Wer sich auf die Suche nach intelligenten Helferlein für den Büro- oder auch Privatalltag begibt, wird bereits bei OpenAI fündig: Die GPTs, spezialisierte, von ChatGPT abgeleitete Chatbots, stellen allerlei nützliche Handreichungen in Aussicht – von der Wikipedia-Recherche bis zur Wireframe-Gestaltung scheint vieles abgedeckt. Beim Blick auf das tatsächliche Vorgehen werden jedoch Schwächen deutlich: Bei Aktivierung eines GPT übernimmt ChatGPT eine andere Persona und verwendet bestimmte Tools und Hintergrundinformationen, die vom Ersteller des GPT konfiguriert werden.
Die Qualität der GPTs unterscheidet sich stark. So degeneriert das Sprachverständnis von ChatGPT bei Verwendung des Diagramm-GPT eklatant. Oder das “UX GPT” nutzt zur Erstellung von Wireframes den OpenAI Bildgenerator Dall-E 3, der zwar Bildkunst zu erzeugen vermag, für Zeichnungen mit fachlichem Anspruch jedoch funktionsbedingt ungeeignet ist.
- Mithilfe von Chatbots und KI-Bildgeneratoren lassen sich zwar Diagramme und Wireframes erstellen, deren detaillierte Bearbeitung ist mit diesen Tools jedoch eher ein Glücksspiel
- Aussichtsreicher ist der Weg über die API der Modellanbieter, wo man mit strukturierten Prompts etwa Syntax für das Visualisierungswerkzeug Mermaid erstellt.
- Neben Text können viele Plattformen auch Beispielbilder, Skizzen oder Farbvorlagen verarbeiten und direkt in Code übersetzen.
Nils Durner arbeitet bei Namirial, einem Anbieter von Vertrauensdiensten. Sein momentanes Interesse gilt “Personal AI”, die individuelle Produktivität fördert.
In beiden Fällen sind diese GPTs selbst für den Hobbygebrauch unzureichend. Zudem deckte eine Studie der Universität Washington gravierende Datenschutzverstöße auf, da mit GPTs verknüpfte Drittanbieterwerkzeuge in einigen Fällen Daten für ihre Ersteller sammeln. Dabei sind GPTs – mit all ihren Tücken – oft gar nicht nötig: Als Sprachkünstler bringen führende generative Sprachmodelle, von ihren Entwicklern auch als Frontier Model bezeichnet, bereits genug Fähigkeiten mit, um als Zulieferer für bewährte Spezialsoftware zu funktionieren. Dieser Artikel stellt solche KI-unterstützten Arbeitsabläufe am Beispiel einiger Arbeitsaufgaben eines Principal Software Engineers im hoch regulierten Bereich eines Anbieters von Vertrauensdiensten vor. Der Schwerpunkt liegt dabei auf Visualisierungen mit Sprachmodellen aus der Kategorie der autoregressiven Transformer.
Das war die Leseprobe unseres heise-Plus-Artikels “Prozessvisualisierung mit generativer KI im Praxistest”.
Mit einem heise-Plus-Abo können sie den ganzen Artikel lesen und anhören.