Zwischen Forschung und Praxis: Fähigkeiten und Limitationen generativer KI sowie ihre wachsende Bedeutung in der Zukunft

Die rasant fortschreitende Entwicklung von künstlicher Intelligenz (KI) hat durch das Aufkommen und die Verbreitung von generativer KI (genKI) eine neue Ära der Technologie eingeläutet, die sowohl die Forschung als auch die Praxis substanziell beeinflusst (Teubner et al. 2023). Traditionelle KI-Anwendungen fokussierten sich vornehmlich auf Datenanalyse (zum Beispiel für die Mustererkennung (Santos und Qin 2019)), Automatisierung (beispielsweise von Routineaufgaben (Jha et al. 2019)), Empfehlungssysteme (zum Beispiel zur Entscheidungsunterstützung (Nica et al. 2022)) und Bild- und Spracherkennung (beispielsweise für die Prüfung von Anwesenheit (Siddiqui et al. 2020)). Durch genKI erweitert sich das Fähigkeitenspektrum von KI insbesondere im Bereich der Generierung von Inhalten, basierend auf einem begrenzten Bestand an verarbeiteten Trainingsdaten und einer umfassenden Anzahl an Parametern (Ray 2023). Die Qualität, vornehmlich bei der Textgeneration sowie die universelle Einsetzbarkeit in verschiedenen Szenarien haben ein großes Interesse für genKI geweckt. In einer zunehmend datengetriebenen Welt erkunden sowohl ökonomisch agierende als auch öffentliche Organisationen wie Universitäten und Hochschulen die transformative Kraft von genKI, um den Mehrwert dieser Technologie in verschiedenen Anwendungsszenarien zu erforschen und ihr Potenzial auszuschöpfen (Budhwar et al. 2023; Korzynski et al. 2023). Seit der Einführung des großen Sprachmodells GPT‑3.5 in Verbindung mit dem zur Interaktion genutzten Interface ChatGPT im November 2022 (OpenAI 2022) hat die Technologie bereits erhebliche Fortschritte erzielt (beispielsweise Multimodalität (OpenAI 2023a)).

GenKI stellt keine grundlegend neue Technologie dar, jedoch hat die Weiterentwicklung und Verfeinerung dieser Technologie eine höhere Stufe der Funktionalität und Anwendbarkeit erreicht. Modelle wie Generative Adversarial Networks (GANs) haben schon vor ChatGPT die Fähigkeit zur Erzeugung neuer Daten demonstriert, die von realen Daten nicht zu unterscheiden sind (Gui et al. 2023). Beispiele für GAN-basierte Anwendungen umfassen die Hochskalierung von niedrig aufgelösten Bildern, bei der Bildteile (Pixel) generativ auf Basis des Originalmaterials und der Trainingsdaten ergänzt werden (Lee et al. 2019). Ein weiteres bemerkenswertes Beispiel stellen die ethisch umstrittenen DeepFakes dar, welche äußerst realistische Bilder oder Videos generieren, um überzeugende Fälschungen zu erstellen (Yadav und Salmani 2019). Mit ChatGPT wurde jedoch ein neues Niveau der Textgenerierung erreicht, das sowohl hinsichtlich der Qualität als auch der Breite unübertroffen ist. Die Fähigkeit, kontextbezogene und kohärente Texte zu erzeugen, hat die Tür für eine breite Palette von Anwendungen in verschiedenen Sektoren geöffnet (George et al. 2023).

Die rasche Verbreitung von ChatGPT signalisiert ein immenses Interesse und einen substanziellen Bedarf an genKI. Mit über 100 Mio. Nutzerinnen und Nutzer innerhalb von lediglich zwei Monaten avancierte ChatGPT zu einer der am schnellsten adoptierten Konsumenten-Software weltweit (Milmo 2023). Dies unterstreicht den bedeutsamen Einfluss, den genKI auf die aktuelle Technologielandschaft ausübt. Die daraus resultierende Begeisterung hat sowohl die Praxis als auch die Forschung gleichermaßen beeinflusst, was sich durch die zahlreichen neuen Anwendungsszenarien und Forschungsartikel manifestiert. In diesen werden kontinuierlich die Fähigkeiten und Limitationen der Technologie exploriert und erforscht, um innovative Lösungen für bestehende Herausforderungen und Probleme zu entwickeln (Teubner et al. 2023).

