HMD 61(2) - April 2024 - Generative KI: Die Ära der kreativen Maschinen
Auflistung nach:
Auflistung HMD 61(2) - April 2024 - Generative KI: Die Ära der kreativen Maschinen nach Schlagwort "Artificial Intelligence"
1 - 8 von 8
Treffer pro Seite
Sortieroptionen
- ZeitschriftenartikelErkennungsverfahren für KI-generierte Texte: Überblick und Architekturentwurf(HMD Praxis der Wirtschaftsinformatik: Vol. 61, No. 2, 2024) Pröhl, Thorsten; Mohrhardt, Radoslaw; Förster, Niels; Putzier, Erik; Zarnekow, RüdigerDurch Transformer-basierte KI-Systeme wurden große Fortschritte, u. a. in den Bereichen Textverarbeitung und -verständnis, erreicht. Diese Deep-Learning-Modelle ermöglichen das Generieren von Texten und bilden die Grundlage moderner Sprachmodelle. Die rasante Entwicklung der letzten Jahre hat große Sprachmodelle, wie ChatGPT, Bard oder VICUNA-13B, hervorgebracht. Der Beitrag präsentiert die Entwicklung der Sprachmodelle hin zu den großen Sprachmodellen. Durch die fortschreitende Entwicklung der Sprachmodelle ergeben sich vielfältige Möglichkeiten und Probleme, weshalb eine Erkennung von LLM-generierten Texten wichtig ist. Dieser Artikel stellt unterschiedliche Ansätze bekannter Erkennungsverfahren dar. Neben statistischen Klassifizierungsverfahren werden auch Deep-Learning-basierte und Zero-Shot-Verfahren besprochen. Daneben werden ein kompressionsorientierter Ansatz vorgestellt sowie Kennzeichnungsverfahren präsentiert. Nach dem tabellarischen Vergleich der in der Literatur vorgestellten Verfahren werden implementierte Softwaredetektoren präsentiert. Im Anschluss werden Überlegungen zum Entwurf eines Trainingsdatensatzes aufgezeigt, wodurch die Grundlage für einen eigenen Ansatz zur Erkennung von KI-generierten Texten in deutscher Sprache geschaffen wird. Darüber hinaus werden die Architektur und das Design des eigenen Ansatzes, dem KI-Inhalte-Detektor, vorgestellt und beschrieben sowie die Limitationen aufgezeigt. Transformer-based AI systems have made great progress in areas such as text processing and comprehension. These deep learning models enable the generation of texts and form the basis of modern language models. The rapid development of recent years has produced large language models such as ChatGPT, Bard and VICUNA-13B. This article presents the development of language models towards large language models. The progressive development of language models has resulted in unimagined possibilities and, at the same time, a variety of problems, which is why it is important to recognize LLM-generated textual content. This article presents the different approaches of known recognition methods. In addition to statistical classification methods, deep learning-based and zero-shot methods are also discussed. In addition, a compression-oriented approach is presented as well as labeling methods. After a tabular comparison of the methods presented in the literature, implemented software detectors are presented. Subsequently, considerations for the design of a training dataset are presented, creating the basis for an own approach for the recognition of AI-generated texts in German. In addition, the architecture and design of our own approach, the AI content detector, is presented and described and the limitations are shown.
- ZeitschriftenartikelEthische Aspekte beim Einsatz künstlicher Intelligenzen im Kontext des industriellen Wandels(HMD Praxis der Wirtschaftsinformatik: Vol. 61, No. 2, 2024) Fall, Daniel; Manouchehri, ShakibDer Beitrag untersucht die ethischen Implikationen des Einsatzes von künstlicher Intelligenz (KI) im industriellen Kontext vor dem Hintergrund eines sich ständig wandelnden Industrieumfelds. Methodisch beruht der Beitrag auf einer qualitativen Dokumentenanalyse. Es wurden 56 Zeitungsartikel zwischen 1960 und 2023 zum Thema analysiert und mithilfe eines induktiv gebildeten Kategoriensystems codiert. Dadurch konnten gesellschaftliche Haltungen, Erwartungen, Hoffnungen und Ängste im Zusammenhang mit KI bestimmt werden. Die Ergebnisse zeigen die wichtigsten Anwendungsbereiche von KI im industriellen Kontext auf und identifizieren auf Grundlage der narrativen Ethik spezifische ethische Problemstellungen. Als zentrale Problem- und Fragestellungen kristallisieren sich die Bedeutung und Möglichkeit einer Substitution menschlicher Arbeit durch KI, Fragen der moralischen Verantwortung, Regulierungsansätze und damit verbundene Problemstellungen sowie die Notwendigkeit der digitalen Kompetenzen in verschiedenen Ausprägungen heraus. This article examines the ethical implications of Artificial Intelligence (AI) deployment in the industrial context, considering a constantly evolving industrial environment. The article is methodologically based on qualitative document analysis. 56 newspaper articles published between 1960 and 2023 were analyzed and coded using an inductively derived categorization system. This approach enabled the identification of societal attitudes, expectations, hopes, and concerns associated with AI. The findings of the study highlight the key application areas of AI in the industrial context and identify specific ethical issues based on the narrative ethics approach. The central problem and research questions revolve around the significance and potential substitution of human labor by AI, questions of moral responsibility, regulatory approaches and associated challenges, as well as the need for digital skills in various forms.
