SlideShare ist ein Scribd-Unternehmen logo
6
Am meisten gelesen
36
Am meisten gelesen
39
Am meisten gelesen
Azurblaue Wolke vs. Azure
Cloud
Warum KI den Menschen braucht
Schnelles Engineering: Warum KI den Menschen braucht
The Real Me
● Analyst, Berater, Autor, Copywriter,
Übersetzer, Podcaster, Trainer
● Schwerpunkte Enterprise-IT, Cybersicherheit
und technische Kommunikation
● seit 2012 freiberuflich tätig
● Erstellung von IT-Sicherheitskonzepten und
technischer Dokumentation nach ISO 27001 bzw.
BSI-Grundschutz
● zertifizierter IT-Grundschutz- und
BCM-Praktiker
● zertifizierter Prompt Engineer
Themen
★ Prämisse
★ Herausforderungen
★ Begriffe
★ Vorteile
★ Einsatzgebiete
★ KI-Modelle
★ Übersicht LLMs
★ KI-Stack
★ Auswahlkriterien
★ Datenquellen
★ KI-Jobs
★ Human in the Loop
★ Prompt Engineering
★ Sicherheit
“Die KI versteht nicht, was ich von ihr will!”
● KI versteht nicht.
● KI denkt nicht.
● KI ist Mathematik
(Statistik, Analytik,
Theory of Probabilities,
Kalkulation,
Mustererkennung)
● KI ist ein Interpreter.
● KI ist (im Wesentlichen)
ein stochastischer
Papagei.
Vorteile
● Effizienz
● Verbesserung
● Neue Ansätze /
Gesichtspunkte
● Mehr / größere Zusammenhänge
● Kreativität
● Fehlerkorrektur
(Rechtschreibung, Grammatik)
● Lernhilfe
● Feedback
● Gesellschaft
Einsatzgebiete
● Informationsbeschaffung
● Kreativität
● Analysen
● Zusammenfassungen
● Übersetzungen
● No-/Low-Code
● Problemlösung
● Coaching/Training
● Unterstützung
● Automatisierung
Herausforderungen
● Trainingsdaten sind immer nur so vollständig, wie sie zur
Verfügung stehen.
○ Pay-/Ad-/Reg-Walls tragen nicht zur Demokratisierung von Information bei
● Verzerrungen und unerwünschte Inhalte
● Je nach Trainingsdaten ist eine KI mehr oder weniger
voreingenommen (biased).
● Unklare Instruktionen oder die Verwendung von für den Zweck
ungeeigneter Modelle
● Knowledge Cut-Off (zeitliche Einschränkung verfälscht
Ergebnisse)
● Korrelation ist nicht zwingend Kausalität.
● Sensible Informationen!
● KI neigt zur Halluzination.
● KI hat keine interkulturelle Kompetenz.
● Authentizität, Tonalität und Zielgruppen!
