Sprechen wir vom Bauen und Betreiben, so nehmen die Meisten an, es ginge immer nur um den Neubau. Doch gerade Umnutzung und Revitalisierung sind entscheidende Aspekte wenn es z.B. um die Schaffung eines nachhaltigen Gebäudebestands geht.

Ein Beispiel dafür haben wir bereits in dem Beitrag “Online-Handel und die Auswirkungen auf Einzelhandelsimmobilien” gesehen, in welchem ich von der Umwandlung von Einkaufszentren in multifunktionale Gemeinschaftszentren geschrieben habe.

Das gerade die Umnutzung und Revitalisierung von Gebäuden und Stadtteilen eine hohe Relevanz hat, zeigen z.B. auch die von der EU initiierten Förderprogramme. Als Gutachter solcher Förderanträge sehe ich regelmäßig sehr vielversprechende und kreative Ansätze, wie Gebäudebestände ertüchtigt und sogar wiederverwendet werden, von modularer Bauweise bis hin zu Urban Mining (mehr zum Thema Urban Mining finden Sie z.B. auf der Webseite vom Umweltbundesamt).

Dabei ist die Umnutzung und Revitalisierung von Gebäuden und Stadtteilen ein dynamischer Prozess, der sich ständig weiterentwickelt und an die Bedürfnisse und Anforderungen der Gesellschaft angepasst werden muss.

In dem Kontext ist es wichtig kreative Konzepte zur Wiederverwendung zu entwickeln, die eine nachhaltige und innovative Gestaltung urbaner Räume ermöglichen kann.

Warum Umnutzung und Revitalisierung?

Die Notwendigkeit, bestehende Gebäude und Stadtteile neu zu denken und zu revitalisieren, ergibt sich aus verschiedenen Faktoren.

Dazu gehören der Bevölkerungszuwachs (Statistisches Bundesamt, 2024) – v.a. in urbanen Gebieten. Ferner die begrenzte Verfügbarkeit von Bauland und die steigende Nachfrage nach nachhaltigen Lösungen. Insbesondere Bauland nimmt zunehmend ab was signifikante Auswirkungen auf den Preis von Wohnraum hat (Hauptverband der Deutschen Bauindustrie e.V., 2023). Dies hat schließlich auch soziale und gesellschaftliche Konsequenzen.

Mit unter aus solchen Gründen hat sich ein verstärktes Interesse für die Umnutzung und Revitalisierung entwickelt, als Möglichkeit den urbanen Raum effizienter zu nutzen und gleichzeitig die Lebensqualität der Bewohnerinnen und Bewohner zu verbessern.

Trend 1: Flexibles Flächenmanagement

In dem hier betrachteten Sinne ist Flächenmanagement die systematische Erfassung und Analyse der potenziellen Nutzungsmöglichkeiten von bisher nicht oder nur wenig genutzten (Brach-)Flächen (stmb, 2021). Dabei geht es um die Umnutzung von Gebäuden und Stadtteilen wie auch die Schaffung flexibler Flächen, die sich an wechselnde Bedürfnisse anpassen können.

Das Ministerium für Umwelt, Naturschutz und Verkehr NRW stellt beispielsweise das Nachhaltige kommunale Flächenmanagementsystem zur Verfügung (MUNV NRW, 2024). Das ist ein strategisches Steuerungsinstrument für die Reduzierung der Flächeninanspruchnahme wie auch eine qualitätsvolle Stadtentwicklung. Das Flächenmanagementsystem wurde bereits in mehr als 20 Kommunen in NRW erfolgreich eingeführt.

Daneben förden auch andere Maßnahmen die Verringerung des Neuinanspruchnahme von Freiflächen durch die Reaktivierung von Altlasten und Brachflächen (sogenanntes Flächenrecycling). Ein besonderes Instrument zur Reaktivierung von Flächenpotenzialen und Mobilisierung von Brachflächen in allen Kommunen Nordrhein-Westfalens ist zudem Bau.Land.Partner NRW vom Ministerium für Heimat, Kommunales, Bau und Gleichstellung des Landes Nordrhein-Westfalen.

Solche Maßnahmen ermöglichen eine effiziente Nutzung von Ressourcen und schafft vielfältige Möglichkeiten für die Stadtentwicklung.

Trend 2: Nachhaltige Revitalisierung

Die Nachhaltigkeit ist ein weiterer wichtiger Aspekt bei der Umnutzung und Revitalisierung von Gebäuden und Stadtteilen. Die Relevanz des Themas Nachhaltigkeit als Leitprinzip hatte ich bereits eingeführt im Beitrag Bau- & Immobilienwirtschaft: 24 Tipps für 2024.

Die nachhaltige Revitalisierung umfasst beispielsweise die Nutzung erneuerbarer Energiequellen (z.B. Photovoltaik und Geothermie), die Integration von grünen Dächern und Fassaden sowie die Förderung von öffentlichem Verkehr, Fahrradwegen wie auch E-Ladestationen und Konzepte zum Bike-Sharing. Nachhaltige Projekte tragen somit nicht nur zur Reduzierung des ökologischen Fußabdrucks bei, sondern steigern auch die Lebensqualität der Bewohnerinnen und Bewohner.

Daneben entwickelt sich im Zusammenhang mit der Revitalisierung immer mehr der Trend zur Mixed-Use-Immobilie, die gemischte Nutzung für verschiedene Wirtschafts- und Lebensbereichen. Auch hier spielt das Thema Nachhaltigkeit eine wichtige Rolle sowohl bei der Planung und Umsetzung als auch bei der erfolgreichen Vermarktung.

Trend 3: Kulturelle Identität bewahren

Die Erhaltung, Weiter und Wiederverwendung von historischen Gebäuden und Stadtteilen gewinnt ebenfalls zunehmend an Bedeutung. Der Erhalt der kulturellen Identität und des historischen Erbes einer Stadt ist für viele Gemeinden von großer Bedeutung.

Nicht ohne Grund hat die EU in verschiedenen Förderausschreibungen das Thema “Cultural Heritage” integriert. Doch die Revitalisierung von denkmalgeschütztem Bestand kann eine große Herausforderung sein.

Dies erfordert baulichen Sachverstand und kreative Konzepte, welche die Geschichte und den Charme alter Gebäude bewahren, während sie gleichzeitig modernen Anforderungen gerecht werden. Ein Beispiel hierfür ist die Umwandlung von alten Fabrikgebäuden in loftartige Wohnungen und Büros.

Zudem benötigen Projekte in diesem Bereich erheblich finanzielle Mittel, die (zum Glück) auch aus öffentlichen Töpfen finanziert werden. Ein Beispiel ist die Förderung der klimagerechten Transformation von ehemaligen Bergbauflächen in den Städten Bottrop, Dorsten, Gladbeck und Marl mit 90 Millionen Euro (weiteres dazu hier).

Trend 4: Gemeinschaftliche Planung und Partizipation

Ein weiterer Trend ist die verstärkte Einbindung der Gemeinschaft in den Planungsprozess. Bürgerbeteiligung und partizipative Ansätze ermöglichen es den Bewohnerinnen und Bewohnern, ihre Vorstellungen und Bedenken in die Entwicklung von Umnutzungsprojekten einzubringen.

Dies führt zu einer größeren Akzeptanz und Unterstützung der Maßnahmen und fördert das Gemeinschaftsgefühl. Das Handbuch Bürgerbeteiligung von Nanz & Fritsche (2012) gibt in dem Zusammenhang einen guten Einblick hinischtlich der Umsetzung von partizipativen Prozessen.

Trend 5: Technologische Innovationen

Die Digitalisierung als Treiber des gesellschaftlichen und wirtschaftlichen Wandels hat auch signifikanten Einfluss auf die Immobilienwirtschaft. Die Integration von Technologie spielt dabei eine entscheidende Rolle bei der Umnutzung und Revitalisierung von Gebäuden und Stadtteilen.

Konkrete Beispiele, die wir bereits kennen sind Buchungssysteme für Büroräume, schlüsselloser Raumzugang oder intelligente Gebäudeleittechnik. Dazu kommen smarte Gebäudeinfrastrukturen und digitale Plattformen zur Optimierung von Ressourcen und Steuerung betrieblicher Prozesse (z.B. ERP-Systeme, Smart Parking) wie auch IoT-Anwendungen. Weitere Informationen zum Thema IoT finden Sie beispielsweise auf der Webseite robiotic.de.

Auch eine verstärkte Serviceorientierung durch Pay-per-Use-Modelle wird durch technologische Innovationen weiter Verbreitung finden.

Und nun?

Die Trends bei der Umnutzung und Revitalisierung von Gebäuden und Stadtteilen entwickeln sich ständig weiter und spiegeln die sich ändernden Bedürfnisse und Prioritäten unserer Gesellschaft wider.

