Aufzeichnung – Q&A – 26. November 2024

Auswertung des Q&A Calls

Fragen und Antworten:

---

Frage 1:

„Warum ist der Stoppknopf beim Generieren von Texten relevant, insbesondere im Hinblick auf Ressourcenschonung?“

Antwort:

• Der Stoppknopf hilft, Rechenleistung zu sparen, indem die Textgenerierung frühzeitig beendet wird, wenn der Nutzer bereits weiß, dass er das weitere Ergebnis nicht benötigt.
• Diese Einsparung ist relevant, da durch die große Nutzerbasis von ChatGPT die Reduktion unnötiger Berechnungen CO₂-Emissionen verringert und Ressourcen geschont werden.
• Besonders bei längeren Interaktionen, wo das Token-Fenster von 128.000 Tokens (ca. 90.000 Wörter) beansprucht wird, hilft das bewusste Stoppen, Effizienz zu steigern.
• Fazit: Es ist ein bewusster Beitrag jedes Nutzers, die globale Rechenlast zu minimieren.

---

Frage 2:

„Gibt es eine Möglichkeit, mehrere Bots miteinander zu verknüpfen, wenn ich komplexere Themen in verschiedene Schritte unterteilen möchte?“

Antwort:

• Bots können verknüpft werden, indem spezialisierte Bots (z. B. Podcast-Bot, Newsletter-Bot) miteinander interagieren.
• Eine Verknüpfung ist entweder zwischen verschiedenen GPT-Bots oder innerhalb eines Bots durch strukturierte Konfiguration (Schritte und Anweisungen) möglich.
• Es gibt eine Begrenzung von 8.000 Zeichen in den Konfigurationshinweisen. Wenn diese überschritten wird, können Strukturen ausgelagert oder separate Bots erstellt werden.
• Solche Verknüpfungen werden detailliert im nächsten Workshop demonstriert.

---

Frage 3:

„Wie funktionieren die Gesprächsaufhänger bei Bots und welche Möglichkeiten bieten sie?“

Antwort:

• Gesprächsaufhänger (maximal vier pro Bot) dienen als definierte Einstiege, um gezielt in ein Gespräch zu starten.
• Sie können so konfiguriert werden, dass ein Gespräch an einem spezifischen Punkt in den Instructions (Anweisungen) beginnt, z. B. bei Schritt 4 statt am Anfang.
• Beispiel: Ein Bot könnte mit unterschiedlichen Aufhängern direkt Show Notes, Newsletter oder LinkedIn-Beiträge aus einem Podcast generieren.
• Sebastian ergänzte, dass die Gesprächsaufhänger auch dazu genutzt werden können, alternative Startpunkte in den Abläufen zu definieren.

---

Frage 4:

„Beeinflussen Rückfragen während eines Gesprächs, das transkribiert wird, die Fähigkeit der KI, präzisen Content zu generieren?“

Antwort:

• Rückfragen oder Unterbrechungen stören die KI nicht. Sie ist darauf ausgelegt, Sprecher zu erkennen und den Gesprächsfluss zu analysieren, auch ohne manuelle Markierungen.
• Es kann jedoch vorkommen, dass die KI Interpretationen oder Halluzinationen einfügt, z. B. bei Terminen, wenn diese nicht explizit definiert sind.
• Lösung: Die Bot-Konfiguration sollte klare Regeln enthalten, z. B. „Erfinde niemals Termine“ oder „Halte dich nur an die Fakten.“

---

Frage 5:

„Wie verhindere ich, dass ein Bot bei Dokumentenanalysen externe Informationen hinzufügt?“

Antwort:

• Bots können so konfiguriert werden, dass sie ausschließlich auf die hochgeladenen Dokumente zugreifen und nicht auf das allgemeine Weltwissen von ChatGPT.
• Klare Anweisungen wie „Verwende nur die Informationen aus den bereitgestellten Dokumenten“ oder „Greife nicht auf externe Quellen zu“ sind notwendig.
• Dies verhindert, dass der Bot nicht-relevante Informationen oder falsche Interpretationen hinzufügt.