● Urheberrechte
● Schwachstelle + Sicherheitsrisiko
● Lizenzrecht (Open Weight ist nicht! Open Source)
● Ethische Schranken (schädliche Antworten und/oder verletzende
Sprache)
● Betrieb von KI-Infrastruktur
Begriffe
● Natural Language
Processing (NLP)
● Generative künstliche
Intelligenz (genAI)
● Große Sprachmodelle (Large
Language Model, LLM)
● Neuronale Netze
● Maschinelles Lernen (ML)
● Chain of Thought
● Retrieval Augmented
Generation (RAG)
● Token
KI-Modelle
Reasoning AI (o3, R1,
Gemini)
Agentic AI (Claude,
Operator, Macaw, MIST AI)
CausalAI, Deep Research
(o3)
Berühmte LLMs (Auswahl)
● GPT, Strawberry, Q*, o1,
o3 (OpenAI)
● Claude: Sonnet,
Haiku(Anthropic)
● Inflection (Pi AI)
● Llama (Meta)
● Gemini, BERT, Gemma(1),
T5 (Google)
● Phi (Microsoft)
● Grok AI (X)
● Mistral/Mixtral
(Mixtral)
● R1 (1), V3 (1), VL2
(1) (DeepSeek)
● BLOOM
● MPT-7B (MosaicML
Foundation)
● Vicuna-13B (LMSYS ORG)
● Falcon 2 (Technology
Innovation Institute
Abu Dhabi)
● OLMo 2, Molmo (Ai2)
Open-Source-LLMs (Auswahl)
Deutsche LLMs (Auswahl)
● PhariaAI (Aleph Alpha)
● MoinAI (knowhere GmbH)
● Gretchen AI (DFKI)
Mehr bei OpenEuroLLM und
Occiglot
KI-Stack (High Level)
Open Source KI-Stack
● Deployment
○ Google Cloud, AWS, Nebius, Azure, Open
Telekom Cloud, Gemini, eigenes RZ
● Monitoring
○ PropmtLayer, Galileo, arize
● Database
○ MongoDB, PostgreSQL, Weaviate
● Orchestrators & Frameworks
○ LlamaIndex, LangChain, Haystack, DSPy,
llmware-ai
● Model Access
○ OpenAI, Mistral AI_, cohere, Faiss,
Hugging Face, together.ai, Ollama
● Programming
○ Python, Go, JS/TS
Das richtige Modell
● Modellgröße
● Leistung und Correctness
● General vs. Specific Purpose
(Pre-Training)
● Aufwand für Infrastruktur
(Beschaffung, Inbetriebnahme,
Pflege, Skalierbarkeit)
● Trainings- und Pflegeaufwand
des Modells im Betrieb
● RAG-Erweiterung
● Closed Source, Open Weight,
Open Source, Proprietär
● App-Unterstützung (siehe
AI-Stack)
● Eigenständig vs. Integriert
Benchmarks
https://huggingface.co/collections/open-
llm-leaderboard/the-big-benchmarks-colle
ction-64faca6335a7fc7d4ffe974a
https://livebench.ai
https://rank.opencompass.org.cn/leaderbo
ard-llm
https://tatsu-lab.github.io/alpaca_eval
https://ailuminate.mlcommons.org/benchma
rks
https://mlcommons.org/benchmarks/storage
Daten-Kraken
Common Crawl
OSCAR
OpenWebSearch
HI für AI
● Datenaufbereitung
○ Data Strategist
○ Analysten (Datenkrämer)
○ Researcher (Datenjäger)
○ Datenbankexperten
● Modellierung
○ Data Scientist
○ DataOps Specialist
○ AI Specialist
● Produktion
○ MLOps Engineer
○ ML Developer
○ KI-Beauftragter (Ethik,
Datenschutz, Sicherheit,
Compliance)
○ Prompt Engineer
○ AI-Trainer / -Coach
KI gut, alles gut?
Warum KI jetzt wirklich
den Menschen braucht.
Famous Last Words
Die Texte für unsere Broschüren schreibt
ChatGPT.
Playbooks? Schreibt bei uns Claude.
Die Konfig hat Marvis geprüft.
Für Marketing-Kampagnen ist CoPilot zuständig.
Sicherheitskonzept? Hat Gemini geschrieben.
Tickets beantwortet der virtuelle
Service-Agent im Jira.
Websites übersetzen wir mit Weglot!
Schnelles Engineering: Warum KI den Menschen braucht
Schnelles Engineering: Warum KI den Menschen braucht
Zielgruppe
Authentizität
Satzbau
Kulturelle (In-) Kompetenz
Integration
Fehlersuche
Mehr-Augen-Prinzip / Approvals
Design
The Human in the Loop
Prompt Engineering
● Be kind to your AI
● Geeignetes Modell nutzen
● Präzise Formulierungen
● Größere Requests aufsplitten
● Prompt-Bibliothek pflegen
● Schulungen für Anwender
● Kontinuierliches Training
● Kritische Auseinandersetzung
Der gute Prompt
● Aufgabe (Was?)
● Kontext (Wieso? Weshalb?