Die Dynamik von genKI als sich schnell entwickelndes technologisches Feld begünstigt eine fortlaufende Erweiterung der Möglichkeiten, die im Einklang mit den vorhandenen Fähigkeiten und Limitationen stehen. Durch regelmäßige Neuerungen, die Einführung neuer Modelle wie beispielsweise GPT‑4 sowie Software-Integrationen wie dem auf GPT‑4 basierenden Copilot in Microsoft Office 365 erlebt das Funktionalitätsspektrum dieser Technologie eine stetige Expansion (OpenAI 2023b; Spataro 2023). In diesem Kontext bleibt die Fragestellung bezüglich der spezifischen Fähigkeiten und Limitationen von genKI und wie diese praktische Anwendungsszenarien beeinflussen, ein zentraler Punkt für die Erforschung ihres Nutzens sowie für die Entscheidungsfindung hinsichtlich ihrer Verwendung in der realen Welt. Hier knüpft der vorliegende Artikel an und adressiert diesen Untersuchungsbereich mit dem Ziel, ein fundiertes Verständnis der aktuellen technologischen Fähigkeiten und Limitationen von text- wie auch bildausgebender genKI auf Basis einer breiten Palette verschiedener Anwendungsszenarien zu erlangen. Die in unserer Arbeit behandelte Forschungsfrage lautet:

Um die Forschungsfrage zu adressieren, wurde der Multimethodenansatz nach Mingers und Brocklesby (1997) verfolgt. Dabei wurde eine systematische Literaturrecherche nach Xiao und Watson (2019) durchgeführt und durch eine Vorabumfrage nach Groves et al. (2009) mit 40 verwerteten Rückläufern, unterteilt in 22 berufstätige Personen und 18 Studierende, ergänzt. Sowohl die Literaturrecherche als auch die Umfrage zielten darauf ab, Wissen und Erfahrungen zu sammeln, die Aufschluss darüber geben, in welchen Bereichen genKI bereits Anwendung gefunden hat und welche Fähigkeiten sich als wertvoll und nutzenstiftend erwiesen haben. Auch wird untersucht, in welchen Bereichen die Ergebnisse hinter den Erwartungen zurückblieben oder die Technologie an ihre derzeitigen Limitationen stieß. Der Fokus lag auf textausgebenden genKI-Modellen und -Interfaces wie ChatGPT und Gemini (ehemals Bard), als auch auf bildausgebenden genKI-Modellen und -Interfaces wie DALL‑E oder Stable Diffusion, die in der Literatur bislang weniger häufig behandelt wurden. Mit den Erkenntnissen dieses Artikels wird ein repräsentativer Orientierungspunkt in Bezug auf die aktuellen Fähigkeiten und Limitationen von genKI angestrebt. Diese sollen Praktikerinnen und Praktikern helfen, Entscheidungen über den Einsatz von genKI in verschiedenen Anwendungsszenarien zu treffen und Forscherinnen und Forschern einen Überblick über bisherige Ergebnisse sowie Ansatzpunkte für weiterführende Untersuchungen bieten.

Im Folgenden wird zuerst genKI als spezielle Form einer KI sowie die zentrale Rolle großer Sprachmodelle beleuchtet und erläutert. Nachfolgend werden diese Modelle, welche den Kern von genKI-Anwendungen bilden, mit ihren charakteristischen Merkmalen beschrieben. Zudem wird eine Übersicht über einige bekannte Modelle präsentiert.

Um die Forschungsfrage zu adressieren, wurden zwei Forschungsmethoden angewendet: (1) Eine systematische Literaturrecherche, die dem Ansatz von Xiao und Watson (2019) folgt, um einen aktuellen Überblick über die Fähigkeiten und Limitationen von genKI zu erhalten und (2) eine Vorabumfrage zu Nutzungsgewohnheiten sowie Erfahrungen mit genKI.

