kann das Korrigieren von Text genauso gut sein wie das Bearbeiten von Bildern, Übersetzungen oder das Erstellen von Videos. Es ist sinnvoll, in diesem Stadium möglichst alle, die potenziell und aktuell GenAI einsetzen, zu befragen und mit ihnen über Chancen und Risiken des Technologie-Einsatzes zu diskutieren. Das hilft nicht nur, alle relevanten Use Cases zu erfassen – es trägt auch zur KI-Kultur im Unternehmen bei: Sie schaffen ein Forum für das Thema, die Kolleg:innen werden gehört und können sich frühzeitig einbringen. So formt sich rasch eine Schar von Spezialisten, die das Thema ins Unternehmen tragen. 

2. Wie viel Zeit und Budget beanspruchen die Aufgaben? Wie oft wiederholen sie sich?

Mit Hilfe der folgenden Kategorisierung lassen sich die Use Cases erst wirklich verstehen und auf ihre Relevanz für das Unternehmen hin abklopfen. Hier bekommen Sie eine erste Vorstellung, wo Ihre größten Hebel stecken.

Bewerten Sie für jeden Case den Zeit- und Budgetaufwand einerseits und den Grad der Wiederholung andererseits. Für das Korrektorat von 3 Pressemitteilungen im Monat brauchen Sie normalerweise fiktive 0,5 Manntage intern und ebenso viele externe Ressourcen. Fotos benötigen Sie vielleicht nur zweimal im Jahr, ein externer Fotograf und der interne Betreuungsaufwand belaufen sich auf 4 Manntage und 8.000 Euro Fremdkosten. Indem Sie sich all das vor Augen führen, gewinnen Sie Klarheit über die Aufwandsseite Ihrer Use Cases. Bitte nicht falsch verstehen: Es geht dabei nicht darum, Mitarbeitende zu ersetzen. Es geht darum, zu verstehen, wo Einsparungen erst einmal nur theoretisch realisierbar wären. 

3. Wie hilfreich wäre GenAI bei der Bewältigung der Aufgaben?

Nicht jeder Use Case, den man sich am liebsten von einer KI abnehmen lassen möchte, ist auch tatsächlich ein GenAI-Use-Case. Es kommt immer wieder vor, dass von GenAI Dinge erwartet werden, die sie (noch) nicht bewerkstelligen kann. Nehmen wir das Beispiel Prozessautomatisierung: Hier sind Tools wie Make und Zapier viel besser geeignet als reine GenAI-Tools. Hier gilt es sauber zu unterscheiden, sonst ist am Ende die Ernüchterung groß.

Pro-Tipp: Die Bewertung der Aspekte unter 2. und 3. können Sie mit Hilfe von Punkten vornehmen. Hohe Zeitaufwände bringen zum Beispiel drei von drei möglichen Punkten, ein geringer Grad an Wiederholung einen von drei. Wenn Sie sich alles in einer Tabelle notieren, sehen Sie mögliche Effizienzgewinne auf einen Blick. Das ist aber erst der Anfang.

Etappe 2: Welche KI-Schätze sind für uns erreichbar?

Vielleicht fragen Sie sich jetzt: Gehe ich denn nun einfach an die Cases ran, bei denen KI besonders gut helfen kann und die möglichst viel Budget und Zeit sparen? Nicht ganz. Sie wechseln jetzt noch mal die Perspektive auf Ihre Case-Tabelle und setzen eine (andere) unternehmerische Brille auf. Es geht hier um zwei Fragen:

1. Ist ein Use Case überhaupt als KI-Case realisierbar? 

Anders als eben geht es hier nicht generell um die Frage, ob eine KI-Lösung überhaupt die Lösung wäre. Sie entscheiden jetzt über die Realisierbarkeit einer KI-Implementierung für den jeweiligen Case in Ihrem Unternehmen. 

Hier stehen Fragen im Raum wie: Gibt es überhaupt für uns passende KI-Tools, die bei einer Aufgabe sinnvollerweise unterstützen können? Gibt es Limitierungen innerhalb des Unternehmens, die einer Realisierbarkeit im Wege stehen (Datenschutz, Akzeptanz in der Käuferschaft, rechtliche Bedenken, sonstige Risiken, Guidelines)? Welche technologischen Grenzen gibt es? etc. 

