U__bung 9 - Ku__nstliche Intelligenz_mitLo__sung PDF

GRUNDLAGEN DER WIRTSCHAFTSINFORMATIK Übung 09: Künstliche Intelligenz Kölner Institut für Wirtschaftsinformatik (KIWI) | Grundlagen der Wirtschaftsinformatik | Wintersemester 2024/25 | Dr. Katharina Drechsler 1 Themen...

GRUNDLAGEN DER WIRTSCHAFTSINFORMATIK Übung 09: Künstliche Intelligenz Kölner Institut für Wirtschaftsinformatik (KIWI) | Grundlagen der Wirtschaftsinformatik | Wintersemester 2024/25 | Dr. Katharina Drechsler 1 Themen Informationssysteme Datenmanagement und Nachhaltigkeit Informationssysteme Internet der Dinge und Digitalisierung Geschäftsprozess- Künstliche Intelligenz management Informationssysteme Systementwicklung und Organisationen Enterprise Systems & Informationssysteme Business Intelligence und Ethik Digitale Infrastruktur Digitale und Plattformen Geschäftsmodelle Informations- Metaverse management Kölner Institut für Wirtschaftsinformatik (KIWI) | Grundlagen der Wirtschaftsinformatik | 2 Wintersemester 24/25 | Dr. Katharina Drechsler Veranstaltungsübersicht Datum Mittwoch 08:00-09:30 Donnerstag 12:00-13:30 09./10.10.24 Krankheitsbedingt entfallen Krankheitsbedingt entfallen 16./17.10.24 Krankheitsbedingt entfallen VL1 - Informationssysteme und Digitalisierung 23./24.10.24 Ü1 - Informationssysteme und Digitalisierung VL2 - Informationssysteme und Organisationen 30./31.10.24 VL3 - Digitale Infrastruktur und Plattformen VL4 - Datenmanagement 06./07.11.24 Ü2 - Informationssysteme und Organisationen Ü3 - Digitale Infrastruktur und Plattformen 13./14.11.24 Ü4 - Datenmanagement VL5 - Geschäftsprozessmanagement 20./21.11.24 Ü5 - Geschäftsprozessmanagement VL6 - Enterprise Systems und Business Intelligence 27./28.11.24 Ü6 - Enterprise Systems und Business Intelligence VL7 - Informationsmanagement 04./05.12.24 Ü7 - Informationsmanagement VL8 - Informationssysteme und Nachhaltigkeit 11./12.12.24 Ü8 - Informationssysteme und Nachhaltigkeit und Q&A VL9 - Künstliche Intelligenz 18./19.12.24 Ü9 - Internet der Dinge (Online: Videos) VL10 - Metaverse (Online: Videos) 08./09.01.25 Ü10 - Künstliche Intelligenz VL11 - Informationssysteme und Ethik 15./16.01.25 Ü11 - Informationssysteme und Ethik VL12 - Systementwicklung 22./23.01.25 Ü12 - Systementwicklung und Probeklausur VL13 - Digitale Geschäftsmodelle 29./30.01.25 Ü13 - Digitale Geschäftsmodelle und Q&A VL14 – Überblick Kölner Institut für Wirtschaftsinformatik (KIWI) | Grundlagen der Wirtschaftsinformatik | 3 Wintersemester 24/25 | Prof. Dr. Stefan Seidel & Dr. Katharina Drechsler Literatur Laudon, K. C., Laudon, J. P., Schoder, D. (2015). Wirtschaftsinformatik - Eine Einführung (3. Auflage). Pearson: München, Deutschland. Kapitel 12 Rainer, K. R., Prince, B., (2021). Introduction to Information Systems. 9th Edition. Wiley Chapter 14 Kölner Institut für Wirtschaftsinformatik (KIWI) | Grundlagen der Wirtschaftsinformatik | 4 Wintersemester 2024/25 | Dr. Katharina Drechsler Agenda 1 Übungsaufgaben – Künstliche Intelligenz 2 Generative KI und Large Language Models 3 Anwendung – Generative KI Kölner Institut für Wirtschaftsinformatik (KIWI) | Grundlagen der Wirtschaftsinformatik | 5 Wintersemester 2024/25 | Dr. Katharina Drechsler Recap – Künstliche Intelligenz Künstliche Intelligenz (KI) bezieht sich auf die Fähigkeit von Maschinen oder Computersystemen, Aufgaben auszuführen, die normalerweise menschliches Denken und Verhalten erfordern. KI ermöglicht es Computern, Muster zu erkennen, Schlussfolgerungen zu ziehen, Probleme zu lösen, natürliche Sprache zu verstehen und sogar menschenähnliche Fähigkeiten wie Lernen und Anpassung zu entwickeln. ChatGPT 4.0, prompted 2023-06-14 („Was ist künstliche Intelligenz?