In Abb. 2 sind die 51 Artikel des finalen Datensatzes in Form einer Konzeptmatrix dargestellt und hinsichtlich der Typen der eingesetzten genKI-Sprachmodelle klassifiziert. Dabei wurde in 47 Artikeln die Verwendung einer textausgebenden genKI identifiziert, in zwei einer bildausgebenden genKI und in weiteren zwei eine Kombination aus beiden. Im Rahmen dieser Analyse wurden diverse Fähigkeiten und Limitationen erkannt und in acht Übergruppen bei den Fähigkeiten und sieben bei den Limitationen kategorisiert. Es gilt dabei zu beachten, dass sich während der Zeit des Erscheinens von ChatGPT sehr viel bei den Funktionalitäten und dem Reifegrad von genKI in verschiedenen Anwendungsszenarien entwickelt hat. Daher wurden die spezifischen genKI-Sprachmodelle, die in den analysierten Artikeln zum Einsatz kamen, am Ende dieses Kapitels in Tab. 3 identifiziert, gruppiert und quantifiziert sowie einzeln im Onlinematerial aufgelistet, damit die Aussagen über Fähigkeiten und Limitationen den jeweils genutzten Sprachmodellen zugeordnet werden können. Im Folgenden werden die definierten Kategorien von Fähigkeiten und Limitationen näher erläutert¹.

Zu Beginn der Umfrage wurde die Bekanntheit und Erfahrung mit einschlägigen text- und bildausgebenden genKI-Interfaces erhoben. Dabei wurden Sprachmodelle nicht gesondert abgefragt, da ihre Nutzung am häufigsten über die genannten Interfaces wie ChatGPT oder Bard erfolgt. Es wurden einige auswählbare Optionen vorgeschlagen und es war möglich, weitere genKI-Interfaces als Freitext anzugeben. Alle Befragten gaben an, bereits Erfahrungen mit ChatGPT gemacht zu haben, wobei 29 Personen (72,5 %) über eine hohe oder sehr hohe Expertise mit diesem Interface berichteten. Die Bekanntheit der anderen Interfaces fiel im Vergleich deutlich geringer aus: 27 Befragte (67,5 %) haben JasperChat, 26 (65 %) Otter, 24 (60 %) Aleph Alpha, 23 (57,5 %) YouChat und 19 (47,5 %) Bard noch nie genutzt. Im Bereich der bildausgebenden genKI hingegen gab es kein Interface, mit dem alle Befragten bereits Erfahrung hatten. Midjourney stellte sich als das populärste Interface heraus, mit 17 Befragten (42,5 %), die eine hohe oder sehr hohe Erfahrung damit angaben. Die anderen Interfaces waren deutlich weniger bekannt: 27 Befragte (67,5 %) haben Artsmart.ai, 24 (60 %) Firefly, 23 (57,5 %) Leonardo.Ai, 22 (55 %) Canva, 21 (52,5 %) DALL‑E und 15 (37,5 %) Stable Diffusion noch nie genutzt.

Weitere genannte Optionen von neun Befragten (22,5 %) umfassten AutoGPT, CLIP, automatic1111, Github Copilot und ChatPDF. Dies deutet darauf hin, dass einigen Befragten nicht klar war, was genau unter genKI zu verstehen ist. CLIP ist ein von OpenAI trainiertes Modell zur Verarbeitung von Texten und Bildern, jedoch nicht speziell zur Generierung von Inhalten bestimmt, auch wenn es einzelne Funktionalitäten wie das Erzeugen von Vorschlägen für Bildbeschreibungen bietet. Die weiteren Nennungen beziehen sich teils auf ChatGPT-Plugins (wie ChatPDF), welche die Funktionalitäten eines Sprachmodells über ein Interface erweitern können, oder teils auf tatsächliche alternative genKI-Interfaces. Die Ergebnisse über die Verteilung der Nutzungshäufigkeit von text- oder bildausgebenden genKI-Interfaces sind in Abb. 3 dargestellt.

