In der Marktforschung wird künstliche Intelligenz (KI) bereits angewendet – beispielsweise in der Analyse von Daten, beim Erarbeiten von Fragebögen oder beim Durchforsten von offenen Antworten. Die Motivation für den Einsatz von KI liegt auf der Hand: Es geht um Effizienz und somit um Kosteneinsparungen. So gibt es mittlerweile Überlegungen, künstliche Intelligenz in der Marktforschung auch in der Datenerhebung anzuwenden. Konkret: Statt Hunderte Personen in persönlichen Interviews zu einem Produkt zu befragen oder Tausende Fragebogen von echten Menschen ausfüllen zu lassen, könnten sogenannte Large Language Models (LLM) – wie beispielsweise ChatGPT – innert Minuten Ergebnisse liefern. Steffen Müller , Professor für Marketing am Institut für Marketing Management an der ZHAW School of Management and Law , hat genau dies gemeinsam mit Christoph Bräunlich und Jan Eubel von der Schweizer Firma BSI getestet. Dabei haben sie sich auf den Bereich Finanzdienstleistungen und Neo-Banken konzentriert. «KI-Modelle tendieren dazu, die Meinung von gut gebildeten weissen Personen abzubilden.» Steffen Müller, Institut für Marketing Management Beim Einsetzen von LLM sei vor allem eines wichtig: das richtige Prompting, also «die schlauste Art, das Modell nach einem Ergebnis zu fragen», sagt Müller. Daher hat das Forschungsteam in einem ersten Schritt genaue Personas für das Projekt erstellt und in den Prompt integriert. Diese hypothetischen Personen wurden mit soziodemografischen Merkmalen wie Alter, Geschlecht, Bildungsstand und Wohnort versehen, um die gewünschte Bevölkerungsschicht repräsentativ abzubilden. «Wichtig zu erwähnen ist dabei, dass Large-Language-Modelle dazu tendieren, ‘weird’ zu sein», sagt Müller und meint damit nicht etwa, dass die Tools irgendwie seltsam sind. Er ordnet ein: «Die Abkürzung ‘weird’ fasst zusammen, welche Menschengruppen KI-Modelle in Antworten oft bevorzugen: white (weiss), educated (gebildet), industrialised (aus industriellen Ländern), rich (reich) und democratic (demokratisch).» Large-Language-Modelle wie ChatGPT widerspiegeln demnach vor allem die westliche Welt – man spricht auch von «Unconscious Bias», also einer Voreingenommenheit, welche die Stereotypen, die in Gesellschaften lauern, bestätigt. Inwiefern die definierten Personas mit dem Unconcious Bias konkurrieren, ist schwer einzuschätzen. Das Projekt von ZHAW und BSI mit dem Fokus auf Finanzdienstleistungen und Neo-Banken in den USA, Grossbritannien und Deutschland passte jedoch ins westlich geprägte Bild der meisten Large-Language-Modelle. Eine gute Ausgangslage, wenn es darum geht, eine künstlich generierte Gesellschaft befragen zu wollen. Das Team hat also die vorgefertigten Personas mit vier verschiedenen LLMs (ChatGPT-4o, Llama 3.3 70B, Qwen 2.5 72B und Mixtral-8x7B) zu Neo-Banken befragt. Fragen wie «Welche Neo-Banken kennen Sie?» oder «Bei welcher Neo-Bank sind Sie Kund:in?» kamen vor. Die gleichen Fragen hat das Projektteam 200 echten Personen gestellt und die Antworten miteinander verglichen. Das Ergebnis: je nach Frage ernüchternd. Die KI-Modelle haben die Lage teilweise komplett falsch eingeschätzt. Während die KI-Modelle offene oder numerische Fragen teilweise ähnlich wie reale Personen beantworteten, stimmten die Antworten von Ja/Nein-Fragen in den meisten Fällen nicht annähernd überein. So wurden auf die Frage, ob ein Konto bei einer Neo-Bank besteht, die Ja-Anteile in allen drei Ländern deutlich zu niedrig eingeschätzt – teilweise durchgehend