“) “making a machine behave in ways that would be called intelligent if a human were so behaving” McCarthy et al. (1955) Kölner Institut für Wirtschaftsinformatik (KIWI) | Grundlagen der Wirtschaftsinformatik | 6 Wintersemester 2024/25 | Dr. Katharina Drechsler 6 Übungsaufgabe 1 Verschiedene Perspektiven auf das Konzept der künstlichen Intelligenz können anhand der Dimensionen Verhalten und Rationalität unterschieden werden. a) Beschreiben Sie vier verschiedene Perspektiven auf künstliche Intelligenz anhand dieser Dimensionen. b) Welche Fähigkeiten müsste ein Computer für den Turing Test Ansatz besitzen.. Kölner Institut für Wirtschaftsinformatik (KIWI) | Grundlagen der Wirtschaftsinformatik | 7 Wintersemester 2024/25 | Dr. Katharina Drechsler Künstliche Intelligenz Thinking Humanly Cognitive Modelling Thinking Rationally „Laws of Thought“ “The exciting new effort to make computers think … “The study of mental faulties through the use of machines with minds, in the full and literal sense.” computational models.“ (Charniak and McDermott, 1985) (Haugeland, 1985) “The study of computations that make it possible to “ [The automation of] activities that we associate with perceive, reason, and act.“ (Winston, 1992) human thinking, activities such as decision-making, problem solving, learning …” (Bellman, 1978) Acting Humanly Turing Test Acting Rationally Rational Agents “The art of creating machines that perform functions that “Computational Intelligence is the study of the design of require intelligence when performed by people“ (Kurzweil, intelligent agents.“ (Poole et al., 1998) 1990) “AI… is concerned with intelligent behavior in artifacts.“ “The study of how to make computers do things at which, (Nilsson, 1998) at the moment, people are better.“ (Rich and Knight, 1991) Quelle: Russell & Norvig (2016) Kölner Institut für Wirtschaftsinformatik (KIWI) | Grundlagen der Wirtschaftsinformatik | 8 Wintersemester 2024/25 | Dr. Katharina Drechsler 8 Übungsaufgabe 1 Verschiedene Perspektiven auf das Konzept der künstlichen Intelligenz können anhand der Dimensionen Verhalten und Rationalität unterschieden werden. a) Beschreiben Sie vier verschiedene Perspektiven auf künstliche Intelligenz anhand dieser Dimensionen. Acting Humanly: Der Turing Test Ansatz Ein Computer besteht den Test, wenn ein menschlicher Befrager nach dem Stellen einiger schriftlicher Fragen nicht erkennen kann, ob die schriftlichen Antworten von einer Person oder einem Computer stammen. Thinking Humanly: Ansatz der kognitiven Modellierung Modellierung des menschlichen Denkprozesses durch Introspektion, psychologische Experimente und Anwendung von bildgebenden Verfahren auf das Gehirn; dann Abbildung in einem Computer Programm Quelle: Russell & Norvig (2016) Kölner Institut für Wirtschaftsinformatik (KIWI) | Grundlagen der Wirtschaftsinformatik | 9 Wintersemester 2024/25 | Dr. Katharina Drechsler Übungsaufgabe 1 Verschiedene Perspektiven auf das Konzept der künstlichen Intelligenz können anhand der Dimensionen Verhalten und Rationalität