Large Language Models erkennen Muster in Texten und verändern damit die Arbeit in Ihrem Betrieb. Wir erklären, wie sie funktionieren und wofür sie im Mittelstand taugen.
Ein Large Language Model ist ein Programm, das gelernt hat, das jeweils nächste Wort vorherzusagen. Es wurde mit gewaltigen Textmengen aus Büchern, Webseiten, Foren und Code trainiert und hat dabei eine einzige Fähigkeit perfektioniert. Es errechnet aus dem, was bisher dasteht, das wahrscheinlichste nächste Wortstück. ChatGPT, Claude und Gemini sind alle solche Modelle.
Der Text entsteht Stück für Stück. Das Modell schreibt ein Token, hängt es an und rechnet erneut, bevor es das nächste schreibt. Was dabei herauskommt, klingt oft verblüffend menschlich. Das verleitet zu dem Trugschluss, hinter den Sätzen säße jemand, der versteht, was er sagt.
Das Training läuft in zwei Phasen. Zuerst liest das Modell riesige Textmengen und lernt dabei, das nächste Wort vorherzusagen. In dieser Phase entstehen Grammatik, Stil und Zusammenhänge, die später wie Sprachgefühl aussehen. Was das Modell dabei speichert, ist ein Abbild dessen, was im Trainingstext häufig zusammen vorkam, und dieses Abbild prüft niemand auf Richtigkeit. Steht dort viel Unsinn, lernt das Modell auch den Unsinn.
In der zweiten Phase bewerten Menschen die Antworten, und das Modell lernt, welche Art von Antwort erwünscht ist. Das macht es höflicher und brauchbarer. Ob eine Aussage stimmt, kann das Modell auch danach nicht beurteilen, es hat nur gelernt, was gut ankommt. Meistens fällt beides zusammen, manchmal nicht.
KI rechnet. Ein LLM hat eine Statistik darüber, welche Wörter in welchem Zusammenhang aufeinanderfolgen, ein Bild von der Welt oder eine eigene Absicht hat es dabei nicht. Kam die Antwort auf eine Frage in den Trainingsdaten oft genug in ähnlicher Form vor, gibt das Modell sie zuverlässig wieder. Das fühlt sich an wie Verstehen und ist Mustererkennung auf sehr hohem Niveau.
Der Unterschied klingt akademisch, hat im Betrieb aber Folgen. Ein Mensch, der „2+2" rechnet, weiß, warum 4 herauskommt. Ein Modell weiß nur, dass auf „2+2=" meistens „4" folgt. Solange die Aufgabe dem ähnelt, was es gesehen hat, geht das gut. Sobald sie davon abweicht, wird es brüchig, und das Modell merkt davon nichts.
Apple hat Sprachmodelle an einem alten Geduldsspiel getestet: dem Turm von Hanoi. Das Spiel folgt einer einzigen logischen Grundregel, und trotzdem scheiterten die Modelle konsequent. Sie wissen nicht, warum die richtige Lösung richtig ist, weil ihnen Weltmodell und Hausverstand fehlen. Ein Mensch, der das Spiel noch nie gespielt hat, braucht eine halbe Stunde und ein Aha-Erlebnis. Das Modell braucht ein Beispiel aus den Trainingsdaten, und wenn es keins gibt, rät es mit voller Überzeugung.
Dieses Grundverständnis vermittelt mindmelt Speaker im KI-Workshop für Einsteiger. Wer es verinnerlicht hat, entscheidet besser, an welchen Stellen KI im Betrieb hilft.
Das bekannteste Problem heißt Halluzination. Gemeint sind frei erfundene Antworten, etwa falsche Zitate oder Quellen, die es nie gab. Das betrifft auch Unternehmen, denn Was ChatGPT über Ihre Firma erzählt, sollten Sie regelmäßig prüfen. Schwerer wiegt, dass ein LLM nicht innehalten und sagen „Das weiß ich nicht". Es generiert einfach weiter, mit derselben Zuversicht wie bei richtigen Antworten.
Ein Mensch merkt in der Regel, wenn er etwas nicht weiß, ein Sprachmodell merkt es nie. Deshalb ist die plausibel klingende Antwort gefährlicher als die offensichtlich falsche, weil sie niemand mehr gegenprüft.
Für rund 80 Prozent der Aufgaben in einem normalen Betrieb spielt das keine Rolle. Wer einen Rechnungstext prüft, eine E-Mail zusammenfasst, eine Angebotsvorlage schreibt, ein Protokoll aufbereitet oder Recherche vorsortiert, braucht ein System, das schnell und brauchbar formuliert. Das können LLMs gut, wenn Sie wissen, was Sie erwarten, und das Ergebnis kurz gegenlesen.
In den meisten Betrieben, die wir beraten, fressen vor allem Routineaufgaben Zeit, und echtes Denken ist selten gefragt. Bei diesen Aufgaben beschleunigt KI die Arbeit deutlich. Wie das konkret aussieht, zeigt die Seite zur KI-Automatisierung.
Wir sehen regelmäßig, dass ein KI-System eingeführt wird, gute Ergebnisse liefert und drei Monate später niemand mehr nachfragt. Das Modell schlägt vor, der Mitarbeiter nickt. Ab diesem Zeitpunkt kostet das fehlende Weltmodell Geld.
KI sollte nie das letzte Wort haben, weil sie nicht weiß, was sie nicht weiß. Die Verantwortung bleibt beim Menschen. Wo diese Grenze verläuft, legen wir in jeder KI-Beratung mit Ihnen fest.
ChatGPT ist eine Anwendung, die auf einem Large Language Model aufsetzt. „KI" ist der Oberbegriff, „LLM" die konkrete Technik dahinter. Im Alltag werden die Begriffe oft synonym verwendet.
Technisch kann ein System Vorschläge automatisch ausführen. Sinnvoll ist das nur dort, wo ein Fehler keine ernsten Folgen hat. Bei allem, was Geld, Recht oder Kunden betrifft, gehört eine menschliche Kontrolle dazwischen.
Bei verbreitetem Wissen sind die Antworten sehr zuverlässig, bei Nischenfragen unberechenbar. Das Modell zeigt seine Unsicherheit nicht an. Je spezieller die Frage ist, desto gründlicher sollten Sie gegenlesen.
KI gehört nicht an Stellen, an denen die richtige Antwort von echtem Verständnis abhängt. Dazu zählen finale rechtliche Bewertungen, sicherheitskritische Entscheidungen und jede Aufgabe ohne Kontrollinstanz.
Für Ihren Betrieb zählt die Frage, was KI für Sie tun soll. Wer mit ihr Intelligenz ersetzen will, wird enttäuscht. Wer mit ihr Routinearbeit beschleunigt und Kapazität freimacht, erreicht mit einem Sprachmodell erstaunlich viel.