In den Weiten der Tech-Szene macht sich eine Art Goldgräberstimmung breit. Ein fast überall wahrnehmbares Raunen geht durch die Branchen dieser Welt. Eine neue Technologie wurde veröffentlicht, die aus meiner Sicht auch den Lernkosmos auf den Kopf stellen wird. Ende 2022 war es so weit, ChatGPT wurde von OpenAI der gesamten Internetnutzerschaft freigegeben und hat sich innerhalb von Tagen so schnell global verbreitet, wie kein anderes Tool je zuvor. Seitdem überschlagen sich die Ereignisse! Es geht sogar so weit, dass bekannte KI-Experten wie Yuval Noah Harari, Steve Wozniak (Apple), Turing-Preisträger Yoshua Bengio und Elon Musk (Tesla) ein Weiterentwicklungsverbot für mind. 6 Monate vorschlagen, um die unvorhersagbaren Entwicklungssprünge zu verlangsamen. Alles, was qualitativ besser als GPT-4 (das Large Language Model hinter ChatGPT) wird, soll pausiert werden. Auch wenn das auf globaler Ebene wohl nicht realistisch ist und man sich immer auch fragen sollte, wer die Petition unterschrieben hat und was die Hintergedanken sein könnten, OpenAI und Microsoft dominieren die AI-Entwicklung zurzeit ganz klar, werden die Stimmen einer Verlangsamung der Entwicklung lauter.

Wie in unserem Buch „New Work braucht New Learning“ beschrieben, stehen wir am Tipping-Point, einer exponentiell verlaufenden Entwicklungskurve und ChatGPT ist dabei nur die Spitze des Eisbergs. Die dahinter liegenden KI-Modelle (KI = Künstliche Intelligenz) können sich bspw. bereits immer besser gegenseitig trainieren, was Türen öffnen wird, von denen wir noch nicht einmal wussten, dass es sie gibt. Laut einer empirischen Studie der University of Pennsylvania können GPT-Modelle sogar eine Basistechnologie darstellen, die ähnlich wie Elektrizität weitreichende Auswirkungen auf die Wirtschaft, Gesellschaft und Politik hat. Die Auswirkungen sind unklar, müssen aber von allen Organisationen und allen Fachbereichen geprüft werden. So auch im Kontext betrieblicher Bildung.

Aber langsam, lasst uns vorne beginnen.

Was ist ChatGPT eigentlich?

ChatGPT ist ein großes Sprachmodell (LLM = Large Language Model), das auf der GPT-4 -Architektur basiert und von OpenAI entwickelt wurde. Es wurde darauf trainiert, natürliche Sprache zu „verstehen“ und zu generieren, um auf menschliche Eingaben und Fragen zu antworten. Das Modell nutzt dabei maschinelles Lernen und neuronale Netze, um aufgrund von Trainingsdaten Muster zu erkennen und darauf basierend Antworten zu generieren. ChatGPT kann in verschiedenen Anwendungen eingesetzt werden, wie zum Beispiel in Chatbots, personalisierten Empfehlungssystemen und maschineller Übersetzung.

ChatGPT gehört zu der Kategorie der „Generative AI“-Tools (GAI / genAI – Generative Artificial Intelligence). Das „Generative“ steht hierbei dafür, dass der Algorithmus, zur Erstellung von Inhalten verwendet werden kann. Dabei können nicht nur Texte, sondern auch Audio-, Video- und 3D-Inhalte, bis zu ganzen Webseiten von Generative AI-Tools erstellt werden. Zu den bekanntesten Anbietern gehören zurzeit neben ChatGPT bspw. auch DALL-E, midjourney, Stable Diffusion, Microsoft Copilot & Bing, Jasper AI, Runway AI, synthesia. Die Liste wächst rasant! Hier ein Link zu einer Tool-Liste von mir zu genAI Tools: http://bit.ly/3vMTD8C

Was kann ChatGPT und Co und was nicht?

Natürlich ist auch bei ChatGPT und Co nicht alles Gold was glänzt. Sich blind auf die kreierten bspw. Antworten zu verlassen, wäre nicht sinnvoll bis teilweise sogar gefährlich.

