BIM & KI - Surfen auf der Welle

Wie wird Kollege KI unser Freund? Ein Blick auf die positiven Veränderungen, die der Einsatz künstlich-intelligenter Tools in der Arbeitswelt mit sich bringen kann. Das Bier: Superfreunde „Rookie“

Kontakt BIM & Bier

• Senden Sie uns eine E-Mail: bimundbier@formitas.de
• Bewerten Sie uns auf Spotify: https://spoti.fi/3zdVbus
• Folgen Sie Formitas auf Linkedin: https://www.linkedin.com/company/6420289
• Abonnieren Sie unsere monatlichen News: https://bit.ly/3N520nZ

Danke fürs Zuhören!

Transcript

“Das Thema KI sieht aktuell nach einer perfekten Welle aus, vor der man nie weglaufen sollte. Die Frage ist einfach nur, wie man sie am besten surft.

Hallo und herzlich willkommen zu einer neuen Folge BIM & Bier. Nach unseren letzten zwei Folgen zum Thema KI im Bauwesen sprechen wir heute zum dritten und vorerst letzten Mal über unsere neue Mitarbeiter Ki. Nach den Themen, was sind die Gefahren und wie baue ich mir eigentlich meine eigene Bild KI, wollen wir uns heute auf die positiven Potenziale und Möglichkeiten von KI konzentrieren.

Um euch zu erzählen, wie man auf der KI-Welle surft, gibt es wieder zwei sexy Stimmen auf eure Ohren. In alphabetischer Reihenfolge, Karos Flatten und Philipp Knollmann.

Hallo zusammen.

Schön, dass ihr da seid. Damit wir jetzt viel Zeit haben, um auf dieser tollen KI-Welle zu surfen, stelle ich direkt mal unser heutiges Bier vor, das in einer silbernen Dose daherkommt und schön knack macht, wenn man es aufmacht. Und es nennt sich Rookie IPA.”

“Ist von der Brauerei Superfreunde aus Hamburg. Und sie bezeichnet es als All-Day IPA oder All-Day IPA. Die Idee ist, dass man das zu jeder Tageszeit trinken kann.

Es hat 6% Alkohol, das muss jeder selber bewerten, ob das dann zutrifft. Hopfen ist Simcoe, Eldorado und Mosaik drin. Das beschreibt schon ein bisschen den Geschmack, ist also relativ fruchtig.

Leicht bitter, ziemlich erfrischend und finde ich ein gutes Einsteiger IPA, wenn man es noch nicht so bitter und trocken mag. Das Ganze ist dann trocken gehopft, das heißt am Ende, ähnlich einem Teebeutel, ist noch mal Hopfen zugegeben worden. Das ändert die Kopfnote, daher kommt wahrscheinlich das Fruchtige.

Das Lunge-Label mit den Superfreunden, das sind tatsächlich ein paar Freunde, die das zusammen machen und die wollen die Bierwelt besser machen und sind als sogenannte Gypsy Brewer unterwegs. Das heißt, sie haben keine eigene Brauerei, sondern mieten sich zeitweise in andere Brauereien ein. Dadurch kriegen sie natürlich immer neue Einflüsse und das macht die ganze Bandbreite von Superfreunden ziemlich interessant.”

“Mit Biertrinken gewinnt man eine Menge Freunde überall auf der Welt und daher passt das Rookie sehr gut zu unserem Thema heute. KI ist halt kein lokales Phänomen, sondern betrifft nahezu jeden auf unserem aktuellen Planeten. Deswegen gucken wir uns das jetzt nochmal an, das Thema, was das denn alles mit uns macht.

Wo surfen wir denn?

Ja, ich glaube, die KI oder künstliche Intelligenz hat da mittlerweile oder haben da einige Personen schon als Freund für sich entdeckt und es wird auch immer aktueller. Also nächste Woche bringt Microsoft in der gesamten Office-Suite auch den Co-Pilot raus. Das soll am 1.

November auch erscheinen und dann haben wir eigentlich den Zugriff auf künstliche Intelligenz in allen Office-Produkten. Und ich denke, das wird da auch nochmal den Diskurs stark beeinflussen.

Ja, das zeigt aber auch, ich glaube, das zeigt auch, wie sich unsere Arbeitswelt jetzt verändern wird. Jedenfalls alle, die, die am Rechner sitzen, wenn auf einmal die künstliche Intelligenz in ganzen Produkten integriert sein wird. Das führt, glaube ich, zu einem völlig anderen Arbeitsansatz, der da gewählt werden muss.”