Warum?)
● Zielgruppe (Für Wen?)
● gewünschtes Format (Wie)
ggf. Referenzen oder
Persona (Who am I) für
relevantere Ergebnisse
sowie Ausschlusskriterien
Rumhängende Katzen
● Klare Anweisung
● Auf Wortwahl achten
○ Mehrdeutige Wörter
überdenken / vermeiden
● Kurze Sätze
● Aktive Sprache
● Details und Ziel
● Format & Struktur
● Don’t trick!
● Zeitraum
● Sichtweisen
Ergebnis checken
● Relevanz
● Aktualität
● Richtigkeit
● Sinnhaftigkeit!
● Logik
● Semantik
● Wiederholungen?
● Tonfall?
● Satzbau?
● Quellen prüfen!
● Layout
● Syntax
Mach’s nochmal, Sam!
● Evaluieren
● Anpassen
● Spezifizieren
● Wiederholen
Feedback geben
● Auf Fehler hinweisen
● Fehler korrigieren
● Auf Unvollständigkeit hinweisen
● Nach Quellen fragen!
● 👍 / 👎
AI is just a tool!
Bekannte Schwachstellen
● CVE-2024-50050
● Hi, I am DeepSeek 😈
● 🤗 Broken Pickles
● Jailbreak LLMs mit 🤬
● Microsoft Copilot ▶
● Prompt Injection, unsichere
Plugins, unsicheres Output
Handling, excessive
Berechtigungen,
SQL-Injection, manipulierte
Trainingsdaten, Supply
Chain-Schwachstellen,
Denials-of-Service
● Container-Breakout
Informationssicherheit
● KI-Strategie ist Chefsache
● Transparenz bei der Umsetzung
● Sensible Informationen schützen
● Angriffsflächen (er)kennen
● Schwachstellenmanagement
● Information- und
Workflow-Management
● Rollen- und
Berechtigungsmanagement (RuB)
● Awareness-Training
● Sicherheitskonzept für KI
● KI-Leitplanken
● Einsatz überwachen
● KI-Kompetenz schulen
● Fehler- und Lernkultur!
Angst vor KI?
Trends
● AgenticAI
● Konzentration auf
organisationsspezifische Kontexte
und Muster
● Bessere Integration in
Unternehmensanwendungen und
-prozesse
● Mehr LLMs wie DeepSeek
● Mehr Sicherheitsvorfälle und
Schwachstellen
Lesestoff
KI für Einsteiger (A Graphic Novel)
Einführung in kausale Inferenz
The Cookbook - Deep learning for dummies
Funktion, Begriff, Bedeutung
Geschichte der KI (Computerwoche)
Das große KI-Lexikon
Book of Why
Inside KI
Python für Einsteiger
Generative AI System Design Interview
When Cultures Collide
Game over
In der Glotze
Open Source AI-Stack
15 Ways to Break Your Copilot
Unsere Worte sind unsere
Waffen - Chatbots manipulieren
aus der Videothek 🍿: A. I. |
2001: a space odyssey | I,
Robot | Westworld |
Futureworld | Weird Science |
Zugabe!
Schreib mir
Folge mir auf LinkedIn
Lies meinen Blog oder Artikel bei
speicherguide.de
Höre mehr Podcast!
Buche 1 Training oder Workshop.
Human in the Loop as a Service:
Engagiere mich als Redakteur,
Autor oder Übersetzer.