---

Frage 6:

„Kann man sehen, wer einen Bot nutzt, wenn man den Link teilt, und gibt es eine Haftung für den Bot-Ersteller?“

Antwort:

• Nein, es ist nicht möglich zu sehen, wer genau den Bot nutzt, da OpenAI die Nutzerdaten aus Datenschutzgründen nicht preisgibt.
• Haftungsfragen sind komplex: Es hängt davon ab, ob der Bot unter einem spezifischen Account freigegeben wurde. Um sich abzusichern, wird empfohlen, einen Disclaimer in den Bot einzubauen.
• Beispiel: Ein Hinweis wie „Alle Ergebnisse basieren auf KI-generierten Informationen und unterliegen der Prüfung durch den Nutzer“ kann eingebunden werden.
• Weitere rechtliche Fragen wurden an den Experten Carsten Wittmann verwiesen, der in der KI Masterclass dazu Stellung nehmen wird.

---

Frage 7:

„Wo finde ich die am Sonntag aufgenommenen 30-Minuten-Videos für die Podcast-Überarbeitung?“

Antwort:

• Die Videos wurden in der Online-Akademie unter Session 3 (Podcast-Überarbeitung) hochgeladen.
• Ziel der Inhalte: Teilnehmer sollen Grundlagen für Show Notes, Newsletter und LinkedIn-Posts erlernen, bevor sie in fortgeschrittenen Workshops Assistenzbots und Automatisierungen wie Make-Integration umsetzen.

---

Frage 8:

„Wie baue ich kontinuierlich bessere Bots und optimiere diese?“

Antwort:

• Bots werden durch ständige Iteration verbessert: Fehler oder Halluzinationen (z. B. falsche Termine) werden identifiziert und durch klare Anweisungen in den Instructions ausgemerzt.
• Beispiel: „Bleibe immer faktenbasiert und sage ‚TBD‘, wenn keine genaue Information vorliegt.“
• Dieser iterative Prozess entspricht dem ständigen „Krümel wegmachen“, um die Präzision des Bots zu steigern.

---

Frage 9:

„Wie kann ich aus GPTs Assistenzen erstellen, die in Automatisierungen eingebunden werden können?“

Antwort:

• Nach dem Feintuning eines Bots können GPTs als spezialisierte Assistenzen für Make-Strecken oder andere Automatisierungsplattformen genutzt werden.
• Beispiel: Ein Transkript wird hochgeladen, der Bot generiert automatisiert Inhalte wie Show Notes, Newsletter und LinkedIn-Posts, die anschließend in einem Workflow verarbeitet werden.
• Fortgeschrittene Inhalte dazu werden in der Masterclass am 9.12. vermittelt.

---

Dieses Q&A zeigte nicht nur praktische Tipps zur Bot-Entwicklung und -Optimierung, sondern sensibilisierte auch für Themen wie Ressourcenschonung, Haftung und clevere Automatisierungsmöglichkeiten. Die nächsten Workshops bauen darauf auf, um tiefer in die Materie einzutauchen.

Aufzeichnung – Entwicklung eines KI-Bots zur Erstellung von Positionsbeschreibungen für den Recruiting-Prozess – 29. November 2024

Zusammenfassung des Trainingscalls

Thema: Entwicklung eines KI-Bots zur Erstellung von Positionsbeschreibungen für den Recruiting-Prozes

Einleitung und Vorstellung der Teilnehmenden

• Claudia: Spezialisiert auf AI- und Recruiting-Coaching, hilft HR- und Recruiting-Teams, ihre Prozesse zu optimieren und teils mit KI zu automatisieren. Der Anwendungsfall: Unterstützung durch einen KI-Bot zur Erstellung von präzisen Positionsbeschreibungen.
• Sebastian: KI- und Skalierungscoach mit einem Hintergrund in Wirtschaftsinformatik und über 30 Jahren Erfahrung in Vertrieb und Business Development. Er zeigte im Rahmen eines Prompt-a-thons, wie man einen funktionsfähigen KI-Bot innerhalb kurzer Zeit entwickelt.

