Amelie Ingenbleek | Consulting | AI & Data 

Amelie: Aktuell arbeiten wir mit einer großen deutschen Versicherung zusammen, bei der wir gemeinsam Voicebots entwickeln. Ein klassischer Use Case ist, dass ein Bot am Telefon die Kund:innen bereits vollständig authentifiziert, sodass die Mitarbeitenden im Service Center direkt mit der spezifischen Fallbearbeitung weitermachen können. 

Host: Du hörst Amelie von Deloitte, die dort im Bereich Conversational AI tätig ist und dir aus ihrem Arbeitsalltag erzählt. 

Amelie: Das Gesagte muss ja zunächst in Sprache übersetzt werden, und da bestand die Herausforderung darin, den Bot gemeinsam mit dem Kunden so zu designen, dass er den Endnutzer:innen klare Anweisungen gibt. Zum Beispiel bei einem Vornamen: Der Bot könnte sagen: „Sprechen Sie den Namen klar und deutlich aus.“ Anschließend kann er nachfragen: „Habe ich das richtig verstanden?“ 
Dabei ist es wichtig, den Bot nicht in lange und ausschweifende Antworten ausufern zu lassen. 

Im Bereich Conversational AI haben wir eigentlich zwei Vertiefungspunkte. Der eine, den ich eher abdecke, ist die Business-Seite und das Design-Thema. Also: Wie soll der Bot kommunizieren? Wie gestaltet sich die Interaktion zwischen Mensch und Maschine? Ich muss wissen, welches Sprachmodell im Hintergrund verwendet wird und wie der Bot klingen soll. 
Hier spielen durchaus auch psychologische Faktoren eine Rolle. Das bedeutet, man braucht ein gutes logisches Verständnis und definitiv ein Händchen für Sprache. 

Wenn wir auf die andere Vertiefungsrichtung schauen, nämlich die technische Seite, ist bei uns speziell JavaScript gefragt. Es geht darum, mit Tools wie beispielsweise kognitiven Plattformen umgehen zu können und einen technischen Background zu haben. 
Das Modell muss natürlich trainiert werden. Man muss ihm sagen: „Hier sind deine 20 Trainingssätze, arbeite damit.“ Mit Technologien wie ChatGPT ist es möglich, zu sagen: „Hier sind deine 20 Kategorien. Wenn ich dir jetzt einen Satz gebe, ordne ihn automatisch einer Kategorie zu.“ 

Ich habe gelernt, dass wir als Team einfach super gut zusammenarbeiten. Besonders spannend für mich war es, als wir unseren ersten Bot live gebracht haben. Dabei mit den technischen Kolleg:innen zusammenzusitzen, um zu verstehen, was im Hintergrund läuft und wie sich meine Designs später im Bot wiederfinden, hat mir nochmal verdeutlicht, wie sehr alles ineinander greift und wie stark wir als Team voneinander abhängig sind. 

Jobcast von Paul - Bereich AI & Data 

Paul: Wir sind jetzt gerade tatsächlich an diesem Punkt, wo dieses große Thema KI und generative KI nach ChatGPT aus dem Hype kommt und rüber in die tatsächliche Umsetzung geht.

Host: Du hörst Paul, der bei Deloitte im Bereich Artificial Intelligence und Data tätig ist und dir aus seinem Arbeitsalltag erzählt.

Paul: Wir haben ChatGPT eingeführt, bei der Behörde - zum Beispiel einen Feedback-Generator, wo dann psychologische Regeln im Hintergrund von der HR-Abteilung abgelegt wurden und dann verschiedenste Nutzer:innen aus der ganzen Behörde quasi das nutzen konnten, um besseres Feedback zu formulieren. Und man ist tatsächlich überrascht: Teilweise wird man dann Freitagmorgen von selbst schon recht erfahrenen Mitarbeitenden der Behörde angerufen, die einen fragen, wie sie denn jetzt mit KI die nächste Aufgabe erledigen können.
Und insgesamt wurde das sehr, sehr gut angenommen. Das ist ein sehr belohnendes Projekt.

Wir hatten zum Beispiel neulich den Austausch dann mit Kolleg:innen aus Singapur, die dort entsprechend für eine Bank einen generativen KI-Assistenten einführen wollten und dann von unseren Erfahrungen profitieren wollten.
Und innerhalb von unserer Abteilung haben wir sehr viele Kolleg:innen, die schon lange dabei sind. Das macht tatsächlich Deloitte auch teilweise aus, und deswegen hat man sehr viele Kolleg:innen, die wirklich gut verstehen, wie die Arbeit funktioniert - innerhalb der Abteilung, aber auch mit den Kunden zusammen.

Also wir haben sehr, sehr viele Kolleg:innen mit sehr interessanten Hintergründen. Natürlich auf der einen Seite die klassischen KI- und Machine-Learning-Engineers, sehr viel, aber auch mit einem Data-Engineering-Hintergrund oder sogar - wie ich jetzt zum Beispiel - mit dem Software-Engineering-Hintergrund.
Wir haben teilweise aber auch Kolleg:innen, die haben irgendwann mal Geschichte studiert, dann entsprechend obendrauf noch mal Weiterbildungen gemacht also eigentlich egal, mit welchem Hintergrund man angefangen hat - und das ist auch eine Geschichte, die ich extrem zu schätzen gelernt habe bei Deloitte: dass man wirklich die Möglichkeiten hat, sehr viel für sich zu erkunden und dann sich aber auch zu vertiefen und wirklich Expert:in in einem Gebiet zu werden.