Kauf mir 1 Kaffee (oder Tee 🫖)
Quellen & Links
Kommerzieller Einsatz (Beispiele):
● R-Cloud Developer Platform on HYCU
● MIST AI für Junipers Marvis
● AgenticAI mit Macaw von fabrix.ai
Infrastruktur:
● Appliances von z. B. SambaNova (pre-trained für z. B. Banken) oder Groq (spezielle CPU für Inference -> Tensorstream)
● Infrastructure as a Service von deutschen Anbietern wie Genesis Cloud bzw. Fullstack KI as a Service von der Open Telekom Cloud
Open Source AI-Stack:
● MongoDB
● Open Source (AI) Initiative
● Frameworks zur Verwaltung des kompletten Stacks Algorithmia
Studien / Umfragen:
● GenZ und Millenials lieben KI
● KI-Tools sind eher als Assistenten denn als Ersatz
● The Writer-GenaAI-Survey

Weitere ähnliche Inhalte

PDF
5 Köche und ein Brei: Optimale Prototyping-Toolchain(s)
PPTX
Wie AI dein SEO ändert [DE] - John Muñoz
PDF
Allgeier - Bot Advisory - Businessmodelle, Nutzen und Praxisbeispiele
PDF
Dotnet Cologne 2015: //Rebuild - Big Data Analysis End-to-End
PDF
Mittelstand trifft künstliche Intelligenz - Point of View
PDF
Project Cortex – Die Revolution für das Wissensmanagement in der Microsoft Welt?
PDF
Erste Schritte in die neue Welt - So gelingt der Einstieg in Big Data und Mac...
PDF
Erste Schritte in die neue Welt-So gelingt der Einstieg in Big Data und Machi...
5 Köche und ein Brei: Optimale Prototyping-Toolchain(s)
Wie AI dein SEO ändert [DE] - John Muñoz
Allgeier - Bot Advisory - Businessmodelle, Nutzen und Praxisbeispiele
Dotnet Cologne 2015: //Rebuild - Big Data Analysis End-to-End
Mittelstand trifft künstliche Intelligenz - Point of View
Project Cortex – Die Revolution für das Wissensmanagement in der Microsoft Welt?
Erste Schritte in die neue Welt - So gelingt der Einstieg in Big Data und Mac...
Erste Schritte in die neue Welt-So gelingt der Einstieg in Big Data und Machi...

Ähnlich wie Schnelles Engineering: Warum KI den Menschen braucht (20)

PDF
Erste Schritte in die neue Welt so gelingt der Einstieg in Big Data und Machi...
PDF
BAT40 CCSourcing Auge Zerndt Artificial Intelligence an der Kundenschnittstelle
PDF
Thementag 2023 06 Dieses Mal machen wir alles richtig - 9 Hacks für wandelbar...
PPTX
Matthias Hausegger (ONTEC AG)
PPT
eparo – IA und agile Softwareentwicklung verbinden (Vortrag IA-Konferenz 2009...
PPTX
Was ist eigentlich KI?
PDF
Eine Stunde was mit Api First!
PDF
GenAI als Co-Developer: Wie KI uns hilft, besseren UiPath-Code zu schreiben
PDF
Künstliche Intelligenz Der Ki Text Generator
PDF
Künstliche Intelligenz - Chatbots uns Sprachassistenten
PPTX
Metadaten, Standards oder wie KI Ordnung in das Chaos bringt
PPTX
Marc Kroll (SERgroup Holding International GmbH)
PDF
BATbern56 Die Architektur der intelligenten Zukunft: Vom Code zum kooperative...
PPTX
eLearniSummit - Thementisch "KI, VR / AR & Co" Call 21.11.19 Gütersloh
PPTX
Kurzvorstellung Fort Fantastic 2.54
PDF
IA Konferenz 2018 | Das Prototypen-Dilemma
PDF
Das Prototypen-Dilemma
PDF
Digital Trend Webinar Künstliche Intelligenz HLT_TGT
PPTX
Digitale Souveränität in Zeiten der Künstlichen Intelligenz
PDF
AI Vortrag Leuphana Universität Lüneburg
Erste Schritte in die neue Welt so gelingt der Einstieg in Big Data und Machi...
BAT40 CCSourcing Auge Zerndt Artificial Intelligence an der Kundenschnittstelle
Thementag 2023 06 Dieses Mal machen wir alles richtig - 9 Hacks für wandelbar...
Matthias Hausegger (ONTEC AG)
eparo – IA und agile Softwareentwicklung verbinden (Vortrag IA-Konferenz 2009...
