PADERBORN/MAGDEBURG - Die Karriere-App UniNow hat in einer Umfrage unter einer halben Million Studierenden herausgefunden, wie oft ChatGPT im Studium genutzt wird. Entgegen bösen Zungen, die ChatGPT als Garant fürs Betrügen im Studium sehen, wird der KI-gestützte Textgenerator tatsächlich seltener genutzt als angenommen.

Demnach machen 45% der Studierenden überhaupt keinen Gebrauch von ChatGPT. 43% sind Gelegenheitsnutzer. Nur 12% geben sich als echte Hardcore-Nutzer zu erkennen, die ChatGPT „bei jeder Möglichkeit“ verwenden.

Was ist ChatGPT?

ChatGPT und vergleichbare KI-Chatbots basieren auf Large Language Models (LLMs). Sie sind in der Lage, Fragen zu beantworten, Texte zusammenzufassen oder auch auf Befehl komplette Texte wie z.B. Hausarbeiten zu formulieren. Hierfür braucht man keinerlei Programmierkenntnisse.

Frankfurt am Main – Die Erwerbstätigkeit in der Europäischen Union hat über alle Sektoren hinweg den höchsten Stand seit zwanzig Jahren erreicht: Die Erwerbsquote der 15- bis 64-jährigen stieg auf 71,7 %. Gleichzeitig verringerte sich die Erwerbslücke zwischen Männern und Frauen, von fast 15 % im Jahr 2005 auf heute 10 %. Das verarbeitende Gewerbe in der EU hinkt dieser Entwicklung hinterher.

„Wie die jüngsten Eurostat-Daten zeigen, hat sich die Gleichstellung der Geschlechter bei der Erwerbstätigkeit in der Europäischen Union insgesamt verbessert“, sagt Dr. Susanne Bieller, Generalsekretärin der International Federation of Robotics. „Allerdings sind im produzierenden Gewerbe noch immer sehr wenige Frauen als Ingenieurinnen und Wissenschaftlerinnen beschäftigt: Hier liegt deren Anteil nur bei 22,4 % - das ist weniger als die Hälfte verglichen mit dem Anteil von 45,6 % in den Dienstleistungsberufen.“

Die Europäische Kommission hebt die Robotik als Schlüsseltechnologie für Innovation im neuen „Kompass für Wettbewerbsfähigkeit“ ausdrücklich hervor. Frauen für naturwissenschaftliche, technische, ingenieurwissenschaftliche und mathematische Fächer (MINT) zu begeistern und entsprechende Karrieremöglichkeiten auszuloten, ist ein wichtiger Erfolgsfaktor: Gemischte Teams aus Frauen und Männern treiben die Innovation voran, und die Robotikbranche bietet hervorragende Chancen für hochwertige Arbeitsplätze.

KI-Halluzinationen verursachten im Jahr 2024 weltweit Schäden in Höhe von 67,4 Milliarden US-Dollar

neue KI-Modelle von Open AI haben Fehlerraten von bis zu 80 Prozent, wie das ZDF berichtet – und oft genau dort, wo Sie es am wenigsten erwarten. Mit den folgenden Methoden schützen Sie Ihre Texte vor falschen Informationen.

KI-Fehler sind immer schwerer erkennbar

Geht es nach ChatGPT, so könnte auch Vincent van Gogh die Mona Lisa gemalt haben – nicht Leonardo Da Vinci. Wer kein Kunst-Kenner ist, fällt auf solchen Unsinn leicht herein. Doch selbst Profis tappen in die KI-Falle: So ließ sich etwa ein amerikanischer Anwalt täuschen, der seine Klage mit KI geschrieben hatte. Er trug vor Gericht angebliche Präzedenzfälle vor, die es nie gab – samt falschen Aktenzeichen, die sich die KI ausgedacht hat. Das Gericht verurteilte ihn zu einer Geldstrafe.

Wichtig zu wissen: KI weiß nicht, was wahr ist

KI-Systeme arbeiten mit Wahrscheinlichkeiten, nicht mit Wissen. Sie erstellen Antworten, die sprachlich korrekt wirken, aber inhaltlich falsch sein können – zum Beispiel durch veraltete Daten, fehlerhafte Trainingsquellen oder unklare Eingaben. Neuere Modelle wie GPT-4 halluzinieren bei komplexen Fragen sogar häufiger als ihre Vorgänger.

Fokus: Sicherheit für KI

Die Agentur für Innovation in der Cybersicherheit GmbH (Cyberagentur) hat die zweite Phase ihres Forschungswettbewerbs „Robustes und Sicheres Maschinelles Lernen“ eingeleitet. Nach einer sorgfältigen Evaluierung der elf eingereichten Kurzkonzepte, an der als Jurymitglieder auch Bedarfsträger des BSI und der Bundeswehr teilgenommen haben, werden nun fünf ausgewählte Teams weiterforschen. Ihr Fokus liegt auf der Sicherheit und Robustheit neuronaler KI-Systeme gegenüber gezielten Angriffen und unvorhergesehenen Inputs.

Die erste Phase des Wettbewerbs, die Anfang April 2023 begann, zielte darauf ab, innovative Konzepte für robustes und sicheres Maschinelles Lernen (ML) zu entwickeln. Die Projektausschreibung umfasste fünf Schlüsselbereiche der Forschung: Datenabsicherung, Modellverifikation, Systemeinbettung, Entwicklung von Hybridmodellen aus neuronalen und symbolischen Komponenten sowie Ende-zu-Ende-Verifikation. Das mehrphasige Projekt soll während der fünfjährigen Laufzeit unterschiedliche Innovationsansätze vorantreiben.