Die Umfrageergebnisse zeigen eine weitreichende und regelmäßige Nutzung von genKI-Interfaces unter den Teilnehmenden. In Bezug auf die Nutzung im beruflichen oder privaten Kontext gaben nur zwei Teilnehmende (5 %) an, genKI weder beruflich noch privat zu nutzen. Fünf (12,5 %) nutzen genKI ausschließlich beruflich und vier (10 %) lediglich im privaten Rahmen. Die überwiegende Mehrheit, 29 Teilnehmende (72,5 %), setzt genKI sowohl privat als auch beruflich ein. Für 18 Teilnehmende (45 %) hat genKI bereits einen Einfluss auf ihre berufliche Arbeitsweise beziehungsweise täglichen Aktivitäten. Darüber hinaus gaben 23 (57,5 %) in einer Selbsteinschätzung an, ausreichend über die Funktionsweise von genKI informiert zu sein, um diese sicher und vorteilhaft im beruflichen oder akademischen Kontext nutzen zu können. Zusätzlich sehen 28 Teilnehmende (70 %) eine zentrale Rolle für genKI als digitalen Assistenten für Menschen voraus, während 12 (30 %) dieser Ansicht nicht zustimmen.

Die Befragten äußerten sich detaillierter zur Rolle von genKI als digitalen Assistenten und nannten dabei assistierende Tätigkeiten, die sich auf verschiedene aus der systematischen Literaturrecherche identifizierten Fähigkeiten beziehen lassen. Beispiele hierfür sind Unterstützung bei Informationsbedarf durch Recherchetätigkeiten, Funktionen als Tages- und Kalenderplaner, Ersatz aktueller sprachbasierter Assistenten wie Alexa (Echo) oder Siri sowie Hilfe bei Aufgaben wie dem Verfassen von E‑Mails, Protokollen oder ToDo-Listen. Darüber hinaus wurden Tätigkeiten als Übersetzer, Kommunikationsvermittler und Unterstützer älterer Menschen angeführt. Besondere Erwähnung fand die Fähigkeit von genKI zur Generierung von Bildern für Werbezwecke oder zur Erstellung erster Entwürfe für (Produkt‑)Konzepte zur Inspirationsfindung. Angesichts der in der Literatur gefundenen und von den Befragten angegebenen Anwendungsszenarien wird die universelle Einsetzbarkeit dieser Technologie besonders deutlich. Sie kann Menschen erheblich bei zahlreichen privaten und beruflichen Tätigkeiten unterstützen, ihre Effizienz verbessern und ihre Kapazitäten hinsichtlich der bewältigbaren Aufgabenmenge erweitern. In der Umfrage wurden zudem spezifische Anwendungsszenarien erörtert, die in der Literatur nicht erfasst wurden, wie der Einsatz von genKI für die Reiseplanung oder die Auswahl von Geschenken. Insgesamt konnten alle in der Literaturrecherche identifizierten Fähigkeiten durch die praktischen Angaben, die aus den Antworten der 40 Befragten hervorgingen, bestätigt werden.

Gemäß den Rückmeldungen der Befragten weist genKI für sie auch Limitationen auf. Bei der Frage zu Anwendungsszenarien, in denen die Technologie nicht zufriedenstellend eingesetzt werden konnte oder enttäuschte, bestätigten 25 Teilnehmende (62,5 %) solche Erfahrungen gemacht zu haben. Die Gründe hierfür waren unter anderem Limitierungen bei den technischen Kapazitäten und der Sprachverarbeitung, etwa das Übergehen von Kontext bei langen Textverläufen oder nicht berücksichtigte Vorgaben bei der Bildgenerierung. Auch der Einsatz von genKI für die Unterstützung bei Programmiertätigkeiten erfüllte nicht immer die Erwartungen. Weiterhin wurden gesundheitliche und psychologische Fragen als Szenarien genannt, in denen keine zufriedenstellenden Ergebnisse erzielt werden konnten. Plugins, die das Auslesen von Informationen aus PDF-Dateien ermöglichen, wie beispielsweise ChatPDF, konnten aufgrund von Ungenauigkeiten ihre Versprechen nicht immer erfüllen und enttäuschten ebenso wie die Ergebnisse aus Aufforderungen an genKI-Interfaces, Quellen für ihre Ausgaben bereitzustellen, die oftmals halluziniert wurden. Auf die Frage nach Anwendungsszenarien, in denen genKI auch in Zukunft nicht eingesetzt werden würde, umfassten die Antworten haptische Tätigkeiten, Aktivitäten, die eine tiefgreifende soziale und empathische Kommunikation erfordern und spezifische Tätigkeiten, für die es kaum Daten gibt, wodurch Sprachmodelle meist keine nützlichen Antworten generieren können. Insgesamt konnten die in der Literatur identifizierten Limitationen durch die Antworten der 40 Befragten auch aus der Praxis bestätigt werden.