unterschieden werden. a) Beschreiben Sie vier verschiedene Perspektiven auf künstliche Intelligenz anhand dieser Dimensionen. Thinking Rationally: Der Ansatz der "Gesetze des Denkens" Fokus auf der Erzielung von korrekten, logischen Schlussfolgerungen durch einen Computer Acting Rationally: Der Ansatz des rationalen Agenten Konstruktion von Agenten, die das Richtige tun Weitverbreitetster Ansatz aufgrund der hohen Allgemeingültigkeit Quelle: Russell & Norvig (2016) Kölner Institut für Wirtschaftsinformatik (KIWI) | Grundlagen der Wirtschaftsinformatik | 10 Wintersemester 2024/25 | Dr. Katharina Drechsler Übungsaufgabe 1 b) Welche Fähigkeiten müsste ein Computer für den Turing Test Ansatz besitzen. Acting Humanly: Der Turing-Test Ansatz Verarbeitung natürlicher Sprache, um erfolgreich in einer menschlichen Sprache zu kommunizieren;. Repräsentation von Wissen, um zu speichern, was es weiß oder hört; Automatisiertes Schlussfolgern, um Fragen zu beantworten und neue Schlussfolgerungen zu ziehen; Maschinelles Lernen, um sich an neue Umstände anzupassen und Muster zu erkennen und zu extrapolieren. Quelle: Russell & Norvig (2016) Kölner Institut für Wirtschaftsinformatik (KIWI) | Grundlagen der Wirtschaftsinformatik | 11 Wintersemester 2024/25 | Dr. Katharina Drechsler Übungsaufgabe 2 Was versteht man unter maschinellem Lernen? Wie werden Modelle für maschinelles Lernen trainiert? Kölner Institut für Wirtschaftsinformatik (KIWI) | Grundlagen der Wirtschaftsinformatik | 12 Wintersemester 2024/25 | Dr. Katharina Drechsler Übungsaufgabe 2 Was versteht man unter maschinellem Lernen? Wie werden Modelle für maschinelles Lernen trainiert? Maschinelles Lernen (ML) ist eine Anwendung der künstlichen Intelligenz, die Systemen die Fähigkeit verleiht, automatisch zu lernen und sich aufgrund von Erfahrungen zu verbessern, ohne explizit programmiert zu werden. Rainer et al.(2021). Kölner Institut für Wirtschaftsinformatik (KIWI) | Grundlagen der Wirtschaftsinformatik | 13 Wintersemester 2024/25 | Dr. Katharina Drechsler Übungsaufgabe 2 Was versteht man unter maschinellem Lernen? Wie werden Modelle für maschinelles Lernen trainiert? Leistung eines Computerprogramms verbessert sich mit zunehmender Erfahrung in Bezug auf bestimmte Aufgabenklassen und Kennzahlen Algorithmen lernen iterativ aus problemspezifischen Trainingsdaten Computer können verborgene und komplexe Zusammenhänge identifizieren und Vorhersagen treffen, ohne explizit programmiert zu werden Janiesch et al. (2021) Kölner Institut für Wirtschaftsinformatik (KIWI) | Grundlagen der Wirtschaftsinformatik | 14 Wintersemester 2024/25 | Dr. Katharina Drechsler Übungsaufgabe 2 Was versteht man unter maschinellem Lernen? Wie werden Modelle für maschinelles Lernen trainiert? Daten 5. Starten 1. Problem 2. ML-Modell 3. Evaluieren beschreiben trainieren 4. Fehler analysieren Géron, A. (2023). Kölner Institut für Wirtschaftsinformatik (KIWI) | Grundlagen der Wirtschaftsinformatik | 15 Wintersemester 2024/25 | Dr. Katharina Drechsler Übungsaufgabe 3 a) Nennen und beschreiben Sie drei Arten des maschinellen Lernens. b) Nennen Sie typische Anwendungen für die drei Arten des maschinellen Lernens. Kölner Institut für Wirtschaftsinformatik (KIWI) | Grundlagen der Wirtschaftsinformatik | 16 Wintersemester 2024/25 | Dr. Katharina Drechsler Übungsaufgabe 3 a) Nennen und beschreiben