- ZeitschriftenartikelFaire KI-basierte Sprachassistenten(HMD Praxis der Wirtschaftsinformatik: Vol. 61, No. 2, 2024) Weith, HelenaObwohl Sprachassistenten Vorteile wie personalisierte Empfehlungen und Kommunikation, lediglich basierend auf Sprache, für Nutzer und Unternehmen mit sich bringen, besteht das Risiko, dass diese unfair agieren. Die technische und soziale Fairnessperspektive wurde bislang isoliert voneinander betrachtet. Es ist relevant eine gemeinschaftliche sozio-technische Fairnessperspektive vorzunehmen, mangelt allerdings an konkreten Maßnahmen, um diese sozio-technische Fairnes für Sprachassistenten zu erreichen. Daher liefert dieser Artikel basierend auf zwölf Experteninterviews ein Framework, welches fünf Handlungsfelder sowie dazugehörige konkrete Maßnahmen aufzeigt, die Unternehmen adressieren müssen, um die sozio-technische Fairness von Sprachassistenten zu erzielen. Dabei bauen die Ergebnisse auf dem Konzept der sozio-technischen Fairness auf, erweitern diese jedoch unter der Berücksichtigung der spezifischen Eigenschaften und Herausforderungen von Sprachassistenten um konkrete Maßnahmen. Unternehmen erhalten eine übergreifende Übersicht von Maßnahmen, um die sozio-technische Fairness von Sprachassistenten herzustellen. Although voice assistants bring benefits to users and businesses, there is a risk of them being unfair. The technical and social fairness perspectives have so far mainly been considered separate, but it is relevant to consider the socio-technical fairness perspective and identify how it can be achieved for AI-based voice assistants. Based on 12 expert interviews, this article, therefore, provides a framework including five fields of action and corresponding measures companies should address in order to achieve socio-technical fairness of voice assistants. The results build on the concept of socio-technical fairness, considering the specific characteristics and challenges of voice assistants. This article provides companies with a comprehensive overview of measures to ensure the socio-technical fairness of voice assistants.
- ZeitschriftenartikelGenerative Künstliche Intelligenz – die neue Ära der kreativen Maschinen(HMD Praxis der Wirtschaftsinformatik: Vol. 61, No. 2, 2024) D’Onofrio, SaraKünstliche Intelligenz (KI) hat in jüngster Zeit erhebliche Fortschritte gemacht, insbesondere im Bereich der generativen KI. Diese Technologie kann neue Inhalte wie Texte und Bilder schaffen, die kreativ und originell sind. Dieser Grundlagenartikel führt die zwei Begriffe „Künstliche Intelligenz“ und „Generative Künstliche Intelligenz“ ein, stellt drei generative Modelle näher vor und adressiert einige der Herausforderungen der generativen KI sowohl aus technischer Perspektive als auch aus Benutzersicht. Die Diskussion über kreative Maschinen verdeutlicht die Wichtigkeit einer verantwortungsvollen Nutzung von KI-Systemen und das Bewusstsein für und die Bewältigung potenzieller Gefahren. Artificial Intelligence (AI) has made significant progress recently, especially in the field of generative AI. This technology can create new content, such as texts and images, that is creative and original. This foundational article introduces the two terms “artificial intelligence” and “generative artificial intelligence”, presents three generative models, and addresses some of the challenges of generative AI from both technical and user perspectives. The discussion about creative machines underscores the importance of responsible usage of AI systems and awareness of as well as mitigation of potential risks.
