Artificial Intelligence-powered Data Thinking
Florian Straetmanns, Furkan Dursun
Dialogbasierte generative KI-Modelle wie beispielsweise ChatGPT und Google Bard, haben die Nutzung von KI für die breite Öffentlichkeit zugänglich gemacht und demokratisiert [1]. Als technologische Revolution bieten sie eine Vielzahl an Anwendungsmöglichkeiten und Vorteilen, unter anderem in kreativen Bereichen, wo sie den Menschen auf verschiedene Weisen unterstützen können [2]. Angesichts der öffentlichen Resonanz und der rasanten Verbreitung von ChatGPT seit November 2022, wie nun über eine Million Nutzerprofile zeigen, ist davon auszugehen, dass diese Technologie beständig ist und auch zukünftig eine herausragende Rolle in diversen Szenarien spielen wird. Hierbei werden ihre Vorzüge insbesondere in Form von Automatisierung sowie Kollaborationen zwischen Menschen und KI realisiert [1].
Im Rahmen unseres Projekts AID Thinking werden wir generative KI (genKI) insbesondere in Bezug auf Kreativprozesse und den Ideengenerierungsprozess untersuchen. Vor dem Aufkommen von generativen KI-Modellen wurden Ideengenerierung und Prototyping im Innovationsprozess in Studien oft als weniger wichtige Bereiche für KI-Anwendungen betrachtet [3]. Diese Einschätzung hat sich jedoch gewandelt [4-6]. Die neuen Fähigkeiten von genKI, Inhalte zu generieren – eine Eigenschaft, die in früheren Studien nicht absehbar war, haben das Potenzial, verschiedene Branchen maßgeblich zu beeinflussen [7]. Auch menschliche Tätigkeiten, die bisher als nicht automatisierbar galten, insbesondere im Bereich der Textgenerierung, werden nun infrage gestellt [8].
Im Kontext dieser Zielsetzung verfolgt das AID Thinking-Projekt das Bestreben, anhand aktueller wissenschaftlicher Literatur und praxisbezogener Erkenntnisse zu evaluieren, in welchem Maße genKI im Kontext der Ideengenerierung und -bewertung anwendbar ist. Dabei wird insbesondere darauf abgezielt, die Vor- und Nachteile sowie die Grenzen und das Potenzial dieser Technologie zu identifizieren. Ein Fokus liegt auf ihrer möglichen Rolle bei der Unterstützung von Denkprozessen, der Strukturierung von Ideen sowie der objektiven Bewertung derselben. Dabei steht die Konzeption, Entwicklung und Erprobung eines an Data Thinking durch ChatGPT-gestützten Formats für die Ideengenerierung und -bewertung im Vordergrund, ergänzt durch die Betrachtung von funktionserweiterten Plugins. Auf dieser Grundlage sollen Anwendungsprinzipien für die Nutzung des entwickelten genKI-Formats im Innovationsprozess abgeleitet werden. Hierbei liegt der Fokus auf Aspekten wie der Integration von Plugins, der gezielten Steuerung des Dialogverlaufs und der effektiven Vermittlung von Denkansätzen. Diese Prinzipien sollen unter Berücksichtigung aktueller technologischer Grenzen entwickelt werden, um einen zielführenden Einsatz von genKI zu gewährleisten. Das übergeordnete Ziel besteht darin, das AID-Thinking Format in unterschiedliche Kontexte adaptieren zu können und somit eine vielseitige Anwendbarkeit zu ermöglichen. Die Ergebnisse können den Interessensgruppen helfen, ein besseres Verständnis für den Einsatz von genKI in Innovationsprozessen zu entwickeln.
