Custom GPTs - Der Deep Dive
Dein BOT, dein Freund und Helfer
In diesem Trainingscall lag der Fokus auf der Konfiguration und Nutzung von Custom GPTs (Bots), um wiederholbare Routineaufgaben effizient und präzise zu automatisieren. Der Call basierte auf Erfahrungen aus einer Session in Doha und baute das Wissen weiter aus. Ziel war es, Klarheit zu schaffen, wie Bots konfiguriert und effektiv eingesetzt werden können.
Mit dem Laden des Videos akzeptieren Sie die Datenschutzerklärung von Vimeo.
Mehr erfahren
1. Unterschiede zwischen Prompts, Custom GPTs und Agents:
- Prompts: Manuelle Anfragen an die KI, stark fremdbestimmt und abhängig von äußeren Vorgaben.
- Custom GPTs: Bots, die spezifische Aufgaben in strukturierter Form autonom abarbeiten können, nachdem sie manuell konfiguriert wurden.
- Agents (zukünftig): Autonom agierende KI-Systeme, die ohne menschliches Eingreifen komplexe Abläufe selbstständig umsetzen können.
2. Canvas-Struktur für Bots:
Ein zentrales Element des Calls war die Einführung einer klaren Struktur, dem Bot-Canvas, um Custom GPTs zu planen und zu konfigurieren. Dieser Ansatz ermöglicht es, Bots ähnlich wie eine Rollenbeschreibung für Mitarbeiter zu definieren.
Die Struktur des Canvas umfasst:
- Rolle und Aufgabe: Was ist die spezifische Funktion des Bots? (z. B. „Trainingscall zusammenfassen“)
- Kontext: In welchem Rahmen agiert der Bot? Warum ist diese Aufgabe wichtig?
- Wissen/Informationen: Welche Quellen oder Daten benötigt der Bot, um die Aufgabe zu erfüllen?
- Fähigkeiten: Welche Kompetenzen soll der Bot haben (z. B. Copywriting, kritisches Denken)?
- Ergebnis: Klare Beschreibung des Outputs, inkl. Struktur, Tonalität und Qualitätskriterien.
- Arbeitsstil (Do’s & Don’ts): Vorgaben für Tonalität, Stil, zu vermeidende Begriffe und gewünschte Ausdrucksweise.
- Assessment: Kriterien zur Bewertung der Ergebnisse, z. B. „Keine Halluzinationen“ oder „Lückenlosigkeit“.
3. Praktische Anwendungsbeispiele:
- Trainingscall-Bot:
Ein Bot wurde vorgestellt, der Transkripte von Trainingscalls analysiert und daraus prägnante Zusammenfassungen erstellt. Ziel ist es, diese Zusammenfassungen flankierend zum Video in eine Akademie einzustellen. - Podcast-Bot:
Demonstration eines Bots, der aus einem Podcast-Transkript Show Notes, Newsletter-Texte und LinkedIn-Beiträge erstellt – durch einfaches „Dispatching“ der Aufgaben an verschiedene spezialisierte Bots.
Wichtige Erkenntnisse:
- Konfiguration leicht gemacht: Die Nutzung des Canvas erleichtert die Planung und Umsetzung eines Bots erheblich, da alle wichtigen Elemente strukturiert durchdacht werden.
- Reihenfolge zählt: Die Reihenfolge von Ziel, Kontext, Quellen und Erwartungen beeinflusst die Qualität der Bot-Outputs maßgeblich.
- Iterative Verbesserung: Ein Bot ist selten perfekt beim ersten Durchlauf. Die Qualität lässt sich durch kontinuierliches Feedback und Optimierung deutlich steigern.
- Bots entlasten Teams: Routineaufgaben wie Transkriptbearbeitung, Social-Media-Content-Erstellung oder Analyse können durch Bots effizient übernommen werden, was Zeit und Kosten spart.
Ausblick:
Der Call gab außerdem einen Ausblick auf die nächste Entwicklungsstufe: Agents. Diese werden zukünftig in der Lage sein, komplexe, autonome Arbeitsabläufe zu übernehmen. Am 13. Januar wird in der KI-Masterclass hierzu ein vertiefender Workshop stattfinden.
Beispiel – Newsletter BOT
Im heutigen Trainingscall haben wir Schritt für Schritt den Prozess durchlaufen, wie man aus einer Idee, einen KI-gestützten Bot für eine konkrete Aufgabe zu entwickeln, ein funktionierendes System baut. Das Ziel war es, einen Newsletter-Bot zu erstellen, der Hannes dabei unterstützt, regelmäßig hochwertige Newsletter zu schreiben, ohne dabei in typischen Herausforderungen wie Zeitfressern oder fehlendem Know-how stecken zu bleiben. Hier ist eine Zusammenfassung des durchlaufenen Prozesses und der wichtigsten Stationen:
Mit dem Laden des Videos akzeptieren Sie die Datenschutzerklärung von Vimeo.
