Nutzen aktueller Sprachmodelle am Beispiel von GPT-4 zur Unterstützung bei der Externalisierung impliziten Wissens auf Basis fragmentierter Artefakte – ein explorativer Ansatz.
Sommersemester 2024
Abstract
Der zunehmenden Wichtigkeit von Wissen in Unternehmen steht ein immer größerer Anteil impliziten Wissens gegenüber. Gleichzeitig werden aktuelle Sprachmodelle zunehmend effizienter, während ihre Nutzung einfacher und erschwinglicher wird. In der Arbeit wurde ein GPT-4 Modell genutzt, um exemplarisch stark fragmentiertes Wissen in Form von Textdateien zu adaptieren, um hierdurch Externalisierungsprozesse zu unterstützen.
Es konnte gezeigt werden, dass bereits sehr einfache dialogbasierte KI-Systeme zu guten bis sehr guten Ergebnissen führen. Bereits allein auf Basis promptbasierter Optimierung konnten die Qualität und Quantität signifikant angepasst werden. Fehler und Halluzinationen konnten verringert, aber nicht komplett unterdrückt werden. Die Erweiterung der Datenbasis mit einem Wissensgraphen zeigte nicht die erwarteten Auswirkungen auf Qualität und Reliabilität der Antworten. Im Ergebnis zeigt sich, das Modelle wie GPT-4 grundsätzlich bereits auf Gruppenebene für die Unterstützung von Externalisierungsprozessen in Unternehmen geeignet sind und hier die Rolle eines Wissensspeichers und Multiplikators erfüllen können