Hallo zurück zum OMKB Deep Dive Digital Marketing. Es geht jetzt hier direkt weiter. Vielleicht nur kurz, ähm, der Hinweis: Wir zeichnen natürlich alle Sessions des heutigen Tages auf. Das heißt, wenn ihr die Session von vorhin nicht joinen konntet oder es heute nicht schafft, an einer anderen Session teilzunehmen, die für euch aber spannend ist, gehen wir morgen in die Postproduction und werden euch kommende Woche dann alle Vorträge anbieten, sofern sie freigegeben werden. Das ist aber eigentlich immer nahezu einhundert Prozent der Fälle der Fall. So, und ich habe es angekündigt. Es geht jetzt direkt weiter. Mit dabei sind der liebe Fabian und der liebe Alex von der Firma Macau. Macau ist ein führender Anbieter digitaler Dienstleistungen. Zu ihrem Leistungsportfolio gehört Digitalis-- äh, Digital Marketing. Digital ist auch gut. Experience Platforms und E-Commerce, Data und Intelligence, Business und Cloud Applications, Digital Workplace, Microsoft Solutions, Sitecore Solutions und vieles mehr. Ähm, sie sind über fünfhundert Experten und Expertinnen in Deutschland, Niederlanden und Litauen. Zu ihren Kunden gehören illustre Unternehmen wie Aktion Mensch, Congstar, Heineken, Henkel, L'Oreal, Porsche, RWE, Volkswagen und viele mehr. Navigiert am besten einfach mal die Website an und schaut euch bei Macau um. Ein tolles Unternehmen, was ich in der Vergangenheit schon, ähm, ja, das ein oder andere Mal kennenlernen durfte. Sie haben auch zahlreiche Auszeichnungen erhalten, die jetzt alle hier zu droppen, würde den Rahmen tatsächlich sprengen, aber da es heute auch speziell um Sitecore geht, sie sind Sitecore Partner of the Year und elfmal Sitecore-- und haben elfmal den Sitecore Experience Awards, ähm, geholt, wenn man das so sagen möchte. Ähm, sie haben auch ein umfangreiches Karriereportal. Navigiert gerne mal dahin, wenn ihr, ähm, euch umschauen wollt oder einfach nur so interessiert seid. Macau steht für eine inspirierende Atmosphäre mit eigenverantwortlichen Teams, modernste Arbeitsmethoden und ein internationales Team. Die Länder habe ich gerade schon erwähnt. So viel zu Macau. Fabian Holtermann ist Technical Service Lead Digital Experience bei Macau und ist seit über vierzehn Jahren widmet er sich der Gestaltung von Web-Erlebnissen, die einen bleibenden Eindruck hinterlassen. Was ihn auszeichnet, ist nicht nur sein technisches Know-how, sondern auch seine Fähigkeit, mit Menschen in Kontakt zu treten und Kundenbeziehungen effektiv zu gestalten. An seiner Seite heute dabei Alexander Bungarten. Er ist Digital Consultant bei Macau und als Digital Consultant mit einem Hintergrund im digitalen Management, Marketing und digitalen Medien ist Alex auf Innovationen absolut spezialisiert. Er interessiert sich besonders für die Menschen hinter den Projekten und für die gemeinsame Schaffung von Neuerungen in der digitalen Welt. Jetzt habe ich den Vortragstitel schon genannt. Also sie haben uns mitgebracht: Künstliche Intelligenz vom Wort zum Workflow. Findet heraus, wie KI die Lücke zwischen der Vielfalt der Anforderungen von Stakeholdern und der Präzision von Projekttickets schließen kann. Lerne, in deiner eigenen Sprache zu formulieren und sieh zu, wie deine Worte nahtlos in klare, umsetzbare Tickets umgewandelt werden. Ein Durchbruch für Techniker, Designer, Texter und Projektmanager. Und wenn ich das euch so anmoderiere, ist das definitiv ein Thema, was mich auch in der Vergangenheit bereits umtrieben hat und auch immer wieder umtreibt. Deswegen würde ich sagen, das geht einigen von euch genauso. Deswegen Attention angesagt beim nächsten Vortrag. Ich freue mich nun, Fabian und Alex hier bei uns begrüßen zu dürfen im Rahmen der OMKB und sage herzlich willkommen. Hallo, ihr beiden. Schön, dass ihr mit am Start seid. Hallo. Vielen Dank, dass wir dabei sein dürfen. Hi zusammen. Zunächst einmal herzlichen Glückwunsch, denn, ähm, ich habe heute noch im LinkedIn die News vernommen. Macau gehört zu den Top dreißig Agenturen in Deutschland und belegt Platz dreizehn im Sub Ranking Plattform. Das ist das Ergebnis des Internetagentur-Rankings des BVDW. Also noch einmal herzlichen Glückwunsch in eure Richtung. Stellvertretend hier an dieser Stelle für eure fünfhundert Kollegen und Kolleginnen habt ihr ja scheinbar einen sehr, sehr guten Job gemacht. Cool. Vielen Dank. Ähm, sagt einmal, ihr seid auch auf der Sparks Con vertreten. Das ist jetzt ein Event, ähm, was ich jetzt persönlich noch nicht so im Scope hatte. Was-- wobei handelt-- Worum handelt es sich bei dem Event und was tragt ihr dort, ähm, konkret bei? Ja, Sparks Con, eine weitere Messe im Bereich Digitale Experience Platforms. Tatsächlich bauen die sich gerade so in Richtung der größten Messe in die Richtung. Mhm. Es ist aber noch relativ unbekannt, behaupte ich jetzt einfach mal. Round about vierzig Speaker. Wir haben aber da drin einen sehr fachlichen Deep Dive. Also wir wollen da wirklich, ähm, ja, hit the ground running, ähm, ein Hands-on-Thema nehmen und ohne jetzt zu viele Buzzwörter reinzuwerfen, wirklich zeigen: „Hey, wie kann man, ähm, wie kann man seine Anforderungen richtig erheben? Wie kann ich die Kunden echt unterstützen und wie kann ich dann auch mit diesen Anforderungen loslaufen und, ähm, echt Mehrwert für mich generieren? Also für mich auf der Arbeit, für meine Kunden. Und da sind wir mit einer Masterclass am Start und wir freuen uns