Sie drei Arten des maschinellen Lernens. Supervised learning ist eine Form des maschinellen Lernens, bei der dem System beschriftete Eingabedaten und die erwarteten Ausgabeergebnisse vorgegeben werden. Unsupervised learning ist eine Art des maschinellen Lernens, bei dem nach bisher unentdeckten Mustern in einem Datensatz gesucht wird, für den keine Kennzeichnungen vorhanden sind und der nur minimal von Menschen überwacht wird. Reinforcement learning ist eine Art des maschinellen Lernens, bei dem das System lernt, ein Ziel in einer unsicheren, potenziell komplexen Umgebung zu erreichen. Rainer et al.(2021). Kölner Institut für Wirtschaftsinformatik (KIWI) | Grundlagen der Wirtschaftsinformatik | 17 Wintersemester 2024/25 | Dr. Katharina Drechsler Überwachtes vs. unüberwachtes Lernen Überwachtes Lernen Unüberwachtes Lernen (Supervised Learning) (Unsupervised Learning) § Daten mit „Label“ (Ausgangswerte) § Daten ohne „Label“ § Ziel ist es ein Modell zu finden, dass die Beziehung zwischen § Im Kern ist das Ziel, entweder Muster zu erkennen oder den ”Eingabeparametern” und dem “Label” repräsentiert. die Dimension der Daten zu reduzieren. § Performance des Modells ist einfach zu berechnen. § Performance des Models schwieriger zu beurteilen als beim “überwachtem” Lernen. Rainer et al. (2021) Kölner Institut für Wirtschaftsinformatik (KIWI) | Grundlagen der Wirtschaftsinformatik | 18 Wintersemester 2024/25 | Dr. Katharina Drechsler Übungsaufgabe 3 b) Nennen Sie typische Anwendungen für die drei Arten des maschinellen Lernens. Kölner Institut für Wirtschaftsinformatik (KIWI) | Grundlagen der Wirtschaftsinformatik | 19 Wintersemester 2024/25 | Dr. Katharina Drechsler Übungsaufgabe 3 b) Nennen Sie typische Anwendungen für die drei Arten des maschinellen Lernens. Überwachtes Lernen (Supervised Learning) § Klassifikation § Regression (Vorhersage von Zielwerten) § Unüberwachtes Lernen (Unsupervised Learning) § Clusteranalyse § Bestärkendes Lernen (Reinforcement Learning) § Computerspiele § Autonomes Fahren Kölner Institut für Wirtschaftsinformatik (KIWI) | Grundlagen der Wirtschaftsinformatik | 20 Wintersemester 2024/25 | Dr. Katharina Drechsler Klassifizierung Die Vorhersage von Klassenzugehörigkeit Beim Klassifizieren wird eine neue Beobachtung/Datensatz in eine von mehreren, bekannten Klassen zugeordnet. Um das Verfahren zu “trainieren”, müssen die Trainingsdaten “gelabelt” sein. Das bedeutet, dass die korrekte Klassenzugehörigkeit in den Trainingsdaten vorhanden ist (überwachtes Lernen). Größe (in Graue Falten Klasse cm) Haare (Label) 50 Nein Kaum Baby 150 Ja Ja Senior 165 Ja Ja Senior 45 Nein Nein ? Kölner Institut für Wirtschaftsinformatik (KIWI) | Grundlagen der Wirtschaftsinformatik | 21 Wintersemester 2024/25 | Dr. Katharina Drechsler Clustering Entdeckung von Ähnlichkeitsstrukturen Beim Clustering wird versucht die (Eingangs-)Daten in ähnliche, homogene “Cluster” zu segmentieren. Wichtig ist dabei, dass man im Vorhinein keine Informationen über die Cluster in den Daten hat (sprich keine Labels, also unüberwachtes Lernen). Kölner Institut für Wirtschaftsinformatik (KIWI) | Grundlagen der Wirtschaftsinformatik | 22 Wintersemester 2024/25 | Dr. Katharina Drechsler Übungsaufgabe 4 Ihr Chef möchte, dass Sie den Umsatz für den nächsten Monat vorhersagen. Hierzu haben Sie historische Umsätze zur Verfügung gestellt