Kreative Konzepte zur Wiederverwendung, Flexibilität, Nachhaltigkeit, der Erhalt der kulturellen Identität, partizipative Planung und Technologieintegration sind dabei wichtige Elemente, welche eine erfolgreiche Transformation urbaner Räume ermöglichen.

Wir können gespannt sein, welche Trends und Entwicklungen noch dazu kommen, um den zukünftigen Herausforderungen im städtischen Umfeld gerecht zu werden.

Quellenverzeichnis:

Hauptverband der Deutschen Bauindustrie e.V. (2023). Bauland: Knapp und teuer, online

MUNV NRW (2024). Nachhaltiges kommunales Flächenmanagement. Ministerium für Umwelt, Naturschutz und Verkehr des Landes Nordrhein-Westfalen, online

Nanz, P., Fritsche, M. (2012). Handbuch Bürgerbeteiligung – Verfahren und Akteure, Chancen und Grenzen, Schriftenreihe Band 1200, Bundeszentrale für politische Bildung, online

Statistisches Bundesamt (2024). Bevölkerungsstand: Amtliche Einwohnerzahl Deutschlands, online

stmb (2021). Zukunftsweisender Städtebau – Integriert, flexibel, bürgernah. Bayerisches Staatsministerium für Wohnen, Bau und Verkehr, online

Schlagwörter: Umnutzung, Revitalisierung, Stadtentwicklung, Nachhaltigkeit, Bürgerbeteiligung, Technologieintegration

Diesen Beitrag zitieren: Karl, C. [Christian K. Karl]. (2024). 5 Trends für die Umnutzung und Revitalisierung von Gebäuden [Blog-Beitrag]. 28.02.2024. BauVolution, ISSN 2942-9145. online verfügbar

In der Welt der künstlichen Intelligenz (KI) steigt zunehmend die Nachfrage nach immer besserer und präziserer Textgenerierung durch KI-Modelle. Doch wie bei anderen Entwicklungen in der IT-Welt gilt auch hier der Grundsatz: Der Fehler sitzt vor dem Bildschirm. Das gilt auch für die Nutzung von GPTs (Generative Pre-Trained Transformer) mit Hilfe von KI-Prompts.

In diesem Beitrag habe ich bereits grundlegend in das Thema Prompt-Engineering und KI-Prompts eingeführt. Zur Erinnerung, Prompt-Engineering dient dazu, den optimalen Prompt zu finden, damit das KI-Modell seine Aufgabe bestmöglich lösen kann. Jetzt widmen wir uns der Frage wie wir effektive KI-Prompts erstellen können.

Dieser Beitrag besteht aus zwei Teilen.

1. Theorie: Im ersten Teil werde Ihnen sechs Schritte vorstellen, mit denen Sie Ihre KI-Prompting-Fähigkeiten auf ein nächstes Level heben können.
2. Praxis: Im zweiten Teil lade ich Sie ein anhand von vier Experimenten herauszufinden, wie sich verschiedene Vorgehensweisen auf die Ergebnisse auswirken können.

[Update 02.07.2024: Nutzen Sie auch den KI Prompts Generator]

TEIL 1 – Theorie

1. Sagen Sie der KI wer Sie sein soll (Rolle)

Wie bei jedem höflichen Gespräch stellt man sich zu Beginn vor. Wer Sie sind, wissen Sie ja selbst (Nehme ich mal an.). Es ist auch nicht unbedingt notwendig der KI mitzuteilen wer Sie sind (wobei das zur Schaffung eines Kontextes auch nicht schädlich ist). Was jedoch wichtiger ist, Sie müssen de KI mitteilen, wer sie ist. Welche Art von Person soll die KI für Sie sein? In der Psychologie wird so etwas Priming genannt. Auch ist es vorteilhaft sich immer wieder klar zu machen, dass wir mit der KI ein Gespräch führen. Die KI also unser Chat-Partner ist.

Und dabei ist die Definition der Rolle ein Schlüsselschritt. Wenn Sie der KI sagen, Sie soll als Politiker agieren, wird Sie anders reagieren, als wenn Sie die KI bitten, als Programmierer zu agieren.

Wenn Sie die KI auffordern: „Handle als Bundesgesundheitsminister und schreibe enen Python-Code für eine Login Seite“, wird die KI ein schlechteres Ergebnis liefern, als wenn Sie der KI die gleiche Aufgabe als Programmierer geben.

Probieren Sie es gerne aus. Beachten Sie bitte, dass Sie zwei getrennte Chats verwenden müssen. Bei meinem Test wurde bei der Rolle “Gesundheitsminister” ein ganz rudimentärer Code ausgegeben. Bei der Rolle “Programmierer” wurde ein ausführlicherer Code inkl. Datenbankanbindung ausgegeben.

Wir stellen uns vor ich möchte mich unterstützen lassen bei der Vorbereitung eines Vortrags zum Thema Hochwasser.

Erstellen wir uns in diesem Beispiel einen KI-Experten und vergeben die folgende Rolle: “Du bist ein Wissenschaftler mit Expertise und umfassender Erfahrung in Meteorologie, Geologie und Krisenmanagement.”

2. Sagen Sie der KI wo sie ist (Kontext)

Kontext ist entscheidend, um die KI sinnvoll zu verorten. Sie müssen sich die KI wie ein Kind vorstellen, das auf einem großen Platz steht. Von dort gehen mehrere Wege ab, einer zur Bibliothek mit Wörterbüchern in verschiedenen Sprachen, Atlanten aus verschiedenen Jahren, Romane und Tabellenbücher. Auf einer Säule rechts neben dem Kind sind Zettel mit Notizen. Links daneben hängen noch Plakate an einer Wand. Rechts daneben geht´s zum Metzger und am Ende der Straße steht ein Haus am See.

Unsere Aufgabe ist es dem Kind (also unserem Chat-Partner) möglichst genau mitzuteilen, wo es sich in der eigenen Rolle befindet und Informationen bereitstellen, die den Kontext erklären.

In unserem kleinen Beispiel wäre das wie folgt: “Du befindest Dich zur heutigen Zeit in Deutschland.”

3. Sagen Sie der KI was der Grund für das Gespräch ist (Ziel)

Bevor Sie mit der Formulierung von Prompts weiter machen, ist es wichtig, ganz klar das Ziel des Gesprächs zu definieren. Überlegen Sie, welche Informationen oder Handlungen Sie von der KI erwarten. Eine klare Zielsetzung dient als Leitlinie für die Entwicklung der Prompts und hilft, den Fokus beizubehalten.

Eine effektive Methode, um der KI das Ziel des Gesprächs mitzuteilen, ist die Verwendung einer klaren Absicht. Formulieren Sie eine präzise Aussage darüber, was Sie von Ihrem Chat-Partner erwarten.

Zum Beispiel: “Ich möchte bitte Informationen über Flutereignisse der letzten 5 Jahre erhalten.”

4. Sagen Sie der KI Randbedingungen (Maßgaben)

Dieser Schritt erscheint auf den ersten Blick vieleicht nicht so wesentlich, aber ich habe ihn einfach mal aus der Schulpädagogik gekapert. Bei der Formulierung von Aufgaben werden dort auch Randbedingungen (Maßgaben) berücksichtigt. Das bedeutet, das festgestellt wird womit eine Aufgabe erledigt werden soll. Das könnte z.B. im EDV-Unterricht (EDV = Elektronische Datenverarbeitung) wie folgt sein: “Mache [Aktivität] mit Hilfe eines Tabellenkalkulationsprogramms.”

Wir überlegen uns also womit oder womit eben nicht etwas erledigt werden soll. Das sind dann Formulierungen wie z.B. “berücksichtige xy”, “beziehe nicht abc mit ein”, “schließe A und B mit ein”. Jegliche Kombinationen, die sinnvoll erscheinen, können hier nützlich sein, um das Ergebnis zu fokussieren.

Bleiben wir bei unserem Beispiel: “Verwende statistische Daten und aktuelle Quellen aus den letzten 5 Jahren.”

5. Sagen Sie der KI wer der Adressat des Ergebnisses ist (Zielgruppe)

Stellen wir uns vor unser Chat-Partner ist wie eine Kollegin oder Kollege oder eine Mitarbeiterin oder Mitarbeiter. Denken Sie einmal darüber nach, für wen Ihr Chat-Partner arbeitet. Für wen sollen die Ergebnisse sein? Würden wir einen Bericht schreiben zu Flutkatastrophen in Deutschland würden wir sicherlich für eine Grundschulklasse anders schreiben als für eine Gruppe von Experten. Das bedeutet, wir sollten unserem Chat-Partner auch mitteilen für wen das Ergebnis sein soll und am besten noch wie die KI schreiben soll.

Damit werden das Vorwissen und die Bedürfnisse der Zielgruppe berücksichtigt, um sicherzustellen, dass die Ergebnisse adäquat sind und die Erwartungen der Zielgruppe erfüllt werden.

