Wo ChatGPT im Arbeitsalltag Zeit spart<\/h2>\n
Der gr\u00f6\u00dfte Nutzen liegt bei Aufgaben mit viel Text und wenig Entscheidungsgewalt. Protokolle zusammenfassen, Angebotstexte in eine einheitliche Form bringen, eine englische Kundenmail vorformulieren, aus zehn Seiten Dokumentation eine Kurzfassung ziehen: Diese T\u00e4tigkeiten fressen Stunden und erfordern selten Fachwissen, das nur im Kopf einer bestimmten Person liegt. Wer dort ansetzt, merkt den Unterschied nach wenigen Tagen. Ein ChatGPT<\/a> im Team spart damit vor allem Zeit an Stellen, die vorher niemand gern \u00fcbernommen hat.<\/p>\n Schwieriger wird es, sobald Fachtiefe ins Spiel kommt. Ein Large Language Model (LLM)<\/a> kennt Eure Preisliste nicht, Eure Lieferzeiten nicht und die Historie eines Kunden ebenso wenig. Es f\u00fcllt diese L\u00fccken mit plausibel klingenden Formulierungen. Deshalb funktioniert der Einsatz dort am besten, wo ein Mensch das Ergebnis ohnehin gegenliest, bevor es das Haus verl\u00e4sst.<\/p>\n Die wichtigste Weiche stellt Ihr beim Vertrag. In den Gesch\u00e4ftsangeboten von OpenAI werden Eingaben und Ausgaben standardm\u00e4\u00dfig nicht zum Training der Modelle verwendet. F\u00fcr die Programmierschnittstelle h\u00e4lt der Anbieter in seiner Entwicklerdokumentation<\/a> ausdr\u00fccklich fest, dass gesendete Daten die Modelle nur dann verbessern, wenn Ihr dem aktiv zustimmt. In den kostenlosen Zug\u00e4ngen ist diese Einstellung anders gesetzt und muss von Hand ge\u00e4ndert werden.<\/p>\n Dazu kommt die vertragliche Seite. Wer personenbezogene Daten verarbeitet, braucht eine Vereinbarung zur Auftragsverarbeitung<\/strong> mit dem Anbieter, und die geh\u00f6rt zum Leistungsumfang der Gesch\u00e4ftspl\u00e4ne. Standardm\u00e4\u00dfig entstehen Protokolle zur Missbrauchserkennung, die bis zu 30 Tage aufbewahrt werden; f\u00fcr freigegebene Kunden gibt es Optionen, die diese Protokolle einschr\u00e4nken oder ganz auf die Speicherung von Inhalten verzichten. Pr\u00fcft vor der Einf\u00fchrung, welche dieser Bausteine Ihr ben\u00f6tigt, haltet das Ergebnis in Eurem Verarbeitungsverzeichnis fest und legt fest, wer die Zug\u00e4nge verwaltet.<\/p>\n Der Unterschied liegt im Weg Eurer Eingaben: Im privaten Konto flie\u00dfen sie standardm\u00e4\u00dfig ins Training der Modelle, eine Vereinbarung zur Auftragsverarbeitung fehlt. Im Gesch\u00e4ftsplan passieren sie eine vertragliche Schranke \u2014 kein Training, die AVV geh\u00f6rt zum Leistungsumfang, und die Protokolle zur Missbrauchserkennung lassen sich einschr\u00e4nken.<\/p>\n Die bekannteste Schw\u00e4che sind Halluzinationen<\/em>. Das Fraunhofer-Institut f\u00fcr Experimentelles Software Engineering beschreibt sie<\/a> als Inhalte, die realistisch wirken, aber von den vorgegebenen Quellen abweichen oder sachlich falsch sind. Die Ursachen liegen in den Trainingsdaten, im Trainingsverfahren und in der Art, wie Antworten Wort f\u00fcr Wort erzeugt werden. Ein Modell liefert dabei auch bei d\u00fcnner Faktenlage einen fl\u00fcssigen Satz und meldet die eigene Unsicherheit von sich aus nur selten. Diese Punkte geh\u00f6ren vor dem Rollout auf den Tisch:<\/p>\n Eine Einf\u00fchrung ohne Regeln erzeugt Wildwuchs: Einige Kollegen arbeiten mit privaten Konten, andere gar nicht, und niemand wei\u00df, welche Daten wo gelandet sind. Ein enger Start mit zwei oder drei Anwendungsf\u00e4llen, einem Gesch\u00e4ftsplan f\u00fcr alle Beteiligten und einer kurzen schriftlichen Leitlinie f\u00fchrt schneller zu belastbaren Ergebnissen. Der EU AI Act<\/a> verpflichtet Anbieter und Betreiber zudem seit dem 2. Februar 2025<\/strong> dazu, f\u00fcr ein ausreichendes Ma\u00df an KI-Kompetenz<\/a> beim eigenen Personal zu sorgen. Diese Schritte haben sich bew\u00e4hrt:<\/p>\nDatenschutz beginnt bei der Wahl des Plans<\/h2>\n
![\"ChatGPT](\"https:\/\/csw.agency\/wp-content\/uploads\/chatgpt-unternehmen-schaubild-3.jpg\")
<\/figure>\nWo ChatGPT f\u00fcr Unternehmen an Grenzen st\u00f6\u00dft<\/h2>\n
\n
So f\u00fchrt Ihr ChatGPT im Team ein<\/h2>\n
\n