Ich mag es sehr: Schnacken mit einem synthetischen Nutzer, einer synthetischen Nutzerin, die/der (Ziel-)Personen einer (Ziel-)Gruppe vertritt. Ich bin begeistert über das Erlebnis an sich, über die Möglichkeiten; darüber was ich (dazu-)lerne, erfahre und welch vielfältige, neue Fragestellungen und Thesen ich beim Chatten mit synthetischen Nutzer:innen („KI-Persona“) entwickele.
Fragestellungen und Thesen, die in nachgelagerten User Research Projekten erforscht werden können, ja sogar müssen. Tut man das nicht, dann bleiben falsche KI-Annahmen verborgen, dann können (empirisch) zutreffende KI-Annahmen nicht erkannt werden.
Meine Erfahrungen mit KI-Persona bringen mich zu der Erkenntnis (die noch eine These ist):
Synthetische Nutzer, die (Ziel-)Personen einer (Ziel-)Gruppe vertreten („KI-Persona“), werden den Persona-Ansatz aufwerten und zu mehr (primären, empirischen) User Research Projekten führen!
Synthetische Nutzer im UX Design – nutzen ist Pflicht, verstehen ist Kür!
Für mich – UX Designer der Generation „Golf“, der mit dem C 64 „groß geworden“ ist und das Internet während seines BWL- und Wirtschaftspsychologiestudiums kennenlernte – ist es nicht einfach wirklich zu verstehen, wie Large Language Models funktionieren und wie sie darauf hinwirken, dass ich so viel Begeisterung für KI-Persona entwickele. Ich lerne jeden Tag dazu, noch brauche ich aber Menschen, die mich dabei unterstützen sinnvolle und zielführende Eingaben („Prompts“) zu tätigen, die genügend, zielführende Informationen und Kontexte liefern, damit ich ein optimales Ergebnis beim Prompten erziele.
Ich freue mich sehr, dass ich Marius Jahrens, einem leidenschaftlichen Bio- und Neuroinformatiker, kennenlernen und ihm heute einige Fragen stellen durfte. Fragen, die hoffentlich auch für Sie, lieber Leser:innen von Nutzerbrille, interessieren.
Lieber Marius, vielleicht stellst du dich selbst kurz vor:
Wer bist du, was machst du, wie viel deiner Arbeitszeit setzt du ein für „Prompt Engineering“?
Marius Jahrens
Marius: Ich schaffe neues Wissen am Institut für Neuro- und Bioinformatik an der Universität Lübeck und arbeite seit einigen Jahren im Bereich KI-Reasoning, also an Methoden um lernenden Algorithmen logisches Denken, Schlussfolgern und Argumentieren beizubringen.
Mit den Erfolgen von ChatGPT & Co., und dem damit einhergehenden Interesse Sprachmodelle intelligenter zu machen, hat sich ergeben, dass KI-Reasoning vermehrt in natürlicher Sprache stattfindet.
Prompt Engineering macht eigentlich nur einen kleinen, aber aktuell leider (!) noch notwendigen Teil meiner Arbeit aus. Dass ich das auch außerhalb meiner Forschung mache (Anmerkung: Marius ist Mitgründer und CTO von AURI Consult) hängt damit zusammen, dass großer Bedarf und hohe Nachfrage daran besteht Sprachmodelle praktisch einsetzbar zu machen – beispielsweise beim Optimieren der Effizienz von Geschäftsprozessen.
Die technischen Hintergründe zu kennen ist dabei von großem Wert und stellt einen riesen Vorteil dar, weil viele Schwächen und Probleme der Sprachmodelle sich intuitiv mit deren Architektur und Trainingsverfahren in Verbindung bringen lassen, und die wiederum Aufschluss darüber geben, was am Prompt zu ändern ist.
Neuro-Informatiker aus Leidenschaft – Prompt Engineer wider Willen!
Lieber Marius, Vielleicht hilfst du meinen Leser:innen mit grundlegenden Informationen: Was genau macht ein „Prompt Engineer“ und was sind typische Tätigkeiten dieses recht neuen Berufsbildes?
