Logo des Repositoriums

Auflistung nach Schlagwort "Generative Artificial Intelligence"

1 - 6 von 6
  • Konferenzbeitrag
    Assessment Power of ChatGPT in the Context of Environmental Compliance Management – Experiments with a Real-World Regulation Cadastre
    (EnviroInfo 2023, 2023) Thimm, Heiko
    In multiple research disciplines use cases built on Large Language Models in particular ChatGPT are at the centre of today’s discussions. For example, in various ongoing projects of the LegalTech area ChatGPT is evaluated in terms of its potential to replace routine work of lawyers. In a recently started project we are investigating the use of ChatGPT for a specific corporate compliance management task. In particular, based on a real-world test data set ChatGPT is prompted to assess the relevance of environmental regulations. The ChatGPT output is compared to the respective judgements of the human experts in order to obtain a first indication of the assessment power of ChatGPT in the compliance management domain. This research in progress article gives an overview of the evaluation approach and presents first results of a set of 142 test cases covering regulations from four different areas of environmental legislation.
  • Zeitschriftenartikel
    Generative Künstliche Intelligenz – die neue Ära der kreativen Maschinen
    (HMD Praxis der Wirtschaftsinformatik: Vol. 61, No. 2, 2024) D’Onofrio, Sara
    Künstliche 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.
  • Zeitschriftenartikel
    KI-basierte Textkreation im Content Marketing: Design und Evaluation eines effektiven Prompts
    (HMD Praxis der Wirtschaftsinformatik: Vol. 61, No. 2, 2024) Steinmann, Nadine; Piazza, Alexander
    Die 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.
  • Konferenzbeitrag
    LLMs on the Edge: Quality, Latency, and Energy Efficiency
    (INFORMATIK 2024, 2024) Bast, Sebastian; Begic Fazlic, Lejla; Naumann, Stefan; Dartmann, Guido
    Generative Artificial Intelligence has become integral to many people's lives, with Large Language Models (LLMs) gaining popularity in both science and society. While training these models is known to require significant energy, inference also contributes substantially to their total energy consumption. This study investigates how to use LLMs sustainably by examining the efficiency of inference, particularly on local hardware with limited computing resources. We develop metrics to quantify the efficiency of LLMs on edge devices, focusing on quality, latency, and energy consumption. Our comparison of three state-of-the-art generative models on edge devices shows that they achieve quality scores ranging from 73.3% to 85.9%, generate 1.83 to 3.51 tokens per second, and consume between 0.93 and 1.76 mWh of energy per token on a single-board computer without GPU support. The findings suggest that generative models can produce satisfactory outcomes on edge devices, but thorough efficiency evaluations are recommended before deployment in production environments.
  • Konferenzbeitrag
    Public and Expert Insights into Generative AI: The potential for the Financial Industry
    (INFORMATIK 2024, 2024) Zacharias, Jan
    In the last few years, generative artificial intelligence (gen AI) has become a success factor in various sectors, including the financial industry. Understanding how the industry perceives gen AI is vital for its successful integration. Therefore, we conducted a mixed-methods study consisting of sentiment and subjectivity analyses of finance-related Reddit discussions, combined with expert interviews from global financial institutions. Whereas the public sentiment has a cautious optimism, experts express both strong support and concerns about gen AI implementations in financial institutions. This study contributes to the academic and practical understanding of gen AI’s real-world implications, highlighting the need for well-considered implementation strategies in the financial industry.
  • Zeitschriftenartikel
    Zwischen Forschung und Praxis: Fähigkeiten und Limitationen generativer KI sowie ihre wachsende Bedeutung in der Zukunft
    (HMD Praxis der Wirtschaftsinformatik: Vol. 61, No. 2, 2024) Leible, Stephan; Gücük, Gian-Luca; Simic, Dejan; von Brackel-Schmidt, Constantin; Lewandowski, Tom
    Die dynamische Entwicklung und steigende Beliebtheit generativer künstlicher Intelligenz (genKI), besonders durch die Verbreitung und dem Einsatz von ChatGPT, hat das enorme Potenzial dieser Technologie gezeigt, Berufsfelder und Branchen grundlegend transformieren zu können. Die Entscheidung hinsichtlich des Einsatzes von genKI sowie die Identifikation aussichtsreicher Anwendungsszenarien stellen in Anbetracht eines rasch wachsenden und immer komplexeren Marktes erhebliche Herausforderungen dar. Angesichts dieser Gegebenheiten wird mit dem vorliegenden Artikel das Ziel verfolgt, eine Übersicht über die Fähigkeiten und Limitationen von genKI zu präsentieren. Mittels einer systematischen Literaturrecherche wurden vielfältige Anwendungsszenarien eruiert und im Hinblick auf die Ergebnisse des genKI-Einsatzes bewertet, was eine Momentaufnahme der aktuellen Fähigkeiten und Limitationen ermöglichte. Zusätzlich wurde eine Umfrage unter 40 Teilnehmenden durchgeführt, um die Nutzungsgewohnheiten und Erfahrungen im Umgang mit genKI zu erfassen und die Befunde aus der Literatur zu validieren. Die erlangten Einsichten sollen Praktikerinnen und Praktiker bei der Navigation im Bereich genKI unterstützen und eine Entscheidungshilfe bieten, indem die identifizierten Fähigkeiten und Limitationen im Kontext eigener Anwendungsszenarien eingeordnet werden können. Weiterhin liefern die Ergebnisse Anhaltspunkte für die methodische Untersuchung von genKI-Anwendungsszenarien sowie Ausgangspunkte für die wissenschaftliche Vertiefung durch Forscherinnen und Forscher. Mit der Verknüpfung von theoretischer Analyse und praktischer Erhebung bietet der Artikel einen umfassenden Einblick in den aktuellen Stand von genKI. The dynamic development and increasing popularity of generative artificial intelligence (genAI), especially through the spread and use of ChatGPT, has shown the enormous potential of this technology to fundamentally transform professions and industries. The decision regarding using genAI and identifying promising application scenarios pose considerable challenges in view of a rapidly growing and increasingly complex market. Given these circumstances, this article aims to present an overview of the capabilities and limitations of genAI. A systematic literature review was used to identify a variety of application scenarios and evaluate them in terms of the outcomes of genAI deployment, providing a snapshot of current capabilities and limitations. In addition, a survey was conducted among 40 participants to record usage habits and experiences in dealing with genAI and to validate the findings from the literature. The insights gained should support practitioners in navigating the field of genAI and provide decision-making support by enabling them to classify the identified capabilities and limitations in the context of their own application scenarios. Furthermore, the results provide points of reference for the methodical investigation of genAI application scenarios as well as starting points for in-depth scientific research by researchers. By linking theoretical analysis and a practical survey, the article offers a comprehensive insight into the current state of genAI.