da, äh, natürlich neue Leute zu treffen und uns zu vernetzen. Stark. Also für alle interessierten Zuschauer und Zuschauerinnen, ähm, einfach mal die Sparks Con bei Google anvisieren oder wahrscheinlich bei euch auch auf dem Eventkalender auf der Website schauen. Ich habe gesehen, da sind sowieso viele Events, auf denen ihr so umtriebig seid, plus was ihr so an Workshops und Events auch selber hostet. Da kann man sich, glaube ich, ganz gut mal informieren. Schön. Ja, ich habe ja gerade schon einiges zu euch erzählt. Ähm, deswegen möchte ich die Audience gar nicht viel länger auf die Folter spannen und würde euch an der Stelle auch das Wort und den Bildschirm überlassen mit eurer Session „Künstliche Intelligenz vom Wort zum Workflow und würde sagen, wir checken einmal gemeinsam, ob die Slides da sind. Das sieht aber sehr, sehr gut aus. Ich würde sagen, dann, ähm, treffen wir uns gleich wieder zur anschließenden Q&A hier. Viel Spaß euch. Super. Danke. Vielen Dank dir für die nette Anmoderation. Gerne. Ja, und damit-Auch zu meinem heutigen Thema, was ich mitgebracht habe, künstliche Intelligenz, ein bisschen: Wie kann ich das Ganze mit Sitecore verknüpfen und wie komme ich da besser ran? Also, wie komme ich sozusagen von meinem Wort, von meiner Idee nachher zum Workflow? Und warum davor auch eigentlich keiner Angst haben muss am Ende des Tages. Und damit das Ganze für euch ein bisschen interessanter ist und nicht so trocken ist, damit wir nicht nur das Thema bearbeiten, habe ich Sebastian mitgebracht. Sebastian dient uns heute als Beispiel, an dem wir uns entlanghangeln und uns das Ganze etwas genauer anschauen. Und hier ein bisschen Hintergrund zu Sebastian. Sebastian ist Teil eines kleinen Teams in einem Konzern und ist selbst ein Spezialist in der Content-Erstellung. Das heißt, er kreiert immer wieder neue Seiten, neue Komponenten auf einer Webseite, auf der Webseite von ACME. Und Nadine ist seine Projektmanagerin. Die hat so ein bisschen den Überblick über alles und weiß, wann die nächsten Kampagnen anstehen oder die nächsten Themen vorbereitet werden müssen. Und Sebastian hat so ein bisschen eine Herausforderung. Er hat so ein bisschen Schwierigkeiten, denn er sitzt immer wieder vor einem weißen Blatt Papier und weiß nicht so richtig, wie soll er denn anfangen, wenn er jetzt zum Beispiel eine neue Seite erstellen soll. Er ist so ein bisschen überfordert mit der Anzahl an Features und Fähigkeiten, die die Plattform, in diesem Falle Sitecore, ihm bietet. Und das liegt einfach auch daran, dass er keinen wirklich technischen Hintergrund hat. Sebastian kennt sich halt nur in der Content-Erstellung aus und wenig wirklich mit der Technik. Um das mal so ein bisschen zu veranschaulichen, habe ich hier als Beispiel mal Sitecore Pages genommen. Sitecore Pages ist so wirklich einer der besten Editoren, die ich kenne im Moment auf dem Markt, in der man wirklich alles machen kann. Also ich kann direkt live meine Webseite sehen, bearbeiten, Inhalte verändern, neu hinzufügen, bestehende löschen. Es ist halt einfach eine enorme Flexibilität und einen riesigen Funktionsumfang. Und da kommt das Ganze nämlich ins Spiel, um das mal zu veranschaulichen. Sagen wir jetzt, die Webseite an sich hat ungefähr fünfzig Komponenten. Und diese fünfzig Komponenten können auch noch in zehn Grids eingesetzt werden. Das heißt, ich kann ein Grid haben, das genau zweigeteilt ist oder drei Spalten hat oder vielleicht auch etwas, was links fünfundzwanzig Prozent hat und rechts fünfundsiebzig. Dadurch kommen alleine schon für ein Grid mit Komponentenanzahl mehr als fünfhundert Varianten, die einem dann zur Verfügung stehen. Und wenn ich jetzt noch überlege, eine Webseite hat meistens nicht nur ein Grid, sondern mehrere Grids untereinander. Ich habe mal einen groben Rahmen genommen von ungefähr drei Grids, drei Parts, die die Webseite aufbauen, und dann komme ich schon alleine auf hundertfünfundzwanzig Millionen Varianten, die Sebastian jetzt erstellen könnte. Und da ist man natürlich schnell und leicht überfordert mit. Und das ist eine Zahl, die einfach exponentiell steigt, je größer meine Seite auch wird. Und das, das ist natürlich ein Problem. Das wollen wir irgendwie angehen. Wir wollen nicht, dass Sebastian so überfordert ist damit. Das heißt, er spricht darüber mit seiner Projektmanagerin, der Nadine, und sie entschließt sich, gemeinsam mit der Partneragentur nach einer Lösung zu suchen, denn Sebastian soll es natürlich einfach haben, Inhalte zu erstellen, und keine große Hürde dabei. Das heißt, gemeinsam mit der Partneragentur entscheiden sie sich dann gemeinsam zu einem KI-Ansatz, zu einem Ansatz, der quasi Sebastian unterstützt, in Sitecore Pages neue Seiten zu erstellen. Das Ganze soll in einem agilen Ansatz geschehen. Schritt für Schritt möchte man sich dem Ganzen nähern. Nadine ist halt stark dafür, KI zu nutzen. Sie möchte das Thema auch ein bisschen voranbringen im Unternehmen. Dementsprechend, ähm, erwünscht sie sich hier auch so ein bisschen mehr Resultate raus. Und damit wir damit loslegen können, entscheiden wir uns erst einmal zu einem KI-geschützten Assistenten. Und hier so ein bisschen der Überblick: Was soll der denn überhaupt können? Was soll am Ende funktionieren damit? Der Assistent soll den Content, den Sebastian sozusagen hat, einmal analysieren. Das heißt, Sebastian bekommt irgendeine Kampagne, die er auf