Die künstliche Intelligenz (KI) hat zweifellos unsere Welt revolutioniert. Von der Automatisierung bis zur Unterstützung in komplexen Entscheidungsprozessen hat sie sich als unverzichtbarer Helfer im Alltag etabliert. Doch hinter der faszinierenden Fähigkeit der KI, uns zu unterstützen, verbirgt sich auch eine Herausforderung: der unerwartete Frust, wenn das Ergebnis plötzlich ganz anders ausfällt als erwartet.
Die KI hat sich in unseren Alltag geschlichen und erleichtert uns vieles: von personalisierten Empfehlungen beim Online-Shopping bis hin zur Assistenz in medizinischen Diagnosen. Doch plötzlich kann die KI auch für Verwirrung sorgen – sei es in einem Chat mit einem Sprachassistenten oder bei der Ausgabe unerwarteter Antworten.
Projektmanager/in: „Kannst du mir helfen, ein effizientes Zeitmanagement für unser Projekt zu entwickeln?“
KI-Antwort: „Sicher, ich habe einen Tipp für dich! Denk daran, dass Geduld und klare Kommunikation entscheidend sind, um eine gute Beziehung zu deinen Kindern aufzubauen. Setze klare Grenzen und sei einfühlsam.“
In diesem absurd-komischen Szenario hat die KI eine Antwort geliefert, die eher einem Rat für Eltern ähnelt als einem Tipp für effizientes Zeitmanagement in einem Projekt. Solche unerwarteten Antworten sind oft frustrierend. Ich möchte zwei besondere Tipps anhand von jeweils drei Beispielen erläutern.
Lesetipp: So nutzen Sie ChatGPT als Projektmanager
Hack 1: Die Rolle erklären
Um die KI in eine spezifische Rolle zu versetzen, ist es wichtig, die Aufgaben, Verantwortlichkeiten und den Kontext dieser Rolle klar zu beschreiben. Durch die Darstellung des Szenarios kann die KI besser verstehen, welche Art von Informationen oder Unterstützung benötigt wird.
Könnte man selbst folgende spezifischen Anforderungen zweifelsfrei beantworten? Was kann ich bei Menschen tun, welche sich neuen Inhalten verschließen. Hier könnte ich als Vater anders antworten als als Vorgesetzte Person. Die Antwort kann also am Thema vorbeigehen wenn Sie diese Informationen nicht haben.
Beispiel 1: Projektmanager*in
„Als Projektmanager*in leite ich ein Team für ein Softwareentwicklungsprojekt. Meine Hauptaufgaben umfassen die Koordination der Teammitglieder, das Festlegen von Meilensteinen, die Budgetverwaltung und die Gewährleistung, dass das Projekt rechtzeitig und im Rahmen der Anforderungen abgeschlossen wird.“
Beispiel 2: Softwareentwickler*in
„Als Softwareentwicklerin arbeite ich an der Implementierung neuer Funktionen in einem laufenden Projekt. Meine Verantwortlichkeiten umfassen das Schreiben von Code, das Testen der Funktionalität und die Zusammenarbeit mit anderen Entwicklerinnen im Team.“
Beispiel 3: IT-Produktmanager*in
„Als IT-Produktmanager*in bin ich für die Planung und Entwicklung eines neuen Softwareprodukts verantwortlich. Meine Aufgaben umfassen die Koordination zwischen den Entwicklungs- und Marketingteams, die Priorisierung von Funktionen und die Gewährleistung, dass das Endprodukt den Anforderungen der Kunden entspricht.“
Beispiel 4: Dozent*in an einer Universität
„Als Dozent*in an einer Universität unterrichte ich Informatik und führe Seminare zu aktuellen Trends in der Technologiebranche durch. Meine Verantwortlichkeiten umfassen die Vorbereitung von Vorlesungen, die Unterstützung der Studierenden bei ihren Projekten und die Vermittlung von theoretischem und praktischem Wissen in meinem Fachgebiet.“
Hack 2: Den Kontext erklären
Bei der Interaktion mit künstlicher Intelligenz ist nicht nur das Verständnis der Rolle, sondern auch die Klarheit des Kontexts von entscheidender Bedeutung. Eine präzise Beschreibung des Kontexts ermöglicht es der KI, gezieltere und passendere Antworten zu liefern. Durch die Einbeziehung des Kontexts kann die KI besser verstehen, welche Informationen oder Unterstützung benötigt werden, um angemessene Antworten zu liefern.
