Ein multiperspektivischer Denkrahmen für KI-Assistenten

Wenn ich von der multiperspektivischen Denkweise des KI-Assistenten spreche, muss ich an meine erste Erfahrung denken, als ich versuchte, mit ChatGPT städtische Verkehrsprobleme zu analysieren. Damals war die Antwort umfassend, aber ich hatte immer das Gefühl, dass etwas fehlte - später wurde mir klar, dass KI wie ein Superteam ist, und dass der Schlüssel darin liegt, wie man es anleitet, die "Gehirne" verschiedener Experten zu nutzen. Das Beste an der multiperspektivischen Denkweise ist, dass sie die Beschränkungen einer einzigen Perspektive aufhebt und es der KI ermöglicht, umfassende Erkenntnisse wie ein echtes Beraterteam zu liefern.

Warum müssen Sie in mehreren Perspektiven denken?

Eine IBM-Studie aus dem letzten Jahr ergab, dass die Erfolgsquote bei der Lösung von Geschäftsproblemen unter Verwendung mehrerer Perspektiven um 47% höher ist als bei einer einzigen Perspektive. Das erinnert mich an den Fall, in dem ich vor einiger Zeit einem Freund bei der Analyse der Eröffnung eines Cafés geholfen habe: Standort A war aus rein finanzieller Sicht am kosteneffizientesten, aber als wir die KI baten, ihn aus den Rollen eines Barista, eines Stadtplaners und eines Social-Media-Marketing-Experten zu bewerten, deuteten die Ergebnisse auf Standort B -- aufgrund der höheren Qualität des Fußgängerverkehrs und des Mangels an Boutique-Cafés in der Nachbarschaft.

Technische Details zur Realisierung des multiperspektivischen Denkens

Von der technischen Umsetzung her simulieren Modelle wie GPT-4 tatsächlich verschiedene "Persönlichkeitsmasken", und Tests am MIT haben gezeigt, dass das Modell die entsprechenden Wissensgewichte aktiviert, wenn die KI explizit angewiesen wird, "jetzt wie ein Stadtplaner zu denken" -- ähnlich dem Prozess, durch den ein menschlicher Experte seine Denkweise ändert. Anders als bei einfachen Rollenspielen liegt der Schlüssel jedoch darin, die KI dazu zu bringen, die Perspektiven systematisch zu durchlaufen und Synergien zu schaffen.

Besonders gut gefällt mir die Analogie des "runden Tisches", um diese Art von Aufforderungen zu konstruieren: Zunächst werden 5-6 Experten in den relevanten Bereichen benannt, dann wird die KI gebeten, ihre Gespräche zu simulieren und sie anschließend zu integrieren und zu analysieren. Bei der Bewertung einer Telearbeitspolitik könnten beispielsweise die Perspektiven eines Personalleiters, eines IT-Sicherheitsexperten, eines Psychologen, eines Facility-Managers und eines Steuerberaters einbezogen werden. Interessanterweise führt die KI dabei oft zu überraschenden disziplinübergreifenden Erkenntnissen.

Entwicklung eines praktischen Falles

Ich erinnere mich, dass ich einmal einem Startup-Team geholfen habe, die Richtung eines Smart-Home-Produkts zu analysieren, und dass die Fragen, die wir stellten, zunächst nur zu einer allgemeinen Marktanalyse führten. Als wir zu einem multiperspektivischen Rahmen übergingen, war die Situation völlig anders: Wir beauftragten Industriedesigner, sich auf die Schmerzpunkte bei der Mensch-Computer-Interaktion zu konzentrieren, ließen IoT-Sicherheitsexperten die Risiken bewerten und beauftragten einen Kostenrechner, um das Gewinnmodell zu berücksichtigen - das Ergebnis war ein 23-seitiger Bericht, der sehr praktisch war, und selbst der leitende Produktmanager im Team sagte "Diesen Blickwinkel der Analyse haben wir wirklich nicht erwartet".

Ein Wort der Vorsicht ist jedoch angebracht: Mehrere Analyseperspektiven sind nicht besser. Das Stanford Human-Computer Interaction Lab empfiehlt, sich auf die 3-5 wichtigsten Perspektiven zu beschränken, da die KI sonst zu einer Informationsüberlastung neigt. Ich habe die Erfahrung gemacht, dass man mit grundlegenden Fragen zunächst die Grenzen des Problems absteckt und dann die wichtigsten beruflichen Dimensionen auswählt, um sie zu vertiefen. Sind Sie bei Ihrer Arbeit schon einmal auf eine Situation gestoßen, in der Sie eine Analyse aus mehreren Perspektiven vornehmen mussten? Inwieweit hilft Ihnen diese Denkweise bei der Entscheidungsfindung?