einer Seite stellen soll. Diese Inhalte gibt er dem Assistenten. Der soll das analysieren und soll daraus dann Vorschläge machen: Welche Komponenten sollen genutzt werden oder können genutzt werden und wie sollen sie platziert werden? Dabei soll der Assistent natürlich auch das CI des Unternehmens weiter in Betracht ziehen und nicht plötzlich alles durcheinanderwerfen. Dementsprechend widmen wir uns zunächst einmal einem MVP, einem kleinen Produkt, das in sich funktionieren soll. Und wie machen wir das am besten? Wir nehmen den Ansatz, zunächst einmal einen reinen Text basierten Assistenten zu nehmen. Keine direkte Verknüpfung, sondern eine alleinstehende KI. Diese KI muss irgendwie konfiguriert werden, damit Sebastian damit auch arbeiten kann. Denn ohne Konfiguration wird das einfach mit dem Ergebnis recht wenig. Um das mal euch zu zeigen, wie das denn aussehen würde, hier ein kleines Beispiel. Sebastian hat jetzt eine Kampagne bekommen, hat einen Text bekommen. Diesen Text gibt er dem Assistenten ein und erwartet jetzt darauf hin natürlich, dass er irgendwie Ergebnisse bekommt, die ihm sagen, welche Komponenten er nutzen soll. Aber die KI verhält sich einfach komplett anders. In dem Moment, wo sie ja keine Anweisung hat, versucht sie anzunehmen, was sie tut, tun soll, und in diesem Moment ist das eine Vervollständigung unseres Contents. Und das ist genau das, was sie denn nur machen kann. Denn in dem Moment, wo sie nicht weiß, was sie tun soll, muss sie interpretieren. Und das wollen wir natürlich nicht. Wir wollen nicht, dass die KI interpretiert, sondern wir wollen ihr genau sagen, was sie zu tun hat. Und dafür erstellt die Partner-Agentur dann eine Prompt, das heißt, eine Anweisung für die KI, die mitgegeben wird, damit dann nachher Sebastian nichts mehr schreiben muss, sondern nur noch seine Inhalte reinwirft.Und dann sein Ergebnis bekommt. In dem Falle ist das hier ein Beispiel mal, wie das, wie so ein solcher Prompt aussehen kann, der die Anweisung gibt, dass am Ende Komponentenvorschläge rauskommen sollen. Und das nennt man auch Prompt Engineering oder Prompt Design. Das heißt, bei Prompt Engineering oder Prompt Design versucht man so spezifisch wie möglich eine Eingabe einzugeben für die KI, damit diese daraufhin relevante Antworten generieren kann, ohne dass wir selbst ein Modell trainieren müssen. Und das ist hierbei ganz wichtig, denn das Modelltrainieren an sich ist um einiges teurer, als durch einfaches Prompt Engineering voranzugehen. Und wenn wir das gemacht haben, wir haben diesen Prompt generiert, wir haben den eingebunden und jetzt kann Sebastian wieder daher gehen. Er pastet wieder seine Frühlingskampagne da rein und jetzt bekommt er eine vernünftige Antwort. Er bekommt nicht mehr eine Vervollständigung seines Textes, sondern die KI kommt her und sagt ja, mach doch die Hero Image Komponente beschreibt auch so ein bisschen, was für ein Bild er da reinmachen soll, die Überschrift und den Untertitel. Die hat noch viel mehr geschrieben. Ich habe hier nur einen kleinen Auszug einfach genommen. Und damit ist Sebastian schon in der Lage, seine ersten Ziele zu erreichen. Er kommt damit schon einfach viel schneller zu einer Lösung und steht nicht mehr vor einem leeren Blatt Papier wie immer zuvor. Dennoch sind ihm dabei so ein, zwei kleinere Probleme aufgefallen, die er etwas komisch findet. Denn zum Beispiel schlägt ihm der Assistent immer wieder Komponenten vor, die in Sitecore gerade gar nicht vorhanden sind. Bzw. Manchmal hat er auch Probleme, dass die Komponenten nicht so ganz gut zum Inhalt passen. Es kann dann sein, dass sowas passiert wie die KI schlägt ihm vor, setzt doch hier eine Hero Image Komponente ein. Aber eigentlich geht es darum, dort einen Text einzusetzen. Das wollen wir natürlich auch nicht. Das heißt, wir müssen gucken, was ist denn hier überhaupt das Problem? Warum macht die KI das und wie können wir das beheben? Und das kann zu einem natürlich daran liegen, dass wir einfach nicht präzise genug waren in der Prompt, die ich am Anfang gezeigt habe, dass wir dort viel mehr schreiben müssen als das, was wir gerade getan haben. Denn ohne dass die KI genug Anweisungen hat, fängt sie halt wieder an zu interpretieren. Was auch ein Problem sein könnte, ist, dass die KI gar keine Beispiele hat. Sie weiß gar nicht, woran sie sich orientieren soll, wie das Ergebnis aussehen soll. Beides sind Sachen, die wir natürlich beheben können, denn das, was wir gerade gemacht haben, wir haben keine Beispiele mitgegeben, wir haben nur eine Anweisung mitgegeben. Das nennt man auch Zero Shock Learning. Das heißt, wir haben eine Technik gemacht, bei der wir einfach nur eine Anweisung schreiben, ohne weitere Beispiele. Dann gibt es noch den Faktor, dass die KI immer einen gewissen Spielraum hat. Das heißt, sie hat einen Raum, in dem sie kreativ selber denken kann, sozusagen. Und damit auch Sachen vielleicht erdenken, die es in dem Sinne gar nicht gibt oder die gar nicht das Ziel sind. Das ist ein Faktor, mit dem kann man ein bisschen spielen, den kann man einstellen. Ähm Wenn ich diesen Faktor aber auf null drehe, heißt das noch lange nicht, dass eine KI deterministisch ist. Das heißt, sie wird trotzdem nicht bei gleicher Eingabe ein gleiches Output geben, sondern sie wird immer noch leichte Unterschiede haben. Denn es gibt explizit KIs, die deterministisch sind und es gibt explizit