bekommen. Auf welche Methoden im Bereich Machine Learning können Sie zurückgreifen? a) Überwachtes Lernen b) Unüberwachtes Lernen c) Bestärkendes Lernen Kölner Institut für Wirtschaftsinformatik (KIWI) | Grundlagen der Wirtschaftsinformatik | 23 Wintersemester 2024/25 | Dr. Katharina Drechsler Übungsaufgabe 4 Ihr Chef möchte, dass Sie den Umsatz für den nächsten Monat vorhersagen. Hierzu haben Sie historische Umsätze zur Verfügung gestellt bekommen. Auf welche Methoden im Bereich Machine Learning können Sie zurückgreifen? a) Überwachtes Lernen b) Unüberwachtes Lernen c) Bestärkendes Lernen Kölner Institut für Wirtschaftsinformatik (KIWI) | Grundlagen der Wirtschaftsinformatik | 24 Wintersemester 2024/25 | Dr. Katharina Drechsler Übungsaufgabe 5 Nennen und beschreiben Sie Anwendungen von künstlicher Intelligenz Kölner Institut für Wirtschaftsinformatik (KIWI) | Grundlagen der Wirtschaftsinformatik | 25 Wintersemester 2024/25 | Dr. Katharina Drechsler Übungsaufgabe 5 Nennen und beschreiben Sie Anwendungen von künstlicher Intelligenz Computer Vision: Fähigkeit von Informationssystemen, Objekte, Szenen und Aktivitäten in Bildern zu erkennen. (z.B. Diagnose und Behandlung von Krankheiten, Gesichtserkennung). Natural language processing (Verarbeitung natürlicher Sprache): Fähigkeit von Informationssystemen, mit Text so zu arbeiten, wie es Menschen tun (z.B. Bedeutung von Texten extrahieren und Texte erzeugen) Spracherkennung: automatische und genaue Transkription der menschlichen Sprache. Kölner Institut für Wirtschaftsinformatik (KIWI) | Grundlagen der Wirtschaftsinformatik | 26 Wintersemester 2024/25 | Dr. Katharina Drechsler Agenda 1 Übungsaufgaben – Künstliche Intelligenz 2 Generative KI und Large Language Models 3 Anwendung – Generative KI Kölner Institut für Wirtschaftsinformatik (KIWI) | Grundlagen der Wirtschaftsinformatik | 27 Wintersemester 2024/25 | Dr. Katharina Drechsler Generative Künstliche Intelligenz Systeme, die ausgehend von Modellen (erlerntes Wissen) neue, bisher ungesehene Inhalte (z. B. Texte, Code oder Bilder) erzeugen können. Text-to- Text-to- Video Image e.g., Runway e.g., DALL-E, Midjourney, Stable Diffusion Text-to-Text Text-to- Music e.g., ChatGPT, LLaMa, Bard e.g., Soundraw Kölner Institut für Wirtschaftsinformatik (KIWI) | Grundlagen der Wirtschaftsinformatik | 28 Wintersemester 2024/25 | Dr. Katharina Drechsler Large Language Models (LLMs) Large Language Model Alignment Das Modell „sieht“ sehr, sehr große Das Modell wird (durch Menschen) so Mengen an Sprache und lernt, angepasst, dass es erwünschtes Verhalten Sequenzen probabilistisch zu (z. B. Normen und Werte) zeigt. ergänzen. Dazu bewerten Menschen konkurrierende Outputs (Vervollständigungen) Weihnachten ist [?] Köln ist eine schöne Stadt. Köln ist eine [?] 👍 Köln ist eine hässliche Stadt. 👎 Quelle: Busse & Kleiber (2023) Kölner Institut für Wirtschaftsinformatik (KIWI) | Grundlagen der Wirtschaftsinformatik | 29 Wintersemester 2024/25 | Dr. Katharina Drechsler Interaktion mit dem Large Language Model § Large Language Models vervollständigen Sequenzen § Bei der Interaktion mit einem LLM, schreiben wir einen Prompt (z.B. eine Frage) welcher dann vervollständigt wird. Prompt LLM Vervollständigung Kölner Institut für Wirtschaftsinformatik (KIWI) | Grundlagen der Wirtschaftsinformatik | 30 Wintersemester 2024/25 | Dr. Katharina