Kolumne: Die Auswirkungen der KI-Revolution auf die Texterstellung

Das dialogorientierte KI-Tool ChatGPT hat für Furore gesorgt. Es hat eindrücklich gezeigt, wie schnell sich Anwendungen der Künstlichen Intelligenz auch im Content-Bereich weiterentwickeln. Olaf Kopp erklärt dir in seiner Kolumne, was hinter diesen Werkzeugen steckt, wofür er sie heute schon anwendet, wo bislang ihre Grenzen liegen und wie sie in den nächsten Jahren Berufsbilder und Arbeitsabläufe verändern könnten.

(Bild generiert mit Stable Diffusion)

Einführung

Mit dem Release von ChatGPT hat OpenAI eine revolutionäre Entwicklung eingeleitet und den Tipping Point für die Anwendung von KI-Tools durch die breite Masse erwirkt.

Doch auf welche Branchen hat diese Entwicklung Einfluss oder welche Branchen könnten sogar disruptiert werden?

Ich denke, dass Content-Kreatoren wie Text-Dienstleiter, Autoren, aber auch Grafiker und Video-Produzenten schon in naher Zukunft die Auswirkungen zu spüren bekommen werden und ihre Rollen neu definieren müssen.

Zur Herleitung meiner Theorie möchte ich kurz darauf eingehen, was hinter dieser ganzen „Magie“ rund um ChatGPT und anderen Sprachmodellen eigentlich steckt.

A N Z E I G E

neuroflash

 

Sprachmodelle und Natural Language Processing

Unternehmen wie Microsoft, OpenAI, Google, Meta oder Baidu arbeiten schon seit vielen Jahren an der Weiterentwicklung in Sachen KI und (Sprach-)Modellen. 

Modelle können hinsichtlich verschiedener Anwendungsgebiete (z.B. Sprache, Text, Bild, Video …) trainiert werden.

Die aktuell umfangreichsten Modelle besitzen Google (Lamda, PaLM & BERT), OpenAI (GPT-3 & DALL-E) und Microsoft & Nvidia (Megatron-Turing NLG).

Die KI-Modelle sind in den vergangenen Jahren erheblich gewachsen.

Die genannten Unternehmen arbeiten schon lange in ihren Laboren daran, Sprachmodellen zu trainieren. Die 2017 von Google vorgestellten Transformer Based Models bildeten einen Meilenstein beim Trainieren von Sprachmodellen. 

Durch die immer leistungsstärkeren Computer und Prozessoren und die Weiterentwicklung von Technologien wie Natural Language Processing hat sich der Fortschritt hier beschleunigt.

Natural Language Processing ist sowohl für das Trainieren von Sprachmodellen mittels Dokumenten und Audio (Natural Language Understanding) als auch die Ausgabe von Text und Sprache (Natural Language Generation) die Grundlage.

Unterkategorien des Natural Language Processing (Quelle)

Bisher wurden diese Technologien aber in erster Linie im Hintergrund z.B. bei der Google-Suche eingesetzt, ohne dass der Nutzer etwas direkt davon mitbekommt.

Seit ca. 2020 kommen nun immer mehr kommerzielle auf Sprachmodellen basierte Texterstellungs-Tools wie z.B. Jasper.ai, Frase oder Neuroflash auf den Markt. Diese wurden in erster Linie von Vorreitern aus Agenturen oder von innovativen Freelancern genutzt. Der Durchbruch ließ bisher aber auf sich warten, da der Output der Tools bisher noch nicht zu Begeisterungsstürmen führte.

Durch die Veröffentlichung von ChatGPT und der beachtlichen Qualität des Outputs sowie den medialen Buzz ist das Thema nun endgültig in einer breiteren Öffentlichkeit angekommen.

Welche Bereiche und Branchen sind von KI betroffen?

Die KI-Modelle lassen sich für diverse Anwendungsszenarien trainieren und hätten demnach auch Einfluss auf verschiedene Branchen:

  • Text: Marketing, Sales, Support, Texterstellung allgemein, Notizen & Protokolle, …
  • Code: Code-Erstellung, Code-Dokumentation, Text to SQL, Web-App-Entwicklung
  • Bilder: Bild-Erstellung, Social Media Content, Medien / Werbung, Design
  • Sprache: Sprachsynthese, Speech to text, Text to speech
  • Video: Video-Bearbeitung, Video-Erstellung
  • 3D: 3D-Modelle und -Szenen
  • Weitere: Gaming, Robotik, Musik, Audio, Biologie & Chemie
Die Anwendungsgebiete für solche KI-Tools werden immer vielfältiger. (Quelle)

Wann müssen wir darauf reagieren?

Die ersten vorsichtigen Versuche, die vor Jahren in der praktischen Anwendung von KI bei der Spam-Erkennung, für das Erstellen einfacher Texte und für die Coding-Korrektur begonnen haben, entwickeln sich durch die rasante Verbesserung der Sprachmodelle zu einer Lawine, die in der Breite in einigen Jahren ankommen wird.

Dienstleister für Massen-Texte stehen jetzt schon schwierige Zeiten bevor und sie müssen ihre Geschäftsmodelle hinterfragen.

Die betroffenen Branchen und Fachkräfte sollten sich zeitnah mit den neuen Möglichkeiten beschäftigen, Tätigkeitsschwerpunkten und Definition des Stellenprofils beschäftigen. Pandoras Büchse ist offen und wird sich nicht mehr schließen.

KI-Tools werden weitere Aufgaben und Gebiete meistern – und das nicht erst in ferner Zukunft. (Quelle)

Bei welchen Aufgaben kann KI bei der Texterstellung unterstützen?