- ZeitschriftenartikelGenerative Lyrik(HMD Praxis der Wirtschaftsinformatik: Vol. 61, No. 2, 2024) Meier, AndreasDer Beitrag beleuchtet das Potenzial Generativer Kunstformen und widmet sich anhand eines konkreten Maschinengedichts wichtigen Fragen Generativer Lyrik: Wie unterscheidet sich ein Gedicht von einem computergenerierten Poem? Sind Algorithmen der Künstlichen Intelligenz hilfreich oder ersetzen sie gar den Poeten? Wem gehört das Copyright, dem Programmierer oder der Maschine? Nach einer Fallstudie zu einem siebenzeiligen Gedicht werden rechnergestützte Poems zu Buchstaben, Primzahlen, Symbolen, Permutationen, künstlichen Sprachelementen sowie zu Klang- und Farbbildern exemplarisch diskutiert. Chancen und Grenzen Generativer Poesie runden den Beitrag ab. The article sheds light on the potential of generative art forms and uses a specific machine poem to address important questions of generative lyrics: How does a poem differ from a computer-generated poem? Are artificial intelligence algorithms helpful or do they even replace the poet? Who owns the copyright, the programmer or the machine? After a case study on a seven-line poem, computer-generated poems of letters, prime numbers, symbols, permutations, artificial language elements as well as sound and color images will be discussed as examples. Opportunities and limitations of generative poetry round off the article.
- ZeitschriftenartikelKI-basierte Textkreation im Content Marketing: Design und Evaluation eines effektiven Prompts(HMD Praxis der Wirtschaftsinformatik: Vol. 61, No. 2, 2024) Steinmann, Nadine; Piazza, AlexanderDie Herausforderung beim Einsatz von generativer Text-KI, wie ChatGPT, besteht darin, die Potenziale effizient zu nutzen und im Hinblick auf die Erreichung von Qualitätszielen optimal einzusetzen. Dabei ist die menschliche Eingabe in die Künstliche Intelligenz (KI) – der Prompt – entscheidend. Der vorliegende Beitrag widmet sich der Frage, wie die KI-basierte Textausgabe bei ChatGPT durch Prompt Engineering gezielt gesteuert werden kann, damit die Textqualität der generativen KI den Erfolgskriterien für Content Marketing Texte entspricht. Die Ergebnisse identifizieren eine effektive Prompt-Struktur für qualitativ hochwertige Content Marketing Texte mit ChatGPT. Insbesondere das Zero-shot Chain-of-Thought und das One-shot bzw. Few-shot Prompting erweisen sich als erfolgreich, da diese Techniken eine gezielte Steuerung des ChatGPT-Outputs in Richtung der Erfolgskriterien ermöglichen. Darüber hinaus werden die aktuellen Schwächen von KI-generierten Texten beschrieben. Dabei werden auch die Grenzen von ChatGPT deutlich, die durch eine kollaborative Wertschöpfung von Mensch und KI zur gemeinsamen Erreichung von Qualitätszielen überwunden werden können. Die theoretisch und praktisch fundierten Ergebnisse und Implikationen der Untersuchung bieten eine Orientierungshilfe für Content Marketer zur effizienten Nutzung von ChatGPT. The challenge in using generative text artificial intelligence (AI) such as ChatGPT is to harness its potential efficiently and optimally in terms of achieving quality goals. In this context, human input to the AI (prompt) is crucial. This article is dedicated to the question of how the AI-based text output of ChatGPT can be specifically controlled by prompt engineering, so that the text quality of the generative AI meets the criteria for successful content marketing texts. The results identify an effective prompt structure for high quality content marketing text copy using ChatGPT. In particular, the Zero-shot Chain-of-Thought, One-shot and Few-shot prompting prove to be successful, as these techniques allow the ChatGPT text output to match the success criteria. In addition, the current weaknesses of AI-generated texts are discussed. This also highlights the limitations of ChatGPT. Through an efficient collaboration between humans and AI these limitations can be overcome and quality goals can be achieved in a joint effort. The theoretically and practically sound results and implications of the research provide guidance to content marketers on the efficient use of ChatGPT.