Drechsler Interaktion mit dem Large Language Model § Die Qualität des Prompts ist entscheidend für die Qualität des Outputs § Sprachmodelle sind keine Wissensmodelle § Sie verfügen nur über Informationen, auf denen sie trainiert wurden § Ihr Wissen über Sprache ist statisch Kölner Institut für Wirtschaftsinformatik (KIWI) | Grundlagen der Wirtschaftsinformatik | 31 Wintersemester 2024/25 | Dr. Katharina Drechsler Open AI US-amerikanisches Unternehmen, das sich auf die Erforschung von KI fokussiert Zentrale Geldgeber der Organisation sind der Unternehmer Elon Musk sowie das Unternehmen Microsoft. OpenAI hat fortschrittliche Modelle entwickelt, darunter das Textmodell GPT-4o und den Bildgenerierungsalgorithmus Dall-E. Dall-E ist ein Modell, das Bilder aus Textbeschreibungen generieren kann ChatGPT ist ein sprachbasiertes KI-Modell, das auf der GPT-4-Architektur von OpenAI basiert. Kölner Institut für Wirtschaftsinformatik (KIWI) | Grundlagen der Wirtschaftsinformatik | 32 Wintersemester 2024/25 | Dr. Katharina Drechsler ChatGPT Fortschrittliches Sprachmodell, das in der Lage ist, menschenähnliche Konversationen durchzuführen. ChatGPT kann Fragen beantworten, Informationen bereitstellen und auf eine Vielzahl von Themen reagieren. Das Modell wurde durch maschinelles Lernen trainiert und basiert auf großen Mengen an Textdaten aus dem Internet. ChatGPT ist ein generatives AI-Modell: Es nutzt die Wahrscheinlichkeitsverteilung der Eingabedaten um daraus neue Daten/Antworten zu generieren Kölner Institut für Wirtschaftsinformatik (KIWI) | Grundlagen der Wirtschaftsinformatik | 33 Wintersemester 2024/25 | Dr. Katharina Drechsler Grenzen von ChatGPT Die Grenzen von ChatGPT liegen in folgenden Bereichen: Mangel an Hintergrundwissen Fehlerhafte oder nicht verifizierte Informationen Empfindlichkeit gegenüber Eingabeformulierungen. Kein emotionales Verständnis. Ethik und Sicherheit Abhängigkeit von verfügbaren Daten Kölner Institut für Wirtschaftsinformatik (KIWI) | Grundlagen der Wirtschaftsinformatik | 34 Wintersemester 2024/25 | Dr. Katharina Drechsler Agenda 1 Übungsaufgaben – Künstliche Intelligenz 2 Generative KI und Large Language Models 3 Anwendung – Generative KI Kölner Institut für Wirtschaftsinformatik (KIWI) | Grundlagen der Wirtschaftsinformatik | 35 Wintersemester 2024/25 | Dr. Katharina Drechsler  Anwendungen – Fachliche Fragen Abfrage: Juni 2023 Abfrage: Januar 2025 Kölner Institut für Wirtschaftsinformatik (KIWI) | Grundlagen der Wirtschaftsinformatik | 36 Wintersemester 2024/25 | Dr. Katharina Drechsler Anwendung – Fachliche Fragen Achtung: Das Modell gibt ihnen die Antwort, die es statisch am wahrscheinlichsten hält. Das ist aber nicht zwingend auch die richtige Antwort! Gerade fachliche Fragen müssen immer verifiziert werden! Die Antwort ändert sich über die Zeit und ist von ihrem vorangegangenen Input beeinflusst. Kölner Institut für Wirtschaftsinformatik (KIWI) | Grundlagen der Wirtschaftsinformatik | 37 Wintersemester 2024/25 | Dr. Katharina Drechsler Hilfreiche Anwendungen – Korrektur lesen Kölner Institut für Wirtschaftsinformatik (KIWI) | Grundlagen der Wirtschaftsinformatik | 38 Wintersemester 2024/25 | Dr. Katharina Drechsler 38 Grenzen – Aktuelle Geschehnisse Kölner Institut für Wirtschaftsinformatik (KIWI) | Grundlagen der Wirtschaftsinformatik | 39 Wintersemester 2024/25 | Dr. Katharina