Was ist ein Large Language Modell?

ChatGPT kann auch diese Frage beantworten: Ein Large Language Model (LLM) ist eine Weiterentwicklung von künstlicher Intelligenz, die entwickelt wurde, um menschenähnliche Texte in natürlicher Sprache zu verstehen und zu generieren. Diese Modelle basieren auf tiefen neuronalen Netzen und werden auf großen Mengen von Textdaten trainiert, um verschiedene sprachbezogene Aufgaben zu erfüllen. Eines der bekanntesten Beispiele für ein großes Sprachmodell ist GPT-3 (Generative Pre-trained Transformer 3), entwickelt von OpenAI. … Große Sprachmodelle wie GPT-3 sind in verschiedenen Bereichen weit verbreitet, z. B. in der maschinellen Übersetzung, der Textzusammenfassung, der Textklassifizierung, bei Chatbots und sogar bei der Erstellung kreativer Inhalte. Sie sind jedoch auch Gegenstand ethischer und gesellschaftlicher Diskussionen, da ihre Fähigkeiten zur Texterstellung und -manipulation potenziell missbraucht werden können.*

‍

Somit liefert ChatGPT mit seinem LLM eine relativ oberflächliche Aussage zu einer Thematik, die in Wirklichkeit äußerst kompliziert ist. Eine Sache ist sofort ersichtlich: LLMs große Schwäche ist die Trivialität (die Antwort grenzt an das Banale), während es gleichzeitig ein überragendes Selbstbewusstsein zu haben scheint (die Antwort ist gleichzeitig erschöpfend).

‍

Schwächen und Risiken von LLMs

Zunächst ist zu bedenken, dass LLMs weder ein Verständnis von Sprache im engeren Sinne, noch eine Vorstellung von wahr und falsch haben. Die gesamte Ausgabe eines LLMs ist lediglich die „wahrscheinlichste“ Wortfolge, die auf eine Eingabeaufforderung (die Abfrage oder Aufgabe) folgen würde. Die Genialität der Programmierer, die diese Modelle erstellen, und die riesige Menge an Daten, die LLMs einbeziehen – 1 Billion Parameter für ChatGPT-4 – können nützliche Ergebnisse erzeugen. Sie können den Eindruck erwecken, dass die Maschine die Eingabeaufforderung irgendwie versteht und im richtigen Zusammenhang und mit einem verlässlichen Maß an Autorität oder Authentizität darauf antwortet. In Wirklichkeit ist das aber nicht der Fall. Das Verfahren hat seine Schwachstellen.

‍

‍

Wahrscheinlichkeiten statt Fakten

Vereinfacht gesagt, antwortet ein LLM auf eine Anfrage mit einer Zeichenkette, die nach der Analyse von Milliarden von „Ereignissen“ am häufigsten auf die Eingabe (die Anfrage) folgen würde. Außerdem sind die zugrundeliegenden Daten in der Regel nicht auf dem neuesten Stand. Im Fall von ChatGPT-3 berücksichtigt das LLM Daten bis zum Jahr 2021, was bedeutet, dass die Engine wenig bis gar nichts über Themen zu sagen hat, die nach diesem Datum im Web erschienen sind. ChatGPT-4 wurde aufgerüstet, um aktuellere Informationen zu erhalten.

‍

Das heißt aber nicht, dass die Antworten eines LLM immer falsch oder nur zufällig richtig sind. Ganz im Gegenteil: Aufgrund der großen Menge an verfügbaren Daten sind sie vielleicht in den meisten Fällen absolut richtig. Unternehmen haben jedoch ein Problem: Sie wissen nicht, wann die Maschine richtig und wann sie falsch liegt. Dies macht es im Prinzip notwendig, jede Aussage zu überprüfen.

‍

Ein weiteres Problem ist, dass die Maschine unweigerlich die Tendenzen oder Neigungen des Materials übernimmt, auf dem sie basiert. So kann es durchaus vorkommen, dass ChatGPT eine politisch inkorrekte Aussage liefert, weil es in seinem Datensatz zu diesem Thema überwiegend politisch inkorrekte Inhalte gibt. Solche Aussagen ungeprüft zu veröffentlichen, kann für Unternehmen schnell zu Problemen führen.