“Aber das ist jetzt eigentlich die Welle, die wir beschreiben. Also die Welle ist, da kommt jetzt das ganze KT-Thema an und eine Welle hat immer mehrere Aspekte. Ich kann Angst vor ihr haben, versuchen wegzuschwimmen, drunter hertauchen, panisch.

Oder ich kann jetzt halt versuchen, mein Surfbrett zu schnappen und oben drauf zu surfen. Jetzt ist natürlich klar, auch beim Surfen gilt, kann man nicht einfach so, muss man halt lernen.

Man muss ein bisschen Anlauf nehmen.

Das ist bei Ki auch ein bisschen so, oder? Also man muss schon auch ein bisschen lernen. Co-Pilot ist nett, aber was meint ihr denn?

Was kann er denn so? Also der wird dann überall da sein, aber die Effekte werden noch nicht so direkt sichtbar sein, oder?

Nee, also ich kann mir nicht vorstellen, dass diese Co-Piloten wirklich den Mega-Einfluss direkt haben. Aber wenn man sie erstmal in seinen Arbeitsprozess integriert hat und verstanden hat, wo sie wirklichen Nutzen bringen, beispielsweise beim Ausformulieren von Texten, wo man die Menschen Stichwörter schreibt, oder umgekehrt zum Brainstormen bezüglich Ideeninhalten. Ich glaube, da sind sie stark.”

“Jetzt also als Beispiel, wir haben ja diese Co-Pilot für Sales, kennen wir schon den Outlook, der ist da gerade schon angekommen. Der versucht dann halt auf Basis von irgendeiner Email ein Angebot zu verfassen oder einschreiben, was dazu einladen soll, irgendjemandem etwas zu verkaufen. Und wie man sich schon vorstellen kann, ist je nach Inhalt angekommene E-Mail das, was dabei rauskommt, wirklich abstrus und völlig unbrauchbar.

Das heißt, ich als User bin eigentlich eher so eine Qualitätsmanagement. Ich gucke, ob das Sinn macht. Aber ich finde es schon faszinierend, dass da teilweise auch Angebote entstehen, wo man denkt, den Scheiß könnt ihr jetzt auch verkaufen.

Also es ist zwar auf den ersten Blick irgendwie abstrus, aber auf den zweiten denkt man so, wenn ich jetzt den Satz noch umformuliere, dann verkaufe ich dem jetzt einfach das, was er mir gerade selber angeboten hat in der Mail. Also es ist schon crazy, was das Ding kann.”

“Ja, ich bin da auch beeindruckt, was der Co-Pilot da mittlerweile auch schon abliefert. Um auch vielleicht noch bei der Metapher zu bleiben, auf der Welle zu surfen, ist vielleicht der Co-Pilot da eine ganz gute Hilfe, um erst mal aufs Surfbrett zu kommen. Und so gesehen surft man dann auch schon auf der KI-Welle.

Wenn man jetzt aber noch weitere Tricks machen will oder ich sag mal nur auf dem Surfbrett stehen hinauskommen will, dann muss man da glaube ich noch einiges tiefer einsteigen und dann vielleicht spezialisierte Ki's an der einen oder anderen Stelle anwenden, weil die Co-Piloten da doch schon sehr generalisiert sind.

Bevor wir auf der Welle surfen können, müssen wir halt im Normalfall, also beim Surfen ist das so, man paddelt da ganz doll. Also ich würde das mal Anlauf neben nennen. Und ich glaube, das Gleiche ist auch notwendig, um das volle Potenzial von Ki ausschöpfen zu können.”

“Das heißt, wir müssen uns vorbereiten. Wir müssen uns überlegen, was haben wir denn überhaupt für Use Cases in unserem Geschäftsumfeld, die wir da einsetzen können. Und das geht auch viel dahin, einfach mal erstmal zu analysieren und zu verstehen, was haben wir überhaupt für Daten zur Verfügung, die wir jetzt mit so einer Ki weiter nutzen könnten.

Und aus der wir sozusagen neue Potenziale schöpfen können. Und das ist einfach eine Recherchearbeit, die da zu tun ist. Und die würde ich jetzt mal als Anlauf bezeichnen.

Wenn man das jetzt verschläft, dann wird es glaube ich schwierig, auf der Welle zu bleiben. Aber zum Glück machen wir das ja alle. Und deswegen surfen wir alle oben auf.

Ja, also kann man so nur unterstreichen. Man muss halt jetzt an dieser Datenqualität arbeiten, um auf die Welle zu kommen. Aber da steht ja dann wieder das, was wir in den letzten Folgen auch schon so ein bisschen hatten, diese Frage, selber machen, selber kaufen.”