Das bis jetzt medial bekannteste Problem nennt sich „artificial hallucination“. Künstliche Halluzination beschreibt das Phänomen, dass eine Maschine, wie z. B. ein Chatbot, scheinbar realistische Sinneserfahrungen/Antworten erzeugt, die nicht auf realen Fakten basieren. Also einfach nicht stimmen. Und dies in einer sehr „überzeugenden“ Art und Weise. Allerdings nehmen diese „artificial hallucinations“ wohl ab. Die AI lernt… schnell!

Ein weiteres Problem, welchem wir uns dringend in diesem Kontext annehmen müssen, ist das des „AI Bias“, oder wie es Matule Nkonde auf Mashable im Februar 2023 sagte (Übersetzung mittels DeepL):

„Ein Modell dieser Größe benötigt Beiträge von Menschen aus der ganzen Welt, spiegelt aber zwangsläufig die Voreingenommenheit seiner Verfasser wider. Das bedeutet, dass die Beiträge von Frauen, Kindern und anderen Menschen, die im Laufe der Menschheitsgeschichte an den Rand gedrängt wurden, unterrepräsentiert sein werden, und diese Voreingenommenheit wird sich in der Funktionalität von ChatGPT widerspiegeln.“

Auf der anderen Seite öffnen sich durch GTP-4 gerade sehr viele Möglichkeitsräume.

Gerade wurde bspw. ein neues Framework veröffentlicht, welches es GPT-4 ermöglicht seine Performance stetig zu evaluieren und eigenständig zu verbessern. Es simuliert dabei die Logik, wie wir Menschen durch Reflexion lernen, was vor GPT-4 nicht möglich gewesen ist.

Selbst wissenschaftliche Texte, besonders zu bereits, breiter erforschten Themen, können durch ChatGPT geschrieben werden. Inkl. Angabe von Quellen. Und dies in einer erstaunlich guten Qualität, auch wenn man die Texte sicher noch genauer auf ihre Richtigkeit, überprüfen sollte. Laut OpenAI sind die Antworten im Schnitt zu 80% korrekt, aber eben nicht frei von „artificial hallucination“. Wen ihr mich fragt ist alles um die 80-90% wahrscheinlich sogar schon höher, als von uns Menschen.

Des Weiteren kann man mittels GPT-4 jetzt auch Knowledge Graphen zu einem zuvor gewählten Thema erstellen, und dabei selbstständig neue Fragen, zu den selbst gegebenen Antworten erzeugen, um den Knowledge Graph aufzubauen und zu erweitern. Dies könnte z.B. Lernenden dabei helfen, neue Themengebiete, leichter erkundbar zu machen. Daraus könnten auch eine Art dynamische Wissenslandkarten entstehen, die sich stetig aktualisieren und erweitern. Siehe bspw. Superusapp.com

Durch die Einführung von Plugins für ChatGPT können nun auch z.B. Online Bezahlsysteme, eCommerce Shops, Reiseportale und andere Content Generater wie Stable Diffusion eingebunden werden. ChatGPT hat dadurch Zugriff auf das „reale“ Internet. Ein weiterer Game-Changer.

HuggingGPT ist eine Open Source Plattform um z.B. AI Modelle auf ein spezifisches Thema hin zu trainieren, und diese Modelle für andere nutzbar zu machen. Diese lassen sich dann wiederum in bspw. ChatGPT integrieren. Ohne es zu komplex machen zu wollen, ermöglicht dies den Zugriff auf mehrere AI Modelle über ChatGPT, was es ermöglicht, diese in immer spezifischer werdenden Themenbereichen einsetzen zu können.