KIs, die nicht deterministisch sind. In unserem Falle wollen wir eher eine nicht deterministische KI, weil wir wollen, dass sich die KI ja auch ein bisschen kreativ verhält und unterschiedliche Komponenten mal zusammenspielt. Damit wir nicht nachher ein monotones Ergebnis auf unserer Webseite. Also wollen wir einmal natürlich die Relevanz erhöhen, indem wir die das Prompt anpassen. Wir wollen aber auch die Relevanz erhöhen, indem wir der KI mal ein Beispiel mitgeben, damit Sebastian einfach am Ende auch bessere Ergebnisse bekommt als die, die er vorher bekommen hat. Das machen wir dann. Also wir bereiten dieses Beispiel vor und hier einmal zunächst, bevor wir das Beispiel einfügen, wie die verbesserte Prompt aussieht. Das heißt, wir sagen jetzt nicht nur, was sie tun soll, sondern wir grenzen auch noch ein. Wir sagen, du hast bestimmte Komponenten nur zur Auswahl. In diesem Falle ist auch wieder nur ein Auszug. Da steht natürlich viel, viel mehr. Wir haben zum Beispiel ein Grid Layout mit Kacheln zur Verfügung und dann schreiben wir auch noch ein paar Sachen dazu. Wofür ist das gut zu benutzen? Zum Beispiel Wie sieht das Ganze aus? Welche Felder hat das? Einfach so viele Informationen wie möglich. Und dann fügen wir noch ein Beispiel mit hinzu. Das heißt, hier haben wir wieder eine andere Kampagne, die Sebastian einfügen möchte oder schon eingefügt hat. Die hat er schon umgesetzt. Daran haben wir uns einfach orientiert. Links wäre das, was er mal wieder bekommen hat, der Content, den er einsetzen soll. Und auf der rechten Seite sieht man, so soll das Ergebnis nachher aussehen. So etwas soll die KI ungefähr generieren. Und hier können wir der KI auch immer ganz gut schon mal eine Struktur vorgeben. Was soll wie aufgeteilt sein, wie man das gerade hier sieht? Man fängt an, er sagt halt ja, ich habe ein Grid Layout mit Kacheln und da drinne gibt es dann jede Kachel noch mal mit Unterpunkt. Zweitausendein so kann es natürlich viel einfacher dann auch von Sebastian interpretiert werden und direkt umgesetzt werden. Und das nennt man jetzt wiederum Few shot Learning. Das heißt, wir haben bei der KI nicht nur eine Anweisung gegeben, sondern wir haben ihr auch noch mehrere Beispiele mitgegeben, damit das Ergebnis so relevant wie möglich am Ende wird. Und diese neuen Anpassungen, da kann Sebastian einfach super mit arbeiten. Er ist jetzt nicht mehr nur vor einem weißen Blatt Papier gerettet, sondern er kann jetzt auch einfach viel schneller Ergebnisse erzielen, weil er einfach Vorlagen hat, die er benutzen kann, wo er sich die Sachen rauskopieren kann und das heißt für ihn auch einfach viel weniger Zeitdruck.Und das ist etwas, was dann Nadine natürlich auch wieder sehr freut. Mal abgesehen davon, dass Sebastian jetzt die Inhalte viel schneller umsetzen kann, ist das ja auch ein super Motivationsfaktor. Denn wenn Sebastian nicht mehr so gestresst ist, unter Druck ist, dann hat er sogar Spaß bei der Arbeit und macht das gerne. Das heißt, er freut sich, wenn neue Kampagnen reinkommen und arbeitet sich gerne ein ins Hight Court. Und das steigert dann auch am Ende natürlich die Teamzufriedenheit. Das ist ja ganz klar. Das ist aber nicht alles, was wir machen können. Das ist jetzt schon ein sehr guter Ansatz. Wir haben jetzt schon eine sehr gute KI, die uns hilft, die Sebastian hilft, in Sitecore Pages neue Seiten zu erstellen, neue Komponenten anzulegen. Aber wir können noch viel mehr dafür, damit wir gucken können, in welche Richtung müssen wir uns ein bisschen entwickeln, sammeln wir natürlich erstmal Feedback ein. Nadine ist natürlich zufrieden mit dem Ergebnis, aber fragt auch „Gibt es denn da nicht noch mehr Potenzial? Und dieses Feedback sammeln wir dann von Sebastian. Sebastian hat ein sehr gutes Feedback für uns. Er hat nämlich gemerkt, dass bei längerem Arbeiten die Ergebnisse von dem Assistenten doch ein bisschen eintönig sind, immer wieder die gleichen Inhalte kommen und vielleicht welche nicht ganz so gut zueinander passen. Und das, was Sebastian als Feedback gibt, hat Nadine auch so ein bisschen in der Analytics-Lösung gesehen. Der hat nämlich gesehen, dass plötzlich der Fokus auf Inhalten liegt, die vielleicht gar nicht gewollt sind, weil da liegt kein Call to Action hinter. Da ist nichts, das mich dazu verleitet, zum Beispiel mich an einem Newsletter anzumelden oder vielleicht etwas auf der Webseite zu kaufen. Dementsprechend wollen wir das natürlich auch noch irgendwie verbessern. Und wie können wir das verbessern? Wir müssen eine Datengrundlage erstellen. Wir brauchen Beispiele, viele, viele Beispiele für die KI, mit der sie arbeiten können. Und diese Beispiele müssen sorgfältig aufbereitet werden. Das heißt, wir sammeln jetzt alle Seiten auf unserer Internetseite, die gut funktioniert haben, die in Analytics auch ein gutes Ergebnis erzielt haben und bereiten diese auf. Und aufbereiten heißt in diesem Falle, wir kopieren nicht nur die Inhalte daraus, also sozusagen das, was wir vorher eingegeben als Content hatten, das, was nachher in der Webseite rauskam, sondern wir müssen das Ganze auch noch mit ein paar Informationen verpacken. Das heißt, wir schreiben zum Beispiel hinzu: „Für welche Kampagne war das? Welcher Sinn hatte das Ganze? Welches Ziel wollten wir erreichen? Und vielleicht packen wir auch noch zusätzliche Kategorien rein. Je mehr Informationen wir da befüllen können, desto besser. Diese