Was ist eigentlich KI?
Eine Stunde was mit Api First!
GenAI als Co-Developer: Wie KI uns hilft, besseren UiPath-Code zu schreiben
Künstliche Intelligenz Der Ki Text Generator
Künstliche Intelligenz - Chatbots uns Sprachassistenten
Metadaten, Standards oder wie KI Ordnung in das Chaos bringt
Marc Kroll (SERgroup Holding International GmbH)
BATbern56 Die Architektur der intelligenten Zukunft: Vom Code zum kooperative...
eLearniSummit - Thementisch "KI, VR / AR & Co" Call 21.11.19 Gütersloh
Kurzvorstellung Fort Fantastic 2.54
IA Konferenz 2018 | Das Prototypen-Dilemma
Das Prototypen-Dilemma
Digital Trend Webinar Künstliche Intelligenz HLT_TGT
Digitale Souveränität in Zeiten der Künstlichen Intelligenz
AI Vortrag Leuphana Universität Lüneburg
Anzeige

Mehr von data://disrupted® (19)

PDF
Benchmarking your cloud performance with top 4 global public clouds
PDF
Achieving the Ultimate Performance with KVM
PDF
​Muss es wirklich wieder Tape sein?
PDF
​Tape-basierter Object-Storage als S3 Speicherklasse und Cloud-Absicherung
PDF
Rook: Storage for Containers in Containers – data://disrupted® 2020
PDF
Storage Benchmarks - Voodoo oder Wissenschaft? – data://disrupted® 2020
PDF
Datenspeicherung 2020 bis 2030 – immer noch auf Festplatten? – data://disrupt...
PDF
Speichermedium Tape – Warum es keine Alternative gibt – data://disrupted® 2020
PDF
Ransomware: Ohne Air Gap & Tape sind Sie verloren! – data://disrupted® 2020
PDF
HCI einfach einfach! IT-Infrastruktur wie ein Smartphone! – data://disrupted®...
PDF
Erasure coding stief.tech 2020-03
PDF
Nextcloud als On-Premises Lösung für hochsicheren Datenaustausch (Frank Karli...
PDF
Operation Unthinkable – Software Defined Storage @ Booking.com (Peter Buschman)
PDF
Die IBM 3592 Speicherlösung: Ein Vorgeschmack auf die Zukunft (Anne Ingenhaag)
PDF
CANDIDATE EXPERIENCE – Was Bewerber tatsächlich erwarten.
PDF
Cloud/Object-basierte Datenspeicherung mit HSM/ILM in S3 Speicherklassen (Tho...
PDF
Buzzword Bingo Storage Edition 2019 (Wolfgang Stief)
PDF
Hochleistungsspeichersysteme für Datenanalyse an der TU Dresden (Michael Kluge)
PDF
Intelligent Edge - breaking the storage hype (Michael Beeck, mibeeck GmbH)
Benchmarking your cloud performance with top 4 global public clouds
Achieving the Ultimate Performance with KVM
​Muss es wirklich wieder Tape sein?
​Tape-basierter Object-Storage als S3 Speicherklasse und Cloud-Absicherung
Rook: Storage for Containers in Containers – data://disrupted® 2020
Storage Benchmarks - Voodoo oder Wissenschaft? – data://disrupted® 2020
Datenspeicherung 2020 bis 2030 – immer noch auf Festplatten? – data://disrupt...
Speichermedium Tape – Warum es keine Alternative gibt – data://disrupted® 2020
Ransomware: Ohne Air Gap & Tape sind Sie verloren! – data://disrupted® 2020
HCI einfach einfach! IT-Infrastruktur wie ein Smartphone! – data://disrupted®...
Erasure coding stief.tech 2020-03
Nextcloud als On-Premises Lösung für hochsicheren Datenaustausch (Frank Karli...
Operation Unthinkable – Software Defined Storage @ Booking.com (Peter Buschman)
Die IBM 3592 Speicherlösung: Ein Vorgeschmack auf die Zukunft (Anne Ingenhaag)
CANDIDATE EXPERIENCE – Was Bewerber tatsächlich erwarten.