Als Projektmanager/in, der die neue Projektstruktur aufbereiten möchte, variieren die Anforderungen an Informationen je nach Kontext. Bei einem Management Meeting benötige ich möglicherweise eine kompaktere Präsentation mit betontem Nutzen und mehr Zahlen, während vor den Scrum Teams detailliertere Informationen zu Prozessen und spezifischen Details gefragt sind. Die Anpassung der Information an den jeweiligen Kontext kann entscheidend sein, um effektiv auf die Bedürfnisse unterschiedlicher Zielgruppen einzugehen.
Beispiel 1: Projektmanager*in
„Als Projektmanagerin bereite ich mich auf ein Management-Meeting vor, in dem ich den Fortschritt unseres laufenden Softwareentwicklungsprojekts präsentieren werde. Die Managerinnen, denen ich berichte, sind Mitglieder des Top-Management-Teams, die Interesse an detaillierten Fortschrittsberichten und Budgetinformationen haben.“
Beispiel 2: Softwareentwickler*in
„Als Softwareentwicklerin arbeite ich an der Implementierung neuer Funktionen in einem laufenden Projekt. Meine Verantwortlichkeiten umfassen das Schreiben von Code, das Testen der Funktionalität und die Zusammenarbeit mit anderen Entwicklerinnen im Team.“
Beispiel 3: IT-Produktmanager*in
„Als IT-Produktmanager*in bin ich für die Planung und Entwicklung eines neuen Softwareprodukts verantwortlich. Meine Aufgaben umfassen die Koordination zwischen den Entwicklungs- und Marketingteams, die Priorisierung von Funktionen und die Gewährleistung, dass das Endprodukt den Anforderungen der Kunden entspricht.“
Beispiel 4: Dozent*in an einer Universität
„Als Dozent*in an einer Universität unterrichte ich Informatik und führe Seminare zu aktuellen Trends in der Technologiebranche durch. Meine Verantwortlichkeiten umfassen die Vorbereitung von Vorlesungen, die Unterstützung der Studierenden bei ihren Projekten und die Vermittlung von theoretischem und praktischem Wissen in meinem Fachgebiet.“
Lesetipp: So nutzen Sie ChatGPT als Projektmanager
Fazit
Die klare Definition des Kontexts neben dem Verständnis der Rolle ist ein entscheidender Schritt bei der Interaktion mit künstlicher Intelligenz. Aus eigener Erfahrung weiß ich, dass das Zusammenstellen einer präzisen Anfrage für ChatGBT Zeit und Sorgfalt erfordert. Es dauert oft 10-15 Minuten, um einen klaren und relevanten Input zu formulieren. Doch die Mühe zahlt sich aus, denn die Ergebnisse sind bemerkenswert.
Das Herausfordernde dabei ist, alle relevanten Aspekte eines Szenarios präzise zu vermitteln, um die gewünschten Antworten zu erhalten. Diese Erfahrung betont die Wichtigkeit eines klaren Kommunikationskanals zwischen Nutzer*in und KI.
Ein weiterer wichtiger Punkt ist die mögliche Entstehung einer neuen Fachrichtung – die Rolle des „Prompt Engineers“. Diese Fachleute könnten sich darauf spezialisieren, präzise Inputs für KI-Modelle zu erstellen. Ähnlich einem Architekten, der Baupläne entwirft, könnte ein Prompt Engineer ChatGBT-Prompts entwickeln, die die KI in die Lage versetzen, auf komplexe Anfragen basierend auf klar definierten Rollen und Kontexten zu reagieren. Diese Entwicklungen verdeutlichen, wie wichtig präzise Kommunikation und maßgeschneiderte Inputs für die Interaktion mit KI sind.
Die Erfahrung zeigt, dass eine klare Kommunikation des Kontexts nicht nur für die aktuelle Interaktion mit KI wichtig ist, sondern auch für die zukünftige Gestaltung von Schnittstellen zwischen Mensch und Maschine.