Drechsler 39 Grenzen – Aktuelle Geschehnisse Abfrage: Januar 2025 Kölner Institut für Wirtschaftsinformatik (KIWI) | Grundlagen der Wirtschaftsinformatik | 40 Wintersemester 2024/25 | Dr. Katharina Drechsler 40 Kontext und Prompting LLMs haben unterschiedliche Tokenlimits (GPT-4 z. B. 8.192 Tokens oder etwa 3.000 Wörter). Prompt und Output können gemeinsam nicht größer sein als das Tokenlimit. Ein höheres Limit erlaubt es uns, dem Modell mehr Kontextinformationen (z. B. einen Text, Beispiele, vorhergehende Nachrichten) zur Verfügung zu stellen. Die gezielte Auswahl von Kontextinformationen ist daher hoch relevant, um möglichst guten Output zu generieren Kölner Institut für Wirtschaftsinformatik (KIWI) | Grundlagen der Wirtschaftsinformatik | 41 Wintersemester 2024/25 | Dr. Katharina Drechsler Prompting – Best Practices Hilfreiche Bestandteile eines Prompts können sein: 1. Rolle der KI 2. Anweisung oder Aufgabe 3. Kontext (z.B. Hintergrundinformationen, Einschränkungen, Beispiele) 4. Input und Ziel (z.B. Frage) 5. Format des Outputs Kölner Institut für Wirtschaftsinformatik (KIWI) | Grundlagen der Wirtschaftsinformatik | 42 Wintersemester 2024/25 | Dr. Katharina Drechsler Prompting – Best Practices Eine einfache Formel ist: Acting as a [ROLE] perform [TASK] in [FORMAT]. Role Task Format Copywriter Essay List Prompt Engineer Headline Bullet Points Student Outline Full sentences Teacher Email … … Kölner Institut für Wirtschaftsinformatik (KIWI) | Grundlagen der Wirtschaftsinformatik | 43 Wintersemester 2024/25 | Dr. Katharina Drechsler Prompting - Techniken Wichtige Prompting Techniken sind: Zero-Shot Prompting: Das Modell erhält eine Aufgabe, aber keine Beispiele. "Write a short story set in a dystopian future.“ "Create a dialogue between two characters discussing the implications of artificial intelligence on society. Few-Shot Prompting: Das Modell erhält einige Beispiele zur Lösung der Aufgabe, dies kann zu hervorragenden Ergebnissen führen Chain-of-Thought Prompting: Erhöht die Leistungsfähigkeit des Modells durch argumentative Zwischenschritte (Wei et al. 2023) Kölner Institut für Wirtschaftsinformatik (KIWI) | Grundlagen der Wirtschaftsinformatik | 44 Wintersemester 2024/25 | Dr. Katharina Drechsler Prompting – Few Shot Prompting Kölner Institut für Wirtschaftsinformatik (KIWI) | Grundlagen der Wirtschaftsinformatik | 45 Wintersemester 2024/25 | Dr. Katharina Drechsler Prompting – Chain-of-Thought Prompting Quelle: Wei et al. 2023 Kölner Institut für Wirtschaftsinformatik (KIWI) | Grundlagen der Wirtschaftsinformatik | 46 Wintersemester 2024/25 | Dr. Katharina Drechsler Prompting – Chain-of-Thought Prompting Quelle: Wei et al. 2023 Kölner Institut für Wirtschaftsinformatik (KIWI) | Grundlagen der Wirtschaftsinformatik | 47 Wintersemester 2024/25 | Dr. Katharina Drechsler  https://chat.openai.com/ Anwendungsaufgaben ChatGPT Stellen Sie eine Frage zu einem Thema, das in der Vorlesung behandelt wurde, um zu sehen, ob ChatGPT zusätzliche Informationen oder Perspektiven bieten kann. Fordern Sie ChatGPT auf, ein Gedicht oder eine kurze Geschichte zu einem bestimmten Thema zu schreiben. Bitten Sie ChatGPT um eine Zusammenfassung eines bestimmten Textes oder Artikels. Vergleichen Sie die Zusammenfassung mit der ursprünglichen Quelle. Fordern Sie ChatGPT auf, eine kurze Argumentation zu einem kontroversen Thema zu