Anwendungsfall: KI-gestützte Positionsbeschreibungen

• Problemstellung:
  Viele Unternehmen investieren wenig Zeit und Ressourcen in die Erstellung hochwertiger Positionsbeschreibungen, obwohl diese entscheidend für die Qualität des Recruiting-Prozesses sind. Oft wird auf alte Vorlagen zurückgegriffen, die nicht mehr relevant sind.
• Lösung:
  Ein KI-Bot, der gemeinsam mit Führungskräften die Positionsbeschreibung in einem interaktiven Frage-Antwort-Prozess erstellt. Der Bot liefert präzise Ergebnisse, minimiert menschliche Fehler und spart Zeit.

Ergebnisse und Highlights des Prompt-a-thons

1. Entwicklung eines KI-Bots:
   • Der Bot wurde im Rahmen eines 45-minütigen Workshops entwickelt und iterativ verfeinert.
   • Ziel: Den User durch eine strukturierte Interaktion bei der Erstellung der Positionsbeschreibung zu unterstützen.
2. Vorgehensweise zur Bot-Erstellung:
   • Kontext schaffen: Der Bot wurde mit relevanten Informationen zum Thema „Positionsbeschreibung“ gefüttert (z. B. Inhalte, rechtliche Aspekte, typische Fehler).
   • Anleitung generieren: Die KI entwickelte daraufhin Schritt-für-Schritt-Vorgehensweisen und Anweisungen für den Bot.
   • Arbeitsschritte strukturieren: Die Anleitung wurde in konkrete Arbeitsschritte umgewandelt, z. B. Begrüßung, Abfrage der Anforderungen, Zusammenfassung und Finalisierung.
3. Technische Umsetzung:
   • Der Bot wurde in einer Custom-GPT-Konfiguration aufgebaut, mit klaren Rollenprofilen, strukturierten Arbeitsanweisungen und zusätzlichen Verhaltensregeln (z. B. wertschätzende Kommunikation).
   • Besondere Anforderungen wie Mehrsprachigkeit und DSGVO-Konformität wurden berücksichtigt.

Praxisbezug: Wie funktioniert der Bot?

• Prozess:
  Der Bot führt den User durch gezielte Fragen, erfasst alle relevanten Informationen (fachliche Anforderungen, Soft Skills, Ziele etc.) und erstellt daraus eine vollständige Positionsbeschreibung.
• Flexibilität:
  Der Bot kann mit wenigen Angaben arbeiten (z. B. nur Titel und Abteilung) und liefert Vorschläge, die iterativ verfeinert werden können.
• Mehrsprachigkeit:
  Der Bot unterstützt mehrere Sprachen (z. B. Spanisch, Französisch, Englisch), was ihn besonders für international aufgestellte Teams geeignet macht.

Wesentliche Learnings und Erkenntnisse

1. Effizienz durch KI:
   Die Nutzung von KI zur Konfiguration des Bots spart enorm viel Zeit und ermöglicht einen schnellen Startpunkt.
2. Iterative Entwicklung:
   Der Fokus lag darauf, eine funktionierende erste Version des Bots zu entwickeln, die später erweitert und verfeinert werden kann.
3. Praxisnähe:
   Der Bot ist so gestaltet, dass er auch von ungeübten Führungskräften intuitiv genutzt werden kann.
4. Flexibilität und Anpassbarkeit:
   Der Bot kann an spezifische Branchen, Rollen und Anforderungen angepasst werden, z. B. durch zusätzliche Vorlagen oder personalisierte Fragen.

Fazit und nächste Schritte

• Erfolg des Trainings: Der Anwendungsfall von Claudia zeigt, wie leistungsfähig und flexibel KI-Bots sein können. Der Bot bietet eine innovative Lösung, um die Qualität und Präzision von Positionsbeschreibungen nachhaltig zu steigern.
• Weiterentwicklung:
  • Die Teilnehmer wurden ermutigt, eigene Bots zu entwickeln und nächste Woche in einem Follow-up-Call zu präsentieren.
  • Ziel: Die erarbeiteten Konfigurationen zu teilen, um das Wissen und die Best Practices der Gruppe weiter zu fördern.

Diese Session bot tiefe Einblicke in die Konzeption und den Aufbau eines KI-Bots und demonstrierte, wie KI die Arbeit im Recruiting revolutionieren kann. Der praxisorientierte Ansatz und die greifbaren Ergebnisse machen neugierig auf die Fortsetzung und den Austausch in der nächsten Woche!