ChatGPT-4: PDF-Analyse und Jobabbau in Spanien

Vom PDF-Hochladen zur Umschreibung des Arbeitsmarktes: ChatGPT-4 spielt in einer anderen Liga

Man lädt ein PDF hoch. Oder gleich einen ganzen Ordner. Das Tool liefert die Zusammenfassung genau so, wie man es angefordert hat. Wer es getestet hat, fasst es zusammen: Die neueste Version „spielt in einer anderen Liga“. Der entscheidende Punkt war klein: Am 10. nachmittags funktionierte das native Laden von Dokumenten endlich fehlerfrei; bis dahin wurden nur einzelne Bildformate akzeptiert. Danach drehte sich die Diskussion nicht mehr um Chatbots, sondern um Gehaltsabrechnungen und darum, was sich zu studieren lohnt.

Was kostet es und was ändert sich mit der neuen Version?

24 Euro pro Monat. Dieser Preis wird für den Zugang zur neuesten Version genannt, und wer ihn zahlt, beschreibt es als Öffnung einer „Welt der Möglichkeiten“. Vor dem Update war das Hochladen von Dokumenten eine Qual: Das Tool lehnte Dateien ab und zwang dazu, Erweiterungen mit Seitenlimits zu nutzen. Jetzt schluckt es PDFs und Ordner.

Die Bildgenerierung ist der andere oft genannte Sprung. Mehrere Berichte betonen, dass das Ergebnis die Vorstellung des Nutzers übertrifft, sodass jemand angibt, bessere Skizzen erhalten zu haben als die, die er im Kopf für sein eigenes Unternehmensprojekt hatte. Auch die Erstellung digitaler Charaktere auf Bestellung wird erwähnt.

Wer das volle Potenzial ausschöpfen will, muss selbst aktiv werden. Die Leistung hängt von den geschriebenen Anweisungen ab, und diese sind nur gut, wenn man das Thema beherrscht. Wer es nicht beherrscht, delegiert an die Maschine und erhält korrekte, aber flache Ergebnisse.

Die IBEX-Abteilung, die ihren eigenen Stellenabbau testet

Der konkreteste Fall betrifft eine Verwaltungsabteilung eines großen Unternehmens aus dem spanischen Leitindex IBEX. Dort wurde ein Projekt mit ChatGPT gestartet, das laut geteilten Berechnungen 15 % der Belegschaft einsparen würde. Es handelt sich um Profile, die Vorgänge bearbeiten, Formulare ausfüllen und E-Mails lesen und schreiben. Die Tests laufen, so die Tester, „akzeptabel gut“.

Das Detail ist wichtig: Die Fehlerquote des Systems ähnelt der menschlichen Fehlerquote, die bereits existiert. Der Vergleich gilt nicht gegen Perfektion, sondern gegen die aktuelle Belegschaft. Dies ist das Argument, das in der pessimistischen Sichtweise am meisten Gewicht hat.

Von 10 Anwälten auf 4, von 100 Richtern auf 20

Im Rechtssektor wird dasselbe Muster beschrieben. Eine große Kanzlei, die zuvor zehn Anwälte für eine mittelgroße Provinz abstellte – sechs davon Praktikanten, die Rechtsprechung durchsuchten –, könnte sich mit vier begnügen. Der Teil der Arbeit, der wegfällt, ist genau der, der nie glamourös war.

In der Justiz ist die Prognose aggressiver. Mit prädiktiver Justiz, die Urteile verfasst, die der menschliche Richter nur noch prüfen müsste, sinkt die kursierende Schätzung von hundert Richtern auf zwanzig. Man sollte dies nehmen, was es ist: eine Schätzung des Autors, kein genehmigter Plan.

Daraus leiten einige makroökonomische Schlussfolgerungen ab: kürzere Arbeitszeiten, bedingungsloses Grundeinkommen und eine Notenpresse als einzige Lösung. Es wird halb im Scherz gesagt. Aber es wird gesagt.

Lehrer kontern im Klassenzimmer

Schüler nutzen es bereits für Übungen. Ein Teil der Lehrkräfte akzeptiert dies und wechselt die Strategie: Wenn die Maschine Standardaufgaben löst, werden Lehrer kreativer und stellen Probleme, die ohne Denken nicht lösbar sind. Manche berichten davon mit Freude, wobei der Lehrer selbst die KI bittet, unmögliche Aufgaben zu erstellen.

Das Bildungssystem schneidet in mehreren Beiträgen schlecht ab, nicht nur wegen der Technologie. Es wird argumentiert, dass traditionelle Prüfungen introvertierte Schüler benachteiligen und ein freies Bewertungsmodell ihnen besser tun würde.

Das Ende des Code-Klopfens: Was passiert mit Software Engineering?

Hier wird die Diskussion scharf, da nicht alle Programmierer gleich sind. Ein Systemadministrator erklärt es mit einer Analogie: Wer „Code klopft“, steht zum Software-Ingenieur wie der Maurer zum Architekten. Unter dieser Perspektive wird zuerst der mechanische Teil automatisiert.

Die Branche gibt zu, dass viel kommerzielle Software nach Zeit- und Budgetkriterien statt nach Qualitätskriterien entwickelt wird. Wenn Code aus einer Basis bereits getesteter Funktionen generiert werden könnte, wäre die Ersparnis sofort. Es wird auch berichtet, dass ein als Java-Editor konfigurierter GPT eine 10 in einem Programmierkurs einer Berufsfachschule erreichte.

Es gibt auch ein elegantes Grundargument: Prompts sind eine Programmiersprache in natürlicher Sprache. Wenn das stimmt, ist der Schlag nicht, dass die Maschine Java oder Python schreibt, sondern dass der Endnutzer keine Vermittler mehr braucht, um das Gewünschte anzufordern.

Was KI noch nicht löst: Daten, Mathe und Systeme

Nicht alles ist Geschwindigkeit. Eine Analyse zeigt den echten Engpass: die Datenqualität. KI wurde mit dem gespeist, was Menschen in sozialen Netzwerken und Suchmaschinen kostenlos gaben, und wenn sie beginnt, ihre eigene Produktion zu konsumieren, ist das Risiko einer Degradation real. Dies war tatsächlich die Antwort der Maschine selbst auf die Frage nach ihren Bremsen.

Es wird auch daran erinnert, dass es Bereiche jenseits von Web- und API-Programmierung gibt: Maschinelles Lernen, Computer Vision, Grafik. Und dort sind Mathematik nicht optional, egal wie sehr die Branche als schneller Einstieg verkauft wird. Ein weiterer Hinweis unterscheidet zwischen der ruhigen Verwaltung von Unix-Servern und dem Kampf mit Windows, der als Leben am seidenen Faden beschrieben wird.

Und ein letztes, unbequemes Detail für die Erfolgsgeschichte: Manche behaupten, dass Version 4 schlechter programmiert als Version 3. Angesichts dessen gibt es auf die Frage, was man studieren soll, keine eindeutige Antwort, und die einzige Gewissheit ist, dass die Liste der „sicheren“ Jobs schrumpft.