“Ich kann jetzt das kaufen, dann kriege ich, was kaufe ich dann? Ich kaufe eigentlich Daten. Ich kaufe gar nicht so sehr dieses Interface, sondern eigentlich das, was dahinter steckt.

Also muss ich eigentlich den...

Es gibt glaube ich zwei Varianten. Also selber machen könnte heißen, ich nutze bestehende Daten, die ich habe. Einkaufen könnte sein, ich nutze etwas Fertiges, wie so ein Co-Pilot, den nutze ich einfach in meiner Arbeit.

Dazu musste ich erstmal gar keine Daten liefern, weil das ist schon antrainiert worden. Und die andere Variante wäre jetzt, also selber machen und Daten einkaufen. Also zu sagen, ich erkenne den Wert von Daten in meinem Geschäftsmodell oder in meinem Unternehmen und kaufe jetzt gezielt Daten ein, um damit dann KI-Modelle entwickeln zu können.

Das ist glaube ich eine Strategie, die nachhaltig ist und einen ermöglicht, auch auf der Welle zu bleiben.”

“Und wenn ich selber Daten habe, dann ist eigentlich jetzt so ein bisschen die Frage, wie bereite ich die auf und welchem Ziel? Wir sollen so Text-KIs denken. Natürlich arbeitet jedes Unternehmen ganz viel mit irgendwas Text-basiertem.

Nehmen wir mal das Beispiel Angebot, eine Angebotsentwicklung. Gibt es einige Unternehmen, vor allem im Dienstleistungsbereich, die wenig mit Standardangeboten arbeiten können? Also wo sich das einfach kopieren lässt, sondern die eigentlich immer auf Basis von verschiedenen Datenquellen immer wieder neue Konstrukte an Angeboten aufbauen?

Das ist doch eigentlich so die Domäne von der KI, oder? Dass ich ein großes Datenfeld analysiere und da ein Ergebnis daraus liefe?

Ja, ich glaube, bei den Text-KIs ist ja vor allem das Thema, dass es generative KI sind. Das heißt, sie erzeugen neue Texte aus Eingaben, die man macht. Und da, also jetzt mal bezogen auf irgendwie so eine Geschäfts-KI, die dir jetzt hilft, aus bestehenden Informationen deines Unternehmens irgendwie neue Angebote zu schreiben.”

“Ich glaube, das ist eine super, super spezialisierte Text generative KI, die das machen könnte. Ob man da mit so was wie so einem Sales Copilot überhaupt hinkommen kann, auf dieses Level, was ich mir da vorstelle, das bedeutet natürlich, dass man auch seine ganzen Daten wirklich analysiert und strukturiert da reinpackt. Also sozusagen einen Datensatz anlegt, mit dem man seine generative Text KI weiter anlernt, um da wirklich zu solchen hochspezialisierten Ergebnissen zu kommen.

Der andere Ansatz wäre zu sagen, wir sind ja vor allem im Gebäudebereich unterwegs, wir haben BIM-Daten beispielsweise und wir fangen jetzt an, diese Daten zu analysieren, historisch zu analysieren, Trends vorherzusagen. Das ist jetzt erstmal nur statistische Analyse, aber daraus ableiten ließe sich eben auch, vor allem wenn wir immer wieder neue Stände von Daten bekommen, dass sich daraus auch künstliche Intelligenzen und Modelle entwickeln lassen. In dem Fall dann keine generativen, sondern eben Machine Learning Algorithmen.”

“Ich glaube, ein ganz wichtiger Punkt dabei ist auch die Kontextualisierung der Daten. Also neben der Datenverfügbarkeit und der Datenqualität müssen die Daten auch in gewissen Kontext gesetzt werden. Ob das jetzt BIM-Daten sind oder Angebotsdaten, die dann im Kontext zum Leistungsverzeichnis gesetzt werden oder BIM-Daten mit den unterschiedlichen Leistungsphasen, in denen sich das Gebäude oder die Projektplanung gerade befindet.

Ich glaube erst durch diese Kontextualisierung können wir da wirklich dann einen Mehrwert aus diesen Daten auch generieren. Und das ist ja mindestens genauso wichtig, wie dass die Daten erstmal alle verfügbar sind und dass dann auch die Qualität so weit stimmt.