ganzen Informationen, diese Datengrundlage, die wir dann haben, diese aufbereitenden Beispiele, die speichern wir dann in einer Vektordatenbank. Diese Vektordatenbank dient der KI als äh Grundlage. Die schaut nämlich immer wieder da drinnen nach zu den Anfragen von Sebastian oder einem anderen Redakteur und schaut nach Beispielen, die dazu passen zu dem, was Sebastian gerade machen möchte. Zum Beispiel möchte jetzt Sebastian dann in der Zukunft eine neue Landing Page machen und/oder Ähnliches. Dann muss er das natürlich auch nachher der KI dann mitteilen. Das heißt, er hat dann nicht mehr nur die Aufgabe, den Input zu liefern, welcher Inhalt soll auf der Seite geliefert werden, sondern seine Aufgabe liegt auch noch darin, dann zu schreiben: „Das Ganze ist eine Landing Page. Das verfolgt folgendes Ziel, oder noch besonderen Informationen, die er sonst noch hat. Daraufhin kann er die KI da sehr gut mit arbeiten. Etwas, was hier ganz wichtig ist: Je besser die Datengrundlage, desto besser sind die generierten Ergebnisse. Deswegen habe ich vorhin auch so ein bisschen den Fokus darauf gelegt, dass man die sehr gut aufbereiten muss, dass man immer wieder gucken muss, ob man nicht noch mehr Informationen dazu schreiben kann. Denn je besser das ist, desto besser habe ich nachher Ergebnisse von der KI und desto besser sind meine Seiten nachher in Zeitcore, die ich dann ausliefere. Aber was ist eigentlich eine Vektordatenbank? Ich glaube, wir haben alle mal von Vektoren in unserer Vergangenheit gelernt, in der Schule, im Matheunterricht. Da haben wir gelernt, ein Vektor hat einen Startpunkt, hat eine Länge und hat einen Endpunkt. Und was fasst jetzt Vektordatenbank? Was macht die denn damit? Eine Vektordatenbank nimmt diese Beispiele oder diese Inhalte, die wir haben, und speichert sozusagen die Bedeutung der Inhalte als einen Vektor. Das dient einfach dazu, damit ich ähnliche Ergebnisse finden kann, ohne dass ich nach dem gleichen Inhalt suchen muss. Also es ist nicht wie eine Suche, in der ich nach bestimmten Begriffen suche, wie man das zum Beispiel von Google kennt und genau diese Begriffe auch in meinen Ergebnissen wieder auftauchen, sondern ich suche nach einem Sinn. Und dieser Sinn, diese Bedeutung wird dann in der Vektordatenbank gespeichert und kann wiedergefunden werden. So bekomme ich einfach relevantere Ergebnisse und Beispiele zu meinem eigentlichen Problem, was ich habe. Hier das Ganze noch mal in einem Satz: Eine Vektordatenbank ist also eine spezielle Art von Datenbank. Sie speichert einfach im Normdatenmengen und kann diese schnell durchsuchen, ähnliche Elemente zu finden. Und wenn wir uns jetzt das Ergebnis des Ganzen ansehen: Wir haben diese Daten aufbereitet, wir haben sie angebunden, wir haben die Vektordatenbank verbunden mit unserer KI, dann ist das Ganze jetzt noch effektiver geworden für Sebastian. Er bekommt jetzt noch bessere Ergebnisse, bessere Vorschläge, auch Vorschläge mit unterschiedlichen Seiten. Sie sind nicht mehr alle so eintönig und das Ganze sieht dann auch Nadine in den Ergebnissen von Analytics. Denn sie sieht jetzt auch, dass der Fokus da liegt, wo er denn sein sollte, auf den Elementen, wo er sein sollte und die Seiten einfach super erstellt sind. Das Gute daran ist, die neu erstellten Seiten können natürlich auch wieder als Datengrundlage dienen. Das heißt, wir können sie zurückführen in das System, uns wieder noch bessere Ergebnisse am Ende zu liefern. Was kommt jetzt als nächstes? Jetzt haben wir ja schon eine super KI, die super hilft, in Sitecore Pages, neue Seiten zu erstellen, neue Komponenten hinzuzufügen. Wir können noch viel mehr. Dafür muss man natürlich immer beachten: Ein System kann nur so gut sein wie derjenige, der damit umgehen muss. Das heißt, wir sollten auch darauf achten, dass die Redaktion geschult wird. Wie wird das Ganze benutzt? Was muss ich genau machen? Das, was ich vorhin meinte: Ich werfe nicht einfach nur den Text da rein, den ich jetzt.Umgewandelt haben möchte in Komponenten, sondern ich muss auch noch zusehen, dass ich ein bisschen mehr dazu schreibe. Denn nur dann kann die KI ja für mich auch vernünftig arbeiten. Das heißt, das wollen wir der Redaktion auch ein bisschen beibringen. Und dann, da wir ja einen agilen Ansatz hier verfolgen, ist es natürlich auch immer sinnvoll und wichtig, durchgehend Feedback zu sammeln der Redaktion, dann Schritt für Schritt das Ganze immer weiter anzupassen. Vielleicht muss man ja noch mal was an der Prompt anpassen, weil wir ein bisschen andere Ergebnisse möchten, eine bisschen andere Struktur. Vielleicht hilft das der Redaktion einfach besser. Neben dem Testen und dem Optimieren ist etwas anderes, das Sebastian noch gerne hätte, denn im Moment wechselt er immer zwischen dieser textbasierten KI und Zeitcore hin und her. Das heißt, er möchte ja eine neue Seite erstellen. Er gibt den Input rein, dann kriegt er die Ergebnisse und muss sich dort die Sachen rauskopieren und die Komponenten in Zeitcore dann wieder einfügen. Für ihn wäre es natürlich viel komfortabel, er hätte eine Oberfläche und kann dann einfach der KI sagen: „Ja, die Komponenten sind super. Erstell mir die doch mal bitte in Zeitcore. Und das Gute ist, das funktioniert sogar sehr gut, denn Zeitcore hat eine Super-API, die man einfach einbinden kann. Das heißt, die Partneragentur kann dann hergehen, kann eine solche Oberfläche