Die Ergebnisse der Vorabumfrage offenbaren auch eine gewisse Ambivalenz der Befragten hinsichtlich genKI. Bei der Frage nach der Einstellung zu Entscheidungen, die vollständig von genKI getroffen werden, äußerten sich 17 Teilnehmende (42,5 %) neutral. Dagegen bekundeten 12 (30 %) geringes oder sehr geringes Vertrauen in die Entscheidungsfindung durch genKI, während 11 (27,5 %) hohes oder sehr hohes Vertrauen mitteilten. Eine ähnliche Divergenz zeigte sich bei der Sorge um ethische Fragestellungen im Zusammenhang mit genKI, insbesondere in den Bereichen Datenschutz und Urheberrecht. Hier äußerten 20 Teilnehmende (50 %) wenig oder keine Besorgnis, im Gegensatz zu 19 (47,5 %), die sich besorgt oder äußerst besorgt zeigten.

Die Auswertung und Einordnung der durch die systematische Literaturrecherche und Vorabumfrage erlangten Einsichten beleuchtet die vielschichtige Landschaft von genKI im aktuellen Forschungs- und Anwendungsrahmen. Die Interpretation der Daten zeigt die dynamische Natur der Entwicklung und Anwendung von genKI-Interfaces und der zugrunde liegenden Sprachmodelle, insbesondere im Verlauf des letzten Jahres, wie Tab. 1 verdeutlicht. Erwartungskonform bestätigt die Literatur als auch die Vorabumfrage deutlich, dass die GPT-Sprachmodelle am weitesten verbreitet sind und dass der dahinterstehende Entwickler OpenAI in vielerlei Hinsicht eine Vorreiterrolle einnimmt. Ein wesentlicher Aspekt, der bei der Einordnung der Erkenntnisse dieses Artikels und der Betrachtung anderer Literatur zu berücksichtigen ist, betrifft das jeweils eingesetzte Sprachmodell und dessen Version (Alaswad et al. 2023). Beispielsweise ist die alleinige Angabe eines Interfaces wie ChatGPT unzureichend, da über dieses verschiedene Sprachmodellversionen genutzt werden können, abhängig etwa davon, ob die Nutzerin oder der Nutzer einen kostenpflichtigen Plus-Zugang besitzt. Darüber hinaus könnten einige der in den analysierten Artikeln genannten Limitationen, beispielsweise im Kontext von GPT‑3, in späteren Versionen wie GPT‑3.5 oder GPT‑4 bereits adressiert und abgemildert worden sein, sodass diese möglicherweise obsolet geworden sind (Frenkel und Emara 2023). Die präzise Angabe der eingesetzten Modelle und des Zeitraums der Untersuchungen sind für die Vergleichbarkeit und Beurteilung von genKI unerlässlich und können durch zusätzliche Parameterangaben wie „Temperature“ oder „Frequency“, die im Falle von GPT-Modellen Einfluss auf die Ausgaben haben, ergänzt werden (Soman und Ranjani 2023). In der durchgeführten Literaturrecherche zeigte sich diese Informationslücke in einigen Fällen, was die Analyse erschwerte.

