Ein Artikel von Jonas Piela, Managing Director Piela & Co. Digital Consultants
GenAI ist ein mächtiges Werkzeug, das aus Trainingsdaten neue Inhalte generieren kann. Es ermöglicht die Umformulierung von Texten, aber auch die Erstellung von Bildern und Videos. Dennoch ist es wichtig, die Grenzen von GenAI zu erkennen. Es ist kein Allheilmittel, das alle Aufgaben erledigen kann, und es ersetzt nicht die menschliche Kreativität. Vielmehr kann es als Ergänzung gesehen werden. GenAI ist keine Magie, sondern Mathematik, die Daten in unterschiedlichen Konstellationen kombiniert, um neue Inhalte zu erstellen.
Der Einsatz von GenAI im Kundenservice: Ein konkretes Beispiel
Ein Kunde fragt telefonisch, ob er sein Kind im Auto mitfahren lassen darf und ob dies in seinem aktuellen Vertrag extra kostet. Um diese Frage mithilfe von GenAI zu beantworten, müssen alle Paragrafen der Allgemeinen Versicherungsbedingungen (AVB) in eine Datenbank eingefügt werden. Diese Paragrafen können mit einer KI erweitert und detaillierter beschrieben werden, um im nächsten Schritt einen umfangreicheren Text zur Verfügung zu haben. Die Kundenfrage wird dann mit jedem Paragrafen der AVB verglichen, und die KI wird gefragt, ob der Paragraf die Frage beantwortet. Wenn dies der Fall ist, wird die KI aufgefordert, eine Antwort unter Verwendung des entsprechenden Paragrafen zu formulieren.
Diese Antwort wird dann dem Kunden zurückgespielt. Dieser Prozess verdeutlicht, dass es sich bei GenAI nicht um ein einzelnes Modell handelt, sondern um eine Kombination verschiedener Modelle, die jeweils auf bestimmte Aufgaben spezialisiert sind. Diese Modelle werden hintereinandergeschaltet, wobei klassische Softwareentwicklungssysteme die Ausgaben der vorhergehenden KI umformen, weiterleiten und als Input für die nächste KI verwenden.
Die Herausforderungen der Implementierung: Zeit, Daten und Systemintegration
Die Integration von GenAI in ein Telefongespräch, bei dem die KI den Anruf entgegennimmt und bearbeitet, stellt jedoch Herausforderungen dar. Zum einen dauert die Verarbeitung und die Rückgabe einer Antwort im derzeitigen Stand der Technik vergleichsweise lange, da viele komplexe Abfragen gleichzeitig gestellt werden müssen. Zum anderen können die Antworten falsch sein, weshalb eine Plausibilitätsprüfung mit einem weiteren Large Language Model sinnvoll ist.
Um die Qualität der Antworten im Vorfeld zu verbessern, können mit GenAI viele mögliche Fragen generiert werden, die dann dem Modell gestellt und deren Antworten von Menschen überprüft werden. Dieses Feedback dient dann der Optimierung des Modells.
Die größten Herausforderungen bei der Implementierung von GenAI liegen jedoch in den Daten und der Systemintegration. Oft wird der Spruch „Daten sind das neue Öl“ bemüht, aber vergessen wird, dass diese Daten relevant, aktuell, bereinigt und vollständig sein müssen. Die größte Herausforderung liegt darin, diese Daten zugänglich zu machen, da verschiedene Systeme oft nicht miteinander kompatibel sind. Die fehlende Kompatibilität von Exportdateien, die in Kopfzeilen unnötige Leerzeilen enthalten, führt zu Problemen bei der Datenübertragung und erfordert manuelle Bereinigung.
Unternehmen haben jedoch den Vorteil, über eigene Daten zu verfügen, die Wissen beinhalten. Dieses Wissen ist jedoch oft implizit und nicht in einer für GenAI zugänglichen Form verfügbar.
Seite 1 KI und die Suche nach sinnvollen Use Cases
Seite 2 Use Cases: Von Textumformulierung bis zur Schadenmeldung
Jonas Piela 
- Anmelden, um Kommentare verfassen zu können