Aber was ja schon neben diesen ganzen Bedingungen, die ihr jetzt gerade genannt habt, schon ein großer Mehrwert sein kann, ist, wie ich auf diese Daten zugehen kann. Also wenn ich eine Auswertung mache aus einem Datenstand und sage, ich will die Auswertung verändern, dann ist heute häufig noch nötig, dass man irgendeine Fachperson damit beauftragt, die halt genau weiß, wie diese Datenstruktur funktioniert. Und dann ist ja meistens noch der Stand im Rahmen einer Excel-Tabelle mit irgendwelchen Pivot-Tabellen dann die Auswertung entsprechend verändert.”

“Da gibt es ganze Abteilungen in Firmen, die sowas machen. Was jetzt sicher verändert, ist der Approach da dran. Also ich kann jetzt einfach in einer Textform dieser KI sagen, was ich sehen will und die liefert mir das.

Und das in einem viel umfangreicheren Feld. Also ich kann auf einmal viel, viel größere Datenmengen angehen, praktisch da integrieren, als ich das vorher konnte. Weil das einfach eine übermenschliche Dimension hatte.

Das war menschlich nicht fassbar.

Aber ich würde da ein Argument aufmachen, was so ein bisschen einfach nur zeigt, durch diese Möglichkeiten, die wir jetzt mit den künstlichen Intelligenzen haben, verschieben sich jetzt einfach gewisse Aufgabenfelder. Vorher hatten wir beispielsweise, wir mussten irgendwie mit den Daten erstmal einen Engineering betreiben. Also wir mussten Data Engineering betreiben, bevor wir diese Daten erstmal sinnvoll überhaupt analysieren konnten.”

“Dann gab es einen Data Scientist, oder gibt es einen Data Scientist, der sich jetzt damit beschäftigt, daraus Erkenntnisse zu ziehen und der sich vielleicht auch damit beschäftigt, solche Datensätze zu visualisieren oder darzustellen. Und an der Stelle sehen wir jetzt, diese Teilaufgabe lässt sich jetzt viel leichter in die jeweiligen Domänen hineinversetzen und verschieben. Das heißt, der Data Scientist hat vielleicht gar nicht mehr die Aufgabe, jetzt die Daten auszuwerten.

Er hat nur die Aufgabe, die Daten so vorzubereiten, dass die Person, die in einer gewissen Domäne sitzt, mit einfacher Sprache ihre Auswertung erstellen kann, die sie zu diesen Daten braucht.

Das ist ein sehr, sehr guter Punkt, würde ich auch anknüpfen. Und das ist auch das, was ich eben mit der Kontextualisierung meine. Die KI muss ja letztendlich auch verstehen, was du von ihr willst und auch was du ihr sagst, was du erwartest mit bestimmten Keywords, beispielsweise bestimmte Architektur-Stile, bestimmte Leistungsphasen, dass das alles verstanden wird und verarbeitet wird und dann auch von der KI dann entsprechend auch wiedergegeben werden kann.”

“Und ich glaube, dadurch erweitert sich dieser Bereich Data Engineering nochmal eigentlich um eine große Sparte, nämlich das, die Maschinen readable zu machen und das auch irgendwie zu kontextualisieren für die Maschine. Weil viele Kontextinformationen, über die wir Menschen schon automatisch verfügen, weil wir in den Unternehmen arbeiten, die die Branche kennen, die haben die KI-Modelle teilweise noch nicht. Und da muss der Datensatz dann auch dementsprechend angereichert werden.

Es gibt auch noch mal ein anderes Modell, was ich gerade im Kopf hab. Man muss sich einfach vorstellen, man ist Betreiber von zig Gebäuden, sagen wir mal, du bist Betreiber von 100 Gebäuden und du willst diese Gebäude nachhaltig energetisch managen, heißt im Umkehrschluss brauchst du ganz viele Messdaten, die du bewerten musst. Wie machst du es möglich, dass dir auffällt, wenn die Messdaten einen Fehler enthalten?”

“Also es wird einfach eine Fehlmessung gemacht, weil ein Sensor kaputt ist. Dieser Sensor steuert aber etwas anderes oder löst einen Energieverbrauch aus. Dann brauchst du ja quasi für diese 100 Gebäude so wie so eine Art Qualitätsmanagement.

Was die ganze Zeit guckt, sind die Daten evident. Also macht das Sinn, was ich da sehe. Ist der richtige Sensor ausgelöst worden?

Das ist natürlich personell unmöglich. Wie willst du so viele Leute ständig beschäftigen, die das ständig kontrollieren? Aber wenn ich jetzt eine Ki genau darauf anlerne, dass sie versteht, ah ok, Wetterbedingungen ist die, Sensor zeigt minus 1000 Grad.