Der Aspekt variierender Sprachmodellversionen bietet eine mögliche Erklärung für aufgedeckte Widersprüche. In der Literatur wurde Domänenwissen als Fähigkeit und Stärke von genKI herausgestellt (Juhasz und Guan 2023; Lappalainen und Narayanan 2023), während diese in den Umfragen teilweise kritisiert wurde. Ähnliches zeigte sich im Bereich der Programmierung, wo die Möglichkeiten mit genKI als weitreichend erachtet, jedoch auch Schwächen notiert wurden (Iqbal et al. 2023; Wang et al. 2023). Ein Erklärungsansatz in diesem Kontext könnte die vorhandene oder fehlende Expertise der Nutzerinnen und Nutzer im Umgang mit genKI-Interfaces und Sprachmodellen sein. Daran anknüpfend stellt die Qualität der Prompts einen entscheidenden Faktor für die Leistungsfähigkeit von genKI und der Kommunikation mit Sprachmodellen in spezifischen Anwendungsszenarien dar (Hutson und Cotroneo 2023). Unpassende oder mehrdeutige Formulierungen sowie fehlender, jedoch erforderlicher Kontext können zu unbefriedigenden Ergebnissen führen (Parker et al. 2023). In vielen Forschungs- und Praxisartikeln bleibt die Qualität der Prompts eine Blackbox, da diese nicht eingesehen werden können. Dies erschwert die Bewertung der Fähigkeiten und Limitationen von genKI, da enttäuschende Ergebnisse eine tatsächliche Limitation der Technologie und des Sprachmodells darstellen können oder möglicherweise auf unklare oder ungeeignet formulierte Prompts zurückzuführen sind. Um einen validen Eindruck zu erhalten, sollte darauf geachtet werden, dass mehrere unabhängige Tests in gleichen Anwendungsszenarien durchgeführt werden, die zu gleichen oder ähnlichen Ergebnissen sowohl hinsichtlich der Fähigkeiten als auch Limitationen führen.

Auf Grundlage der Ergebnisse der Vorabumfrage zeichnet sich eine bestimmte Ambivalenz hinsichtlich des Vertrauens in genKI als Entscheidungsträger und Technologie ab, die teilweise mit den unterschiedlichen Erfahrungen und Wahrnehmungen in Zusammenhang steht. Personen mit sehr hoher Erfahrung tendieren dazu, ein höheres Vertrauen in die Fähigkeiten der Technologie anzugeben, im Vergleich zu Personen mit geringerer Erfahrung. Diese Art von Diskrepanzen könnten auch Auswirkungen auf die zukünftige Akzeptanz und Anwendung dieser Technologie haben. In diesem Kontext sind auch bestehende ethische Diskussionen zu nennen, die für KI im Allgemeinen und genKI im Besonderen gelten, wie beispielsweise das datengetriebene (rassistische und sexistische) Profiling (Intahchomphoo und Gundersen 2020) oder den Einsatz beim wissenschaftlichen Schreiben (Lund und Ting 2023). Die Autoren des vorliegenden Artikels betrachten eine grundlegende genKI-Bildung an Hochschulen und bereits in Sekundarstufen als wichtig, um jungen Menschen zu ermöglichen, sich auf einer fundierten Wissensbasis eine Meinung zu bilden, genKI-Ausgaben kritisch zu reflektieren und im Falle der Nutzung, die Fähigkeiten der Technologie unter Berücksichtigung der gegenwärtigen Limitationen bestmöglich auszuschöpfen. In Bildungsumgebungen sind bereits Integrationen in die Lehrpraxis in Form angepasster oder neuer Lehrveranstaltungen im Gange (Cooper 2023). Wie auch die Literaturrecherche zeigte, gab es eine feststellbare Mehrheit von Anwendungsszenarien, die in Bildungsumgebungen stattfanden, zum Beispiel von AlAfnan et al. (2023) und Boscardin et al. (2023).