‍

Urheberrechtsfragen

Eine weitere Sorge bezieht sich auf das geistige Eigentum. Was ist, wenn ChatGPT Inhalte anbietet, die urheberrechtlich geschützt sind? Das setzt den Nutzer dem Risiko von Rechtsstreitigkeiten aus – und es sind bereits Dutzende von Verfahren gegen OpenAI und andere LLM-Anbieter in den USA anhängig.

‍

Keine Markenkonsistenz

LLMs erkennen die Werte und anderen Attribute der Organisationen, die sie nutzen, nicht und können sie daher nicht in markenspezifischen Inhalten widerspiegeln.

‍

Mangel an Kreativität und Authentizität

Und nicht zuletzt sind Large Language Models strukturell nicht kreativ. ChatGPT sagt von sich selbst, dass es sich gut für die Ideenfindung eignen würde. Aber die Ideen, die es präsentiert, sind lediglich ein systematischer Aufguss bestehender Ansätze in seiner Datenbank und daher nicht sehr authentisch. Fragst Du ChatGPT beispielsweise, worüber Du in Hinblick auf ein bestimmtes Thema schreiben sollst, erhältst Du oftmals sehr allgemeine Vorschläge, auf die Du wahrscheinlich auch selbst hättest kommen können.

‍

Kurz gesagt: Unternehmen können nicht einfach Content mit ChatGPT erstellen und ihn dann ungeprüft nutzen. Zumindest müssen Unternehmen einen Qualitätssicherungsprozess definieren und befolgen. Mit dem zunehmenden Einsatz von KI werden menschliches Urteilsvermögen und redaktionelle Sorgfalt wichtiger denn je.

‍

Wege aus dem LLM-Problem

Wenn Du Dir darüber im Klaren bist, dass du als Unternehmen ChatGPT und andere LLMs nicht blindlings in vielen Anwendungen einsetzen kannst, bleiben Dir drei strategische Optionen:

‍

„Pimp my ride“

Unternehmen nutzen verfeinerte Tools, um Prompts für LLMs zu erstellen. So erhalten sie bessere Ergebnisse, die auch ihre Markensprache widerspiegeln können; doch die Qualität der Ergebnisse bleibt abhängig von diesen geschlossenen LLMs und der ständigen Feinabstimmung ihrer Prompts. Außerdem benötigen sie einen eigenen Prompt-Engineer, der aus ihrem Budget finanziert werden muss.

‍

Do it yourself

Unternehmen entwickeln ihre eigene Inhouse-KI, d.h. mit Open-Source-Programmen. Wenn sie die richtigen Daten kaufen und analysieren, sind sie tatsächlich aussagekräftiger und die entsprechenden Antworten sollten genauer sein. Dazu benötigen sie natürlich eine professionelle KI-Abteilung, ein großes Budget sowie  die Fähigkeit, ein großes IT-Projekt zu managen und zum Erfolg zu führen. Für die meisten Unternehmen ist das einfach nicht machbar.

‍

Unternehmens-KI (AI-as-a-Service)

Unternehmen nutzen eine eigens für sie entwickelte, themenspezifische KI, wie z. B. Rellifys Relliverse™. Auf der Grundlage genau definierter, relevanter und stets aktueller Daten erwerben die Kunden eine exklusive, maßgeschneiderte Lösung mit vollem Zugriff und voller Kontrolle.

‍

Was unterscheidet eine Enterprise AI von einer LLM?

Der wichtigste Unterschied zwischen einer themenspezifischen KI wie dem Relliverse™ und den großen, geschlossenen LLMs wie ChatGPT liegt in den zugrunde liegenden Daten. Im Gegensatz zum allgemeinen Datenmischmasch der großen LLMs werden die Daten für ein Relliverse™ mithilfe von Crawlern und maschinellem Lernen individuell für jeden Kunden kuratiert. Das System crawlt die URLs des Kunden sowie seiner Wettbewerber und nutzt sein zum Patent angemeldetes tiefes maschinelles Lernen, um riesige Mengen an verwandten Dokumenten zu analysieren.