generieren und kann dann sagen, wenn Sebastian mit dem Ergebnis zufrieden ist oder ein anderer Redakteur mit dem Ergebnis zufrieden ist, erstelle mir diese Inhalte doch bitte mal in Zeitcore. Und so habe ich dann direkt die Komponenten in Zeitcore zur Verfügung und kann sie in Pages einfach benutzen. Was machen wir denn jetzt, wenn zum Beispiel neue Komponenten hinzukommen? Das könnte natürlich ein Problem sein in der Zukunft. Eine Webseite, wie wir es kennen, entwickelt sich eigentlich immer weiter. Es gibt eigentlich nie einen Stock, sondern wir haben immer neue Inhalte, die wir irgendwie reinbringen wollen und vielleicht auch neue Ideen, die wir anbringen wollen. Das heißt, im Moment wissen wir nur, wenn eine neue Komponente kommt, müssen wir einmal die prompt anpassen, damit diese in den Vorschlägen mit berücksichtigt wird. Und wir müssen vielleicht auch gucken, dass wir Beispiele mit reinbringen, wo denn diese Komponente schon mitbenutzt wird. Das wäre natürlich super, wenn wir das auch irgendwie automatisieren könnten. Und das ist auch möglich, denn heutzutage können ja KIs neben der reinen Textanalyse auch eine Bildanalyse oder eine Dokumentenanalyse. Das heißt, wenn ich jetzt eine neue Komponente habe von meiner Designfirma, die hat das Ganze in Figma zum Beispiel geliefert, hat dazu noch ein Dokument geliefert mit Informationen dazu. Dann könnte ich jetzt der KI diese Information geben und der sagen, sie soll daraus bitte die Prompt anpassen, die wir doch schon zur Verfügung haben, damit diese mit berücksichtigt werden dann bei den Vorschlägen. Das heißt, das können wir auch automatisieren. Den letzten Schritt, den man so machen kann, ist dann, wenn man schon eine super Datengrundlage hat, eine große Datengrundlage, dann kann man anfangen und darüber nachdenken, vielleicht sich selber sogar ein eigenes Modell zu trainieren und dieses anzubinden. Ein eigenes Modell hat einfach ein paar Vorteile. Das ist einfach ein bisschen besser in der Präzision und Verständnis von dem, was man von ihm möchte. Das ist einfach besser im Umgehen mit den fachspezifischen Begriffen und den Kontexten, die einem gegeben werden. Und am Ende ist ein eigenes Modell auch etwas schneller in der Verarbeitung und liefert einem schneller Ergebnisse. Jetzt noch mal ein kurzer Rückblick, was wir denn heute gerade uns alle angeschaut haben, welche Punkte wir alle durchgegangen sind. Wir haben angefangen mit der KI für Sebastian als einfacher Textassistent. Wir haben ihm aber noch keine Anweisung gegeben und haben gemerkt: „Okay, das funktioniert nicht so wirklich. Das können wir nicht benutzen. Also müssen wir mit Prompt Engineering oder Prompt Design die KI zunächst einmal anpassen, dass denn Ergebnisse rauskommen, die wir auch haben wollen. Das Ganze haben wir zunächst einmal auf dem Zero-shot-Learning-Verfahren gemacht und danach haben wir dann gemerkt: „Okay, da sind auch noch nicht so ganz die Ergebnisse, die wir haben wollen. Dann haben wir einzelne Beispiele mit reingebracht, das sogenannte Few-Shot-Learning. Dann wollten wir das noch ein Level weiterbringen, einfach noch weiterkommen und haben angefangen, eine Datengrundlage vorzubereiten, ganz viele Informationen zu sammeln, diese in einer Vektordatenbank zu speichern und das Ganze dann zu kombinieren. Damit waren wir auch schon wieder einen Riesenschritt weiter und haben noch viel bessere Ergebnisse bekommen. Und damit dann Sebastian noch weniger Handschriffe machen muss, haben wir dann noch Sitecore direkt über die API angebunden, ohne dass Sebastian dann quasi immer hin-und herwechselt. Und die letzten beiden Schritte sind so die Punkte, die letzten Taten zu automatisieren. Das heißt, wir haben noch eine Bildanalyse und Dokumentenanalyse kurz besprochen. Wie könnte das quasi automatisieren, dass wir neue Komponenten mit reinbekommen? Und zu guter Letzt haben wir einmal kurz drauf geschaut, was das denn heißen würde, ein eigenes Modell zu trainieren. Und so wie wir das hier sehen, so kann man sich das auch ein bisschen mit dem Aufwand vorstellen, von oben nach unten. Oben ist das mit dem geringsten Aufwand, ganz unten ist das mit dem meisten Aufwand. Ja, und damit bin ich auch fertig und wie wir das vorhin kurz schon besprochen hatten, hier noch mal der kleine Hinweis zu der SparksCon am 20.6., wo unser UX-Team ist und eine Masterclass hält „Wie kam der Elefant in die Schwebe Bahn, wo es Anforderungserhebung und Projekte ging. Starker Titel. Vielen, vielen lieben Dank für die Session. Übrigens da auch noch mal das Speziell-Feedback an dich: Du hast eine sehr angenehme Stimmfarbe und das ist eine ruhige Art, das rüberzubringen. Also mir persönlich sehr, sehr gut gefallen. Ich bin mir auch sehr sicher, dass die Audience das ebenso sieht wie ich. Cool. Danke dir an der Stelle. Gerne. Ich habe zwischendurch ein bisschen die Fragen kuratiert, die so reingeflogen sind beziehungsweise was wir an Fragen und Stichwörtern haben und würde gerne direkt mit euch einsteigen, dann noch mal anzusetzen. Zunächst einmal gibt es Beispiele von Kundenwebsites, im besten Fall natürlich, die dieses Vorgehen, die skizzierte Vorgehen von dir sehr intensiv nutzen und was man sich mal anschauen kann, auch auf den Verdacht hin, dass natürlich schwierig ist, das dann zu unterscheiden. Aber vielleicht irgendwie coole Beispiele, wo du sagst: „Okay, da sollte man vielleicht mal hin