{"id":70625,"date":"2023-04-28T11:10:05","date_gmt":"2023-04-28T11:10:05","guid":{"rendered":"https:\/\/barc.com\/de\/?p=70625"},"modified":"2024-08-01T06:57:53","modified_gmt":"2024-08-01T06:57:53","slug":"chatgpt-auswirkungen-auf-data-analytics","status":"publish","type":"post","link":"https:\/\/barc.com\/de\/chatgpt-auswirkungen-auf-data-analytics\/","title":{"rendered":"ChatGPT: Auswirkungen auf Data & Analytics"},"content":{"rendered":"\n

Als Analyst und Data Scientist habe ich relativ sp\u00e4t angefangen, mich mit ChatGPT zu befassen. Ich bef\u00fcrchtete zu sehr, entt\u00e4uscht zu werden. Mittlerweile bin ich erstaunt, wie gut sich manche Aufgaben mit diesem Large Language Model (LLM) bew\u00e4ltigen lassen. Zum Beispiel generierte ChatGPT f\u00fcr mich fast einsatzbereite Python-Programme f\u00fcr die Verarbeitung von Bilddateien. Oder es f\u00fcgte einem bereits erstellten Skript ein funktionsf\u00e4higes Logging- und Exception-Handling hinzu. Hierbei waren jeweils nur wenige h\u00e4ndische Anpassungen n\u00f6tig, um die Programme lauff\u00e4hig zu machen.<\/p>\n\n\n\n

\"\"<\/figure>\n\n\n\n

Abbildung 1: ChatGPT erkl\u00e4rt Large Language Models<\/em><\/p>\n\n\n\n

F\u00fcr meine Arbeit als Data Scientist war das durchaus hilfreich und ich werde es garantiert wieder nutzen. Als Analyst interessierten mich vor allem die Auswirkungen dieser Technologie und ihrer Weiterentwicklungen auf den Software- und Arbeitsmarkt rund um Data & Analytics.
Ich hoffte auch, dass mir ChatGPT hierzu \u201emal eben\u201c einen Blog-Beitrag verfassen kann. Dabei erlebte ich allerdings eine leichte Entt\u00e4uschung. ChatGPT blieb bei den Antworten auf meine Fragen sehr oberfl\u00e4chlich. Die Inhalte bezogen sich auf allgemeine Auswirkungen von Artifical Intelligence (AI) und kamen mir sehr bekannt vor.<\/p>\n\n\n\n

Der Output regte mich dennoch zu spannenden \u00dcberlegungen an, die ich an dieser Stelle teilen m\u00f6chte.<\/p>\n\n\n\n

    \n
  1. Beschleunigung der Automatisierung trotz Fachkr\u00e4ftemangel: <\/strong>LLMs k\u00f6nnen Fachkr\u00e4fte bei der Automatisierung von Prozessen unterst\u00fctzen und sie effektiver machen. Dies wird das Tempo der Automatisierung in verschiedenen Berufsfeldern erh\u00f6hen. Meine ersten Gehversuche mit ChatGPT haben das eindrucksvoll belegt. Ich konnte mir die Recherche nach geeigneten Python-Packages sparen und auch die Zeit, ihren Funktionsumfang anhand von Beispielen zu umrei\u00dfen.

    Die Erstellung des Programms f\u00fcr die Bildverarbeitung h\u00e4tte mich ohne diese Unterst\u00fctzung ein Vielfaches an Zeit gekostet. Das mit der Hilfe von ChatGPT erstellte Programm automatisiert eine eint\u00f6nige und zeitaufw\u00e4ndige manuelle T\u00e4tigkeit.<\/li>\n\n\n\n
  2. Etablierung von LLMs als neue Schnittstelle zwischen Menschen und Computer:<\/strong> Schon jetzt ist der AI-Output in Form von Code besser als der in reiner Textform. Der Einsatz im Bereich Natural Language Query (NLQ) hat das Potenzial, die sprachbasierte Abfrage und Verarbeitung von Daten auf ein neues Qualit\u00e4tsniveau zu bringen.