Um zu verstehen, was KI kann und was sie nicht kann, muss man sich im ersten Schritt mit den Tools beschäftigen und Erfahrungen sammeln. Dabei ist es wichtig, die Tools als Freund und nicht als Feind zu betrachten und sie mit der notwendigen Offenheit auszuprobieren. Erst wenn man so an die Sache herangeht, wird Kreativität im Umgang mit den Tools entfacht.

Bei der Texterstellung beschäftigt man sich etwa mit den folgenden Arbeitsschritten:

  1. ggf. Themenfindung
  2. Recherche
  3. Konzeption und Strukturierung
  4. Texterstellung
  5. Qualitätsmanagement
  6. ggf. Publishing

Um herauszufinden, bei welchen Prozessschritten KI unterstützen kann, muss man sich mit Prompt-Engineering beschäftigen, also dem Formulieren von Briefings für die KI. Es ist wie beim Briefing für menschliche Texter: Je detaillierter eine Prompt ist, desto besser das Ergebnis.

Tools, Tipps, News zu KI für Kreative

Der kostenlose Smart Content Report liefert dir alle 14 Tage:

  • eine Anleitung mit Tipps aus der Praxis
  • aktuelle News rund um neue Angebote und Entwicklungen
  • Links auf lesenswerte Artikel

Kein Spam! 100% nützlich. Schon knapp 200 Leser:innen sind dabei.

Hier eintragen …

Den richtigen Detailgrad zu finden, bedarf etwas Übung. Es gibt inzwischen schon viele Templates für bestimmte Prompts. 

Ich nutze KI inzwischen bei den Prozessschritten 1 bis 5 als Assistenz. Das Qualitätsmanagement muss hingegen noch komplett manuell erfolgen.

Zudem unterscheide ich zwischen den Themen und den Content-Arten, um zu überlegen, ob und inwiefern ich KI nutze.

Bei Grundlagen-Beiträgen, die noch bei Google ranken sollen, nimmt mir die KI schon einen Großteil der Arbeit ab. Dort erledigt sie bereits 60% bis 80% meiner Arbeit. Hier muss man aber abwarten, wie gut Google KI-erstellte Inhalte erkennen kann und inwiefern die Suchmaschine sie dann abwertet.

Für Thought Leadership Content oder Kolumnen wie diese hier, nutze ich hingegen keine KI.

Das liegt an den Grenzen, die KI bei der Texterstellung hat:

  • Themenfindung: KI kann bei der Themenfindung unterstützen, wird aber immer nur den Konsens der Perspektiven abdecken und keine neuen Perspektiven geben können. 
  • Recherche: Bei der Recherche von Grundlagen funktioniert KI bei vielen Themen schon recht gut. Eine Prüfung ist gerade bei Zahlen, Daten und Fakten aber unbedingt zu empfehlen. Im Zweifel geben die Tools falsche Daten aus.
  • Konzeption und Strukturierung: Einige KI-Tools wie ChatGPT, Playground oder Jasper lassen sich beim ersten Schritt der Konzeption und Strukturierung eines Textes zur Inspiration nutzen und liefern auch schon gute Impulse. Dennoch sollte man die Ergebnisse oft nicht eins zu eins übernehmen und kritisch anpassen oder ergänzen.
  • Texterstellung: Bei der eigentlichen Texterstellung ist zu empfehlen, der KI nicht die Erstellung des kompletten Textes am Stück zu überlassen. Ich arbeite hier Kapitel für Kapitel und prüfe, ergänze und korrigiere bei Bedarf den Output. Hier kann man neben der Recherche am meisten Zeit sparen.
  • Qualitätsmanagement: Je nach Qualitätsanspruch ist ein manuelles Lektorat zu empfehlen. Bei Zahlen, Daten und Fakten sollte man bei mindestens einer vertrauenswürdige Quelle gegenprüfen.

Eine KI wird bei Grundlagen-Ratgebern immer mehr Aufgaben abnehmen können. Tiefgehendes Expertenwissen, das über den Standard hinausgeht, wird eine KI aber nicht liefern können. 

Auch persönliche Meinungen, Bewertungen und Ansichten wird eine KI nicht liefern können, da sie nicht auf echte Erfahrung zurückgreifen kann.

Für eine reine Kuration liefern KI-Tools hingegen schon heute den Großteil der Arbeit.

Ich arbeite jetzt seit über einem Jahr mit KI-Tools für die Texterstellung und will sie nicht mehr missen. 

Die Folgen und die neue Rolle von Textern und Autoren

Die Text-Dienstleister-Branche spürt jetzt schon die Veränderungen, die mit der KI-Revolution einhergehen.

Wir werden eine Disruption bei Massen-Texten sowohl bei den Dienstleistern als auch bei den Preisen sehen. Die Preise für diese Art von Content werden sinken.

Unternehmen werden zukünftig eigene auf sie abgestimmte Sprachmodelle trainieren, die auf die großen Sprachmodelle aufsetzen und beachtliche Ergebnisse damit erzielen und immer mehr Content inhouse produzieren.

Texter und Autoren werden zukünftig immer mehr Aufgaben an KI-Tools abgeben können und durch die Zeitersparnis den Fokus auf die Themenfindung, Recherche, Strukturierung und das Qualitätsmanagement legen.

In bestimmten Bereichen, insbesondere bei Dienstleistungen, sehe ich Texter und Autoren immer mehr in der Rolle eines Architekten, Konstrukteurs und Qualitätsmanagers. Den eigentlichen Bau übernimmt die KI, basierend auf professionellen Briefings.

Mit dem Blick auf die von mir genannten Einschränkungen: It’s a revolution baby! 


Dieser Artikel gehört zu: UPLOAD Magazin 106

Schon gewusst? Mit einem Zugang zu UPLOAD Magazin Plus oder zur Content Academy lädst du Ausgaben als PDF und E-Book herunter und hast viele weitere Vorteile!