In unserem Beispiel möchte ich das Thema “Flutereignisse” für eine Grundschulklasse aufbereiten lassen: “Schreibe in einfacher deutscher Sprache für Grundschüler.”

6. Sagen Sie der KI wie das Ergebnis aufbereitet werden soll (Ausgabe)

Jeder, der schon mit KI-Prompts experimentiert hat kennt vieleicht dass Problem, dass man eine Ausgabe erhält, die nur aus einem kurzen Text besteht – aber die Erwartung ein ausführlicher Bericht war. Oder man hat eine Auflistung von Punkten bekommen, obwohl man Fließtext gebrauchen könnte.

Der Grund dafür ist ganz einfach. Unser Chat-Partner ist kein Hellseher. Solange wir der KI nicht sagen, wie wir die Ergebnisse dargestellt haben möchten, solange gibt sie uns die Ergebnisse nach gut dünken raus. Wollen wir also bestimmte Formate, Fließtexte, Aufzählungen, Strukturen oder auch längere Texte haben, müssen wir das unserem Chat-Partner sagen.

Beispielsweise können wir schreiben, dass wir keine Aufzählungen haben wollen sondern nur Fließtext, oder dass wir eine maximale Länge von X Zeichen haben wollen oder dass wir das Ergebis in einer Tabelle mit 4 Spalten und 5 Zeilen haben wollen (inkl. Details zur Bezeichnung der Spalten und Namen).

In unserem Beispiel gehen wir davon aus, dass ich mit Bullet Points zufrieden bin, weil ich diese in einer Präsentation weiter verarbeiten will. Also schreibe ich: “Gib mir bitte das Ergebniss als Aufzählung. Teile bitte die Aufzählungen auf zu Gruppen von je 5 Stück.” Damit ich auf jeder Folie nur 5 Punkte habe.

Optional: Sagen Sie der KI wie sie arbeiten soll (Arbeitsschritte)

Wir sehen in unserem Beispiel, dass wir bereits eine Menge an Informationen für unseren Chat-Partner haben:

1. Rolle: “Du bist ein Wissenschaftler mit Expertise und umfassender Erfahrung in Meteorologie, Geologie und Krisenmanagement.”
2. Kontext: “Du befindest Dich zur heutigen Zeit in Deutschland.”
3. Ziel: “Ich möchte bitte Informationen über Flutereignisse der letzten 5 Jahre erhalten.”
4. Maßgaben: “Verwende statistische Daten und aktuelle Quellen aus den letzten 5 Jahren.”
5. Zielgruppe: “Schreibe in einfacher deutscher Sprache für Grundschüler.”
6. Ausgabe: “Gib mir bitte das Ergebniss als Aufzählung. Teile bitte die Aufzählungen auf zu Gruppen von je 5 Stück.”

Wir könnten jetzt einen einzigen Prompt formulieren, in dem alles enthalten ist:

“Du bist ein Wissenschaftler mit Expertise und umfassender Erfahrung in Meteorologie, Geologie und Krisenmanagement. Du befindest Dich zur heutigen Zeit in Deutschland. Ich möchte bitte Informationen über Flutereignisse der letzten 5 Jahre erhalten. Verwende statistische Daten und aktuelle Quellen aus den letzten 5 Jahren. Schreibe in einfacher deutscher Sprache für Grundschüler. Gib mir bitte das Ergebniss als Aufzählung. Teile bitte die Aufzählungen auf zu Gruppen von je 5 Stück.”

Das mag auf den ersten Blick in Ordnung sein, aber mehrstufige Aufgaben sind für einen Chat-Partner oftmals komplexer als wir annehmen. In solchen Fällen ist es hilfreich entweder selbst die komplexen Aufgaben schrittweise zu prompten und einzugeben oder dem Chat-Partner im Prompt mitzuteilen, wie er die Aufgabe abarbeiten soll. Also eine Schritt-für-Schritt Anleitung mit an die Hand geben. Ich bevorzuge in der Regel die erste Möglichkeit: Selbst die Prompts nach und nach einzugeben und abarbeiten zu lassen. In den nachfolgenden Experimenten werden Sie sehen warum.

Demgegenüber gibt es noch eine weitere Option. Das sogenannte “Chain-of-Thought” (COT) Prompting. Bei dieser Art lassen Sie dem KI-Modell den Weg zum Ergebnis selbst beschreiben. Studien sollen gezeigt haben, dass diese Vorgehensweise, zu einer signifikanten Verbesserung der Ergebnisse führen kann (Wei & Zhou, 2022). Zudem soll besser nachvollzogen werden können, wie das Ergebnis entstanden ist und damit besser die Validierung ermöglicht.

Zur Einbindung des COT Prompting könnte beispielsweise ergänzt werden: “Überlege bitte schrittweise, um zu dem Ergebnis zu gelangen.” oder “Gehe bitte schrittweise vor und erkläre Deine Schritte.”.

TEIL 2 – Praxis

Im zweiten Teil lade ich Sie ein die oben vorgestellten Schritte nicht nur zu lesen, sondern auch selbst auszuprobieren. Nehmen Sie sich ein KI-Tool Ihrer Wahl, z.B. ChatGPT, neuroflash, Jasper Chat, MS Copilot oder Google Bard und probieren selbst die Experimente aus (einen umfangreichen Beitrag zu verschiedenen KI-Tools finden Sie hier.).

Experimente mit verschiedenen Prompts

Im Folgenden werde ich mit Ihnen gemeinsam experimentieren und verschiedene Wege des Promptens austesten. Ich habe für die Experimente ChatGPT4 genutzt. Jedes Experiment wurde in einem neuen Chat-Fenster gestartet. Die Eingabe habe ich hier im Beitrag in Anführungsstrichen und kursiver Schrift kenntlich gemacht. Der Ausgabetext ist ebenfalls in kursiver Schrift. Beginn und Ende sind kenntlich gemacht. Der Ausgabetext ist original wiedergegeben und wurde inhaltlich nicht verändert.

Experiment 1 (Schritt für Schritt eingeben)

Machen wir jetzt unser erstes Experiment. Wir öffnen einen neuen KI-Chat und setzen sukzessive unsere Prompts ein. Dabei ist jeder Prompt eine eigene Abfrage, die wir eingeben. Wir ignorieren die gegebenen Antworten nach jedem Schritt und setzen stoisch unsere Anfragen in die Chat-Eingabe. Sie können im Folgenden mit der Maus über die einzelnen Prompts gehen und durch Klicken in die Zwischenablage kopieren.

1. Propmt: “Du bist ein Wissenschaftler mit Expertise und umfassender Erfahrung in Meteorologie, Geologie und Krisenmanagement.“
2. Prompt: “Du befindest Dich zur heutigen Zeit in Deutschland.“
3. Prompt: “Ich möchte bitte Informationen über Flutereignisse der letzten 5 Jahre erhalten.“
4. Prompt: “Verwende statistische Daten und aktuelle Quellen aus den letzten 5 Jahren.“
5. Prompt: “Schreibe in einfacher deutscher Sprache für Grundschüler.“
6. Prompt: “Gib mir bitte das Ergebniss als Aufzählung. Teile bitte die Aufzählungen auf zu Gruppen von je 5 Stück.“

Das Ergebnis ist:

< —- Beginn der Ausgabe unseres Chat-Partners —- >

“Hier sind die Informationen über die Flutereignisse in Deutschland in einfacher Sprache für Grundschüler, aufgeteilt in Gruppen zu je fünf Punkten:

Gruppe 1:

1. Im Juli 2021 gab es in Deutschland eine sehr große Überschwemmung.
2. Es hat so stark geregnet, dass Flüsse über die Ufer traten.
3. Viele Häuser und Straßen wurden durch das Wasser beschädigt.
4. Leider sind auch Menschen bei dieser Überschwemmung gestorben.
5. Das war die schlimmste Überschwemmung in Deutschland seit vielen Jahren.

Gruppe 2:

1. Überschwemmungen passieren, wenn es sehr viel regnet.
2. Der Boden kann dann das Wasser nicht mehr aufnehmen.
3. Das Wasser fließt über die Straßen und in die Häuser.
4. Viele Menschen arbeiten daran, Überschwemmungen zu verhindern.
5. Sie helfen auch, wenn doch eine Überschwemmung passiert.

Gruppe 3:

1. Es ist wichtig, dass wir auf das Wetter achten.
2. Wir müssen uns gut auf Überschwemmungen vorbereiten.
3. Der Klimawandel kann das Wetter verändern und mehr Regen bringen.
4. Wir lernen, wie wir besser mit Überschwemmungen umgehen können.
5. Es ist wichtig, dass wir uns gegenseitig helfen und sicher bleiben.

