Künstliche Intelligenz

KI-Sprachmodelle verstehen und richtig einsetzen

06. Juni 2025
KI, Künstliche Intelligenz
Quelle: iStock.com, Jolygon

Large Language Models haben sich in vielen Bereichen als leistungsfähige Werkzeuge etabliert. Sie können auf Knopfdruck Informationen analysieren und helfen bei der Recherche. Wie Interessenvertretungen die Sprachmodelle nutzen können, erfahrt Ihr von Sebastian Fricke in der »Computer und Arbeit« 5/2025.

Die Digitalisierung hat die Arbeitswelt grundlegend verändert, von der Produktion über die Verwaltung bis hin zur Kommunikation. Im nächsten Schritt bietet KI nun zahlreiche Möglichkeiten, die Effizienz und Qualität der Arbeit weiter zu steigern – natürlich auch die Arbeit der Betriebsräte. KI-Sprachmodelle können auf Knopfdruck Informationen zusammenfassen, neue Texte formulieren und sind eine große Hilfe bei Rechercheaufgaben. Doch was genau verbirgt sich dahinter?

Was sind (Large) Language Models?

Sprachmodelle, genauer: Large Language Models (LLMs), sind KI-Systeme, die mithilfe großer Datenmengen darauf trainiert wurden, Texte zu verstehen, zu verarbeiten und neue Inhalte zu generieren. Sie verstehen Sprache allerdings nicht so, wie wir Menschen es tun. Für Sprachmodelle bestehen Texte aus kleinsten Einheiten, so genannten Tokens. Ein Token kann ein Wort, ein Wortteil oder auch nur ein Satzzeichen sein. Je mehr Tokens ein Modell verarbeiten und ausgeben kann, desto flexibler ist es – aber desto mehr Rechenleistung benötigt es auch. Dies spiegelt sich in der Regel auch im Preis wider, der für die Nutzung eines KI-Dienstes bezahlt werden muss. Kostenlose Versionen bieten oft nur eine begrenzte Anzahl von Token pro Anfrage, während kostenpflichtige Versionen mehr Kapazitäten freischalten und damit auch komplexere Anfragen ermöglichen.

Diese Sprachmodelle, ein bekanntes Beispiel ist ChatGPT 4, arbeiten mit Millionen bis Milliarden von Parametern und sind dadurch in der Lage, komplexe Aufgaben wie Textgenerierung, Übersetzung oder Zusammenfassung zu bewältigen. Beim Training lernt das Modell anhand von Beispielen, welche Token in welchen Kontexten vorkommen, und gewichtet diese. Die Gewichtungen wiederum bestimmen, wie stark das Modell einzelne Wörter miteinander verknüpft. Verschiedene KI-Modelle durchlaufen zudem eine zusätzliche Feinabstimmung, das sogenannte Reinforcement Learning. Dabei fließt menschliches Feedback in den Trainingsprozess ein, damit die KI lernt, präzisere und zutreffendere Antworten zu geben.

Mehr lesen

Wo liegt der Unterschied zwischen »Normalen Modellen und Reasoning-Modellen? Welche aktuellen Sprachmodelle gibt es? Was sollten Betriebsräte beachten? Mehr dazu lest Ihr in der »Computer und Arbeit« (CuA) 5/2025 ab Seite 20. Abonnent*innen können den kompletten Beitrag hier lesen.

Noch kein Abo?

Jetzt zwei Ausgaben »Computer und Arbeit« gratis testen und sofort online auf alle Inhalte zugreifen!

© bund-verlag.de (la)

Whitepaper KI-Verordnung viertel quadratisch - Anzeige -

Das könnte Sie auch interessieren