Kann nicht sein, aktuell sind wir nicht auf dem Mars. Keine Ahnung, ob es da so kalt ist, weiß sie nicht. Also das sehe ich so als einen unterstützenden Weg, weil dahinter steht eigentlich das, welche Rolle haben wir als User denn dann.

Also ich habe einmal die Rolle, ich frag die Ki was und kriege etwas zurück. Das ist ja quasi so eine Art Vorhersage, die die Ki er trifft. Das heißt, meine Rolle ist viel stärker Qualität.”

“Es geht nur noch um Qualität. Ich bewerte, kann es sein, was ich da sehe. Und ich finde in diesem Modell, ich bewerte Energiedaten von einem Gebäude, kann ich mir das noch viel mehr vorstellen als bei irgendwelchen Unternehmensdaten.

Ich sehe das und da steht minus 1000 Grad und ich kann sofort sagen, die Ki erzählt, Mist, das kann nicht sein oder der Sensor ist kaputt.

Ja, also ich glaube, du hast absolut recht. Die Rolle von uns, also von den Menschen, ändert sich einfach ein bisschen in diesen Entscheidungen. Und zwar, wenn man das betrachtet, du hast es gerade schon gesagt, auf der Basis von einer Vorhersage und einer Entscheidung oder wie hast du es genannt, wie auch immer, ja.

Es muss eine Vorhersage getroffen werden und es muss eine Entscheidung getroffen werden. Das heißt, das Qualitätsmanagement, so was das bezeichnet eigentlich. Und das ist genau der Unterschied zu vorher.”

“Vorher hat der Mensch diese Vorhersage aus seinem Kopf intuitiv abgeschätzt und hat dann eine Entscheidung getroffen. Was wir jetzt schaffen können, ist genau diesen Teil zu entkoppeln. Das heißt, wir haben jetzt Vorhersagen, die kommen von einem Algorithmus oder von einer KI.

Und der Mensch entscheidet dann, ist diese Information gut gewesen oder ist sie schlecht gewesen? Und trifft und muss sozusagen eine kontextualisierte Entscheidung dazu treffen. Es gibt da ein ganz passendes Beispiel, was schon ein paar Jahre alt ist, zu Machine Learning Algorithmen.

Wir erinnern uns bestimmt alle an diesen Vorfall in Amerika, wo die Stadt ganz viele so Bleirohre verlegt hatte und die Leute reihenweise Bleivergiftungen hatten. Man hat daraufhin einen Algorithmus entwickelt, der in diesem Gebiet vorhersagen soll, ob in einem Haus wahrscheinlich Bleirohre verbaut sind oder nicht. Das hat dazu geführt, dass natürlich in den Nachbarschaften, wo die Wahrscheinlichkeit sehr hoch war, dass man dann gesagt hat, okay, wenn hier 80 Prozent ist, dann gehen wir dahin.”

“So und die haben auch gemessen die Erfolgsrate von diesem Algorithmus, der hat da irgendwie 80 Prozent. Das Problem war, der Algorithmus, oder das Problem aus einer gewissen Perspektive nur war, der Algorithmus hat halt selten in reicheren Nachbarschaften gesagt, hier sind Bleihore verbaut. Was natürlich häufig daran lag, wann die Gebäude entstanden sind.

Das hat aber zum großen Aufschrei geführt. Dann hat man gesagt, so können wir das nicht machen. Wir müssen jetzt hier jeden gleich behandeln.

Erst mal, wir gehen auch in die teuren Nachbarschaften rein. Auch wenn unser Algorithmus sagt, da ist gar kein Bleihore verbaut. Das Ganze wurde wieder umgedreht von einem Richter, der gesagt hat, wir müssen jedes Haus gleich behandeln.

Dieser Algorithmus, der hat eine Erfolgsrate von 80%. Die Erfolgsrate ist übrigens, als man das aufgehört hat, den Algorithmus zu nutzen, ist auf 10% runtergefallen. Das zeigt aber genau diesen Punkt.”

“Es verändert sich auf einmal, wer macht eine Vorhersage. Das ist jetzt der Algorithmus. Wer trifft die Entscheidung?

Das sind nach wie vor wir. Das zeigt aber auch, dass wir immer noch weiter wirkmächtig sind als Menschen. Der Algorithmus entscheidet nichts.

Irgendein Programmier hat dem Algorithmus vielleicht mal irgendetwas beigebracht oder irgendeine Datengutlage hat ihn vielleicht beeinflusst. Aber im Endeffekt muss immer noch der Mensch entscheiden.

Das ist auch da ein sehr spannender Punkt. Daraus ergibt sich ja das sogenannte Bias auch von dem Modell selbst, also die Voreingenommenheit von dem Modell. Und das immer auf Basis der Datensätze, die letztendlich auch da einfließen.