Diese Punkte helfen dabei, die wichtigen Informationen über die Flutereignisse verständlich zu machen. Es ist wichtig, dass wir aus solchen Ereignissen lernen und uns gut darauf vorbereiten.“

< – —- Ende der Ausgabe unseres Chat-Partners —- >

Experiment 2 (alles zusammen eingeben)

In diesem Experiment nutzen wir alle Prompts zusammen in einer einzigen Eingabe. Gehen Sie hier mit der Maus auf den Anfang des Prompts und durch Klicken kopieren Sie ihn in die Zwischenablage.

“Du bist ein Wissenschaftler mit Expertise und umfassender Erfahrung in Meteorologie, Geologie und Krisenmanagement. Du befindest Dich zur heutigen Zeit in Deutschland. Ich möchte bitte Informationen über Flutereignisse der letzten 5 Jahre erhalten. Verwende statistische Daten und aktuelle Quellen aus den letzten 5 Jahren. Schreibe in einfacher deutscher Sprache für Grundschüler. Gib mir bitte das Ergebniss als Aufzählung. Teile bitte die Aufzählungen auf zu Gruppen von je 5 Stück.“

Das Ergebnis ist:

< —- Beginn der Ausgabe unseres Chat-Partners —- >

Hier sind einige Informationen über Flutereignisse in Deutschland in den letzten fünf Jahren, aufgeteilt in Gruppen von je fünf Punkten:

1. Betroffene Gebiete: In den letzten Jahren waren verschiedene Regionen in Deutschland von Hochwasser betroffen. Dazu gehören Niedersachsen, der Süden Sachsen-Anhalts, der Norden Thüringens, Nordrhein-Westfalen, Teile von Bremen, Hessen, und der Norden und Osten Bayerns.
2. Pegelstände: In vielen dieser Regionen stiegen die Pegelstände der Flüsse aufgrund von anhaltendem Starkregen. Besonders betroffen waren Flüsse wie die Weser, Aller, Leine und deren Nebenflüsse sowie der Fluss Hase in Niedersachsen.
3. Hochwasserwarnungen: Es gab in verschiedenen Teilen Deutschlands Hochwasserwarnungen, insbesondere im Westen und in der Mitte des Landes.
4. Maßnahmen gegen Hochwasser: In einigen Regionen wurden präventive Maßnahmen ergriffen, wie zum Beispiel die Verteilung von Sandsäcken und die Verstärkung von Deichen.
5. Schulbetrieb und Evakuierungen: In einigen Hochwassergebieten wurden Schulen geschlossen und Notbetreuung eingerichtet. Zudem gab es in einigen Fällen Evakuierungen und vorübergehende Unterkünfte für Betroffene.

Weitere fünf Punkte:

1. Dauer des Hochwassers: Der Dauerregen führte in vielen Gebieten zu lang anhaltenden Überschwemmungen.
2. Auswirkungen auf die Infrastruktur: Straßen, Brücken und andere Infrastrukturen wurden in einigen Regionen durch das Hochwasser beschädigt.
3. Hilfeleistungen: Es gab umfangreiche Hilfsaktionen von Feuerwehr, Technischem Hilfswerk und anderen Organisationen.
4. Wettervorhersagen: Wetterdienste verlängerten die Warnungen für einige Regionen, da der Regen länger andauerte als erwartet.
5. Klimawandel und Hochwasser: Experten verweisen darauf, dass der Klimawandel zu häufigeren und intensiveren Hochwasserereignissen führen kann.

Diese Informationen geben einen Überblick über die Flutereignisse in Deutschland in den letzten Jahren und zeigen, wie vielfältig die betroffenen Gebiete und die Reaktionen darauf waren.

< – —- Ende der Ausgabe unseres Chat-Partners —- >

Experiment 3 (alles zusammen mit einem COT-Statement)

In diesem Test nutzen wir alle Prompts zusammen. Zusätzlich bitten wir, schrittweise vorzugehen, in dem wir die folgende Ergänzung für die Chain-of-Thought (COT) integrieren: “Überlege bitte schrittweise, um zu dem Ergebnis zu gelangen.”

Sie können wieder mit der Maus auf den Anfang des Prompts gehen und durch Klicken in die Zwischenanlage kopieren.

“Du bist ein Wissenschaftler mit Expertise und umfassender Erfahrung in Meteorologie, Geologie und Krisenmanagement. Du befindest Dich zur heutigen Zeit in Deutschland. Ich möchte bitte Informationen über Flutereignisse der letzten 5 Jahre erhalten. Verwende statistische Daten und aktuelle Quellen aus den letzten 5 Jahren. Schreibe in einfacher deutscher Sprache für Grundschüler. Gib mir bitte das Ergebniss als Aufzählung. Teile bitte die Aufzählungen auf zu Gruppen von je 5 Stück. Überlege bitte schrittweise, um zu dem Ergebnis zu gelangen.“

Das Ergebnis ist:

< —- Beginn der Ausgabe unseres Chat-Partners —- >

I did a quick search for more information and here’s what I found.

In den letzten fünf Jahren gab es in Deutschland einige bemerkenswerte Flutereignisse. Eines der gravierendsten war die Hochwasserkatastrophe im Juli 2021, die in einigen Gebieten Deutschlands zu verheerenden Zerstörungen führte und bei der mehr als 180 Menschen ihr Leben verloren.

Die Forschung zeigt, dass der Klimawandel Starkregenereignisse wahrscheinlicher und intensiver macht. Ein Beispiel dafür ist die Hochwasserkatastrophe 2021. Der Klimawandel hat Starkregenereignisse in der betroffenen Region um das 1,2- bis 9-Fache wahrscheinlicher gemacht und die Intensität solcher Regenfälle um 3 bis 19 Prozent erhöht.

Weitere statistische Daten und detaillierte Informationen zu einzelnen Flutereignissen der letzten Jahre sind derzeit nicht verfügbar. Dies liegt unter anderem daran, dass die Pegelmesser zur Erfassung von Flusspegelständen während solcher Ereignisse oft beschädigt wurden.

Für Grundschüler zusammengefasst:

1. Im Juli 2021 gab es in Deutschland eine sehr große Flut.
2. Mehr als 180 Menschen sind dabei gestorben.
3. Wegen des Klimawandels gibt es jetzt öfter starke Regenfälle.
4. Diese starken Regenfälle können Überschwemmungen verursachen.
5. Es ist schwierig, alle Fluten genau zu messen, weil manchmal die Messgeräte kaputt gehen.

< – —- Ende der Ausgabe unseres Chat-Partners —- >

Experiment 4 (alles zusammen mit einem anderen COT-Statement)

In diesem Test nutzen wir wieder alle Prompts zusammen. Zusätzlich bitten wir wieder, schrittweise vorzugehen. Jedoch jetzt mit einer anderen Ergänzung für die Chain-of-Thought (COT): “Gehe bitte schrittweise vor und erkläre Deine Schritte.”

Kopeiern Sie einfach wieder den Prompt in die Zischenanlage.

“Du bist ein Wissenschaftler mit Expertise und umfassender Erfahrung in Meteorologie, Geologie und Krisenmanagement. Du befindest Dich zur heutigen Zeit in Deutschland. Ich möchte bitte Informationen über Flutereignisse der letzten 5 Jahre erhalten. Verwende statistische Daten und aktuelle Quellen aus den letzten 5 Jahren. Schreibe in einfacher deutscher Sprache für Grundschüler. Gib mir bitte das Ergebniss als Aufzählung. Teile bitte die Aufzählungen auf zu Gruppen von je 5 Stück. Gehe bitte schrittweise vor und erkläre Deine Schritte.“

Das Endergebnis ist:

< —- Beginn der Ausgabe unseres Chat-Partners —- >

Hier sind einige Informationen über Flutereignisse in Deutschland in den letzten fünf Jahren, aufgeteilt in Gruppen von jeweils fünf Punkten und in einfacher Sprache:

Gruppe 1:

1. Im Juli 2021 gab es in Westeuropa, einschließlich Deutschland, eine große Flutkatastrophe.
2. Mehr als 180 Menschen haben bei dieser Flut ihr Leben verloren.
3. Diese Flut war besonders verheerend in einigen Gebieten Deutschlands.
4. Starkregenereignisse, wie das, was 2021 passierte, sind durch den Klimawandel wahrscheinlicher und intensiver geworden.
5. Der Klimawandel hat Starkregenfälle um das 1,2- bis 9-Fache wahrscheinlicher gemacht und ihre Intensität um 3 bis 19 Prozent erhöht.

Gruppe 2:

1. Extremwetter wie Starkregen, Überschwemmungen und Sturzfluten werden in Deutschland häufiger und intensiver.
2. Besonders betroffen sind stark versiegelte Städte, wo der Regen nicht gut versickern kann.
3. Mittelgebirgsregionen und der Alpenraum sind ebenfalls gefährdet.
4. Wissenschaftler sagen, dass solche Wetterereignisse in Zukunft noch öfter passieren werden.
5. Das Problem bei Starkregen ist, dass er meistens lokal und punktuell auftritt und schwer vorherzusagen ist.