Marius: Prompt Engineering befasst sich damit wie eine Eingabe für ein Sprachmodell – beispielsweise ChatGPT – oder einen Bildgenerator – wie beispielsweise Midjourney – formuliert sein muss, damit das Ergebnis den Vorstellungen des Benutzers entspricht. Der Benutzer weiß in der Regel was er möchte, nur ist die Frage wie man dies der KI so vermittelt, dass sie die Intention des Benutzers richtig „versteht“.
Das kann etwa dadurch begünstigt werden, indem man eine hypothetische Situation beschreibt, in der die Anfrage gestellt wird, sodass die KI sie mit Begriffen aus dem richtigen Kontext assoziiert. Oder man weist dem Chatbot eine Rolle zu, sodass die Antwort aus der Perspektive einer Person mit bestimmten Fachkenntnissen oder in einem bestimmten gesellschaftlichen oder beruflichen Umfeld geschrieben ist. Das wirkt sich nicht nur auf die Formulierungen aus, die das Sprachmodell verwendet, sondern auch auf den Inhalt, und damit den Nutzen den die Antwort bietet.
Ein Prompt Engineer hat die Aufgabe genau diese Vermittlung zwischen Benutzerintention und KI-Verständnis zu vollbringen, und das ggf. auch für Benutzereingaben, die zum Entwicklungszeitpunkt dem Prompt Engineer noch nicht vollständig, also nur recht grob, bekannt sind.
Synthetische Nutzer mit der Brille eines Neuro-Informatikers betrachtet!
Lieber Marius, wir haben uns kennengelernt im Kontext der Thematik „KI-Persona“ oder „synthetische Nutzer“. Ich habe von dir bereits viel gelernt, u.a. wie man ChatGPT „füttert“, damit man sich mit einer Persona unterhalten kann, und wie man die Protokolle aus einem Chat nutzen kann, um sinnvolle, ja nötige, nachgelagerte User Research Projekte abzuleiten.
Magst du meinen Leser:innen kurz und mit deiner Erfahrung als Bio- und Neuro-Informatiker erläutern, was „synthetische Nutzer“ sind, und wie man jene im Grundsatz „erzeugen“ kann?
Marius: Synthetische Nutzer:innen sind einfach gesagt Chatbots, die exemplarisch Individuen oder repräsentativ Gruppen, verkörpert durch eine:n Repräsentant:in, als Rolle einnehmen.
Damit sollen UX Designer:innen nicht nur „aus der Distanz“ über Nutzergruppen etwas erfahren, sondern in „persönlichen“ Kontakt treten können, um quasi aus erster Hand zu hören, was ihnen wichtig ist. welche Wünsche und Anforderungen sie haben, was sie in ihrem Leben beschäftigt und wie sich das Produkt oder der Service in ihren Alltag einfügt.
Grundlage für synthetische Nutzer sind bestenfalls Nutzerstudien. Jenen Daten kann man dazu verwenden eine Persona-Card je Nutzergruppe zu erstellen und diese dann als Rollenbeschreibung für die KI verwenden. Man kann die detaillierteren Informationen und Daten aus Nutzerstudien auch zur Verkörperung zufällig ausgewählter Nutzer:innen einsetzen, ebenfalls als Rollen für die KI, nur dann mit Fokus auf Einzelnutzer statt auf Gruppenrepräsentanten.
Das Prompt Engineering nimmt dabei eine wichtige Rolle ein, denn selbst wenn die Beschreibung der zu verkörpernden Persona vorhanden ist, existieren noch viele näher zu beschreibende Freiheitsgradem wie etwa die Situation in der sich das Gespräch abspielt, die Beziehung zum Gesprächspartner, vor welchem Hintergrund das Gespräch stattfindet und über welchen Kommunikationskanal – sprich, soll es wie ein persönliches Gespräch in Person sein, oder wie ein förmlicheres Gespräch per E-Mail, oder soll es eher den Charakter von Kurznachrichten über einen Instant-Messenger haben?
Und für Prompt Engineers ebenfalls sehr wichtig zu beachten: Welche Details kann man objektiv beschreiben und welche muss man beispielhaft „vorspielen“, damit die KI sie annimmt?
Lieber Marius vielen Dank für diesen Blick auf synthetische Nutzer mit deinen Erfahrungen als Neuro-Informatiker.
Welchen zentralen Tipp, welchen zentralen Hinweis kannst du UX Designer:innen geben, damit sie richtig „prompten“?