Es wird noch wilder!! Auto-GPT ist ein experimentelles Open-Source-Projekt, das auf GPT-4 aufbaut, um sozusagen die Automatisierung von Aufgaben zu automatisieren. Das bedeutet, dass Auto-GPT selbstständig, ohne Eingriff durch uns, Aufgaben zur Erreichung durch von uns gesteckter Ziele, definieren und durchführen kann. Auto-GPT hat dabei Zugang zum Internet und kann Informationen selbstständig suchen und sammeln. Es verfügt über ein Kurzzeit- und ein Langzeitgedächtnis, sodass es sich Dinge über die Zeit besser merken kann. Zudem kann es Dateien erstellen, speichern und sich automatisch abschalten, wenn es glaubt, dass die von uns gesetzten Ziele erreicht wurden. Wir „füttern“ Auto-GPT im Prinzip „nur noch“ mit unseren Zielen und es macht sich, im Rahmen der momentan gegebenen Möglichkeiten, ans Werk, diese für uns zu erreichen. Auch initiale Marktanalysen können damit durchgeführt werden. Dieses Projekt gibt uns einen ersten Blick darauf, wie eine sog. Artificial General Intelligence (AGI) aussehen kann.

Eine Artificial General Intelligence (künstliche allgemeine Intelligenz) ist eine noch hypothetische Art von Software, die so intelligent ist, dass sie jede Art von intellektueller Aufgabe verstehen oder erlernen kann, die auch ein Mensch imstande wäre auszuführen und noch viel mehr…

Momentan limitiert eigentlich fast nur noch unsere eigene Vorstellungskraft, was wir mit diesen neuen technologischen Möglichkeiten alles im Kontext unserer Organisationen machen können. Diese Räume gilt es dringend zu explorieren! Deshalb bieten wir im New Learning Lab auch eine monatliche Session zu dem Thema im Kontext von Corporate Learning an.

Auf Lernen bezogen, können wir durch die Nutzung neuer Generative AI-Tools mindestens gute erste Entwürfe für bspw. Lerncontent entwickeln, bis hin zu ganzen Medienproduktionen. Hier ein Beispiel dazu:

Zuerst nutzen wir ChatGPT für die Ideengenerierung, zu einem neuen Lernangebot. Ein initialer Prompt könnte lauten: „Bitte schreibe mir ein Konzept, wie ich 80 Mitarbeitenden das Thema Service-Orientierung vermitteln kann. Was sind die Themen, die darin vorkommen sollten und wie könnte ein möglicher Ablauf des Lernangebots aussehen? Beachte dabei, dass die Zielgruppe nur über ihr Smartphone auf das Angebot zugreifen kann.“ Gehen wir davon aus, dass ein Teil des Angebots ein Intro-Video zu dem Thema sein soll. Dafür lassen wir uns zuerst ein Drehbuch zum Video von ChatGPT schreiben.

Passend dazu kann ChatGPT auch gleich die idealen prompts (Optimale Syntax unserer Anfrage an die KI) für midjourney für uns schreiben, um erste Bilder für das Video, oder unsere Kommunikationskampagne zu dem neuen Lernangebot generieren zu lassen. Für unser Video beginnen wir zuerst damit die Struktur bzw. Kapitel des Videos zu erstellen. Danach lassen wir uns dazu die Inhalte pro Kapitel schreiben. Nachdem wir die Texte generiert, überarbeiten und auf ihre Richtigkeit gecheckt haben, lassen wir die Texte von einer äußert menschlich klingenden, synthetischen Stimme, wie bspw. mit synthesia möglich, automatisch in mehreren Sprachen vertonen.

Danach nutzen wir ein Tool wie Pictory oder Runway AI, um unsere Videoproduktion zu vollenden. Mit Beautiful AI und Durable, können wir uns darüber hinaus auch gleich noch die passende PowerPoint und Webseite für unser neues Lernangebot erstellen lassen.

Und dies in wenigen Minuten bis Stunden, was früher Tage bis Wochen gedauert hat.

Dies wird sich aus meiner Sicht massiv auf die Content-Hersteller auswirken, da teure Medienproduktionen bald der Vergangenheit angehören werden. Erste Anbieter in Deutschland, wie die IMC AG und Area9, nutzen das Large Language Model GPT-4 von OpenAI bereits in ihrem Angebot zur Überarbeitung von Texten, für Übersetzungen, zur Generierung von Fragen zu Wissensinhalten, …

Die Einsatzszenarien sind dabei vielfältig. KI-Tools können uns bspw. dabei unterstützen, Hilfe im Prozess der Arbeit zu erhalten, unseren Kundenservice zu verbessern, die Marketing-Prozesse zu beschleunigen, schneller und mehr Content zu produzieren, bei der Qualitätssicherung unterstützen, aktuelle Marktdaten aufzubereiten, …

Was sind die 4 größten fundamentalen Veränderungen durch Generative AI-Tools?