Diese Informationen geben einen Überblick über die jüngsten Flutereignisse in Deutschland und deren Zusammenhang mit dem Klimawandel.

< – —- Ende der Ausgabe unseres Chat-Partners —- >

Diskussion der Experimente

Anhand unserer Experimente sehen Sie, wie einfach Sie mit nur sechs durchdachten Schritten zu angepassten und zielführenden Ergebnissen kommen.

Es ist aber auch ersichtlich geworden, dass die Ergebnisse sich teilweise stark unterscheiden.

Ergebnis Experiment 1 (Schritt für Schritt)

Wir haben im ersten Experiment jeden Prompt einzeln eingegeben. Die Ausgabe wurde sehr gut in einzelne Pakete (drei Gruppen) umgesetzt. Innerhalb jeder Gruppe sind fünf Punkte, wie ich sie mir als Bullet-Points für eine Präsentation vorstellen würde.

Zudem folgen die Gruppen scheinbar einer sinnvollen Logik, die ich jedoch in meinem Prompt nicht konkretisiert habe:

Gruppe 1 = Einführung und Sensibilisierung
Gruppe 2 = Hintergrund
Gruppe 3 = Fazit und Appell

Das ist in der Tat interessant und läßt vermuten, dass das KI-Modell antizipiert haben könnte, wofür ich das Ergebnis brauche. In der Formulierung des Ziel-Prompts könnte man das vieleicht noch konkreter bestimmen in der Form: “Ich benötige diese Informationen für eine Präsentation.”

Die Inhalte unter den einzelnen Punkten müssen natürlich noch entwickelt werden, aber zu irgendwas muss man je selbst auch gut sein 🙂

In der Tat ist das Ergebnis aus dem ersten Experiment durchaus brauchbar für die nächsten Schritte.

Ergebnis Experiment 2 (alles zusammen)

Auch in diesem Experiment erhalten wir fünf Punkte je Gruppe. Im Gegensatz zum ersten Experiment haben wir hier jedoch lediglich zwei Gruppen und damit 10 statt 15 Einzelpunkte. Diese sind zusätzlich mit Themenbegriffen versehen, was im ersten Experiment nicht der Fall war.

Auch der Inhalt ist etwas weitreichender und konkreter. Jedoch von der Wortwahl nicht unbedingt adressatengerecht.

Ein wesentlicher Unterschied ist auch, dass im ersten Experiment die Aufeinanderfolge von Elementen koherenter ist als in diesem hier. Hier ist es eher eine Aneinanderreihung von Informationen, die scheinbar keiner Struktur folgen.

Wir sehen also, dass die Zusammenfassung von Prompts in einen einzigen Prompt scheinbar Einzelanweisungen weniger akzentuiert bzw. nicht vollständig berücksichtigt.

Denken wir an uns selbst ist das nicht verwunderlich. Wenn uns jemand einen Arbeitsauftrag mit zig Punkten gibt, so fällt es uns sicherlich auch schwer uns an alles zu erinnern und abzuarbeiten. So geht es scheinbar auch unserem Chat-Partner.

Ergebnis Experiment 3 (alles zusammen mit COT-Statement)

Im Experiment 3 haben wir zusätzlich zu dem gesamten Prompt noch die folgende COT-Anweisung hinzugefügt: “Überlege bitte schrittweise, um zu dem Ergebnis zu gelangen.”.

Das Ergebnis unterscheidet sich wesentlich zu den Experimenten zuvor. Im ersten Teil der Ausgabe versucht unser Chat-Partner in der Tat schrittweise vorzustellen, was an Informationen verarbeitet wurde.

Der erste Abschnitt enthält Informationen ähnlich zur Gruppe 1 aus Experiment 1.

Der zwei Abschnitt behandelt teilweise Inhalte aus der Gruppe 2 des ersten Experiments, teilweise detailierter.

Der dritte Abschnitt klingt etwas wie eine Entschuldigung, warum nicht mehr Informationen für die Abarbeitung der Aufgabe verarbeitet werden können. Auch eine interessante Art mit aufgetragener Arbeit umzugehen 😉 .

Die Zusammenfassung für unsere Zielgruppe, bestehend aus fünf Punkten, ist vergleichsweise schmal ausgefallen. Jedoch können die zuvor generierten Abschnitte als Inhalte dienen, was grundsätzlich nicht schlecht ist.

Ergebnis Experiment 4 (alles zusammen mit anderem COT-Statement)

Im Experiment 4 haben wir neben dem gesamten Prompt eine andere COT-Anweisung hinzugefügt.: “Gehe bitte schrittweise vor und erkläre Deine Schritte.”.

Hier ist das Ergebnis ähnlich wie in Experiment 1 innerhalb von Gruppen mit je fünf Unterpunkten strukturiert.

Details werden ebenfalls gegeben und mit konkreten Zahlen unterlegt. Jedoch erscheint das Ergebnis nicht so zielgruppenadäquat wie es bei dem ersten Experiment ist. Eine Reflektion des Erkenntnisprozesses ist hier auch nicht klar zu erkennbar.

Es scheint einen Unterschied zu machen, ob wir als COT-Statement “Überlege bitte schrittweise, um zu dem Ergebnis zu gelangen.” oder “Gehe bitte schrittweise vor und erkläre Deine Schritte.” verwenden. Es kommt die Vermutung auf, dass unser Chat-Partner scheinbar einen Unterschied im Verständnis von Nebensätzen (… , um …) und Satzverbindungen (… und …) macht.

Und nun?

Die Schritte wie auch die Experimente bieten einen ersten Zugang und die Basis für weitere eigene Experimente. Spielen Sie mit den einzelnen Prompts herum. Verändern Sie z.B. die Rolle, den Kontext oder auch die Zielgruppe und erkunden Sie, wie sich das Ergebnis verändert.

Noch ein letzter Tipp: Wenn wir die KI als Chat-Partner sehen, so sollte es doch auch legitim sein, dass unser Partner uns Rückfragen stellen kann. Die folgende Ergänzung im Prompt kann dabei hilfreich sein: “Stelle mir zum Abschluss fünf Fragen, mit denen Du das Ergebnis verbessern kannst.” In dieser und ähnlicher Form können Sie nun weiter experimentieren. Doch vorsichtig, das Experimentieren kann süchtig machen. 😀

Zum Abschluss noch ein Gedanke zu den oben dargestellten Versuchen.

Ist Ihnen aufgefallen, dass unser Chat-Partner im Experiment 1 scheinbar empathisch mit dem Thema umgegangen ist?

“Leider sind auch Menschen […] gestorben.”

“Es ist wichtig, dass wir uns gegenseitig helfen […].”

Für dieses Phänomen gibt es bereits den Begriff der “empathischen KI”. Woher das kommt? Finden Sie es heraus! Jetzt viel Spaß beim experimentieren.

Und wer tiefer einsteigen will, kann mit ChatGPT4 von openAI einen eigenen GPT machen. Und wer bereits Erfahrung mit der Programmierung, dem JSON Format und der request Bibliothek hat, der kann sich an der Integration der API von openAI versuchen und ein eigenes KI Projekt starten. All solche Sachen werden wir demnächst in unserem Projekt “KI4Edu: Künstliche Intelligenz in Lehre und Prüfung” ausprobieren können. Und wir freuen uns schon sehr darauf 🙂

[Update 02.07.2024: Nutzen Sie auch den KI Prompts Generator]

Quellenverzeichnis:

Wei, J., Zhou, D. (2022): Language Models Perform Reasoning via Chain of Thought. Google AI Blog.

Schlagwörter: Prompt-Engineering, Künstliche Intelligenz, KI-Modelle, Chain-of-Thought, bessere Prompts, empathische KI

Diesen Beitrag zitieren: Karl, C. [Christian K. Karl]. (2024). KI-Prompts in 6 Schritten – Bringen Sie ihre KI-Fähigkeiten auf das nächste Level [Blog-Beitrag]. 21.02.2024. BauVolution, ISSN 2942-9145. online verfügbar

Als Weiterführung des Themas “Hybride Arbeitsmodelle und deren Auswirkungen” widmen wir uns heute den Co-Working Spaces.

Bereits bei meinen ersten Forschungsaufenthalten an der Stanford University und dem Georgia Institute of Technology habe ich sehr interessante Ansätze gesehen, wie in Co-Working Spaces kreativ Probleme erfasst und kollaborativ Lösungen erarbeitet werden können. Dabei geht es nicht nur um die bloße Anwendung von Design Thinking Prinzipien. Es geht auch um die Schaffung einer kreativen und motivierenden Arbeits- und Denkumwelt.