Cloud/Object-basierte Datenspeicherung mit HSM/ILM in S3 Speicherklassen (Tho...
Buzzword Bingo Storage Edition 2019 (Wolfgang Stief)
Hochleistungsspeichersysteme für Datenanalyse an der TU Dresden (Michael Kluge)
Intelligent Edge - breaking the storage hype (Michael Beeck, mibeeck GmbH)
Anzeige

Schnelles Engineering: Warum KI den Menschen braucht

  • 1. Azurblaue Wolke vs. Azure Cloud Warum KI den Menschen braucht
  • 3. The Real Me ● Analyst, Berater, Autor, Copywriter, Übersetzer, Podcaster, Trainer ● Schwerpunkte Enterprise-IT, Cybersicherheit und technische Kommunikation ● seit 2012 freiberuflich tätig ● Erstellung von IT-Sicherheitskonzepten und technischer Dokumentation nach ISO 27001 bzw. BSI-Grundschutz ● zertifizierter IT-Grundschutz- und BCM-Praktiker ● zertifizierter Prompt Engineer
  • 4. Themen ★ Prämisse ★ Herausforderungen ★ Begriffe ★ Vorteile ★ Einsatzgebiete ★ KI-Modelle ★ Übersicht LLMs ★ KI-Stack ★ Auswahlkriterien ★ Datenquellen ★ KI-Jobs ★ Human in the Loop ★ Prompt Engineering ★ Sicherheit
  • 5. “Die KI versteht nicht, was ich von ihr will!” ● KI versteht nicht. ● KI denkt nicht. ● KI ist Mathematik (Statistik, Analytik, Theory of Probabilities, Kalkulation, Mustererkennung) ● KI ist ein Interpreter. ● KI ist (im Wesentlichen) ein stochastischer Papagei.
  • 6. Vorteile ● Effizienz ● Verbesserung ● Neue Ansätze / Gesichtspunkte ● Mehr / größere Zusammenhänge ● Kreativität ● Fehlerkorrektur (Rechtschreibung, Grammatik) ● Lernhilfe ● Feedback ● Gesellschaft
  • 7. Einsatzgebiete ● Informationsbeschaffung ● Kreativität ● Analysen ● Zusammenfassungen ● Übersetzungen ● No-/Low-Code ● Problemlösung ● Coaching/Training ● Unterstützung ● Automatisierung
  • 8. Herausforderungen ● Trainingsdaten sind immer nur so vollständig, wie sie zur Verfügung stehen. ○ Pay-/Ad-/Reg-Walls tragen nicht zur Demokratisierung von Information bei ● Verzerrungen und unerwünschte Inhalte ● Je nach Trainingsdaten ist eine KI mehr oder weniger voreingenommen (biased). ● Unklare Instruktionen oder die Verwendung von für den Zweck ungeeigneter Modelle ● Knowledge Cut-Off (zeitliche Einschränkung verfälscht Ergebnisse) ● Korrelation ist nicht zwingend Kausalität. ● Sensible Informationen! ● KI neigt zur Halluzination. ● KI hat keine interkulturelle Kompetenz. ● Authentizität, Tonalität und Zielgruppen! ● Urheberrechte ● Schwachstelle + Sicherheitsrisiko ● Lizenzrecht (Open Weight ist nicht! Open Source) ● Ethische Schranken (schädliche Antworten und/oder verletzende Sprache) ● Betrieb von KI-Infrastruktur
