Large Language Models:
Revolution des Schreibumfelds

Über das Whitepaper
Wie schreiben wir mit neuen Sprachtechnologien?
In diesem Leitfaden gibt es keine Beispiele für den "idealen Prompt" – vielmehr konzentriert sich Saim Alkan auf die Grundlagen des professionellen Schreibens mit den neuen großen Sprachmodellen. Er schöpft aus seinen über 20 Jahren Erfahrung mit der Beratung von Content Teams, um zu erläutern, wie sich das Schreiben mit dem Einsatz großer Sprachmodelle verändert und mit welchen Erwartungen wir sie einsetzen können. Dabei wirft er auch einen Blick darauf, wie man die beiden neuen Sprachtechnologien der Zeit – GPT& Co und Data-to-Text-Systeme – kombinieren kann.
Was Dir dieser Leitfaden bringt:
- Bessere Einordnung und Bewertung von Sprachmodellen: Du kannst die Menge an Artikeln über GPT & Co. besser einordnen und deren Inhalt bewerten, weil Du ein Grundverständnis für die Funktionsweise hast.
- Realistische Ressourceneinschätzung: Du kannst besser einschätzen, wie viel Ressourcen Du für die Einführung der Sprachmodelle einsetzen willst, weil Du ihre Fähigkeiten realistisch bewerten kannst.
- Optimierung des Content-Produktionsprozesses: Bei der Implementierung weißt Du an welchen Stellen des Content Produktionsprozesses Du die neuen Sprachtechnologien so einsetzen kannst, dass die Content Produktion schneller und besser wird.
- Effiziente Erstellung großer Textmengen: Du erfährst, wie du Zeit und Ressourcen bei der Erstellung umfangreicher Textmengen effizient einsetzen kannst, indem du einen neuen Ansatz kennenlernst, um die Stärken zweier neuer Sprachtechnologien zu nutzen.
- Weiterentwicklung des Content-Teams: Du bekommst Ideen dafür, wie Du dein Content-Team weiterentwickeln kannst, um die neuen Sprachtechnologien erfolgreich zu nutzen.
Erster Blick ins Whitepaper
Einleitung
Grundlagen: Das ist die Welt der Large Language Models!
1. LLMs sind so (vor-)trainiert, dass sie das nächste Wort in einer Sequenz vorhersagen können
2. LLMs werden später von Menschen feingetunt, um zu lernen, was sie im echten Anwendungsfall tun sollen.
Was sind die Nutzen der Verwendung von LLMs beim Schreiben?
Bei der Planung des Textes zur Inspiration oder Recherche
In der Schreibphase
Einen Text verbessern und überarbeiten
Was sind die Nachteile?
5 Dinge, die man wissen solltest, um die Erwartungen an ein LLM realistisch zu halten.
Data-to-text und LLMs: Unterschiedliche Ansätze für Skalierung
LLMs vom Schreibassistenten zum Prompt Engineering
Der Einsatz von LLMs für die Generierung von großen Mengen an Texten
Unterschiede zwischen LLMs oder Data-to-Text Systemen bei der skalierender Textgeneration
Das Beste aus beiden Welten: LLMs und Data-To-Text Systeme kombinieren
Die parallele Nutzung von Data-to-Text Lösungen und externen LLMs
Integrierte Lösungen – an Beispielen für die Generierung von Produktbeschreibungen mit der AX NLG Cloud
Ausblick (mit Blick auf das Content-Team)