Die KI kann zuhören und sehen. Warum tippen wir trotzdem?
Liebe Geschäftsführerin, lieber Geschäftsführer,
nahezu alle starken KI-Modelle sind heute multimodal. Und trotzdem tippen die meisten von uns nach wie vor nur.
Ich beschäftige mich mit KI, so wie die meisten sie kennen, in Form von ChatGPT als Chatbot, schon seit 2022. Und wie fast jeder, der damals angefangen hat, habe ich meine Fragen eingetippt. Das mache ich bis heute, aber nicht mehr ausschließlich. Ich versuche inzwischen, alle Eingabemöglichkeiten zu nutzen: Sprache, Text, Bild und Live-Video, je nachdem, was die Situation braucht.
Zugegeben, der Anfang war etwas komisch. Ich spreche mit einer KI, zwar nur allein zu Hause oder im Büro, aber es war interessant und gleichzeitig merkwürdig. Ich tippe immer noch gerne, versuche aber gezielt, immer mehr zu sprechen. Ich bin überzeugt: Wir werden uns mit KI-Systemen so unterhalten, wie wir es mit Menschen tun. Funktionieren tut das schon, man muss sich nur umstellen.
Heute bekommen Sie drei Beispiele, wie Ihnen Sprache, Bild und Live-Video im Betrieb helfen können.
3 Wege, wie Sie Ihre KI im Betrieb ohne Tastatur nutzen:
Sprache
In der Instandhaltung oder beim Rundgang durch die Halle fällt ständig etwas auf, das festgehalten gehört: eine Abweichung an der Maschine, ein Mangel, eine Idee für die nächste Schicht. Getippt wird das selten in dem Moment. Meistens bleibt es im Kopf, bis es irgendwann am Schreibtisch nachgetragen wird, wenn schon einiges wieder verblasst ist.
Genau da hilft der Sprachmodus. Sie sprechen die Beobachtung direkt beim Gehen ein, ganz normal, wie Sie sie einem Kollegen erzählen würden, und bekommen daraus einen sauberen, geordneten Text, den Sie weitergeben können. Auch eine Besprechung direkt im Anschluss lässt sich so strukturieren: die wichtigsten Punkte einsprechen, die KI macht daraus eine brauchbare Gliederung. Am Montag heißt das für Sie: Sprechen Sie die nächste Schicht- oder Mängelnotiz beim Gehen ein, statt sie sich zu merken oder abends abzutippen.
Bild
Ein Fehlerbild an einer Maschine, ein Typenschild ohne passende Unterlagen, ein handschriftlicher Aufschrieb am Whiteboard: Solche Dinge lassen sich mühsam beschreiben, aber leicht zeigen. Wer erst den passenden Fachbegriff suchen muss, verliert Zeit, die er eigentlich nicht hat.
Der Bildmodus dreht das um. Sie fotografieren, was vor Ihnen liegt, und die KI wertet es direkt aus: ein Fehlerbild einordnen, ein Typenschild auslesen, einen handschriftlichen Zettel sauber übertragen. Achten Sie dabei darauf, was die Kamera sonst noch einfängt, etwa Personen im Hintergrund oder eine Kundenzeichnung, und prüfen Sie das Ergebnis, bevor Sie damit weiterarbeiten. Am Montag heißt das für Sie: Greifen Sie beim nächsten Typenschild oder handschriftlichen Zettel zur Kamera, statt lange zu beschreiben oder abzutippen.
Live-Video
Ein Handgriff, den nur noch selten jemand macht, oder eine Fehlersuche an einer Maschine, bei der unklar ist, wo man anfangen soll: In solchen Momenten wünscht man sich am liebsten jemanden, der mitschaut und mitdenkt.
Genau das leistet der Live-Video-Modus. Sie richten die Handykamera auf die Maschine, die KI sieht live mit und führt Sie Schritt für Schritt durch das, was gerade vor Ihnen liegt. Auch hier gilt: Prüfen Sie, was im Bild zu sehen ist, und die Ergebnisse, bevor Sie danach handeln, besonders bei sicherheitsrelevanten Schritten. Am Montag heißt das für Sie: Halten Sie bei der nächsten seltenen Fehlersuche die Kamera drauf und lassen Sie sich Schritt für Schritt führen, statt allein zu rätseln.
Sprache, Bild und Live-Video sind heute keine Zukunftsmusik. Das funktioniert schon mit den gängigen Assistenten, die Sie ohnehin am Handy haben. Ich tippe selbst immer noch gerne, aber je öfter ich spreche, zeige und mitschauen lasse, desto natürlicher wird das Gespräch mit der KI. Genau darauf läuft es hinaus: Wir werden uns mit KI-Systemen unterhalten wie mit Menschen. Die Technik ist bereit. Umstellen müssen Sie sich selbst, und am leichtesten gelingt das mit dem ersten gesprochenen Satz.
- Wo in Ihrem Betrieb wird heute noch mühsam getippt oder nachgetragen, wo ein gesprochenes Wort direkt vor Ort reichen würde?
- Welches Bild, ein Fehlerbild, ein Typenschild, ein handschriftlicher Zettel, wäre schneller ausgewertet als beschrieben?
- Bei welchem seltenen Handgriff oder welcher Fehlersuche würden Sie sich gerade jemanden wünschen, der live mitschaut?
Wie denken Sie darüber? Teilen Sie Ihre Gedanken gerne auf LinkedIn und lassen Sie uns voneinander lernen.
Wollen Sie herausfinden, welcher dieser drei Wege in Ihrem Betrieb am meisten bringt? Ich biete ein kostenloses, unverbindliches Erstgespräch an, 30 Minuten, ohne Pitch.
Termin vereinbaren →Sie haben Fragen oder möchten mir Feedback zum Newsletter geben? Dann melden Sie sich gerne. Sie erreichen mich jederzeit über mein LinkedIn-Profil oder per E-Mail an martinposarnig@mpdigital.at.
Martin Posarnig