Marius: Gerade wenn es um logische und weniger um kreative Problemstellungen geht würde ich sagen, wann immer möglich Probleme in kleine Einzelschritte aufteilen.
Je mehr man Sprachmodelle einen gut strukturierten Lösungsweg entlang führen kann, desto robuster die Ergebnisse.
Prompt Engineering – eine Tätigkeit mit geringer Halbwertzeit!
Sag mal, Marius, bei all deiner Erfahrung, die du hier preisgibst, deinen vielfältige Fertigkeiten: Wie bist du auf die Idee gekommen als Unternehmer tätig zu sein? Ist es nicht so, dass du als Neuro-Informatiker und „Prompt Engineer“ (ein wenig „wider Willen“) am Arbeitsmarkt viele attraktive und hoch dotierte Job-Angebote bekommst?
Marius: Ich denke nicht, dass Prompt Engineer als Beruf lange existieren wird. Die Vermittlung zwischen Nutzerintention und KI ist nur deshalb notwendig, weil KI noch nicht ausreichend eigenständig die Intention des Benutzers erfasst oder die richtigen Rückfragen stellt, um Unklarheiten zu beseitigen. Es ist nur eine Frage der Zeit, bis diese Schwäche behoben ist.
Und es gibt sehr viel ungenutztes Potenzial, selbst mit den Schwächen die die aktuellen KI-Modelle noch haben. Ich sehe einen sehr viel größeren Wert darin, dieses Potenzial nutzbar zu machen und andere Unternehmen dabei zu unterstützen.
Wie bildest du dich auf deinem Fachgebiet weiter – gibt es Fort- und Weiterbildungen an Hochschulen, zertifizierte Lehrgänge und nutzt du Meet-Ups, (Fach-)Kongresse und Barcamps zum Ausbau deiner Fertigkeiten?
Marius: Es gibt viele Angebote zu dem Thema, aber bei mir sind es vor allem die wissenschaftlichen Veröffentlichungen die ich verfolge und regelmäßig studiere.
Können synthetische Repräsentanten von „einem selbst“ bei der Urlaubsplanung helfen?
Zum Schluss noch etwas „privates“: Wir planen gerade unseren (Familien-)Urlaub. Wir haben verschiedene Ziele zur Wahl und wissen wo es uns in der Vergangenheit gut gefiel (und wo nicht). Könntest du uns helfen einen neuen Urlaubsort zu finden, einen Ort, der mich, meine Frau und Kinder begeistert?
Ich stell mir das – ausgestattet mit meinen Erfahrungen mit „KI-Persona“ – laienhaft so vor: Wir legen jeden von uns als „synthetischen Nutzer“ an, beschrieben mit unseren Präferenzen, Wünschen und Anforderungen an Urlaube und Urlaubsorte. Nun lassen wir unsere „synthetischen Vertreter:innen“ an jene Orte virtuell reisen, lassen sie anschließend miteinander diskutieren, mit dem Ziel eine bestmögliche Konsenslösung für den kommenden Urlaubsort zu finden. Geht so etwas?
Marius: Möglich wäre das sicherlich, wenn auch aufwändig. Als Pragmatiker würde ich die Lösungsstrategie etwas lenken um zu verhindern, dass sich die KI „verrennt“.
So könnte man erstmal die KI dazu nutzen für jeden eine Kandidatenliste zu erzeugen mit Urlaubszielen, die den persönlichen Kriterien entsprechen. Und dann schrittweise KIs, die die Interessen der Anderen vertreten, die Listen filtern oder um Gegenargumente zu den Vorschlägen erweitern lassen.
Vielen Dank Marius für diese Inspiration und deine wertvollen Gedanken, das Teilen deiner Erfahrungen. Ich freue mich sehr darauf gemeinsam mit dir weiter aufzuklären wie synthetische Nutzer funktionieren, welche Chancen sie bieten, aber auch welche Grenzen und Gefahren es gibt. Das stets mit dem Ziel „KI-Persona“ zu etablieren und dazu beizutragen, dass immer mehr UX Designer:innen research-basiert und menschenzentriert gestalten dürfen.
Und ich hoffe sehr, liebe Leser:innen, wir konnten mit diesem Interview einen kleinen Beitrag dazu leisten.