1. Markteintrittsbarrieren für Wissensarbeit sinken
   Dies lässt sich am besten an einem Beispiel erläutern. Eine mir nahestehende Person hat einen neuen Job angefangen, in einem neuen Bereich und einer neuen Branche, in welcher sie zuvor noch nicht gearbeitet hat. Zudem ist Deutsch nicht ihre Muttersprache. Sie lebt aber mittlerweile in Deutschland. Sie hat es dank ihrer Neugier und Offenheit für Neues geschafft, dass sie auch schwierige E-Mail-Anfragen von Kunden mittels ChatGPT und DeepL schneller beantworten kann, als Personen, die bereits länger in dem Bereich arbeiten. Generative AI-Tools werden es Personen ohne die „passenden, formalen Qualifikationen“ ermöglichen, schneller und mehr Jobs im Wissensarbeitsbereich anzunehmen. Gerade im Gig-Work-Bereich (Freelancer, Virtual Assistants) wird dies zu einer Zunahme an Konkurrenz führen, bis Teile davon automatisiert werden. Es bedarf auf jeden Fall keinen Kurs mehr dafür, wie man eine komplizierte Excel-Formel erstellt. Dabei bekommt man von der KI auch gleich noch erläutert, warum sie, wie vorgegangen ist… Laut einer ersten kleinen Studie des MIT boostet ChatGPT die Produktivität von Wissensarbeitenden um 5-35% und verbessert dabei auch noch die Qualität der Ergebnisse um 20%.
   https://www.netzoekonom.de/2023/03/08/chatgpt-erhoeht-produktivitaet-der-wissensarbeiter-um-35-prozent/
2. Das Zeitalter der Suchmaschinen (Search Engines) neigt sich dem Ende zu
   Wir treten ein in das Zeitalter der Antwortmaschinen (Answer Engines). Das ist ein gigantischer Unterschied allein dadurch, dass Wissen abspeichern und sich tiefergehend mit Themen beschäftigen immer seltener notwendig sein werden, um eine akute Problemstellung zu lösen. Bereits seit der Einführung von Social Media Technologien und verstärkt seit TikTok und Co, ist die Fähigkeit uns tiefergehend mit Themen zu beschäftigen nicht gerade gestärkt worden. Manche sprechen davon, dass wir nur noch in „Head Lines“ leben. Dies wird für den Bildungssektor eine große Herausforderung werden, wie wir „echtes Lernen“, also tatsächliches Verständnis mit damit einhergehender Verhaltensänderung stärken können, wenn wir zumindest im Privaten nur noch von „Head Line“ zu „Head Line“ springen. Deswegen werden Angebote zur Reflexion und Wiederholung „erlernter“ Inhalte, bzw. das Öffnen praxisnaher Experimentierräume aus meiner Sicht immer wichtiger, um diesem Trend entgegenzuwirken.