mit 0 Prozent. «Zu erklären ist dies mit dem wohl noch wenig ausreichenden Training der Modelle für den spezifischen Kontext», sagt Müller. Studien der Harvard Business School und der University of Wisconsin kommen zum gleichen Schluss: Die Datenerhebung in der Marktforschung mit künstlicher Intelligenz zu tätigen – sogenanntes Silicon Sampling –, kann verlockend sein, wenn es um Effizienz geht. Dennoch sind die Ergebnisse nicht ausreichend wahrheitsgetreu, um ihnen zu vertrauen und daraus Marketingstrategien abzuleiten. Müller fasst zusammen: «Für explorative Forschung oder in Vorstudien für kausale Forschung kann künstliche Intelligenz hilfreich sein.» Bei deskriptiver Forschung, also der Abbildung von Realitäten, funktioniert künstliche Intelligenz bislang für viele Fragestellungen nicht gut genug. Ein interessanter Ansatzpunkt seien künftig jedoch das Training eines LLM mit eigenen Daten, etwa aus dem CRM-System oder aus vergangenen Befragungen, und das Finetuning des Modells. Und was empfiehlt Steffen Müller praktizierenden Marktforschenden? «Gerade in Spannungsfeldern, wo schnelle Ergebnisse verlangt werden, kann es verlockend sein, sich auf die teilweise gut klingenden Antworten künstlicher Intelligenz zu verlassen», sagt Müller und appelliert: «Marktforschende sollen kritisch bleiben, hinterfragen, wie die Daten erhoben wurden, und die laufenden Trends für Marketingtools verfolgen.» Auch wenn es in den nächsten Jahren vermutlich einige Firmen geben werde, die künstlich erhobene Daten anbieten, sei die Qualität von Antworten realer Personen nicht zu unterschätzen, betont Müller. Denn das Leben spielt sich nach wie vor in der echten Welt ab. (Headerbild: Adobestock/rawpixel.com) Tamara Ritter

Die neue Technologie stellt die Institutionen auf den Prüfstand. Was sollen die Studierenden eigentlich noch lernen, wenn sich alles in Sekundenschnelle von einer Maschine beantworten lässt? Wie können Dozierende kontrollieren, welches Wissen sich die Studierenden angeeignet haben? Und: Braucht es diese Kontrolle und Bewertung überhaupt noch? Es sind drängende Fragen, die aber nicht einfach zu beantworten sind. Bereits wenige Monate nachdem ChatGPT online gegangen war, publizierte das Ressort Bildung der ZHAW eine Richtlinie, die die Nutzung von KI-Tools bei Leistungsnachweisen regelt. Das Ressort sieht den Einsatz von künstlicher Intelligenz als integralen Bestandteil des digitalen Wandels und strebt deshalb eine verantwortungsvolle Nutzung von KI in der gesamten Institution an. Bei Prüfungen gibt es die Ansätze, KI zu verbieten, um Grundkompetenzen zu testen, oder gezielt zuzulassen, was jedoch eine Anpassung der Aufgabenstellung erfordert. Bei schriftlichen Semester- oder Abschlussarbeiten gilt grundsätzlich eine Kennzeichnungspflicht für die Verwendung von KI. Dieser klassische Leistungsnachweis hat jedoch an Aussagekraft verloren, denn es gibt keine zuverlässigen Möglichkeiten, den Einsatz von KI zu kontrollieren. Lisa Messenzehl-Kölbl , Leiterin der Fachgruppe Lehrtechnologien und Didaktik im Ressort Bildung, erklärt: «KI zwingt Dozierende dazu, stärker auf das Lernen als Prozess zu fokussieren. Die neue Technologie bringt uns zur Kernfrage der Bedeutung von Leistungsnachweisen zurück. Diese Diskussion müssen wir jedoch in der gesamten Gesellschaft führen und sie fängt bereits bei den Benotungen in der Primarschule an. Dennoch müssen die Studierenden Grundkompetenzen beherrschen, um auch ohne KI Zusammenhänge zu erkennen. Dafür sind