Diese Entwicklungen prägen nicht nur den Bereich der Forschung und Entwicklung. Sie wirken auch auf die Art und Weise wie wir zukünftig in anderen Bereichen unsere Arbeit erledigen und miteinander umgehen werden.

In den letzten Jahren haben Co-Working Spaces und flexible Bürokonzepte in städtischen Zentren weltweit einen erheblichen Aufschwung erlebt. Diese Entwicklung hat das Arbeiten und das Selbstverständis von Unternehmen beeinflusst,. Das führt zwangsläufig auch zu tiefgreifenden Auswirkungen auf die Immobilienbranche.

Flexibilität für Vermietende bei Co-Working Spaces

Die Popularität von Co-Working Spaces und flexiblen Bürokonzepten beruht auf mehreren Faktoren. Einer davon ist zweifelsohne die Flexibilität. Unternehmen können Mietverträge mit kürzeren Laufzeiten abschließen und Büroflächen bei Bedarf erweitern oder reduzieren. Als ich noch als Freelancer für ein Beratungsunternehmen tätig war, war es gängige Praxis projektbezogen an einem zentralen Ort Büroflächen anzumieten. Dies ermöglicht Unternehmen und besonders Start-ups eine bessere Anpassung an die dynamischen Anforderungen.

Vernetzung und Wissensaustausch durch Co-Working Spaces

Ein weiterer maßgeblicher Faktor ist die soziale Komponente dieser Arbeitsumgebungen. Co-Working Spaces fördern die Vernetzung und den Wissensaustausch zwischen verschiedenen Menschen, Fachkulturen und Unternehmen. Diese Interaktionen können zu Synergien führen, die zu innovativen Kooperationen und neuen Geschäftsmöglichkeiten beitragen. Sie kennen vielleicht das Seven Habits Modell nach Stephen Covey (Covey, 2018), in welchem Synergien geschaffen werden durch gemeinsames Denken und Handeln (Ebene der Interdependenz). Co-Working Spaces fördern genau das. Auch im Wissenschaftsbereich gibt es bereits Ansätze Co-Working-Spaces umzusetzen, wie z.B. an der Hochschule München.

Produktive Arbeitsumgebung durch Co-Working Spaces

Die Ausstattung und das Ambiente von Co-Working Spaces spielen eine entscheidende Rolle bei ihrer Anziehungskraft. Sie bieten oft hochwertige Einrichtungen, von ergonomischen Büromöbeln über Ausstattungen zur Umsetzung kreativer Arbeitsprozesse bis hin zu Gemeinschaftsbereichen und Cafés. Dies schafft eine produktive und angenehme Arbeitsumgebung, die nicht nur viele Arbeitnehmende schätzen.

Auch im Bildungsbereich hat eine solche Arbeits- und Lernumgebung Vorzüge. Wie bereits erwähnt habe ich im Ausland einige Universitäten kennen gelernt. Im Gegensatz zu Einrichtungen bei uns in Deutschland habe ich gerade die Vielfalt an Gemeinschaftsbereichen, Cafés bis hin zu extern geführten Restaurants schätzen gelernt.

Als Beispiel: Die Farm, wie der Campus an der Stanford Universität liebevoll genannt wird. Dort gibt es über den Campus eine Vielzahl an Möglichkeiten wie z.B. Subway, Panda Express, Starbucks, Lutticken´s Deli, und Ray´s Grill (für Details sie Cafés und Märkte) . Eine solche Vielfalt wäre bei uns in Deutschland auf einem deutschen Campus kaum denkbar. Denn in der Regel stellt nur das eigene Studierendenwerk Angebote bereit. Externen Anbietern wird es zumeist verwehrt auf dem Campus zu agieren. Hier sollte auch einmal umgedacht werden, aber das ist ein anders Thema.

Konsequenzen von Co-Working Spaces für die Immobilienbranche

Der zunehmende Bedarf an Co-Working Spaces hat die gewerbliche Immobilienbranche stark beeinflusst. Die Eigentümer von Gewerbeimmobilien haben begonnen, ihre Angebote an diese Nachfrage anzupassen. Das zeigt sich in der steigenden Anzahl von Immobilienentwicklungen, die speziell für Co-Working Spaces konzipiert worden sind.

Unternehmen wie WeWork und Regus gehen noch einen Schritt weiter. Sie bieten neben Co-Working Spaces auch flexible Mietmodelle für traditionelle Bürogebäude. Dies ermöglicht es Unternehmen, Büroflächen nach Bedarf anzumieten, ohne sich langfristig zu binden. Direkt bei mir um die Ecke in Essen bietet der Mathildenhof Flächen an, die mit einem Fix Pass, einem Flex Pass, 1-Day-Pass oder 5-Day-Pass gebucht werden können. Ähnliches geht auch im Ruhr Tower. Auch in Gelsenkirchen im Wissenschaftspark finden sich Angebote. Mindspace bietet ebenso Flächen in Deutschland an (Berlin, Düsseldorf, Frankfurt etc.). Noch einen Schritt weiter geht life science factory. Neben Co-Workingflächen werden dort auch Laborflächen und Prototyping Werkstätten angeboten.

Grundsätzlich befriedigen solche Angebote die Bedürfnisse der Kundschaft. Jedoch ist der Einfluss auf die Immobilienbranche eher zwiespältig. Auf der einen Seite sind die Eigentümerinnen und Eigentümer von Gewerbeimmobilien gezwungen, sich an diese neue Realität anzupassen, um ihre Leerstandsquoten niedrig zu halten. Andererseits eröffnen flexible Bürokonzepte neue Möglichkeiten für Immobilieninvestoren. Sie können von der steigenden Nachfrage nach solchen Immobilien profitieren und langfristige Mietverträge mit Co-Working-Anbietern abschließen. Auch in diesem Sektor haben sich bereits Firmen wie Cowork_ag darauf spezialisiert und unterstützen bei der Umwandlung von Flächen in Co-Working-Spaces und deren Vermarktung.

Und nun?

Der Aufstieg von Co-Working Spaces und flexiblen Bürokonzepten in städtischen Zentren beeinflusst die Immobilienbranche in vielerlei Hinsicht. Die Flexibilität, soziale Vernetzung und attraktive Ausstattung haben diese Konzepte zu einer bevorzugten Wahl für Unternehmen gemacht.

Immobilienentwickler und -investoren müssen sich diesen Trends anpassen, um wettbewerbsfähig zu bleiben und den Anforderungen der heutigen Arbeitswelt gerecht zu werden. Auch wenn das Thema Co-Working-Spaces immer relevanter wird, ist es noch ein wenig beforschter Bereich (Bundesverband Coworking Spaces, 2024). In diesem Feld ergeben sich für Forschungseinrichtungen vielfältige Möglichkeiten.

Auch im Bildungssektor sollte vermehrt über die Flexibilisierung der Flächennutzung nachgedacht werden. Insbesondere weil sich durch vermehrtes hybrides- oder vollständiges online-Lernen die Lehr-, Lern- und Arbeitskultur weiter verändern wird. Meiner Meinung nach wird die Entwicklung dahin gehen, dass wir in Zukunft auf große “Betonlernanstalten” verzichten können. Zudem wird es in Zukunft eine Verlagerung von der “allumfassenden Vollausbildung” zur bedarfsgerechten “Micro-Ausildung” geben, was auch Auswirkungen auf die Notwendigkeit von Immobilien haben wir. Aber das ist ein Thema für einen eigenen Beitrag.

Quellenverzeichnis:

Bundesverband Coworking Spaces (2024). Die Leistungen des BVCS. online verfügbar

Covey, S. R. (2018). Die 7 Wege zur Effektivität: Prinzipien für persönlichen und beruflichen Erfolg, GABAL, 60. Auflage

Schlagwörter: Co-Working Spaces, flexible Bürokonzepte, gewerbliche Immobilienbranche, Flexibilität, soziale Vernetzung, Immobilieninvestitionen.

Diesen Beitrag zitieren: Karl, C. [Christian K. Karl]. (2024). Einfluss von Co-Working Spaces auf die Immobilienbranche [Blog-Beitrag]. 13.01.2024. BauVolution, ISSN 2942-9145. online verfügbar

Die Welt des maschinellen Lernens (ML) und der Künstlichen Intelligenz (KI) hat in den letzten Jahren erhebliche Fortschritte gemacht, und die Anwendungsbereiche erstrecken sich über verschiedene Branchen. Die Relevanz des Themas KI hatte ich Ihnen bereits im Beitrag Bau- & Immobilienwirtschaft: 24 Tipps für 2024 vorgestellt. Eine entscheidende Komponente für den Erfolg von KI-Modellen ist das sogenannte “Prompt-Engineering” – die Kunst, präzise und effektive Eingabeaufforderungen oder Prompts zu formulieren.