Um diese Aspekte zu untersuchen und anzugehen, basiert das AID Thinking-Projekt auf einem datengetriebenen Ansatz. Es beginnt mit einer Literaturrecherche, um den gegenwärtigen Stand der Wissenschaft zu erfassen. Im zweiten Schritt werden aktuelle Plugins von ChatGPT untersucht. Diese Plugins werden auf ihre Anwendbarkeit im Kontext der Ideengenerierung und -bewertung beurteilt. Sofern Potenziale bestehen, werden diese Plugins in Schritt 3 einbezogen. Auf der Grundlage der Daten aus Schritt 1 und 2 entwickeln wir das AID Thinking Format in Schritt 3, welches nach aktuellen Planungen auf ChatGPT aufbaut. In Schritt 4 erfolgt die Erprobung und Überarbeitung des entwickelten AID Thinking Formats dem gestaltungsorientierten Design Science Research Paradigma [9] folgend. Dabei sind mindestens zwei Erprobungen mit jeweils 25 oder mehr Teilnehmer:innen geplant. Schritt 3 und 4 erfolgen iterativ, d. h. nach der ersten Erprobung wird auf Basis der Erkenntnisse das Format überarbeitet und weiterentwickelt, ehe es ein zweites Mal durchlaufen wird. In den Durchläufen werden zum Ende Umfragen mit den Teilnehmer:innen durchgeführt, um ihr Feedback zur Mensch-KI-Kollaboration zu erfassen sowie die wahrgenommene Nutzenstiftung von genKI zu quantifizieren. Zudem ist während der Erprobung geplant, mindestens eine Gruppe ohne genKI-Unterstützung agieren zu lassen, um die Unterschiede der Ergebnisse zu vergleichen. Im letzten Schritt 5 werden Anwendungsprinzipien zur Nutzung und Adaption des AID Thinking Formats auf allen erhobenen Daten basierend aufgestellt.
Referenzen
[1] Bilgram V. and Laarmann F., (2023). Accelerating Innovation with Generative AI: AI-augmented Digital Prototyping and Innovation Methods, in IEEE Engineering Management Review, https://doi.org/ 10.1109/EMR.2023.3272799.
[2] Larsen, B., and Narayan, J. (2023). Generative AI: a game-changer that society and industry need to be ready for. World Economic Forum. Retrieved from: https://www.weforum.org/agenda/2023/01/davos23- generative-ai-a-game-changer-industries-andsociety-code-developers/.
[3] Füller, J., Hutter, K., Wahl, J., Bilgram, V., Tekic, Z., (2022). How AI revolutionizes innovation management – Perceptions and implementation preferences of AI-based innovators, Technological Forecasting and Social Change, vol. 178, 2022, https://doi.org/10.1016/j.techfore.2022.121598.
[4] Bilgram, V., Canadas Link, D., Lang-Koetz, C., (2023). Generative KIs in Kreativprozessen: Praxiserfahrungen aus den ersten Monaten mit ChatGPT & Co., Ideen- und Innovationsmanagement, vol. 1, pp. 18-22.
[5] Brem, A., Giones, F., Werle, M., (2023). The AI digital revolution in innovation: A conceptual framework of artificial intelligence technologies for the management of innovation, IEEE Transactions of Engineering Management, vol. 70, no. 2, https://doi.org/10.1109/TEM.2021.3109983.
[6] Bouschery, S., Blazevic, V., Piller, F., (2023). Augmenting human innovation teams with artificial intelligence: Exploring transformer-based language models, Journal of Product Innovation Management, vol. 40, https://doi.org/10.1111/jpim.12656.
[7] Agrawal, A., Gans, J., & Goldfarb, A. (2022). ChatGPT and how AI disrupts Industries. Harvard Business Review, pp. 1-6.
[8] Burger, B., Kanbach, D. K., Kraus, S., Breier, M., & Corvello, V. (2023). On the use of AI-based tools like ChatGPT to support management research. European Journal of Innovation Management, 26(7), 233-241.
[9] Hevner, A., March, S. T., Park, J., Ram, S., (2004). Design Science in Information Systems Research. MIS Quarterly, 28, 75-105, https://doi.org/10.2307/25148625.
Studierendenprojekt: Artificial Intelligence-powered Data Thinking
Förderzeitraum: 01.10.2023 - 31.03.2024 (6 Monate)
Studierende: Florian Straetmanns, Furkan Dursun
Mentoren: Constantin von Brackel-Schmidt, Stephan Leible