navigieren, sich das mal anschauen.Beispiele kann ich dir leider jetzt nicht liefern. Ja, wir haben erste Gespräche mit Partnern, die das sich gerne mal anschauen wollen, weil sie gerade auch vor diesem Problem stehen. Also Probleme in Anführungsstrichen. Sie stehen ja vor dem Problem, dass sie so viele Möglichkeiten haben, was ja natürlich super ist im Normalfall. Genau da sind wir in den ersten Gesprächen mit denen. Aber wir haben jetzt noch keine Beispiele, die ich dir liefern könnte. Okay. Kommt bestimmt noch. Wo im Unternehmen sollte das Thema aufgehängt sein Bzw wer trainiert die KI? Wer sollte die Stabsstelle bilden, damit das nicht zu einem Wildfuchs wird? Ähm, gute Frage. Im Grunde ist es ja ganz wichtig eigentlich, dass die Redaktion mit inbegriffen ist. Auf jeden Fall, weil in dem Falle ist ja das Ziel die Redaktion. Ja, aber der Projektmanager sollte am Ende natürlich die Hand darüber haben und schauen, dass man sich nicht in eine Richtung entwickelt, die vielleicht gar nicht mehr zielführend ist. Weil man kann sich sicherlich sehr gut verrennen bei dem Thema und irgendwelche Zusatzanforderungen mit reinbringen, die gar nicht gewollt sind. Deswegen diese Folie, die ich zwischendurch drin hatte, mit den drei Zielen, die quasi da rauskommen sollten und die dann auch eingehalten werden sollen. Ich glaube, das übergreifende Thema der KI, das sollte mittlerweile in allen Unternehmen angefangen sein. Da sollte man viele Testschritte wagen. Wie du gerade eben sagtest, unsere Beispiele sind größtenteils bei unseren Partnern intern, wo man sich erstmal ausprobiert, wo man schaut und das darf in jeder Abteilung passieren, da darf sich eigentlich niemand vor verstecken unserer Meinung nach. Und dann haben wir immer so zwei verschiedene Tracks, einmal den Business Track, die zum Beispiel die Redaktion, zum Beispiel das Projektmanagement und den IT Track. Die sollten irgendwie mit berücksichtigt werden, damit man auch weiß, hey, welche Technologie verwenden wir denn zur KI? Also die beiden Sachen miteinander verknüpfen und dann wen betrifft es eigentlich alle, die irgendwas mit Daten zu tun haben? Also denke ich mal mittlerweile alle. Dann halt eben die Personen, die sich auch darum kümmern, die Mitarbeitenden zu schulen und noch mal die, die wirklich dann die Anforderungen definieren können, die auch ein gewisses Budget bekommen. Also ein Budget im Sinne von Zeit und Budget, im Sinne von Kosten whatever. So die drei Bereiche. Perfekt. Danke für die Ergänzung. Wir hatten die Frage heute früh auch schon in der Session mit mit Eggheads, wo es um Produktdatenmanagement ging, die auch auf GPT setzen, aber auch permanent wohl andere Modelle und Anbieter testen. Verwendet ihr jetzt nur ChatGPT oder auch andere KI Tools. Wir benutzen auch andere. Also es ist einfach zielabhängig, denn für bestimmte Sachen ist GPT ganz gut, für andere Sachen sind andere Sachen gut. Das neueste Modell von GPT kann jetzt mittlerweile Mathematik, aber die vorherigen Modelle konnten es nicht. Das hieße man. Sobald man irgendwas mit Mathe hatte, musste man sich auf jeden Fall für ein anderes Modell entscheiden. Also es ist ganz zielabhängig, was man denn da benutzt. Okay. Funktioniert das im Englischen wie im Deutschen oder gibt es da Unterschiede? Das funktioniert sogar sehr gut in beiden Sprachen. Ich habe es in beiden Sprachen ausprobiert, mit vielen unterschiedlichen Modellen. Man muss natürlich gucken, welche Modelle man benutzt. Es gibt speziell trainierte Modelle für eine Sprache, die sind dann natürlich besser für diese Sprache geeignet. Aber grundsätzlich sind viele Modelle einfach mehrsprachig unterwegs. Im Gegenteil supportet das sogar oftmals für Aufgaben, die mit Translation zu tun haben. Also wenn ich jetzt zum Beispiel in der Redaktion Mehrsprachigkeit pflegen muss, super Tool. Ja, super Tools stehen einem da zur Verfügung. Ja, perfekt. Alex, ich glaube, du hast gerade die Frage, die ich hier noch reinbekommen habe, auch ein bisschen vorweggenommen, weil du hast gesagt alle, aber gibt es aus eurer Sicht bestimmte Branchen, die besonders von KI Lösungen profitieren können? Kann man da irgendwas hervorheben? Ich glaube nicht. Also es ist wirklich fast jeder kann sich damit beschäftigen, irgendeiner von uns irgendwie einsetzen. Das Schwierige ist natürlich immer einen Ansatzpunkt zu finden. Deswegen versuchen wir ja diesen schrittweisen Vorgang, die Leute da ein bisschen an das Thema heranzuführen. Das heißt, sie haben ein bestimmtes Problem und man kann gucken, ob man das nicht irgendwie unterstützen und verbessern kann dadurch. Ich habe mich vor kurzem mit einem Geschäftsführer von einem Software as a Service Produkt unterhalten. Er sagte Da wird es natürlich jetzt am Anfang passieren. Ich glaube, wir erwarten es alle langsam, dass man an der einen oder anderen Stelle, wenn ich einen Text erzeuge, ein Bild generieren muss etc., dass man irgendwo dieses kleine Icon hat, jetzt mit KI erzeugen. Da wird es bestimmt Branchen geben, die schneller sind, aber es gibt eigentlich keine Limitierung in Richtung Hey, diese Branche ist ausgenommen. Mal schauen, wie schnell unser Staat hinterher kommt. Und das Finanzamt? Ja, aber ich möchte hier niemandem auf die Füße treten. Das steht auf meinem Blatt Papier sehr gut. Wie lange sollte ein perfekter Prompt denn sein? Oder ist das fallabhängig? Das ist in der Tat komplett