KI-Power für qualitative Insights - Ein Interview mit ATLAS.ti-CEO Jörg Hecker

KI entwickelt sich derzeit sehr schnell weiter und wird in vielen verschiedenen Bereichen eingesetzt. Können Sie uns mehr über das KI-Modell hinter AI Coding erzählen?

Jörg Hecker: Wir sind eine Partnerschaft mit OpenAI eingegangen, der führenden KI-Forschungsorganisation. Mit ihrer Hilfe haben wir das neueste GPT-Modell in AI Coding integriert. GPT ist ein hochentwickeltes Sprachmodell, das modernste Techniken wie Reinforcement Learning, Deep Learning und Transfer Learning nutzt.

Können Sie uns mehr darüber erzählen, wie Forscher, die ATLAS.ti benutzen, von GPT profitieren können?

Jörg Hecker: Was uns an GPT wirklich gefällt, ist die Fähigkeit, Text auf einem unglaublich hohen Niveau zu verarbeiten und zu verstehen, dank eines leistungsstarken Sprachmodells, das auf einer Billion Parameter basiert. OpenAI-Forscher haben GPT mithilfe fortschrittlicher maschineller Lerntechniken umfassend verfeinert, um seine Sprachfähigkeiten zu verbessern, und es wurde mit großen, von Menschen erstellten Textkorpora trainiert, um sicherzustellen, dass es menschlichen Denkmustern entspricht. Bei der Verwendung von AI Coding mit GPT können unsere Nutzer sicher sein, dass sie ein zuverlässiges Tool verwenden, das von AI-Experten entwickelt wurde und möglichst genaue Ergebnisse liefert.

Es gibt aber auch Menschen, die immer noch an der Genauigkeit von künstlicher Intelligenz zweifeln. Wie kam es zu der Entscheidung, mit OpenAI zusammenzuarbeiten?

Jörg Hecker: Die wachsenden Fähigkeiten der KI werden immer deutlicher. Das Sprachmodell von GPT, das wir jetzt verwenden, hat deutliche Verbesserungen in Bezug auf Effizienz, Kreativität und Sprachverständnis gezeigt. Wir haben es ausgiebig getestet und sind zuversichtlich, dass es in der Lage ist, Sprache umfassend und tiefgreifend zu verstehen, so dass die Nutzer schnell zu nützlichen Erkenntnissen gelangen, die dann weiter verfeinert werden können. Darüber hinaus wurde ChatGPT in mehreren veröffentlichten Forschungsarbeiten als Mitautor genannt, was die Auswirkungen und den Einfluss von KI auf die Forschung unterstreicht. Die kontinuierlichen Fortschritte in der KI-Technologie zeigen, wie vielversprechend sie beim Lernen aus Daten und bei der Lösung komplexer Probleme ist.

Wie funktioniert AI bei der Analyse von qualitativen Daten mit ATLAS.ti?

Jörg Hecker: Die Algorithmen von OpenAI wurden rigoros mit einer Vielzahl von Textdatentypen getestet, darunter wissenschaftliche Texte und Interviewtranskripte, um eine optimale Leistung für die Nutzer von ATLAS.ti zu gewährleisten. Unser Team unterzog sie umfangreichen Tests, um die effektivsten Methoden zur Abfrage von GPT zu ermitteln, wobei die automatische Validierung wiederholt durchgeführt wurde, um die Genauigkeit zu gewährleisten. Durch die wiederholte Beauftragung von GPT mit der Datenanalyse konnten wir dank OpenAIs innovativem Algorithmus für maschinelles Lernen hochpräzise und effiziente automatische KI-Codierungsergebnisse erzielen.

Betrachten Sie AI Coding als Ihren Assistenten bei der Datenanalyse. ATLAS.ti AI Coding generiert zahlreiche Codes, die den Inhalt der Daten genau wiedergeben. Diese Codes werden einigen wenigen Hauptkategorien untergeordnet, und das Tool identifiziert auch Kokurrenzen. Forscher können diese Übersicht nutzen, um die Analyse weiter zu verfeinern, indem sie die Codes zu größeren Themen zusammenführen und die AI-Kodierung als Ausgangspunkt für die Entwicklung ihrer Untersuchung nutzen.

Auch wenn das KI-Analysetool ATLAS.ti, ähnlich wie GPT, nicht perfekt ist und der einzelne Forscher es auch nicht ist, kann der kollaborative Prozess der Nutzung von KI für die Datenkodierung die Forschungserfahrung erheblich verbessern, indem er schnellere und hochwertigere Ergebnisse liefert.

In Online-Foren haben einige Forscher Zweifel an der Qualität der durch KI-Codierung erzeugten Forschungsergebnisse im Vergleich zu denen eines menschlichen Forschers geäußert. Wie ist Ihre Sichtweise zu diesem Thema?