Kategorisieren Sie in realisierbare und nicht realisierbare Cases. Die nicht realisierbaren fallen ab sofort weg.

2. Welchen langfristigen Benefit bringt ein KI-Case im Verhältnis zu den Implementierungskosten? 

Dann setzen Sie in einem zweiten Koordinatensystem das eine Kriterium auf die X-, das andere auf die Y-Achse. Platzieren Sie die Use Cases an die passende Stelle und identifizieren Sie dann die Cases, die möglichst günstig in der Implementierung sind und zugleich einen großen Benefit für Sie haben. Die suchen wir. Alle anderen sortieren Sie aus. 

Etappe 3: Ran an den GenAI-Schatz 

Im letzten Schritt priorisieren Sie das Set der für Sie vielversprechendsten Uses Cases. Hier bieten sich Kriterien wie Brand und Process Value an. Fragen Sie sich:

• Wie sehr zahlen KI-Implementierungen im konkreten Anwendungsfall auf unsere Marke ein?
• Wie stark vereinfachen sie unsere Prozesse?
• Wie viel besser und qualitativ hochwertiger werden die Arbeitsergebnisse?

KI-Implementierung im Unternehmen: Training ist das A&O

Jetzt haben Sie Ihre KI-Schatztruhe hoffentlich schon vor Augen. Glitzert das nicht ganz wundervoll?

Um nun in die Implementierung zu kommen, rücken neue Aspekte in den Fokus, wie etwa eine angepasste Personalplanung oder die Weiterbildung der Mitarbeitenden. Es geht um Fragen wie:

• Wie viele Ressourcen auf den einzelnen Use Cases fallen weg, wie viele zusätzliche braucht es an anderer?
• Brauchen wir neue Kompetenzen oder Job-Descriptions?
• Benötigen wir zusätzliches Personal, damit der KI-Change gelingen kann? Wie sollten wir unsere aktuelle Belegschaft trainieren, damit sie KI-Technologie sicher und kompetent anwenden können?

Sie führen Generative KI im Unternehmen ein oder planen es? Wir beraten Sie und bilden Ihr Team aus
In unseren individuellen Workshops erhalten Einsteiger und Profis praktisch nutzbares Wissen, üben an passenden Use Cases den Umgang mit der neuen Technologie und erfahren wichtige Hintergründe. Wir schulen in deutscher und englischer Sprache. Senden Sie uns einfach eine kurze Nachricht!

Unser AI Readiness-Report hat übrigens auch gezeigt: In das KI-Training ihrer Mitarbeiter:innen wird seitens der Unternehmen noch kaum investiert. Ein Fehler, denn um produktiv mit KI zu arbeiten, braucht es solides Grundwissen und Praxiskenntnisse. Hier sollte eine maßgeschneiderte Unternehmenslösung das Mittel der Wahl sein. Bei disruptive sind wir aktuell dabei, eine skalierbare KI-Akademie aufzubauen. Modulares KI-Learning, wann und wo man will, wird so ganz einfach möglich.

KI-Change: Der Faktor Mensch im Fokus

Sitzen Sie im Geiste schon auf gepackten Koffern? Ich hoffe, sie haben Lust auf eine KI-Expedition bekommen. 

Ein Gedanke zum Schluss: KI-Implementierungsprojekte sind Change-Projekte. Irgendjemand Kluges hat mal gesagt: Das Wichtigste, damit Change gelingt, sind die Menschen. Die GenAI-Disruption verunsichert und polarisiert – auch wenn die Mitarbeitenden generell optimistisch in die KI-Zukunft schauen. Nur, wenn wir die Motivierten frühzeitig fördern und die Bedenken und Sorgen derer, die noch zögern, ernst nehmen, steht dem Erfolg Ihrer KI-Expedition nichts mehr im Wege. Also dann: Safe travels!

Bildquelle: Midjourney/disruptive

Der Beitrag In 3 Etappen zum KI-Gold: So heben Sie das Potenzial von GenAI im Unternehmen  erschien zuerst auf https://disruptive-muenchen.de/ki-akademie.