    Es ist denkbar, dass Weiterentwicklungen und direkte Integrationen von LLMs in Computersysteme Anwender dazu bef\u00e4higen, per Sprachbefehl und anhand einfacher Erkl\u00e4rungen komplizierte Berechnungen und Analysen anzusto\u00dfen und Programme zu schreiben, die direkt ausgef\u00fchrt werden k\u00f6nnen.<\/li>\n\n\n\n
  3. Programmierkenntnisse als Job-Garant: <\/strong>Momentan k\u00f6nnen Business-Analysten, Controller und Data Scientists mit grundlegenden Programmierkenntnissen am meisten von ChatGPT profitieren, da sie den Output verstehen, ihren Bed\u00fcrfnissen anpassen und somit direkt nutzen k\u00f6nnen.

    Sollten sich LLMs tats\u00e4chlich als Schnittstelle zwischen Menschen und Maschine etablieren, werden Anwender mit nur rudiment\u00e4ren Programmierkenntnissen ihren Vorteil wieder verlieren. Da wo man mit Sprachbefehlen an Grenzen sto\u00dfen w\u00fcrde, w\u00fcrde ihr Kenntnisstand m\u00f6glicherweise nicht mehr ausreichen, diese zu \u00fcberwinden.<\/li>\n\n\n\n
  4. Ver\u00e4nderte Rolle von Experten:<\/strong> Die Rolle von Experten im Bereich Data & Analytics, Controlling und Rechnungswesen k\u00f6nnte sich st\u00e4rker in Richtung strategische Planung, Beratung, Probleml\u00f6sung und Kontrolle verlagern. Sobald AI-Systeme einen Gro\u00dfteil der Routinearbeit \u00fcbernehmen oder per Sprachbefehl ausf\u00fchren k\u00f6nnen, werden neue Kompetenzen gefragt sein.

    Controller werden dann nicht mehr vordergr\u00fcndig damit besch\u00e4ftigt sein, Berichte zu erzeugen und sie aufzubereiten. Sie werden diese vielmehr evaluieren, m\u00f6gliche Schwachstellen identifizieren und mit Wissen und Informationen anreichern, auf das AI-Systeme kein Zugriff haben. Hierzu muss ein grundlegendes Verst\u00e4ndnis zur Funktionsweise von automatisierten AI-Systemen vorhanden sein.<\/li>\n\n\n\n
  5. (Ab-)Schaffung von Arbeitspl\u00e4tzen:<\/strong> Wenn die Automatisierung durch LLMs an Fahrt aufnimmt, werden im Bereich Data & Analytics viele aufw\u00e4ndige, manuelle und oft fehleranf\u00e4llige Routineaufgaben effizient und schnell durch die KI bew\u00e4ltigt. Ambitionierte Nutzer k\u00f6nnten dadurch deutlich mehr leisten und somit ihre Produktivit\u00e4t signifikant steigern. Dies k\u00f6nnte den Nebeneffekt haben, dass Unternehmen in den jeweiligen Abteilungen mit deutlich weniger Personal als zuvor auskommen und weniger Stellen besetzen.

    Gleichzeitig wird die Nachfrage nach Personal, das im Umgang mit AI geschult ist, rapide ansteigen. Der Aufstieg von LLMs hat bereits zu neuartigen Stellenausschreibungen gef\u00fchrt. Prompt Writers und Prompt Engineers sind zwei prominente Beispiele hierf\u00fcr. Bei diesen Berufen kommt es darauf an, Sprachbefehle f\u00fcr AI zu formulieren, sodass diese entweder m\u00f6glichst gute Ergebnisse erzeugen oder anhand dieser lernen k\u00f6nnen, allgemein bessere Ergebnisse zu liefern. Der Bedarf an Schulungspersonal und Fortbildungsangeboten d\u00fcrfte dementsprechend ansteigen.<\/li>\n<\/ol>\n\n\n\n
    \"\"
    Abbildung 2: ChatGPT \u00fcber die Auswirkungen von ChatGPT im Arbeitsmarktsegment Data & Analytics<\/em><\/figcaption><\/figure>\n\n\n\n