3. Der mit Abstand aber größte, tiefgreifende Unterschied, den diese Technologien mit sich bringen, ist, dass wir keine Sprache mehr lernen müssen, um uns Computern verständlich zu machen. Früher konnten nur die „Gelehrten“ Lesen und Schreiben. In den letzten Dekaden konnten nur die IT-Spezialisten mit den Computern „sprechen“. Jetzt kann dies jeder. Immer mehr Barrieren fallen, sodass immer mehr Leute auch ohne großes Kapital und formale Bildungsabschlüsse mit neuen Lösungen an den Markt kommen können. Die Software dafür schreibt sich mittels z.B. GitHub Copilot X ja mittlerweile fast von selbst, was den Innovationsdruck (= Lern- / Experimentierräume) in vielen Bereichen weiter steigen lässt. Der ganze „no-Code / low-Code“ Trend reduziert abermals Markteintrittsbarrieren, sodass die lang gültige strategische „Weisheit“ – „Groß frisst klein“, Wachstum um jeden Preis, immer seltener stimmt. „Schnell frisst langsam“ wird in vielen Bereichen zum neuen, strategischen Paradigma. Damit tun wir uns im deutschsprachigen aber leider besonders schwer. Mittlerweile gibt es auch bereits erste Versuche mit Large Language Models wie LLaMa von Facebook / Meta und Alpaca des Stanford Institute for Human-Centered AI, die sich gegenseitig trainieren können. Mit Ergebnissen, die teilweise an die von ChatGPT in der Version GPT-3.5 herankommen und diese teilweise sogar übertreffen. Und dies zu einem Bruchteil der Kosten. Dies wird die Marktdynamik weiter beschleunigen. Darüber hinaus verstehen neue KI-Modelle wie GPT-4 nicht nur unsere Sprache, sondern können auch Bilder erkennen und richtig interpretieren, also „verstehen“. Sie haben somit auch „sehen“ gelernt. In Kombination mit Robotics kommen wir menschen-ähnlichen Robotern immer näher.
4. Eine weitere Herausforderung sehe ich darin, dass diese Tools sehr wahrscheinlich auch gezielt dafür genutzt werden, um „Fake-News“ zu generieren und zu verteilen.
   Leider spielt unser eher niedriger Bildungsgrad im Kontext Neuer Medien und Technologien, dem in die Karten. Hier müssen wir ganz dringend ran! Tools wie ChatGPT werden zu einer noch viel schneller wachsenden Menge an Information, inkl. falscher, führen. Dies macht es umso wichtiger, dass wir uns die notwendigen Skills aneignen, die es braucht, um mit den Möglichkeiten, die uns dieser neue Kontext bietet, sinnvoll bzw. im Business-Kontext wertschöpfend, umgehen zu lernen. Kurationsfähigkeiten aufzubauen, samt Kenntnissen darüber, wie man sinnvolle Fragen / Prompts an die Generative AI-Tools wie ChatGPT, midjourney, creaitor.ai, … schreiben kann, stellt für mich die essenzielle Basis dafür dar, ob wir die Möglichkeiten, welche sich in diesem Kontext auftun, für uns nutzen können.
   Es wird dabei aus meiner Sicht mehr auf ein ergänzendes Miteinander zwischen Mensch und AI, als ein Entweder-oder ankommen. Bis jetzt haben neue Technologien, die den Massenmarkt erreicht haben, meistens mehr Arbeitschancen kreiert, als vernichtet. Auch, wenn dies offen gesagt in diesem Fall nicht einschätzbar ist, steht eines für mich fest: Es werden sich sehr viele Chancen daraus ergeben. Die Frage ist nur, ob wir diese auch sehen wollen und nutzen können, oder eben nicht.