erstellen. Analysieren Sie die Argumentation, diskutieren Sie mögliche Stärken und Schwächen und betrachten Sie verschiedene Standpunkte. Kölner Institut für Wirtschaftsinformatik (KIWI) | Grundlagen der Wirtschaftsinformatik | 48 Wintersemester 2024/25 | Dr. Katharina Drechsler DALL-E DALL-E ist ein von OpenAI entwickeltes Modell zur Generierung von Bildern aus Textbeschreibungen. DALL-E kann aus textuellen Beschreibungen eindeutige und kohärente Bilder erzeugen, die den beschriebenen Inhalten entsprechen. Es wurde mit einem großen und vielfältigen Trainingsdatensatz aus Bild-Text-Paaren trainiert, um die Beziehung zwischen Text und Bild zu lernen. Es ermöglicht die Generierung von Bildern aus spezifischen Anweisungen und kann eine Vielzahl von Objekten, Tieren, Szenen und abstrakten Konzepten darstellen. Kölner Institut für Wirtschaftsinformatik (KIWI) | Grundlagen der Wirtschaftsinformatik | 49 Wintersemester 2024/25 | Dr. Katharina Drechsler DALL-E - Beispiele Generate a painting of the city of Cologne in the style Generate an abstract, futuristic depiction of Industrial Internet of of Monet things Katharina x DALL-E Kölner Institut für Wirtschaftsinformatik (KIWI) | Grundlagen der Wirtschaftsinformatik | 50 Wintersemester 2024/25 | Dr. Katharina Drechsler  https://openai.com/dall-e-2 Dall-E – Anwendungsaufgaben Beschreiben Sie einen Gegenstand oder ein Tier mit einigen spezifischen Merkmalen. Verwenden Sie DALL- E, um ein Bild zu generieren, das Ihrer Beschreibung entspricht. Wählen Sie ein bekanntes Gemälde oder eine berühmte Kunstwerkbeschreibung aus. Nutzen Sie DALL-E, um ein eigenes Interpretationsbild des Kunstwerks zu generieren. Erstellen Sie eine Liste von Wörtern, die bestimmte Stimmungen oder Emotionen beschreiben. Nutzen Sie DALL-E, um Bilder zu generieren, die die jeweiligen Emotionen visuell darstellen. Kölner Institut für Wirtschaftsinformatik (KIWI) | Grundlagen der Wirtschaftsinformatik | 51 Wintersemester 2024/25 | Dr. Katharina Drechsler Kontakt Cologne Institute for Information Systems (CIIS) Professur für Informationssysteme (www.is4.uni-koeln.de) Dr. Katharina Drechsler [email protected] Kölner Institut für Wirtschaftsinformatik (KIWI) | Grundlagen der Wirtschaftsinformatik | 52 Wintersemester 2024/25 | Dr. Katharina Drechsler Quellen Busse und Kleiber (2023). Tag des Lernens und der Lehre – Arena: KI Lernen und Lehren (Foliensatz)“ Géron, A. (2023) Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow (p. 26). O'Reilly Media. Kindle Edition Janiesch, C., Zschech, P., & Heinrich, K. (2021). Machine learning and deep learning. Electronic Markets, 31(3), 685- 695 Laudon, K. C., Laudon, J. P., Schoder, D. (2015). Wirtschaftsinformatik - Eine Einführung (3. Auflage). Pearson: München, Deutschland. (Kapitel 12) McCarthy, J. L., Minsky, M. L., Rochester, N., and Shannon, C. E. (1955). A Proposal for the Dartmouth Summer Research Project on Artificial Intelligence, http://jmc.stanford.edu/articles/dartmouth/dartmouth.pdf, p.11. Rainer, K. R., Prince, B., (2021). Introduction to Information Systems. 9th Edition. Wiley (Chapter 14) Russell, S. J., & Norvig, P. (2016). Artificial intelligence: a modern approach. Malaysia; Pearson Education Limited. Kölner Institut für Wirtschaftsinformatik (KIWI) | Grundlagen der Wirtschaftsinformatik | 53 Wintersemester 2024/25 | Dr. Katharina Drechsler