    Ich gehe davon aus, dass der Wirbel, den die Ver\u00f6ffentlichung von ChatGPT ausgel\u00f6st hat, nicht nur ein kurzfristiger Hype ist, sondern tats\u00e4chlich gro\u00dfe Ver\u00e4nderungen in Data & Analytics und dar\u00fcber hinaus nach sich ziehen wird. \u00dcberall werden die M\u00f6glichkeiten dieser Technologie verprobt und gro\u00dfe Unternehmen leisten gro\u00dfe Anstrengungen, um ganz oben auf der Welle mitzureiten.<\/p>\n\n\n\n

    Google hat nach einer Krisensitzung in k\u00fcrzester Zeit sein Pendant \u201eBard\u201c auf den Markt<\/a> geworfen, Microsoft arbeitet emsig daran, Funktionen von ChatGPT in das eigene Produktportfolio zu integrieren. Databricks bleibt seiner Verbundenheit zur Open-Source-Community \u2013 im Gegensatz zu OpenAI \u2013 treu und stellte zwei Wochen nach dem Release von Dolly schon die zweite Version (Dolly 2.0)<\/a> der Allgemeinheit zur Verf\u00fcgung. Weitere Softwarehersteller aus dem Bereich Data & Analytics suchen bereits die Kooperation mit den Entwicklern von ChatGPT und Co. und k\u00fcndigen ebenfalls Integrationen an. Prominente Beispiele hierf\u00fcr sind ThoughtSpot, Pyramid Analytics, DataRobot und Qlik, deren Ans\u00e4tze und Visionen einen eigenen Blog-Beitrag wert sind.<\/p>\n\n\n\n

    Die Rasanz der Entwicklungen weckt aber auch Sorgen, wie der k\u00fcrzliche Aufruf zu einem sechsmonatigen Moratorium bei der Weiterentwicklung von AI<\/a> belegt. Die ge\u00e4u\u00dferten Bedenken und identifizierten Risiken sind relevant. Hierzu z\u00e4hlen Gefahren, die durch Monopolbildungen entstehen, aber auch ganz allgemein regulatorische Herausforderungen bez\u00fcglich der Einhaltung gesetzlicher, politischer, sozialer und ethischer Prinzipien sowie der Pr\u00e4vention von Missbrauch. Hier warten noch viele wichtige und grunds\u00e4tzliche Fragen auf eine ad\u00e4quate Antwort.<\/p>\n\n\n\n

    Auch wenn momentan nicht an der Entwicklung von ChatGPT 5 gearbeitet<\/a> wird, bleibt es auf jeden Fall spannend. BARC bleibt f\u00fcr Sie weiterhin am Ball, wenn es um Data & Analytics-News rund um LLMs und ChatGPT im Besonderen geht.<\/p>\n\n\n\n