Chancen für den eLearning Bereich

Manche mögen es vielleicht nicht hören, da gerade viel in neue Technologien und Content investiert wurde, aber besonders Large Language Models wie GPT-4, können dabei helfen Lernen in Organisationen noch einmal neu zu denken. Dies muss nicht gleich heißen, dass alle Anschaffungen für die Tonne waren, doch wird sich auf jeden Fall der Zugriff auf die Lerninhalte sowie die Unterstützung im Lernprozess verändern.

Einer der größten Vorteile der Verwendung von ChatGPT im eLearning ist, dass sie personalisierte Lernerfahrungen bieten. Im Gegensatz zu herkömmlichen Lernmethoden, bei denen ein einheitlicher Ansatz verfolgt wird, kann sich ein Chatbot an die Bedürfnisse und Vorlieben jedes Lernenden anpassen. Darüber hinaus spart es Zeit und Mühe, indem es wiederholende Aufgaben wie das Auswerten von Quizfragen oder das Beantworten allgemeiner Fragen automatisiert.

Besonders in der Verbindung mit Tools, die die Skills der Lernenden transparent machen und passgenau Entwicklungsvorschläge je nach persönlichen Bedürfnissen, „Skill-Level“ und Jobrolle ermöglichen, wird ChatGPT und Co Wunder bewirken. Die weitere Ausprägung an KI-basierten Tools im Kontext von adaptiven Skill Development Systemen, erfährt im Lernkontext ja bereits seit 2 Jahren eine gesteigerte Aufmerksamkeit. Zu Recht, wie ich finde. Durch sie könnte es bald heißen:

„Du möchtest dich in deiner jetzigen Rolle weiterentwickeln? Kein Problem, hier sind mögliche nächste Schritte, um dein Profil zu schärfen. Dabei nenne ich dir zuerst die Lernangebote, bei denen du die Skills erlernen kannst, die in Zukunft, laut meiner Analyse, immer gefragter werden. Oder möchtest du dich lieber in ein anderes Tätigkeitsfeld weiterentwickeln? Hier siehst du die am einfachsten zu erreichenden Tätigkeitsfelder, aufgrund deines jetzigen Skillsets. Du möchtest heute etwas ganz anderes lernen? Kein Problem, nenne mir einfach deine Frage oder das Themengebiet, zu dem du etwas Neues erfahren möchtest. Ich bin mir sicher, ich finde passende Inhalte für dich. Ach, übrigens, ich kann dir auch gerne jeweils interessante interne, wie externe Expert*innen nennen, mit welchen du dich einmal austauschen könntest. Und wenn du nachher noch einmal 10 Minuten Zeit hast, schau dir doch bitte noch einmal die folgende Reflexionsfrage zu deinem Problem von vor 2 Wochen an. Kannst du dich noch daran erinnern, warum wir es so gelöst haben?“

Diese Art an Lernassistent kann alle digital vorliegenden Inhalte zu einer Person verstehen und auswerten, um der Person einen auf sie zugeschnittenen Entwicklungspfad aufzeigen zu können. Es gibt auch im deutschen Startup-Bereich bereits einige Lösungen, die Ansätze davon schon heute liefern können. In einem Projekt zur strategischen Weiterentwicklung der EdTech Landschaft eines Automobilherstellers, diskutieren wir zudem zurzeit genau diese Zukunftsszenarien. Bereits die erste, entwickelte Demo, die die Verbindung von Skills mit Large Language Models konsequent aufgreift, sieht bereits sehr vielversprechend aus. Die Zeit der Antwortmaschinen ist gekommen. Erste reale Anwendungsbereiche sieht man bspw. bereits bei der Khan Academy, die GPT-4 nutzen, um ihrem digitalen Mathetutor intelligenter bzw. hilfreicher zu machen. Hier ein Video dazu: https://youtu.be/c2fK-hxnPSY

Wie könnt ihr euch damit vertraut machen?

Falls euch dieser Text zumindest ansatzweise dazu inspiriert hat, euch weiter mit diesem Thema zu beschäftigen, oder ihr sogar vorhabt, einige der sich öffnenden Türen zu erkunden, würde mich dies sehr freuen. Als kleine Startunterstützung findet ihr unter folgendem Link das offene „AI-powered Creator Tools“ Board von mir. Eine kuratierte Liste an Generative AI-Tools, die ich mir bereits angeschaut habe und noch anschauen möchte. Ich bin mir sicher, ihr findet dort ein Tool, was euch zumindest einen Teilaspekt eurer Arbeit, erleichtern kann. Link: http://bit.ly/3vMTD8C

Und falls ihr Lust haben solltet mehr darüber zu diskutieren oder auszuprobieren, schaut doch mal nach dem New Learning Lab. Dort wollen wir genau solche Experimentierräume öffnen. 😉

PS: Zwei Paragrafen wurden komplett von einer generative AI namens Wordhero geschrieben. Erkennt ihr welche?

Passage 1: Erster Absatz unter: „Was ist ChatGPT eigentlich?“
Passage 2: Zweiter Absatz unter „Chancen für den eLearning Bereich“

Passend zu dem neuen Buch, findet ihr auf der online Lernplattform iversity eine erweiterte Einführung in den Learning Strategy Development Workshop, welcher Teil des LSDsprint Konzepts des LDframe.com ist.

Sein neues Projekt, zusammen mit Stefan Diepolder und Benjamin Jaksch, findet ihr unter:

Alle Impulse