Noch ein Punkt zur Qualitätssicherung. Auch da muss ja nicht der Mensch jede einzelne Zahl überprüfen, sondern wir haben da auch jede Menge Algorithmen, um beispielsweise solche Ausreißer zu entdecken oder die Eingangsdaten vorher zu normalisieren, dass sowas da direkt rausfällt oder auffliegt. Und genau, ich denke, da können uns auch die Algorithmen stark beiunterstützen, da auch die Qualitätssicherung zu gewährleisten.”

“Und die ganze Bias-Management ist noch mal ein riesiges Feld, wo wir, glaube ich, auch gesamtgesellschaftlich da dran gehen müssen und auch die Datensätze dann mit validieren müssen, damit der Algorithmus keinen Quatsch lernt und dann auch dementsprechend dann Quatsch wieder gibt.

Wenn ich jetzt von diesem Qualitätsmanagement spreche und geh mal wieder auf die Ebene zurück. Wir haben ein Unternehmen, wollen jetzt strategisch überlegen, wie gehen wir mit diesem Thema KI um? Wie kriege ich meine Mitarbeiterinnen denn alle auf dieses Surfbrett, damit die wenigstens auf der Welle fahren?

Also ich brauch vielleicht ein paar Spezialisten, die so die Tube fahren können, unten durch die Welle durchfahren. Aber der grobe Teil muss einfach nur oben drauf bleiben, da soll nicht runterfallen. Das ist ja das Level, was wir haben wollen.”

“Ich muss ja trotzdem den Leuten irgendwas in die Hand geben. Jetzt kommt dieser Co-Pilot und wir haben schon gemerkt, das ist halt nur ein Co-Pilot, der Pilot ist halt immer noch da. Also irgendwie müssen wir den jetzt ja ausbilden, damit er die Maschine nicht gegen die Wand fährt oder das Surfbrett von der Welle fliegt.

Das heißt, ich muss doch eine Wissensschulung an meine Mitarbeiter geben? Also wie kriege ich die denn jetzt auf die Spur drauf? Also ich kann jetzt nicht jeden in so eine promptigen Schulung schicken.

Also eigentlich muss ich doch nur so ein Level erreichen, dass die verstehen, was könnte ich jetzt damit machen, oder?

Ja, also ich stimme dir erstmal zu. Ich glaube, neben der Wissensschulung gehört dazu, da gibt es halt mehrere Aspekte zu betrachten. Beispielsweise das Thema Datenschutz ist relevant.”

“Wenn ich jetzt hingehe und den Co-Pilot von Microsoft benutze, dann muss vorher geklärt werden, wie kann ich den überhaupt einsetzen? Was für Daten darf ich ihn überhaupt fragen? Wenn der ganze Co-Pilot in unserem Office integriert ist, dann wissen wir wahrscheinlich gar nicht, wie die ganzen Rahmenbedingungen sind.

Ich glaube, das sind alles Weichen, die gestellt werden müssen aus Unternehmensführungssicht, damit man die Mitarbeiter befähigen kann, diese Tools einzusetzen, ohne sich immer die Frage stellen zu müssen, darf ich das jetzt hier eigentlich machen? Geht das zu weit oder geht das nicht zu weit?

Stell uns doch mal vor, wir hätten diese Vereinbarungen getroffen. Also dieses ganze Datenschutzthema wäre mal außen vor. Weil das ist auch so eine sehr deutsche Haltung, erst mal zu gucken, welche Verbote gibt es?”

“Welche könnten wir annehmen? Welche Verbote könnten wir jetzt einsetzen? Also lass es so tun, als wären wir Amerikaner, wir wollen es einfach tun, ja.

Dann ist es ja eigentlich so der erste Schritt, eigentlich aus dem Unternehmen heraus zu sagen, ich brauche erstmal irgendwie eine strategische Ausrichtung. Was KI will ich denn machen? Was kann ich überhaupt nutzen?

Und der Co-Pilot wissen wir jetzt, okay, vorausgesetzt, ich bin Kunde von Microsoft und setze Office 365 oder Microsoft 365 ein, dann ist der sowieso da. Diese strategische Entscheidung, die brauche ich nicht mehr zu treffen. Da muss ich eigentlich nur sagen, erlaube ich es oder erlaube ich es nicht?

