Um in das hochkomplexe Thema Künstliche Intelligenz ein bisschen mehr Nuancierung und Tiefenverständnis reinzubringen haben meine hochgeschätzten Kollegen Gerhild und Peter von five i‘s und ich einen kleinen Diskussionskreis ins Leben gerufen [1]. In den ersten Folgen haben wir uns verschiedene Aspekte von Kreativprozessen vorgenommen. Diese laufen grundsätzlich in abwechselnd divergenten und konvergenten Aktivitäten ab. Bei divergenten Aktivitäten werden explorativ Lösungsvorschläge und Ideen generiert, bei konvergenten werden diese Vorschläge bewertet und priorisiert. Bouschery et. al. [2] haben bereits 2022 die Möglichkeit skizziert, dass KI bei beiden Aktivitäten unterstützen kann. Wir bei TIM Consulting setzen unsere eigens entwickelten generativen Tools schon erfolgreich zur Ideengenerierung ein, weshalb wir das für divergente Aktivitäten vollumfänglich bestätigen können. Die Gefahr, dass KI-generierte Inhalte nicht objektiv wahr sind, ist bei der Ideengenerierung vernachlässigbar [3]. Auch menschliche Ideen stimmen oft nicht (zumindest meine), wenn also dieselbe Skepsis bei KI-Ideen angewendet wird, kann eigentlich nichts schief gehen.

Dem Einwand, dass KI-Systeme nur auf bestehendes Wissen zurückgreifen und deshalb nicht wirklich kreativ sein können, kann ich nur eingeschränkt zustimmen. Laut der britischen Kognitionswissenschaftlerin Margaret Boden gibt es drei Formen von Kreativität [4]:

• kombinatorisch: die Vereinigung zweier vorher unabhängiger Dinge,
• explorativ: Randbereiche konzeptioneller Räume erforschen und
• transformativ: Veränderung kompletter Denkrahmen.

Transformative Kreativität wird sicherlich vorerst weiterhin den Menschen vorbehalten bleiben, diese stellt aber auch den kleinsten Teil kreativer Schöpfung dar. Insbesondere bei kombinatorischer, aber auch explorativer Kreativität ist sehr gut vorstellbar, dass KI mitspielen kann. Die KI AlphaFold bspw. kann neuartige Proteinstrukturen zuverlässig vorhersagen, was z.B. die Arzneimittelforschung rapide beschleunigen wird. Der Einsatz von KI bei divergenten Kreativaufgaben, egal bei welcher Aufgabenstellung, ist also sicherlich einen Versuch wert.

Bei den konvergenten Aktivitäten ist das Ganze allerdings etwas komplizierter. Zur realitätsnahen Bewertung von Ideen ist Faktensicherheit notwendig, was den Einsatz generativer Modelle bereits in Frage stellt. Aber ist das wirklich uneingeschränkt so? Insbesondere in frühen Phasen von besonders radikalen Ideen braucht es ein irrationales Durchhaltevermögen und unerbittliche Liebe zur Idee, um sie gegen Widerstände durchzusetzen. Irgendwann muss zwangsläufig der Punkt kommen sich bei ausbleibendem Erfolg einzugestehen, dass die Idee so nicht zielführend ist.

In jedem Fall sollte beachtet werden, dass generative KI in der Regel den Nutzer bestätigen möchte. Wenn ich ChatGPT frage, ob es eine Idee gut findet, wird es eine Menge gut klingender Gründe dafür finden. Wenn ich frage, ob es dieselbe Idee schlecht findet aber genauso. Wir müssen also sehr aufmerksam sein, dass wir nicht nur unsere eigenen Biases und Präferenzen durch die KI bestätigen zu lassen. Ein Ansatzpunkt bietet die alte Innovationsmanagerweisheit „Liebe das Problem, nicht deinen Lösungsvorschlag!“ Wenn wir es schaffen dieses Prinzip in unsere Arbeit mit der KI zu übernehmen ist schon viel gewonnen.

Konvergente Prozesse dienen dazu eine große Anzahl von Ideen zu bewerten und unplausible Vorschläge sogar ganz auszusortieren. Sicherlich ist es dafür eine Überlegung wert, früher mehr unverfängliche und echte Informationen zur Ideenbewertung beizusteuern. Automatisch erstellte Marktdatenanalysen oder unser analytisches Modell CUMULUSAI, das z. B. Patente auswertet, können mögliche KO-Kriterien identifizieren. Da die Handarbeit wegfällt, ist es jetzt möglich, viel mehr Ideen mit qualifizierten Informationen anzureichern und früher im Prozess eine bessere Bewertung zu ermöglichen.

Zusammenfassend lässt sich festhalten, dass der Einsatz von generativer KI in divergenten Kreativprozessen auf jeden Fall interessante Mehrwerte bringen kann und in konvergenten Kreativprozessen tendenziell eher analytische Systeme zum Einsatz kommen. Allerdings gibt es bei konvergenten Aufgaben mehr Hindernisse und Fehlerquellen.