Ich habe mir die Frage gestellt, wer eigentlich prädestiniert wäre Prompt-Engineer zu werden und kam relativ schnell zu dem Gedanken: Lehrkräfte wären eigentlich gut geeignet. Wie ich darauf komme und ob sie am Ende wirklich so gut geeignet sind möchte ich Ihnen im Folgenden vorstellen.

[Update 02.07.2024: Nutzen Sie auch den KI Prompts Generator]

Hintergrund zum Prompt-Engineering

In der Welt der künstlichen Intelligenz (KI) ist das Prompt-Engineering eine Schlüsselkomponente, welche die Interaktion zwischen Menschen und KI-Systemen ermöglicht.

Prompts sind im Grunde genommen Anweisungen oder Eingabeaufforderungen, die an ein KI-System gegeben werden, um eine spezifische Antwort oder Handlung auszulösen. Sie sind oft in natürlicher Sprache verfasst und dienen dazu, das gewünschte Verhalten des KI-Modells zu steuern.

Prompts kann ich einfach oder auch komplex formulieren. Von einfachen Fragen wie “Wie ist das Wetter heute?” bis hin zu komplexen Aufgabenstellungen, angefangen von “Übersetze den nachfolgenden Text ins Französische.”, was für mich und mein eingerostetes Französisch schon sehr hilfreich ist, bis hin zu “Analysiere mir die folgenden Daten.”. Prompts sind demnach die Schnittstelle, über die wir Menschen mit den KI-Systemen interagieren und Informationen abrufen können. Und diese Interaktion gehen weit über das hinaus was wir von der Nutzung einer Internet-Suchmaschine kennen.

Was ist Prompt-Engineering?

Prompt-Engineering ist der Prozess, bei dem Prompts entwickelt und optimiert werden, um die gewünschten Ergebnisse von KI-Systemen zu erhalten. Es beinhaltet die Gestaltung von Eingabeaufforderungen, die präzise, verständlich und anforderungsgerecht sind. Das Ziel des Prompt-Engineerings ist, sicherzustellen, dass KI-Modelle die gewünschten Informationen liefern und die gestellten Aufgaben erfolgreich ausführen. Dabei spielt die Wahl der richtigen Wörter, Satzstrukturen und Kontextinformationen eine entscheidende Rolle.

Um erfolgreiches Prompt-Engineering zu betreiben, müssen Nutzende in der Lage sein, Prompts zu formulieren, die sowohl die Fähigkeiten als auch die Einschränkungen des KI-Modells berücksichtigen. Das erfordert ein tiefes Verständnis der Funktionsweise von KI-Systemen und die Fähigkeit, Prompts zu erstellen, die deren Stärken nutzen und deren Schwächen minimieren.

Herausforderungen beim Prompt-Engineering

Also schreibe ich einfach rein was ich brauche? So einfach ist das eben nicht. Wie bereits gesagt, das Arbeiten mit KI-Systemen ist nicht gleichzusetzen mit der Nutzung einer Internet-Suchmaschine. Wobei auch dafür bestimmte Fähigkeiten notwendig sind, um mit der Suche erfolgreich zu sein. Das Prompt-Engineering birgt eine Reihe von weiteren Herausforderungen, mit denen wir uns auseinandersetzen müssen, um am Ende nicht frustriert vor mangelhaften Ergebnissen zu sitzen.

KI-Systeme brauchen klare Anweisungen

Das klingt erstmal banal: Klare Anweisungen. Aber in der Tat, die Notwendigkeit, Prompts zu formulieren, die klar und verständlich sind ist wirklich eine Herausforderung. Insbesondere wenn die Interaktion mit dem KI-System in natürlicher Sprache erfolgt. Es ist wichtig, Mehrdeutigkeiten zu vermeiden und sicherzustellen, dass die Prompts nicht missverstanden werden. Das ist schon bei der Kommunikation unter Menschen nicht so einfach.

Wer jetzt denkt, “Das ist ja nichts bahnbrechend Neues.”, der hat in der Tat recht. Es gab bereits in der Vergangenheit Wissenschaftler, die sich mit der Kommunikation beschäftigt haben. Zu nennen wären beispielsweise Paul Watzlawick mit den 5 Axiomen der Kommunikation, das 4-Ohren-Modell nach Schulz von Thun oder das Shannon–Weaver Modell der Kommunikation.

Shannon–Weaver Modell als Beispiel

Wir nehmen als Beispiel das Shannon–Weaver Modell (Shannon, 1984), auch wenn es in der Welt der Kommunikationswissenschaftler als eher ungeeignetes Modell angesehen wird, weil es zu technisch sei. Ich für meinen Teile halte es für unsere Zwecke aber für genau richtig. Also, das Shannon–Weaver Modell besagt, dass es bei der Kommunikation immer einen Sender und einen Empfänger gibt. Dabei codiert der Sender seine Botschaft (hier den Prompt) in ein Signal (zum Beispiel Schrift). Der Empfänger (hier das KI-System) nimmt das Signal (in diesem Beispiel über die Eingabemaske) auf und decodiert den Inhalt. Und genau da steckt die Herausforderung. Die Störungen in der Codierung und Decodierung zu minimieren, damit keine Missverständnisse entstehen.

KI-Systeme können voreingenommen sein

Eine weitere Herausforderung besteht darin, dass KI-Modelle voreingenommen sein können oder unerwünschte Verhaltensweisen zeigen, wenn die Prompts nicht sorgfältig entwickelt werden.

Die Voreingenommenheit von KI-Systemen, auch als “Bias” bezeichnet, ist ein weit verbreitetes Problem in der Welt der künstlichen Intelligenz. Sie tritt auf, wenn KI-Modelle aufgrund von ungleichen Daten oder Vorurteilen in ihrer Entwicklung und Anwendung ungleiche Ergebnisse liefern. Es gibt mehrere Gründe, warum KI-Systeme voreingenommen sein können.

• KI-Modelle werden häufig mit Daten trainiert, die von Menschen erstellt und zusammengestellt werden. Diese Daten können Vorurteile und Diskriminierung enthalten, die in der realen Welt existieren. Wenn diese Vorurteile in die Trainingsdaten einfließen, übernehmen die KI-Modelle diese Vorurteile und reproduzieren sie in ihren Entscheidungen und Vorhersagen.
• Algorithmische Entscheidungen und Vorhersagen von KI-Systemen können durch die Art und Weise, wie die Modelle trainiert und optimiert werden, beeinflusst werden. Wenn beispielsweise bestimmte Leistungsindikatoren für ein KI-Modell festgelegt werden, ohne auf Fairness und Gleichheit zu achten, kann dies zu ungewollter Voreingenommenheit führen.
• Prompts, die von Nutzerinnen und Nutzern an KI-Systeme gesendet werden, können zu Voreingenommenheit führen, wenn sie rassistische, sexistische oder andere diskriminierende Inhalte enthalten. KI-Modelle können diese diskriminierenden Muster in den Prompts aufgreifen und sie in ihren Antworten reflektieren.

Das “Bias”-Problem hatte beispielsweise auch OpenAI als das erste Modell von ChatGPT öffentlich gemacht wurde.

Prompts müssen an der Leistung des KI-Systems ausgerichtet sein

Die Ausrichtung von Prompts an der Leistung eines KI-Systems ist notwendig, um die Interaktion zwischen Menschen und der künstlichen Intelligenz effizient und effektiv ablaufen zu lassen. Diese Anpassung gewährleistet, dass die KI-Systeme die gestellten Aufgaben korrekt verstehen und angemessen darauf reagieren (siehe zuvor das Beispiel mit dem Shannon–Weaver Modell). Es gibt mehrere Gründe, warum das relevant ist:

• KI-Modelle können unangemessene oder irrelevante Antworten liefern, da sie die Aufgabenstellung nicht korrekt interpretieren können. Das führt zu Frustration bei den Benutzerinnen und Benutzern und am Ende zu einer geringeren Akzeptanz des KI-Systems.
• Im Umkehrschluss heißt das, die Ausrichtung von Prompts auf die Leistung des KI-Systems ermöglicht eine verbesserte Benutzererfahrung. Indem die Prompts präzise und angepasst sind, können Nutzerinnen und Nutzer genau die Informationen oder Dienstleistungen erhalten, die sie benötigen, ohne unnötige Verzögerungen oder Fehlinterpretationen.
• Die angepasste und für das gestellte Problem wesentliche Ausrichtung von Prompts führt zu einer höheren Effizienz. Wenn Prompts klar und spezifisch sind, können KI-Systeme Aufgaben schneller und genauer erledigen, was Zeit und Ressourcen spart.
• Die korrekte Ausrichtung von Prompts trägt zur Vermeidung von Fehlern und Missverständnissen bei. Wenn Prompts nicht an die Leistung des KI-Systems angepasst sind, besteht das Risiko, dass falsche Informationen geliefert werden oder die Erwartungen der Nutzerinnen und Nutzer nicht erfüllt werden.