  • 9. Begriffe ● Natural Language Processing (NLP) ● Generative künstliche Intelligenz (genAI) ● Große Sprachmodelle (Large Language Model, LLM) ● Neuronale Netze ● Maschinelles Lernen (ML) ● Chain of Thought ● Retrieval Augmented Generation (RAG) ● Token
  • 10. KI-Modelle Reasoning AI (o3, R1, Gemini) Agentic AI (Claude, Operator, Macaw, MIST AI) CausalAI, Deep Research (o3)
  • 11. Berühmte LLMs (Auswahl) ● GPT, Strawberry, Q*, o1, o3 (OpenAI) ● Claude: Sonnet, Haiku(Anthropic) ● Inflection (Pi AI) ● Llama (Meta) ● Gemini, BERT, Gemma(1), T5 (Google) ● Phi (Microsoft) ● Grok AI (X) ● Mistral/Mixtral (Mixtral)
  • 12. ● R1 (1), V3 (1), VL2 (1) (DeepSeek) ● BLOOM ● MPT-7B (MosaicML Foundation) ● Vicuna-13B (LMSYS ORG) ● Falcon 2 (Technology Innovation Institute Abu Dhabi) ● OLMo 2, Molmo (Ai2) Open-Source-LLMs (Auswahl)
  • 13. Deutsche LLMs (Auswahl) ● PhariaAI (Aleph Alpha) ● MoinAI (knowhere GmbH) ● Gretchen AI (DFKI) Mehr bei OpenEuroLLM und Occiglot
  • 15. Open Source KI-Stack ● Deployment ○ Google Cloud, AWS, Nebius, Azure, Open Telekom Cloud, Gemini, eigenes RZ ● Monitoring ○ PropmtLayer, Galileo, arize ● Database ○ MongoDB, PostgreSQL, Weaviate ● Orchestrators & Frameworks ○ LlamaIndex, LangChain, Haystack, DSPy, llmware-ai ● Model Access ○ OpenAI, Mistral AI_, cohere, Faiss, Hugging Face, together.ai, Ollama ● Programming ○ Python, Go, JS/TS
  • 16. Das richtige Modell ● Modellgröße ● Leistung und Correctness ● General vs. Specific Purpose (Pre-Training) ● Aufwand für Infrastruktur (Beschaffung, Inbetriebnahme, Pflege, Skalierbarkeit) ● Trainings- und Pflegeaufwand des Modells im Betrieb ● RAG-Erweiterung ● Closed Source, Open Weight, Open Source, Proprietär ● App-Unterstützung (siehe AI-Stack) ● Eigenständig vs. Integriert
  • 19. HI für AI ● Datenaufbereitung ○ Data Strategist ○ Analysten (Datenkrämer) ○ Researcher (Datenjäger) ○ Datenbankexperten ● Modellierung ○ Data Scientist ○ DataOps Specialist ○ AI Specialist ● Produktion ○ MLOps Engineer ○ ML Developer ○ KI-Beauftragter (Ethik, Datenschutz, Sicherheit, Compliance) ○ Prompt Engineer ○ AI-Trainer / -Coach
  • 20. KI gut, alles gut? Warum KI jetzt wirklich den Menschen braucht.
  • 21. Famous Last Words Die Texte für unsere Broschüren schreibt ChatGPT. Playbooks? Schreibt bei uns Claude. Die Konfig hat Marvis geprüft. Für Marketing-Kampagnen ist CoPilot zuständig. Sicherheitskonzept? Hat Gemini geschrieben. Tickets beantwortet der virtuelle Service-Agent im Jira. Websites übersetzen wir mit Weglot!