Abseits des Vertrauens fühlen sich viele Berufstätige insbesondere aufgrund der generativen Fähigkeiten in Bezug auf ihre berufliche Stellung bedroht. Ein Beispiel hierfür war der Streik der Gewerkschaft SAG-AFTRA in Hollywood, bei dem klare Regulierungen bezüglich des Einsatzes von KI in der Filmindustrie gefordert wurden (Padtberg 2023). Diese Regulierungen sollen Bereiche wie das Verfassen von Geschichten für künstlerische Werke, Drehbücher für Filmaufnahmen oder auch das Modifizieren von Bild- und Videoinhalten, etwa zum künstlichen Verjüngen von Schauspielerinnen und Schauspielern, betreffen. GenKI als Technologie bietet durch ihre Fähigkeiten dahingehend besonders Produktionsfirmen Vorteile, die damit ihre Prozesse effizienter gestalten, unterstützen und weiterführend wirtschaftlicher machen können. Dieses Beispiel lässt sich auch auf andere Anwendungsszenarien und technologiedurchdrungene oder wissensintensive Branchen übertragen und wird vermutlich noch eine längere Zeit Debatten nach sich ziehen, wie auch ein Bericht von McKinsey & Company über die Implikationen auf dem amerikanischen Arbeitsmarkt andeutet (Ellingrud et al. 2023). Eine Entwicklung in dieser Hinsicht stellt der von der EU verabschiedete AI Act dar, der unter anderem für genKI vorschreibt, dass im Sinne der Transparenz KI-generierte Inhalte gekennzeichnet werden müssen und keine Inhalte für illegale Zwecke erstellt werden dürfen (Europaparlament 2023). Diese Anforderungen werden von zahlreichen in diesem Artikel aufgeführten genKI-Interfaces beziehungsweise Sprachmodellen derzeit nicht erfüllt, sodass weitere Entwicklungen in diesem Kontext zu erwarten sind. Dies nimmt auch Bezug auf eine breit geführte Debatte darüber, wie im Bildungsbereich damit umgegangen wird, dass durch genKI Leistungsnachweise unterstützt oder nahezu vollständig übernommen werden können und die Eigenständigkeit, der Lerneffekt sowie gegenwärtige Prüfungsformen hinterfragt werden, wie auch Boscardin et al. (2023) in der medizinischen Bildung aufführen.

Als Beispiel herangezogen erfordert der Einsatz von genKI in der Filmindustrie ein grundlegendes Maß an Kreativität und Originalität, insbesondere beim Verfassen einer kohärenten Geschichte. Bei Anwendungsszenarien, in denen es auf Kreativität ankommt, beispielsweise in Bereichen der Problemlösung und Ideengenerierung, kann diese Technologie laut Memmert und Tavanapour (2023) nutzbringend eingesetzt werden. Demgegenüber stehen Aussagen, die Kreativität als eine spezifisch menschliche Fähigkeit definieren, die für eine künstliche Intelligenz herausfordernd und nicht in gleicher Weise realisierbar ist (Chen et al. 2023). Es kommt hinzu, dass Sprachmodelle auf der Grundlage von Datensets vortrainiert sind, was bedeutet, dass sie auf bereits existierenden und teilweise veralteten Daten arbeiten und (ohne Internetzugriff) nur diese nutzen können (Waqas et al. 2023). Dennoch können aus Datenkombinationen neue und vielversprechende Ideen entstehen, die es in dieser Form noch nicht gab und in Rahmen von Mensch-KI-Kollaborationen weiterentwickelbar sind (Guo et al. 2023).

Im Rahmen dieses Artikels wurde eine eingehende Untersuchung zu den Fähigkeiten und Limitationen von genKI vorgenommen. Durch die Durchführung einer systematischen Literaturrecherche und die Auswertung einer Vorabumfrage konnten umfassende Einsichten sowohl aus wissenschaftlicher als auch aus anwenderorientierter Perspektive gewonnen werden. Die Analyse offenbart eine dynamische Entwicklungslandschaft, in der genKI bereits in einer breiten Palette von Anwendungsszenarien Verwendung findet, wenngleich bestimmte Limitationen die Qualität in spezifischen Kontexten beeinträchtigen können. Der Markt für neue genKI-Sprachmodelle und -Interfaces expandiert rasant und es werden kontinuierlich neue Alternativen angeboten; auch datenschutzkonforme Lösungen gewinnen zunehmend an Popularität und Akzeptanz. Durch die strukturierte Einordnung und Diskussion der gewonnenen Erkenntnisse bietet der Artikel als Momentaufnahme eine fundierte Einsicht in den aktuellen Stand von genKI und den eingesetzten Sprachmodellen. Darüber hinaus legt er eine Basis für nachfolgende Forschungen in diesem Bereich und bietet eine praxisorientierte Grundlage, um zu bewerten, ob genKI für verschiedene Anwendungsszenarien zweckdienlich sein könnte.