Und man kann, glaube ich, jetzt schon absehen, es wird unmöglich sein, dieses Ding auszuschließen aus dem Unternehmen. Also kann man nur die Mitarbeiter an der Stelle datenschutzrechtlich schulen. Aber wenn ich jetzt so eine Strategie habe und weiß, was ich will, dann kann ich ja eigentlich gezielt vorgehen und sagen, okay, ich nehme jetzt diese Gruppe Mitarbeiterinnen und denen zeige ich einmal richtig, wie können sie denn jetzt die neue Datenauswertung machen?”

“Wie können sie jetzt die Energieüberwachung von den Gebäuden machen? Und wie müssen sie mit der KI umgehen? Das klingt jetzt so, als wäre das von Mitarbeiter, aber die reagiert halt auch so ein bisschen wie ein Mitarbeiter.

Ich würde sagen, launische Sachen, die ist manchmal rassistisch, das ist eigentlich alles dabei. Das muss man doch den Leuten mitgeben, oder?

Auf jeden Fall.

Also vor der Welle weglaufen ist, glaube ich, eine doofe Idee.

Nee, ich glaube, da musst du die schon von sehr weit gesehen haben, damit du danach eine Chance hast. Aber genau, gehen wir erstmal davon aus, dass wir alle surfen wollen, auch auf der Welle. Und ich denke auch, dass die Mitarbeiter da auch entsprechend geschult werden müssen, gerade weil Halluzinationen bei KI-Modellen noch relativ häufig auftauchen.”

“Das umschreibt allgemein, dass die KI sich da auch eigene Daten und Zusammenhänge ausdenkt. Und ich glaube, da braucht man dann wiederum das Domainwissen bzw. die Kontextinformation, um das dann auch zu realisieren und die KI dann in den richtigen Momenten zu hinterfragen.

Ich glaube, am Anfang sind wir da jetzt alle noch sehr kritisch und werden da wahrscheinlich häufig drauf schauen, was die KI uns da für Ergebnisse liefert. Ich kann mir aber vorstellen, dass innerhalb von ein paar Monaten da eine gewisse Selbstverständlichkeit dann auch damit einhergeht und man sehr viel weniger die Ergebnisse oder die Antworten der KI dann auch hinterfragt und das dann einfach ungecheckt abschickt. Und genau, ich glaube, da sollte man auch ein bisschen aufpassen, gerade am Anfang, wo sich die Modelle auch im stetigen Verbesserungskreislauf befinden.

Genau, wenn die Ergebnisse am Anfang sicherlich noch nicht so gut sein wie jetzt in einem halben Jahr.”

“Ja, um nochmal diesen strategischen Aspekt aufzugreifen, den wir auch dabei sehen. Man muss jetzt, glaube ich schon, um das aus der strategischen Brille zu betrachten, muss man, glaube ich, nochmal einen Schritt zurückgehen und nicht seine Prozesse, wie sie jetzt sind, anschauen und sagen, an der Stelle kann ich die Bild-KI einsetzen, an der Stelle kann ich die Text-KI einsetzen. Man kann auch noch einen Schritt weiter zurückgehen und sich fundamentalere Fragen zu seinem Geschäft stellen.

Und so werden sich, glaube ich, neue Möglichkeiten, neue Potenziale eröffnen, die man nicht so sieht in diesen ganz konkreten Anwendungsfällen, weil die halt immer nur einen glanzkleinen Teil des Prozesses neu denken. Aber gar nicht auf der prozessualen Sicht von oben drauf schauen. Und deswegen ist, glaube ich, schon wichtig, sich konkret immer mit diesem Thema zu beschäftigen, sich zu beraten, unterschiedliche Perspektiven und Einsatzmöglichkeiten zu beleuchten und eben auch die Frage, sich zu stellen, ja, selber machen oder Fertiges einbinden.”

“Und selber machen kann heißen, ich nutze bestehende Daten oder ich kaufe Daten zu, um etwas zu machen.

Um das Ziel des Surfens zu erreichen, könnte, glaube ich, eine Sache hilfreich sein, die häufig auch bei Kindern funktioniert. Wenn du etwas lernen sollst, ist es einfacher zu lernen, wenn es Spaß macht. Wie habe ich Spaß mit einer KI?

Also stelle ich der Dumme Fragen und verarsche die? Also wie könnte ich jetzt eigentlich eine Mitarbeiterin oder Kollegen oder Familie oder so, ich meine, auch unser Privatleben wird von KIs betroffen sein. Auch da kommt die Welle an, vielleicht eher so in einer kleinen Brandung, aber sie ist da.