Jörg Hecker: Ausgehend von dem, was ich zuvor gesagt habe, ist dies eine falsche Annahme, die zeigt, wie wenig KI bisher verstanden wurde. Bevor ein Forscher eine Studie durchführt, muss er sich darüber klar werden, was er untersuchen will und wie er seine Studie durchführen will. Künstliche Intelligenz kann in diesem Prozess als hilfreicher Assistent oder Werkzeug dienen. Durch den Einsatz von KI kann sich der Forscher auf die wesentlichen Aspekte seiner Forschung konzentrieren, erhält hilfreiche Vorschläge und kann sogar umfassende Analysen erstellen.

Nachdem die KI den Analyseprozess unterstützt hat, kann der Forscher bestimmen, welche Aspekte der generierten Ergebnisse für seine Arbeit relevant sind. In manchen Fällen reichen die automatisch erstellten Analysen bereits aus, was dem Forscher viel Zeit und Mühe ersparen kann. Aber auch die Möglichkeit, die von der KI bereitgestellten Vorschläge anzupassen und zu verfeinern, kann eine große Hilfe sein und den Prozess der Kodierung enorm beschleunigen. Es ist jedoch wichtig zu bedenken, dass der Nutzen von KI-generierten Ergebnissen letztlich von den spezifischen Bedürfnissen und Zielen des Forschers abhängt.

Zur Veranschaulichung dieses Punktes möchte ich einen Vergleich anstellen: Stellen Sie sich vor, Sie müssen alle Brücken auf einem Weg zwischen Punkt A und Punkt B zählen, und die Entfernung zwischen den beiden Punkten ist ziemlich groß. In diesem Fall wäre es effizienter und schneller, ein Auto zu benutzen, als zu Fuß zu gehen. Wenn Ihre Aufgabe jedoch darin bestünde, alle Blumen und Pflanzen entlang eines Weges zu identifizieren und zu unterscheiden, und der Weg relativ kurz wäre, wäre die Benutzung eines Autos unpraktisch. Zu Fuß zu gehen wäre die bessere Wahl, da ein Auto Sie sogar daran hindern könnte, die Flora genau zu betrachten. Das bedeutet jedoch nicht, dass ein Auto nutzlos ist. Im ersten Fall kann es Ihre Arbeit enorm beschleunigen.

Aber vielleicht kann auch eine Erkundung der Flora durch eine Fahrt entlang der Strecke zu schnelleren Ergebnissen führen. Indem man erste Beobachtungen wie die Häufigkeit und Arten bestimmter Blumen während der Fahrt dokumentiert, kann man eine Analyse durchführen, die möglicherweise relevante Erkenntnisse für die Entscheidungsfindung liefert, auch wenn sie nicht so genau ist. In bestimmten Fällen kann diese Analyse ausreichend sein, um aussagekräftige Schlussfolgerungen zu ziehen.

Wie sehen Sie den Einsatz von KI in der Forschung?

Jörg Hecker: Um meine Gedanken zusammen mit allem anderen, was wir gerade gesagt haben, zusammenzufassen: Forscher können vom Einsatz von KI-Tools nur profitieren. KI kann als wertvolle Ressource für Forscher dienen, indem sie Unterstützung bietet und Analysen erstellt. Letztendlich ist es Sache des einzelnen Forschers, den Nutzen von KI-generierten Ergebnissen für seine spezifischen Bedürfnisse zu bewerten.

Wir können unsere Augen nicht vor einer neuen Technologie verschließen, die ein enormes Potenzial hat. Ich denke, dass die Leute zunächst zögern, sie zu nutzen, bis sie die Vorteile erkennen, die sie für die Forschung bringen kann. Mit ATLAS.ti kann nun jeder die generative KI-Kodierung aus erster Hand kennenlernen und für seine Forschung nutzen.

Wir müssen auch bedenken, dass wir erst am Anfang einer schnell fortschreitenden exponentiellen Entwicklung der generativen KI stehen. In sehr kurzer Zeit entstehen immer bessere KI-Systeme. Wir hier bei ATLAS.ti werden stets unser Bestes geben, um die neuesten Entwicklungen in der KI in ATLAS.ti zu integrieren, damit unsere Nutzer den maximalen Nutzen für ihre Analysen haben. Wir werden auch sehr bald weitere KI-Funktionalitäten in ATLAS.ti integrieren. Alle Konzepte sind bereits vorhanden, und unsere Nutzer können in den kommenden Wochen und Monaten mit zusätzlichen Funktionalitäten und Tools rechnen, die eine große Hilfe bei der Automatisierung des Datenanalyseprozesses sein werden und dem ATLAS.ti-Nutzer Zeit und Ressourcen sparen. Dies ist erst der Anfang.