Dieser Artikel weist einige Limitationen auf, die besonders aus den methodischen Ansätzen der systematischen Literaturrecherche und der Vorabumfrage resultieren. Die Auswahl der untersuchten Literatur sowie deren Qualität könnten die Ergebnisse beeinflusst haben. Dies ergibt sich insbesondere daraus, dass aufgrund der Aktualität und Dynamik von genKI auch graue Literatur vor allem von arXiv berücksichtigt wurde, die nicht zwangsweise ein rigoroses wissenschaftliches Begutachtungsverfahren durchlaufen hat. Es besteht zudem die Möglichkeit, dass relevante Artikel nicht einbezogen wurden, falls diese in den ausgewählten elektronischen Datenbanken für die Literatursuche nicht indexiert oder durch den finalen Suchstring nicht erfasst wurden. Außerdem ist die Validität der Ergebnisse der Vorabumfrage durch die begrenzte Anzahl von 40 Antworten eingeschränkt. Für eine höhere Repräsentativität und Generalisierbarkeit der Erkenntnisse wäre eine umfangreichere Befragung mit einer größeren Stichprobe erforderlich. Eine bereits geplante Hauptumfrage könnte in Zukunft eine größere Anzahl von Antworten sammeln und das Verständnis der genKI-Nutzungsgewohnheiten vertiefen. Obwohl der Schwerpunkt des Artikels auf der systematischen Literaturrecherche liegt, bieten die Ergebnisse der Vorabumfrage dennoch Einblicke in die Anwendung und Wahrnehmung von genKI aus der Praxisperspektive im Rahmen einer Primärerhebung. Darüber hinaus stellt die dynamische Natur der genKI-Technologie eine weitere Limitation des Artikels dar, da sich die Fähigkeiten und Limitationen mit der Zeit und den Fortschritten in Forschung und Entwicklung rasch ändern können. Diese Faktoren unterstreichen die Notwendigkeit kontinuierlicher Untersuchungen, um das sich entwickelnde Terrain der genKI und ihre Auswirkungen auf verschiedene Anwendungsbereiche besser zu verstehen.

Die durchgeführte Untersuchung eröffnet ein breites Spektrum möglicher Forschungsrichtungen für die Zukunft. Beispielsweise könnten künftige Studien die Auswirkungen von genKI auf spezifische Sektoren oder Berufsgruppen vertieft erforschen. Die kontinuierliche Weiterentwicklung und Verbesserung der zugrunde liegenden Sprachmodelle bietet zudem ein weites Feld für die Exploration neuer Anwendungsszenarien sowie die Überprüfung bisher identifizierter Limitationen durch den Vergleich verschiedener Modelle. Angesichts seiner Bedeutung stellt weiterführend das Thema Prompting ein vielversprechendes Forschungsgebiet dar, um operationalisierbare Prinzipien für die Formulierung effektiver Prompts je nach Anwendungsszenario zu entwickeln.

GenKI hat sich als signifikante Technologie erwiesen, mit dem Potenzial, die Arbeitsweisen von Individuen und Organisationen grundlegend zu transformieren. Die gesellschaftliche Verbreitung von genKI wird voraussichtlich in den kommenden Jahren weiter zunehmen und ihre Fähigkeit, komplexe Aufgaben zu unterstützen oder zu automatisieren sowie in Entscheidungsprozesse eingebunden zu werden, wird sie nach den Meinungen der Autoren dieses Artikels zu einem unverzichtbaren Werkzeug in vielen Bereichen machen. Es ist jedoch von zentraler Bedeutung, ein tiefgreifendes Verständnis der Fähigkeiten und Limitationen dieser Technologie zu erlangen, um ihre sichere und effektive Anwendung zu gewährleisten und mögliche negative Auswirkungen zu antizipieren und zu minimieren. Die hier präsentierten Erkenntnisse leisten einen Beitrag zur fortlaufenden Diskussion über die Rolle und die Implikationen von genKI in unserer Gesellschaft und bieten eine Basis für weitere explorative und evaluative Forschungsarbeiten in diesem sich rasch entwickelnden Feld.