‍

Dadurch werden zehntausende von Keywords und Phrasen sowie Millionen von Verbindungen zwischen ihnen erkannt. Alle relevanten Suchbegriffe werden dann zugeordnet. Dann clustert die KI die Daten nach Hauptthemen, Unterthemen der Ebene 1, Unterthemen der Ebene 2 sowie Unterthemen der Ebene 3. Dabei berücksichtigt sie Millionen von Datenpunkten und führt eine Analysetiefe durch, die ein menschliches Team unmöglich leisten könnte.

‍

Die Wirkung dieses Prozesses wird in der browserbasierten Rellify Content Intelligence Plattform zur Verfügung gestellt. Dort kannst Du auf einen Blick alle Themen erfassen, die die KI-Analyse für strategisch wichtig hält und die bei entsprechender Bearbeitung dazu beitragen, die Themenautorität zu sichern und organischen Traffic zu generieren. Die Erstellung von Content auf der Grundlage der Content Intelligence des Relliverse™ erfolgt dann innerhalb derselben Anwendung in einem kontinuierlichen Prozess, der von der KI gesteuert und unterstützt wird.

‍

Vorteile eines Enterprise AI-as-a-Service

Der Vorteil eines Relliverse™ liegt in den zugrunde liegenden Daten. Da das System ausschließlich auf Content basiert, der für die Themen des auftraggebenden Unternehmens strategisch relevant ist, entsteht eine echte Fachexperten-KI. Seine Nutzer können ihren eigenen Content und den ihrer Wettbewerber so gut verstehen wie nie zuvor. Außerdem können sie ihre Content-Marktanteile und Sichtbarkeit auf einen Blick erkennen und wissen immer, worüber sie schreiben sollten und warum – ohne ständig mühsame Analysen durchführen zu müssen.

‍

Darüber hinaus hilft die KI beim geführten Schreibprozess der Content Intelligence Plattform. Im ersten Schritt können die Nutzer auf einen Blick feststellen, welche strategischen Themen sie auf der Grundlage der Erkenntnisse der Relliverse™ verfolgen sollten. Sobald ein Thema ausgewählt wurde, kann der Redakteur oder Autor die Artikelstruktur mit einer einfachen, intuitiven Drag-and-Drop-Funktion manuell zusammenstellen. Oder er kann mit einem Klick die KI eine Gliederung des Artikels auf der Grundlage des ausgewählten Themas und der zugewiesenen Keywords erstellen lassen.

‍

Beim Verfassen des Artikels selbst hat der Autor die Möglichkeit, den gesamten Artikel automatisch erstellen zu lassen oder einen oder mehrere Absätze für jede Überschrift oder Zwischenüberschrift automatisch generieren zu lassen. Hier zeigt sich ein weiterer entscheidender Wettbewerbsvorteil des Relliverse™: Bei der automatisierten Content-Generierung durch KI wird die dahinter stehende LLM (derzeit GPT-4) mit Prompts gefüttert, bei denen der gesamte Auftrag – Inhaltsstruktur, Keywords, Fragen usw. – berücksichtigt wird. Das bedeutet, dass die LLM einen kundenspezifisch optimierten Prompt mit genau den tatsächlich relevanten Eingaben für den zu erstellenden Text erhält. Der Ansatz von Rellify garantiert eine maximale Qualität des Outputs.

‍

Um bei der eingangs verwendeten Analogie zu bleiben, kann man auch sagen, dass eine unternehmenseigene KI-as-a-Service perfekt passt – wie ein maßgeschneiderter Anzug. Er spiegelt die Persönlichkeit des Kunden wider und repräsentiert das Unternehmen mit einem Maß an Autorität und Professionalität, das auf dem Markt Vertrauen erweckt. Einfach ausgedrückt: Sie lässt den Träger insgesamt besser aussehen als Konkurrenten, die ein LLM von der Stange verwenden: Ein echter Wettbewerbsvorteil in einem Markt, in dem große Sprachmodelle in Rekordtempo Content produzieren und alle um die gleichen Leser buhlen.

‍

*Der Text stammt von ChatGPT

‍