Die wichtigesten Regeln beim Prompten

Nachdem wir uns im ersten Teil unserer Serie mit den verschiedenen Arten von KI beschäftigt, im zweiten Teil einen näheren Blick auf die generative KI und ihre Besonderheiten geworfen, im dritten Teil die verschiedenen Modelle betrachtet, im vierten Teil erfahren haben, welche Eigenschaften von Sprachmodellen wir beim Prompten im Hinterkopf haben müssen und im fünften Teil die Prompting-Praxis kennengelernt haben, geht es in diesem Teil um den Zusammenhang von generativer KI und Daten.

Mit den richtigen Prompts können wir viel erreichen. Mehrsprachige Websites sind plötzlich kein Zeit- oder Budgetfresser mehr, denn die Übersetzungen übernimmt die KI. Podcasts können im Nachhinein bearbeitet werden, ohne dass die Sprecher*innen nochmals ans Mikro müssen. Effizienzgewinne sind aus dem Stand möglich. Doch sie sind kein Alleinstellungsmerkmal. Zukünftig wird nahezu jedes Unternehmen KI-Tools so einsetzen, so wie heute fast jedes Unternehmen digitale Kommunikationskanäle nutzt. Was also ist nötig, um die eigenen USPs in die Zukunft zu transferieren?

Hier spielen Daten eine zentrale Rolle. Jedes Unternehmen verfügt über eigene Daten, die einen wesentlichen Teil der Expertise ausmachen. Diese Daten lassen sich in verschiedene Kategorien unterteilen, zum Beispiel Kundendaten, Marktdaten, Wettbewerberdaten oder betriebsinterne Daten. Diese Unterscheidung ist relevant, da jede dieser Kategorien eine spezifische Funktion hat und sich gezielt für den Einsatz von KI nutzen lässt.

Häufig ist es so, dass Unternehmen zwar über große Mengen an Daten verfügen, diese aber nicht immer in einer Form vorliegen, die sofort genutzt werden kann. Manchmal fehlt auch das Bewusstsein dafür, welche Daten bereits vorhanden sind. Viele Daten schlummern in Archiven, sind unstrukturiert oder über verschiedene Systeme verteilt. Doch das bedeutet nicht, dass sie wertlos sind – im Gegenteil. Wenn wir sie erschließen, eröffnen sich zahlreiche Möglichkeiten, sie zusammen mit KI zu nutzen, um Prozesse zu optimieren oder ganz neue Produkte entstehen zu lassen.

Hauptsache datenbasiert

Was also sind das für Produkte oder Prozesse, bei denen Daten die generative KI vergolden? Und übrigens auch umgekehrt.

• Spezialisierte Lösungen: Die Kombination von KI mit proprietären Daten kann maßgeschneiderte Anwendungen hervorbringen, die sich von Standardlösungen abheben. Werden zum Beispiel Kundendaten mit generativen KI-Modellen verknüpft, entstehen personalisierte Services oder Produkte, die besser auf die Bedürfnisse der Zielgruppe abgestimmt sind als generische Angebote. Nehmen wir ein Medienunternehmen. Es könnte etwa spezialisierte Analysetools entwickeln, die den Medienkonsum bestimmter Zielgruppen besser erfassen und diese Ergebnisse für die Content-Optimierung nutzen. Das Verständnis der eigenen Daten wird in diesem Fall zu einem entscheidenden Faktor für die Entwicklung derartiger Lösungen.
• Zusammenarbeit mit Technologieanbietern: Nicht jede Organisation verfügt über die Ressourcen, eigene KI-Modelle von Grund auf zu trainieren. Das ist auch gar nicht nötig, denn mit dem richtigen Partner-Ökosystem lassen sich Lösungen entwickeln, die ein solches Training erfordern. Hier geht es darum, einschätzen zu können, wie und mit wem Daten geteilt und genutzt werden können, um KI-basierte Anwendungen zu realisieren. Ein Mobilitätsdienstleister, der Daten über die Nutzung seiner Fahrzeuge sammelt, kann beispielsweise mit einem Technologieanbieter kooperieren, um vorausschauende Wartungspläne zu erstellen. In solchen Fällen sind Datennutzung und der richtige technologische Partner der Schlüssel, um das Potenzial der eigenen Daten voll auszuschöpfen.
• Prozessoptimierung: Eine weitere Möglichkeit, mit KI und Daten Wettbewerbsvorteile zu erzielen, liegt in der Optimierung interner Prozesse. Dies erfordert das Wissen, welche Abläufe verbessert werden können und wie sie sich mit KI automatisieren lassen. Beispielsweise könnten Agenturen ihre Projekt- und Ressourcenmanagementdaten nutzen, um Engpässe frühzeitig zu erkennen und den Workflow zu optimieren. KI-gestützte Systeme könnten anhand historischer Projektdaten typische Verzögerungen identifizieren und automatisch Vorschläge machen, wie Aufgaben effizienter verteilt werden können. Hier ist es entscheidend, ein Verständnis dafür zu entwickeln, welche betrieblichen Daten vorliegen und wie ein idealer Prozess aussehen könnte, um den Betrieb reibungsloser und profitabler zu gestalten.

Die Fähigkeit, Daten mit KI sinnvoll zu kombinieren, wird in Zukunft einen großen Unterschied im Wettbewerb ausmachen. Das Wissen darüber, wie Daten kategorisiert, genutzt und veredelt werden können, ist deshalb zentral – nicht nur für Spezialist*innen, sondern für alle, die Verantwortung für das Business tragen.

Wie wir konkret mit unternehmensinternen Daten und KI arbeiten, darum geht es im nächsten Teil unserer Serie.