Prüfungen in unserem heutigen Bildungssystem das etablierte Instrument.» «KI zwingt Dozierende dazu, stärker auf das Lernen als Prozess zu fokussieren und bringt uns zur Kernfrage der Bedeutung von Leistungsnachweisen zurück. Lisa Messenzehl-Kölbl, Leiterin Fachgruppe Lehrtechnologien und Didaktik Um den Einsatz von KI während digitaler Prüfungen zu kontrollieren, setzt die ZHAW auf die digitale Prüfungsaufsicht SMOWL, eine Software, die während der Prüfung Screenshots der Bildschirme der Studierenden erstellt und bestimmte Computeraktivitäten dokumentiert. Bestehen Zweifel an der Eigenleistung, kann anhand dieser Aufzeichnungen nachvollzogen werden, welche Websites oder Anwendungen während der Prüfung verwendet wurden. Fabian Jasper-Möller , Fachexperte für digitale Prüfungen, erläutert: «Das Setting schafft Fairness und Objektivität bei der Bewertung. SMOWL ist zudem eine grosse Chance für kompetenzorientierte Prüfungen, da beispielsweise auch realitätsnahe Programmier- oder Open-Book-Prüfungen durchgeführt werden können, bei denen die Verwendung spezifischer Tools, wie Programmierumgebungen als Teil der Prüfung beabsichtigt sind.» «Lernen muss etwas anstrengend bleiben. Wenn wir Muskeln aufbauen wollen, schicken wir auch nicht unsere Freunde ins Gym.» Fabian Jasper-Möller, Fachexperte für digitale Prüfungen Längerfristig stellt sich jedoch in jedem Fachbereich die Frage, wie die Leistungsnachweise neu konzipiert werden können, um das Know-how der Studierenden zu testen, ohne KI zu verbieten. Dozierende aus verschiedenen Departementen und eine Studentin nehmen dazu Stellung. Und welche Vision hat das Ressort Bildung für den Hochschulbetrieb? «Ich wünsche mir, dass wir in zehn Jahren den Umgang mit KI gelernt haben, keine zeitaufwendigen Routinearbeiten mehr machen müssen und Prüfungen gar nicht mehr so wichtig sind, sondern die Studierenden mit Chatbots lernen und im Prozess von Dozierenden eng begleitet werden», sagt Lisa Messenzehl-Kölbl. Fabian Jasper-Möller ergänzt, dass das Lernen weiterhin ein bisschen anstrengend sein muss, damit es wirksam ist: «Wenn wir Muskeln aufbauen möchten, schicken wir ja auch nicht unsere Freunde ins Gym.» Und was antwortet ChatGPT auf die Visions-Frage? «Die Lehre wird hybrider und flexibler – mehr Online-Elemente, aber auch stärkerer Fokus auf Interaktion, Seminararbeit, Gruppenarbeit, auch in Präsenz.» Der Algorithmus spiegelt in diesem kleinen Versuch der Autorin die befragten Personen dieses Beitrags gekonnt wider. Ob sich die Vorhersage bestätigt, werden wir in spätestens zehn Jahren herausfinden. Tamara Ritter

In einem Land zu wohnen und die lokale Sprache nicht zu beherrschen, ist im Alltag eine Herausforderung. Was in gewöhnlichen Situationen mühsam oder unangenehm wird, kann in gewissen Kontexten gefährlich oder lebensverändernd sein – etwa wenn ein Arzt einer fremdsprachigen Patientin eine falsche Diagnose stellt oder eine Polizistin eine Zeugenaussage aufgrund von Verständigungsproblemen falsch interpretiert. In vielen Gesprächen mit Behörden, in Schulen oder im Gesundheitswesen sind daher Dolmetscherinnen und Dolmetscher unverzichtbar. Doch was, wenn es schnell gehen muss und keine Fachperson vor Ort ist? Es liegt auf der Hand: In Zeiten der Digitalisierung greifen Mitarbeitende in Spitälern, Schulen, Behörden oder Hilfsorganisationen zu digitalen Hilfsmitteln. Eine 2022 erschienene Masterarbeit ergab, dass 80 % der Beschäftigten im Gesundheitswesen regelmässig digitale Übersetzungs-Apps