    <\/p>\n\n\n\n

    <\/p>\n\n\n\n

    Eine kurze Erl\u00e4uterung von ChatGPT 4<\/h4>\n\n\n\n

    ChatGPT steht f\u00fcr \u201eChat Generative Pre-trained Transformer\u201c:
    Chat<\/strong>: Der Begriff \u201eChat\u201c deutet darauf hin, dass das Hauptziel dieses AI-Modells darin besteht, menschen\u00e4hnliche Textkonversationen oder Chats zu simulieren.
    Generative<\/strong>: \u201eGenerative\u201c bedeutet, dass ChatGPT Text erzeugen kann, anstatt nur aus einer begrenzten Anzahl vorgefertigter Antworten auszuw\u00e4hlen. Es kann also \u201ekreativ\u201c neue Antworten erstellen, die auf dem Kontext des Gespr\u00e4chs und der gestellten Frage basieren.
    Pre-trained<\/strong>: \u201ePre-trained\u201c bedeutet, dass das Modell bereits auf einer gro\u00dfen Menge an Daten trainiert wurde, bevor es f\u00fcr spezifische Aufgaben oder Anwendungen angepasst wird. Dadurch hat es bereits ein grundlegendes Verst\u00e4ndnis von Sprache und kann auf dieses Wissen aufbauen, um menschen\u00e4hnliche Antworten zu generieren.
    Transformer<\/strong>: \u201eTransformer\u201c ist der Name einer speziellen Architektur f\u00fcr k\u00fcnstliche neuronale Netze (Deep Learning), die f\u00fcr ChatGPT verwendet wird. Diese Architektur ist besonders gut geeignet, um komplexe Muster und Zusammenh\u00e4nge in Texten zu erkennen und zu lernen.<\/em><\/p>\n\n\n\n

    <\/p>\n","protected":false},"excerpt":{"rendered":"

    Der Text beschreibt die Auswirkungen von Large Language Models wie ChatGPT auf den Software- und Arbeitsmarkt im Bereich Data & Analytics. <\/p>\n","protected":false},"author":13,"featured_media":47326,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"site-sidebar-layout":"default","site-content-layout":"","ast-site-content-layout":"default","site-content-style":"default","site-sidebar-style":"default","ast-global-header-display":"","ast-banner-title-visibility":"","ast-main-header-display":"","ast-hfb-above-header-display":"","ast-hfb-below-header-display":"","ast-hfb-mobile-header-display":"","site-post-title":"","ast-breadcrumbs-content":"","ast-featured-img":"","footer-sml-layout":"","ast-disable-related-posts":"","theme-transparent-header-meta":"","adv-header-id-meta":"","stick-header-meta":"","header-above-stick-meta":"","header-main-stick-meta":"","header-below-stick-meta":"","astra-migrate-meta-layouts":"set","ast-page-background-enabled":"default","ast-page-background-meta":{"desktop":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"tablet":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"mobile":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""}},"ast-content-background-meta":{"desktop":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"tablet":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"mobile":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""}},"footnotes":""},"categories":[47,104],"tags":[],"plus":[],"content_typ":[209],"layoutvorlage":[],"class_list":["post-70625","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-business-intelligence","category-trends","content_typ-artikel"],"acf":[],"_links":{"self":[{"href":"https:\/\/barc.com\/de\/wp-json\/wp\/v2\/posts\/70625","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/barc.com\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/barc.com\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/barc.com\/de\/wp-json\/wp\/v2\/users\/13"}],"replies":[{"embeddable":true,"href":"https:\/\/barc.com\/de\/wp-json\/wp\/v2\/comments?post=70625"}],"version-history":[{"count":1,"href":"https:\/\/barc.com\/de\/wp-json\/wp\/v2\/posts\/70625\/revisions"}],"predecessor-version":[{"id":107165,"href":"https:\/\/barc.com\/de\/wp-json\/wp\/v2\/posts\/70625\/revisions\/107165"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/barc.com\/de\/wp-json\/wp\/v2\/media\/47326"}],"wp:attachment":[{"href":"https:\/\/barc.com\/de\/wp-json\/wp\/v2\/media?parent=70625"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/barc.com\/de\/wp-json\/wp\/v2\/categories?post=70625"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/barc.com\/de\/wp-json\/wp\/v2\/tags?post=70625"},{"taxonomy":"plus","embeddable":true,"href":"https:\/\/barc.com\/de\/wp-json\/wp\/v2\/plus?post=70625"},{"taxonomy":"content_typ","embeddable":true,"href":"https:\/\/barc.com\/de\/wp-json\/wp\/v2\/content_typ?post=70625"},{"taxonomy":"layoutvorlage","embeddable":true,"href":"https:\/\/barc.com\/de\/wp-json\/wp\/v2\/layoutvorlage?post=70625"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}