Was glaubt ihr? Also es gab ja schon so die Sachen wie Dali und so, wie die Leute dann irgendwelche Bilder gemacht haben oder was dann mit Journey dann so weiterging und so. Wenn ich jetzt an den Co-Piloten denke, wäre doch ein Approach zu sagen, okay, was für einen Quatsch kann man eigentlich mit dem Co-Pilot machen.”

“Also so wie wir gesagt haben, ja, mach mal aus der Mail ein Angebot. Obwohl wir wussten, dass es Quatsch ist. Aber wir haben darüber gelernt, wie diese KI reagiert, was sie da produziert, wie ich das bewerten kann.

Was wäre für euch noch so ein probater Weg, wo ich Spaß haben kann?

Also genau, ich denke, der spielerische Umgang ist da ganz wichtig. Und tatsächlich sind die Ergebnisse teilweise auch schon so überraschend, dass sie auch schon Spaß machen. Also einfach die Anwendung der KI heutzutage, die dann auch sinnvolle Ergebnisse liefert, ist ja auch schon schon wahnsinnig und eine technische Meisterleistung, dass da sinnvolle Bilder oder Texte erstellt werden aus so riesigen Wahrscheinlichkeitsmatrizen.

Das sind das ja letztendlich. Und ich finde, also zumindest bei mir persönlich, weckt das schon eine gewisse Freude und macht auch Spaß, da mit den Modellen zu arbeiten. Ich denke auch, man sollte da einfach unterschiedliche Sachen mal ausprobieren, die an ihre Grenzen führen und damit dann auch Stück für Stück immer weiter lernen.”

“Ich glaube, der wichtigste Aspekt dabei ist eigentlich zu sagen, ich nehme jetzt irgendetwas, was vielleicht für mich gar nicht so geschäftsrelevant ist und ich probiere jetzt einfach mal aus. Ja, aber ohne dass ich jetzt meine Daten preisgebe oder meine Identität oder sonstiges. Ich kann mich an ein Beispiel erinnern, wir haben uns über Trainingspläne Gedanken gemacht und dann gab es da so ein Workout von Bruce Lee und dann haben wir uns halt mal genauer erklären lassen, was das so alles bedeuten soll.

Und das war doch schon ziemlich amüsant. Ist jetzt natürlich der Fall, ich nehme etwas Kondensiertes und versuche jetzt besser zu verstehen, worum geht es hier und sage, erklär mir mal bitte alles da. Das sind, glaube ich, so ganz einfache Low Hanging Fruits, um so ein bisschen den Umgang mit diesen Tools zu lernen.

Also, was ich zum Beispiel ein super praktisches Tool finde, ist jetzt gar nicht so viel Spaß, sondern eher wirklich ein Helper. Es ist so diese Möglichkeit von einem Co-Piloten zum Beispiel einfach Mails zusammenzufassen. Es gibt ja, jeder hat in seinem Umfeld, glaube ich, Leute, die so Tapetenmails schreiben.”

“Unendlich lang, wenig Inhalt. Da kann einem der Co-Pilot Spaß bereiten, weil er aus dieser langen Mail eine sehr kurze Mail macht, die im Normalfall mir auch erklärt, was ist Worst Will die Person nennen von mir eigentlich hier. Also, das kann auch ein Weg sein, sich die Arbeit leichter zu machen und damit mehr Spaß zu machen.

Genau. Weniger arbeiten, gleich mehr Spaß.

Das gilt ja auch so ein bisschen bei dem ganzen Thema BIM. Also, es ist ja immer noch der BIM & Bier Podcast, auch wenn wir viel über KI sprechen. Aber auch da geht es ja darum, die Prozesse besser zu machen, die Welt besser zu machen und baumäßig auf der Welle zu surfen und nicht von der Welle überrollt zu werden.

Deswegen sagen wir mit diesen Worten Ciao, KI. Demnächst geht es wieder mit BIM weiter. Und ich sage danke Philipp, dass du dabei warst.

Danke Caris.

Dankeschön.”

“Und wir hören uns beim nächsten Mal wieder.

Auf Wiedersehen.

BIM & Bier ist eine Produktion der Formitas AG. Unsere Musik-Tracks, New Front bei McKay Beats und Drop of Water in the Ocean bei Broke for Free. Habt ihr Fragen, Feedback oder einen Themenvorschlag?

Dann schreibt uns eine Mail an bimundbier at formitas.de und wir sehen uns dann bald wieder.”

Von BIM & Bier: BIM & KI - Surfen auf der Welle, 20. Nov. 2023
https://podcasts.apple.com/de/podcast/bim-ki-surfen-auf-der-welle/id1605115573?i=1000635435338
Dieses Material ist möglicherweise urheberrechtlich geschützt.