Wie sind Ihre Erfahrungen mit KI in Kreativprozessen? Wir würden gerne mit Ihnen darüber ins Gespräch kommen!

KI steht natürlich nicht für Kurt-Ingo sondern für Künstliche Intelligenz (zumindest meistens) und ist weiterhin das Thema der Stunde. Das Sentiment in den Medien springt vielleicht hin und her zwischen Heilsbringer, Jobzerstörer oder überbewerteter Luftnummer, aber die Aufmerksamkeit bleibt. Da wir uns selbst intensiv damit beschäftigen, nutzen wir gerne jede der reichhaltigen Gelegenheiten, uns mit anderen darüber auszutauschen.

Dabei fällt mir immer wieder auf, dass selbst Grundlagenwissen über KI, bis auf ein paar Spielereien mit ChatGPT, die wirklich jeder mittlerweile gemacht hat, für meinen Geschmack viel zu wenig verbreitet ist. Vielleicht ist es in Wirklichkeit doch nicht ganz so dramatisch, dass viele Menschen nicht wissen würden, wofür die Abkürzung KI steht, trotzdem ist es aber verwunderlich. Insbesondere, da Digital- und KI-Kompetenz heute wichtige Zukunftsfähigkeiten sind, die in sämtlichen Unternehmensteilen durch die universelle Einsetzbarkeit moderner KI-Systeme eine hohe Relevanz haben.

Damit bliebe aber trotzdem immer noch als großes Hindernis ein Phänomen, welches ich das „Usability Dilemma“ nenne. Der große KI-Leistungssprung der letzten Jahre entstand unter anderem dadurch, dass moderne Algorithmen Text viel besser verarbeiten können. Das versetzt sie in die Lage, bessere Texte zu produzieren und diese viel besser zu „verstehen“. Dadurch ist nun jeder befähigt, auch ohne Programmierkenntnisse, die fortschrittlichsten KI-Tools zu bedienen, da diese natürliche Sprache verarbeiten können. Es besteht damit jedoch die Gefahr anzunehmen, dass mit Wald-und-Wiesen-Prompting (Zero Shot oder Few Shot in der Fachsprache) alle Potentiale bereits ausgeschöpft sind. Oft habe ich gehört, dass Anwender nach einigen Selbstversuchen frustriert KI als unbrauchbar abgestempelt haben. Schade, denn prinzipiell kann jeder tolle Ideen für KI-Anwendungen haben, die Umsetzungskompetenz liegt allerdings in den meisten Fällen immer noch bei erfahrenen Experten, so wie früher auch.

Auch weit verbreitet ist der Trugschluss, KI wäre jetzt ausschließlich generativ bzw. ist vielen gar nicht bewusst, dass es etwas anderes gibt als generative Systeme. Modelle wie ChatGPT generieren Inhalt, indem (vereinfacht gesprochen) das jeweils wahrscheinlichste nächste Wort an das vorherige gereiht wird, entsprechend der Fragestellung. Dadurch wird völlig neuer Inhalt geschaffen, der allerdings nicht immer wahr sein muss. Eine aktuelle Analyse von ChatGPT-Herausgeber OpenAI zeigt, dass die Richtigkeit selbst bei einfachen Frage-Antwort-Interaktionen überschaubar ist.[1]

Richtigkeit beim SimpleQA Benchmark-Test, der über 4000 faktenbasierten Fragen beinhaltet, wie z.B. „Who received the IEEE Frank Rosenblatt Award in 2010?“ (Datenquelle: OpenAI, eigene Darstellung)

„Früher“, vor transformerbasierten Large Language Models zu Zeiten von Machine Learning und neuronalen Netzen, war sämtliche KI analytisch. Das heißt ihr wurde ein bestimmter Datensatz gegeben, aus dem sie Erkenntnisse abgeleitet hat. Hinter allen Ergebnissen standen somit immer reale Daten, auf die verwiesen wurde. Analytische Systeme gibt es weiterhin und sie profitieren auch stark vom besseren Sprachverständnis bei der Auswertung. Somit sollte die erste Frage bei der Auswahl von KI-Werkzeugen sein, brauche ich Faktensicherheit oder ist sie vernachlässigbar? Damit kann vorselektiert werden, ob ein generatives oder analytisches System gebraucht wird.

Nicht jeder muss ein KI-Entwicklungsexperte werden. Ein Grundverständnis von der Funktionsweise und den Möglichkeiten von KI ermöglicht aber wirkungsvoll interdisziplinär zu diskutieren und Innovationspotentiale zu identifizieren. Wir versuchen mittlerweile bei allen unseren Projekten, die KI-Elemente enthalten, sei es Neugeschäftgenerierung, Prozessexzellenz, Roadmapping oder Deep Dives gleichzeitig auch mehr über die grundsätzlichen Funktionen zu informieren und die Möglichkeiten zu sensibilisieren.

Sie möchten mehr über unsere KI-Tools und deren Einsatzmöglichkeiten erfahren? Sprechen Sie uns gerne an!