Mehr erfahren
1. Ausgangspunkt: Klarheit über die Aufgaben schaffen
- Der Call begann mit einer Reflexion über die Herausforderungen von Hannes beim Thema Newsletter:
- Warum möchte er Newsletter schreiben? (Ziele: Reichweite erhöhen, Kompetenz zeigen, wachsen.)
- Was sind die Hindernisse? (Zeitfresser, fehlendes Wissen, Unsicherheiten im Schreiben.)
- Wir haben den großen Wunsch nach einem umfassenden „Alleskönner-Bot“ heruntergebrochen. Stattdessen wurde der Prozess in drei separate Aufgaben zerlegt:
- Klarheit über Zielgruppe und Positionierung schaffen.
- Themen für Newsletter identifizieren.
- Den eigentlichen Newsletter schreiben.
2. Fokus auf eine Aufgabe: Newsletter schreiben
- Wir haben uns darauf konzentriert, einen Bot zu entwickeln, der ausschließlich den Schreibprozess übernimmt.
- Ziel war es, ihn so präzise und klar wie möglich zu definieren. Dazu haben wir die Anforderungen des Bots im Detail erarbeitet:
- Kontext: Warum möchte Hannes Newsletter schreiben, und welche Ergebnisse möchte er erzielen?
- Input: Was braucht der Bot, um einen Newsletter zu erstellen? (z. B. Zielgruppeninformationen, Themen, Tonalität, Transkripte.)
- Output: Wie sollte der fertige Newsletter aussehen? Welche Struktur, Tonalität und Details sind wichtig?
3. Erarbeitung einer klaren Struktur
- Der nächste Schritt war, eine klare und wiederverwendbare Struktur für den Bot festzulegen:
- Wir haben definiert, wie ein Newsletter aufgebaut sein soll (z. B. Einleitung, Hauptteil, Call-to-Action).
- Ein Beispiel-Newsletter wurde erstellt und als Referenz für den Bot hinterlegt.
- Die Tonalität und Ansprache wurden festgelegt (humorvoll, faktenorientiert, in der Du-Form).
4. Technische Umsetzung: Custom GPT bauen
- Wir haben den Custom GPT-Bot in ChatGPT erstellt und die Anforderungen direkt in die Konfiguration eingebaut:
- Wissensdokumente: Informationen zu Hannes‘ Positionierung und Zielgruppe wurden als Dokumente hochgeladen.
- Regeln für den Bot: Es wurden klare Do’s und Don’ts definiert, z. B.:
- „Schreibe in der Du-Form.“
- „Vermeide Zwischenüberschriften.“
- „Keine Begriffe wie ‚revolutionieren‘, ‚eintauchen‘ oder ‚umarmen‘.“
- Zusatzfunktion: Am Ende eines jeden Newsletters sollte der Bot eine Selfie-Idee für Hannes vorschlagen, die den Inhalt des Newsletters unterstützt.
5. Iteration und Optimierung
- Der erstellte Bot wurde getestet, indem wir ein Transkript von YouTube als Input verwendet haben. Der Bot hat daraus in wenigen Sekunden einen fertigen Newsletter generiert.
- Es wurde geprüft, ob der Bot die Anforderungen wie Tonalität, Struktur und das Vermeiden bestimmter Wörter korrekt umsetzt.
- Erkenntnisse aus den Tests flossen direkt in die Optimierung des Bots ein:
- Zwischenüberschriften wurden entfernt.
- Die Ansprache wurde angepasst.
- Fehler (z. B. unerwünschte Begriffe oder Strukturabweichungen) wurden durch gezielte Änderungen in der Konfiguration behoben.
6. Erweiterung der Fähigkeiten und Potenziale
- Wir haben über weiterführende Ideen gesprochen, wie man mit diesem Ansatz arbeiten kann:
- Die Arbeit mit mehreren spezialisierten Bots, die nacheinander arbeiten (z. B. ein Bot für Themenrecherche, ein Bot für Schreiben).
- Wie man Transkripte aus YouTube-Videos oder anderen Quellen systematisch nutzt, um Inhalte für Newsletter oder andere Formate zu generieren.
- Die Automatisierung von Prozessen, z. B. durch Agents, die mehrere Bots steuern und orchestrieren.
Fazit und nächste Schritte
Der Call hat nicht nur gezeigt, wie man einen Bot baut, sondern auch, wie wichtig es ist, große Aufgaben in kleine, handhabbare Schritte aufzuteilen. Statt einen „Alleskönner-Bot“ zu erstellen, wurden klare Rollen definiert und der Fokus gezielt auf das Schreiben gelegt.
Ein besonderer Mehrwert war, dass wir gemeinsam in den Prozess der Iteration gegangen sind: Wir haben live getestet, optimiert und den Bot so schrittweise verbessert. Das war ein anschauliches Beispiel dafür, wie man nicht nur mit KI arbeitet, sondern auch, wie man KI trainiert und auf die eigenen Bedürfnisse zuschneidet.
Der nächste Schritt könnte sein, weitere spezialisierte Bots zu entwickeln oder den Newsletter-Bot weiter auszubauen, z. B. mit alternativen Strukturen oder einer stärkeren Automatisierung.