Warum Lehrkräfte im Prompt-Engineering theoretisch gut sein müssten

Wir haben gesehen, dass die Qualität und Präzision von Prompts maßgeblich die Leistung und das Verhalten von KI-Systemen beeinflusst. Lehrkräfte, die über fundiertes Fachwissen und Erfahrung im Unterrichten verfügen, besitzen theoretisch gute Fähigkeiten, die sie zum effizienten Prompt-Engineering befähigen könnten. Nachfolgend fünf Punkte, weshalb ich denke, dass Lehrkräfte gute Prompt-Engineers wären.

1. Verständnis von Lernprozessen

Lehrkräfte haben tiefgehendes Wissen über die Lernprozesse von Schülerinnen und Schülern. Sie verstehen, wie Informationen vermittelt und verstanden werden. Dieses Verständnis ist sehr hilfreich, um effektive Prompts zu entwickeln, welche auf die Fähigkeiten und Bedürfnisse der Nutzenden zugeschnitten sind.

2. Kommunikationsfähigkeiten

Die Fähigkeit, klare und präzise Anweisungen zu formulieren, ist im Prompt-Engineering von entscheidender Bedeutung. Lehrkräfte sind erfahren darin, komplexe Konzepte in verständliche und ansprechende Sprache zu übersetzen, was ihnen bei der Formulierung effektiver Prompts zugute kommt.

3. Pädagogisches Fachwissen

Lehrkräfte verfügen über ein breites pädagogisches Fachwissen, welches die Entwicklung von Prompts positiv beeinflussen kann. Sie verstehen, wie Wissen am besten vermittelt und erworben wird, und können dieses Verständnis nutzen, um Prompts zu erstellen.

4. Bewußstsein für Zielgruppen

Lehrkräfte sind es gewohnt, mit verschiedenen Altersgruppen und Bildungsniveaus umzugehen. Damit können sie Prompts entwickeln, die altersgerecht und zielgruppenspezifisch sind, um sicherzustellen, dass die Ergebnisse für die Zielgruppe relevant und verständlich sind.

5. Erfahrung in der Evaluierung von Leistungen

Lehrkräfte sind darin erfahren, die Leistungen ihrer Schülerinnen und Schüler zu bewerten und konstruktives Feedback zu geben. Diese Fähigkeit kann genutzt werden, um die Ergebnisse von Prompts zu evaluieren und gegebenenfalls die Prompts zielgerichtete anzupassen.

Warum Lehrkräfte im Prompt-Engineering praktisch (noch) nicht so gut sein könnten

Auch wenn Lehrkräfte zweifellos wertvolles Wissen und spezifische Fähigkeiten besitzen, gibt es auch Gründe, warum sie möglicherweise (noch) nicht so gut für das Prompt-Engineering befähigt sein könnten. Nachfolgend fünf Gründe.

1. Mangelnde technische Expertise

Lehrkräfte sind zwar Experten in ihren jeweiligen Fachgebieten und im Unterrichten, jedoch verfügen sie in der Regel nicht über umfassende technische Expertise, welche für das Prompt-Engineering erforderlich wäre. Die Entwicklung von Prompts erfordert zumindest ein Grundverständnis für KI-Algorithmen, Programmierung und die Funktionsweise von KI-Systemen, was in der Lehramtsausbildung in der Regel nicht vermittelt wird.

2. Unterschiedliche Zielsetzungen

Die Hauptaufgabe von Lehrkräften besteht darin, Schülerinnen und Schülern Wissen zu vermitteln und sie beim Lernen zu unterstützen. Im Gegensatz dazu sind Prompts in der Regel darauf ausgerichtet, bestimmte Aufgaben oder Anfragen an KI-Systeme zu stellen. Die Zielsetzungen im Bildungsbereich (Wissenvermittlung und Unterstützung) und im Bereich des Prompt-Engineerings (stellen von Aufgaben) können sich erheblich unterscheiden, was zu einem Missverhältnis zwischen den Rollen Lehrkraft und Prompt-Engineer führen kann.

3. Fehlende Erfahrung in der KI-Entwicklung

Lehrkräfte haben in der Regel keine Erfahrung in der Entwicklung von KI-Systemen. Das Prompt-Engineering erfordert jedoch ein Verständnis für die Funktionsweise von KI-Modellen, Trainingsdaten und Evaluationsverfahren. Ohne diese Erfahrung können Lehrkräfte Schwierigkeiten haben, effektive Prompts zu erstellen.

4. Herausforderungen bei der Anpassung an KI-Systeme

Das Arbeiten mit KI-Systemen erfordert eine Anpassung an die spezifischen Fähigkeiten und Einschränkungen dieser Systeme. Lehrkräfte, welche an gewohnte Lehrmethoden und didaktische Ansätze gebunden sind, könnten Schwierigkeiten haben, sich an die teilweise dynamischen Anforderungen des Prompt-Engineerings anzupassen.

5. Begrenzte Zeitressourcen

Lehrkräfte haben oft begrenzte Zeitressourcen aufgrund ihrer Unterrichtsverpflichtungen und anderer beruflicher Verantwortlichkeiten. Das Prompt-Engineering erfordert jedoch Zeit und Aufmerksamkeit, um Prompts sorgfältig zu entwickeln, zu testen und anzupassen. Der Zeitmangel kann zu oberflächlichen oder unausgereiften Prompts führen und damit zu unzureichenden Ergebnissen.

Und nun?

Lehrkräfte verfügen über theoretische Fähigkeiten und Erfahrungen, die sie zu idealen Kandidaten für das Prompt-Engineering machen. Ihr Verständnis von Lernprozessen, pädagogischem Fachwissen, Anpassungsfähigkeit an verschiedene Lernstile, Kenntnis von Zielgruppen, Fähigkeit zur Bewertung von Ergebnissen und das Bewusstsein für Ethik und Verantwortung sind wertvolle Ressourcen in der Entwicklung von effektiven Prompts.

Die Integration solcher Kompetenzen in das Feld des Prompt-Engineerings erscheint durchaus hilfreich und kann zu einer verbesserten Interaktion zwischen Menschen und KI-Systemen führen.

Demgegenüber steht jedoch die Realität und gelebte Praxis weshalb Lehrkräfte möglicherweise (noch) nicht so gut im Prompt-Engineering sein könnten. Unzureichende technische Expertise, die unterschiedlichen Zielsetzungen, zu geringe Erfahrung in der KI-Entwicklung und -Nutzung, begrenzte Zeitressourcen und die Notwendigkeit eines interdisziplinären Ansatzes sind Herausforderungen, die berücksichtigt werden müssen.

Was können Sie tun?

Sie können ihre Fähigkeiten im Prompt-Engineering bereits mit drei einfachen Schritten verbessern:

1. Sie sollten sich über die Grundlagen des maschinellen Lernens und der KI informieren, um ein besseres Verständnis für die Funktionsweise von Modellen zu entwickeln.
2. Sie sollten sich mit den spezifischen Plattformen und Tools vertraut machen, welche für die Erstellung von Prompts verwendet werden (siehe auch mein Beitrag 24 Tipps für 2024).
3. Sie sollten von Experten im KI-Feld lernen, freie Ressourcen im Internet nutzen und Schulungen besuchen, die ihnen dabei helfen, ihre Prompt-Engineering-Fähigkeiten zu entwickeln und auszubauen.

Auch ich werde mit meinem Team versuchen dazu beizutragen, dass das Thema KI mehr in der Ausbildung von Lehrkräften berücksichtigt wird. Im Projekt “KI4Edu” adressieren wir KI im Kontext von Lernen und Prüfen und entwickeln einen Weg, um KI in der Ausbildung von Lehrkräften zu verankern.

Doch das Wichtigste ist, einfach machen! Legen Sie einfach los, experimentieren Sie und probieren Sie aus. Denn nur selber machen macht schlau! In diesem Sinne, viel Spaß dabei!

[Update 02.07.2024: Nutzen Sie den KI Prompts Generator]

Quellenverzeichnis:

Shannon, C. E. (1948). “A Mathematical Theory of Communication” (PDF). Bell System Technical Journal. 27 (3): 379–423

Schlagwörter: Prompt-Engineering, Lehrkräfte, Künstliche Intelligenz, maschinelles Lernens, KI-Modelle, effektive Prompts, Technisches Wissen, maschinelles Lernen, bessere Prompts.

Diesen Beitrag zitieren: Karl, C. [Christian K. Karl]. (2024). 5 Gründe warum Lehrkräfte gute Prompt-Engineers wären [Blog-Beitrag]. 06.02.2024. BauVolution, ISSN 2942-9145. online verfügbar