fallabhängig. Also ein perfekter Prompt in Anführungsstrichen gibt es ja nur, wenn ich nach Ergebnisse bekomme, die ich immer haben möchte. Und das ist einfach von dem abhängig, was wir denn genau der KI sagen müssen. Im Grunde, was man sich so ein bisschen merken kann, die Prompts können sehr, sehr lang sein. Also was man ja meistens so aus von sich selbst kennt. Ich habe GPT benutzt und habe da mal eingegeben Ja, übersetzt mir mal das. Das war mein Prompt sozusagen in dem Sinne, aber die KI weiß ja nichts von dem, was wir vorhaben. Sie hat keine, sie kann nichts erahnen, was da drum sozusagen passiert. Das heißt, man möchte so viel wie möglich am Ende auch der KI dann mitgeben. Jetzt soll eine solche Frage. Ich weiß, das ist nicht immer ganz gern gemocht das Thema, aber welche Sicherheits und Datenschutzmaßnahmen sind denn bei der Nutzung zu beachten? Ich weiß, wir sind alle keine. Keine Datenschutzexperten werden das Thema heute früh tatsächlich auch schon ein bisschen abgewandelter Form. Ja, was könnt ihr dazu mitgeben? Das Gute ist ja bei den. Wenn man selbst Modelle benutzt und nicht jetzt eine einfache API zum Beispiel von GPT benutzt oder ähnliches, dann hostet man die auch selbst häufig und ist überhaupt nicht abhängig von irgendwelchen Drittsystemen oder sonstigen. Das heißt, ich habe es abgeschlossen, wirklich nur in meiner Infrastruktur vorhanden und habe keine erstmal keine Probleme mit Datenschutz. Dort kann ich auch selber kontrollieren, welche Daten.Zum Lernen gebraucht werden oder nicht. Und bei den Vorgängen, die ich ja gerade alle beschrieben habe, werden wir das ja gar nicht. Genau, ich glaube, mit dem Selbsthosten vielleicht noch mal wichtig zu unterscheiden, dass man natürlich auch selbst dann quasi in seiner eigenen Cloud-Umgebung hosten kann. Wir empfehlen da schon immer, in der Richtung der Cloud zu bleiben. Es gibt auch lokale Modelle, aber da ist dann wirklich so ein bisschen Einzelfallunterscheidung. Und ganz wichtig: In dem Fall muss man halt eben ganz viel Individualprüfung machen, ne. Aber im Grunde genommen: Lernen hilft, ähm, erst mal vielleicht nicht mit personenbezogenen oder unternehmensbezogenen Daten starten und dann kann man sich aber in eine sichere, ähm, Richtung herantasten. Sehr gut. Auf jeden Fall der Hinweis mit dem Selbst hosten, dass diese Option natürlich auch, ähm, besteht oder dass es auch gemacht wird. Ein guter Hinweis. Gibt es, ähm, als Tipp von euch gute Quellen, die ihr so empfehlen könnt, um sich mit dem richtigen Prompt näher zu beschäftigen, wo es beispielsweise auch Beispiele an die Hand gegeben werden? Also gibt es Quellen, die ihr selber irgendwie gerne konsumiert oder irgendwas, was euch da, ähm, worüber ihr gestolpert seid? Es gibt 'ne Vielzahl an Seiten im Internet, aber es ist auch wieder abhängig von der KI, die man gerade nutzt. Also eine Prompt für GPT kann zum Beispiel komplett anders sein als eine Prompt für LAMA, was auch ein Modell ist, zum Beispiel. Ähm, deswegen-- Das ist auch so 'n bisschen, man-- Auch so 'n Thema, womit man sich einfach mal ein bisschen ausprobieren muss. Ähm, muss schauen, dass man nicht immer wieder die gleichen Sachen reinwirft, sondern wenn man dann natürlich unterschiedliche Ergebnisse haben möchte und ein bisschen das sich anschauen möchte, dann sollte man auch immer mal wieder ein bisschen variieren mit den Prompts. Was ich ganz gut fande, persönlich, ist, sich einfach mit Kollegen auszutauschen. Also einfach mal zu fragen: „Was hast du denn da reingeschrieben? Wie hast du das denn gemacht?" Weil Kollegen gehen ganz häufig komplett anders an die Sache ran als einer selbst. Und den Innovationsraum großhalten, ne. Ich glaube, so 'n Event wie heute, so 'n Events wie ihr generell gebt, bieten einem immer mal wieder die Chance, auch andere zu hören. Wie Fabian gerade sagt, den Kollegen, vielleicht noch mal jemand ganz anderes. Einfach schauen und lernen und dann viel davon machen. Das ist, glaube ich, auch so 'n Tipp, ne, dass man nicht sagt: „Okay, ich mache das jetzt mal mit zwei Sessions und kann es dann, ähm, selbst erklären, dass man dann nicht am Ende ist und auch noch nicht, ähm, der Meister oder die Meisterin ist. Absolut. Ist halt einfach noch viel grüne Wiese, ne. Also testen, testen, testen ist einfach, ähm, glaube ich, 'n guter Rat. Perfekt, ihr zwei. Ähm, das, ähm, hat mir sehr, sehr gut gefallen. Wie schon gesagt, die Session war sehr, sehr rund und die anschließende Q&A hat noch einiges mitgegeben im Nachgang. Das würde mich freuen, wenn wir das an anderer Stelle vielleicht noch mal fortsetzen und sollten im Nachgang auf jeden Fall einmal connecten und gucken, wo wir noch mal das Gespräch fortführen können im anderen Rahmen, wo wir vielleicht hier und da noch mal ein bisschen tiefer reingehen können, als dass wir sich hier oberflächig nur in der Q&A beleuchten können. Also vielen, vielen lieben Dank, ähm, an euch beide. Ich wünsche euch noch, ähm, einen hervorragenden Tag und freue mich auf ganz, ganz bald. Danke. Ebenso. Danke zurück. Viel Erfolg heute noch. Viel Spaß. Danke schön, danke schön. Bleibt noch kurz bei mir. Ähm, eben kurz der Hinweis: Wir sind in round about zehn Minuten aus der Pause zurück und dann geht es hier gleich mit der nächsten Session weiter. Also Einschaltbefehl. Bis gleich. Ciao, ciao.
Automatisch erstellt & redaktionell aufbereitet — kann vereinzelt Fehler enthalten.