- ZeitschriftenartikelKompetenzfelder künftiger Beschäftigter im Bereich Künstlicher Intelligenz(HMD Praxis der Wirtschaftsinformatik: Vol. 61, No. 2, 2024) Neuhaus, Uwe; Schulz, Michael; Schröder, Hinrich; Herrmann, FranziskaIn dem Beitrag wird basierend auf einer Literaturrecherche herausgearbeitet, welche Kompetenzfelder zu adressieren sind, um Mitarbeitende von Unternehmen zu befähigen, Systeme aus dem Bereich der Künstlichen Intelligenz (KI) einsetzen und/oder mit ihnen umgehen zu können. Im Fokus stehen dabei nicht nur die Kompetenzanforderungen an KI-Expert*innen, sondern an alle Mitarbeitenden, die aktuell oder zukünftig mit KI-Systemen interagieren. Die Untersuchung basiert auf einem Kompetenzschema, das bereits zur Einordnung der Kompetenzen im Bereich Business Analytics verwendet wurde. Als Ergebnis wird die Unterscheidung von fünf Kompetenzfeldern und drei Kompetenzstufen vorgeschlagen, auf deren Grundlage Unternehmen und deren aktuelle und potenzielle Beschäftigte gezielt künftig benötigte KI-Kompetenzen erwerben bzw. entwickeln können. Based on a literature review, this article identifies the competencies that need to be addressed to enable company employees to use and/or deal with artificial intelligence (AI) systems. The focus is not only on the competence requirements for AI experts, but also for all employees who interact with AI systems now or in the future. The study is based on a competency scheme that has already been used to classify competencies in the field of business analytics. As a result, a distinction between five competence fields and three competence levels is proposed, based on which companies and their current and potential employees can acquire or develop the AI skills they will need in the future.
- ZeitschriftenartikelKünstliche Intelligenz in betrieblichen Prozessen: Ein Vorgehensmodell zur partizipativen Gestaltung von KI-Anwendungen(HMD Praxis der Wirtschaftsinformatik: Vol. 61, No. 2, 2024) Ruess, Patrick; Staffa, Anna; Kreutz, Anna; Busch, Christine; Saba Gayoso, Christian Oswaldo; Pollmann, KathrinSchon heute gilt Künstliche Intelligenz (KI) als betrieblicher Wertschöpfungsfaktor, von dem sich Unternehmen neue Impulse für bestehende Prozesse und Geschäftsmodelle versprechen. Während der derzeitige Diskurs vor allem technische Möglichkeiten und Anwendungsfälle in den Blick nimmt, umfasst die erfolgreiche betriebliche Integration allerdings auch wesentliche soziale und organisatorische Aspekte. Im vorliegenden Artikel werden daher inner- und überbetriebliche Anforderungen identifiziert, die eine Mitarbeiter*innen-gerechte und partizipative Gestaltung von KI-Anwendungen im betrieblichen Umfeld ermöglichen. Die empirische Grundlage hierfür bildet eine Interviewstudie, in der der KI-Einsatz in unterschiedlichen Branchen und Unternehmensbereichen untersucht wurde. Darauf aufbauend wird ein Vorgehensmodell eingeführt, dass gemäß den identifizierten Kriterien eine partizipative Teilhabe bei der Gestaltung von betrieblichen KI-Anwendungen erlaubt. Das Modell bezieht sich auf die Qualifizierung und Akzeptanzbildung in der Belegschaft, aber auch auf die organisatorische Umsetzung und Verstetigung. Die Herangehensweise verknüpft infrastrukturelle, interaktive als auch konzeptionelle Bausteine miteinander und zielt darauf ab, die Beteiligung der Mitarbeiter*innen in allen Phasen der KI-Entwicklung zu fördern und in der betrieblichen Umsetzung zu berücksichtigen. Die Ergebnisse dieser Forschung bieten praktische Anknüpfungspunkte für Unternehmen, die sich mit Fragen der KI-Implementierung befassen. Gleichzeitig ergänzen sie den aktuellen wissenschaftlichen Diskurs um die Perspektive, die eine konsequente betriebliche Gestaltung und Teilhabe vorsieht. Die zu diesem Zweck identifizierten Anforderungen komplementieren die empirische Grundlage in der Forschung. Artificial intelligence (AI) is an operational factor that adds value for companies, providing new ideas for existing processes and business models. Although the current discourse emphasizes technical possibilities and use cases, successful operational integration requires essential social and organizational aspects to be considered. This article identifies the internal and external requirements for an employee-friendly and participatory design of AI applications in the business environment. An interview-based study was conducted to investigate the use of AI in various sectors and company divisions. The study’s findings allow for a process model to be introduced that facilitates participatory involvement in the design of corporate AI applications, guided by the identified criteria. The model pertains to the development of qualifications and acceptance in the workforce and the implementation and stabilization of organizations. The approach connects infrastructural, interactive, and conceptual building blocks and strives to encourage employee involvement throughout all phases of AI development for further consideration in operational implementation. The findings of this study provide tangible insights for companies navigating AI implementation concerns. At the same time, they supplement the current scientific discourse with a perspective that provides for consistent operational design and participation. The requirements identified for this purpose complement the empirical basis of the research.