  • 25. Prompt Engineering ● Be kind to your AI ● Geeignetes Modell nutzen ● Präzise Formulierungen ● Größere Requests aufsplitten ● Prompt-Bibliothek pflegen ● Schulungen für Anwender ● Kontinuierliches Training ● Kritische Auseinandersetzung
  • 26. Der gute Prompt ● Aufgabe (Was?) ● Kontext (Wieso? Weshalb? Warum?) ● Zielgruppe (Für Wen?) ● gewünschtes Format (Wie) ggf. Referenzen oder Persona (Who am I) für relevantere Ergebnisse sowie Ausschlusskriterien
  • 27. Rumhängende Katzen ● Klare Anweisung ● Auf Wortwahl achten ○ Mehrdeutige Wörter überdenken / vermeiden ● Kurze Sätze ● Aktive Sprache ● Details und Ziel ● Format & Struktur ● Don’t trick! ● Zeitraum ● Sichtweisen
  • 28. Ergebnis checken ● Relevanz ● Aktualität ● Richtigkeit ● Sinnhaftigkeit! ● Logik ● Semantik ● Wiederholungen? ● Tonfall? ● Satzbau? ● Quellen prüfen! ● Layout ● Syntax
  • 29. Mach’s nochmal, Sam! ● Evaluieren ● Anpassen ● Spezifizieren ● Wiederholen
  • 30. Feedback geben ● Auf Fehler hinweisen ● Fehler korrigieren ● Auf Unvollständigkeit hinweisen ● Nach Quellen fragen! ● 👍 / 👎
  • 31. AI is just a tool!
  • 32. Bekannte Schwachstellen ● CVE-2024-50050 ● Hi, I am DeepSeek 😈 ● 🤗 Broken Pickles ● Jailbreak LLMs mit 🤬 ● Microsoft Copilot ▶ ● Prompt Injection, unsichere Plugins, unsicheres Output Handling, excessive Berechtigungen, SQL-Injection, manipulierte Trainingsdaten, Supply Chain-Schwachstellen, Denials-of-Service ● Container-Breakout
  • 33. Informationssicherheit ● KI-Strategie ist Chefsache ● Transparenz bei der Umsetzung ● Sensible Informationen schützen ● Angriffsflächen (er)kennen ● Schwachstellenmanagement ● Information- und Workflow-Management ● Rollen- und Berechtigungsmanagement (RuB) ● Awareness-Training ● Sicherheitskonzept für KI ● KI-Leitplanken ● Einsatz überwachen ● KI-Kompetenz schulen ● Fehler- und Lernkultur!
  • 35. Trends ● AgenticAI ● Konzentration auf organisationsspezifische Kontexte und Muster ● Bessere Integration in Unternehmensanwendungen und -prozesse ● Mehr LLMs wie DeepSeek ● Mehr Sicherheitsvorfälle und Schwachstellen
  • 36. Lesestoff KI für Einsteiger (A Graphic Novel) Einführung in kausale Inferenz The Cookbook - Deep learning for dummies Funktion, Begriff, Bedeutung Geschichte der KI (Computerwoche) Das große KI-Lexikon Book of Why Inside KI Python für Einsteiger Generative AI System Design Interview When Cultures Collide Game over
  • 37. In der Glotze Open Source AI-Stack 15 Ways to Break Your Copilot Unsere Worte sind unsere Waffen - Chatbots manipulieren aus der Videothek 🍿: A. I. | 2001: a space odyssey | I, Robot | Westworld | Futureworld | Weird Science |
  • 38. Zugabe! Schreib mir Folge mir auf LinkedIn Lies meinen Blog oder Artikel bei speicherguide.de Höre mehr Podcast! Buche 1 Training oder Workshop. Human in the Loop as a Service: Engagiere mich als Redakteur, Autor oder Übersetzer. Kauf mir 1 Kaffee (oder Tee 🫖)
  • 39. Quellen & Links Kommerzieller Einsatz (Beispiele): ● R-Cloud Developer Platform on HYCU ● MIST AI für Junipers Marvis ● AgenticAI mit Macaw von fabrix.ai Infrastruktur: ● Appliances von z. B. SambaNova (pre-trained für z. B. Banken) oder Groq (spezielle CPU für Inference -> Tensorstream) ● Infrastructure as a Service von deutschen Anbietern wie Genesis Cloud bzw. Fullstack KI as a Service von der Open Telekom Cloud Open Source AI-Stack: ● MongoDB ● Open Source (AI) Initiative ● Frameworks zur Verwaltung des kompletten Stacks Algorithmia Studien / Umfragen: ● GenZ und Millenials lieben KI ● KI-Tools sind eher als Assistenten denn als Ersatz ● The Writer-GenaAI-Survey