wie Google Translate oder DeepL für die Kommunikation mit ihren Patientinnen und Patienten nutzen. Viele der Tools sind gratis und in alltäglichen Konversationen zuverlässig. «Viele Berufe basieren auf guter Kommunikation – dass Menschen ihre Anliegen ausdrücken und andere darauf eingehen können, sollte mehr Aufmerksamkeit erhalten.»» Anne Catherine Gieshoff, Dozentin am Institut für Mehrsprachige Kommunikation Ein Problem kommt jedoch auf, wenn es um vertrauliche Informationen geht: Wie kann eine Ärztin die medizinische Schweigepflicht einhalten, wenn persönliche Details einer Person in ein Tool getippt werden, das nicht verschlüsselt ist? Und können Situationen mit weitreichenden Folgen für die Einzelperson, etwa Einvernehmungsgespräche, überhaupt zuverlässig digital übersetzt werden? Diesen Fragen stellen sich mehrere Akteure in der Übersetzungs- und Dolmetschbranche. Um Forschung und Praxis zusammenzubringen, hat sich die Projektgruppe Digilinguo gebildet. Das von der Digitalisierungsinitiative des Kantons Zürich (DIZH) geförderte interdisziplinäre Projekt wird von der ZHAW und der Universität Zürich geleitet. Das übergeordnete Ziel: öffentliche Einrichtungen wie Spitäler, Gerichte, Schulen oder die Polizei dabei zu unterstützen, Sprachbarrieren zu überwinden, funktionierende Kommunikation zu ermöglichen und alle Beteiligten zu entlasten. Lena Emch-Fassnacht, Geschäftsleiterin von Interpret, der Interessengemeinschaft für interkulturelles Dolmetschen und Vermitteln, ist als Partnerin bei Digilinguo dabei und erklärt: «Behörden erfüllen einen gesetzlich verankerten Beratungs-, Informations- und Vollzugsauftrag. Sie sind verpflichtet, sicherzustellen, dass ihre Inhalte adressatengerecht vermittelt und vollständig verstanden werden.» Darüber hinaus gelte der Grundsatz der Gleichbehandlung: Alle Personen seien unabhängig von ihren individuellen Voraussetzungen gleichwertig zu berücksichtigen. Sie betont: «Digilinguo kann hier Materialien und Informationen zur Verfügung stellen und sowohl die Behörden als auch die Dolmetschenden und weitere involvierte Stakeholder stärken – zum Beispiel bei der Wahl des geeigneten Hilfsmittels der Kommunikation.» Während in einfachen Situationen wie Terminabsprachen klassische digitale Übersetzungstools ausreichen, sind andere Berufssituationen deutlich herausfordernder. Alice Delorme Benites , Leiterin des Instituts für Mehrsprachige Kommunikation an der ZHAW , nennt ein Beispiel aus dem Gesundheitsbereich: «Hebammen brauchen während ihrer Arbeit freie Hände. Sie können nicht eine Gebärende begleiten und gleichzeitig Übersetzungen in ein mobiles Gerät tippen.» Aus diesem Grund seien andere Lösungen gefragt. Die meisten davon setzen künstliche Intelligenz ein. Auch der Einsatz von Smart Glasses soll getestet werden. Gerade beim Testen verschiedener Anwendungen sei es wichtig, sich bewusst zu sein, dass es keine Lösung gibt, die für alle Bedürfnisse perfekt funktioniert. «Die Testenden müssen lernen, mit unperfekten Apps umzugehen und das Beste für ihren Berufsalltag herauszuholen», sagt Delorme Benites. Zugleich stellt sie fest: «Oft testen Entwickler im Labor statt im richtigen Leben.» Genau deshalb sei es ihnen mit Digilinguo ein grosses Anliegen, die verschiedenen Parteien – also Entwickler und Anwenderinnen – an einen Tisch zu bringen, um sich kritisch miteinander auszutauschen und voneinander zu lernen. «Die Testenden müssen lernen, unperfekte Apps bestmöglich im Berufsalltag zu nutzen.» Alice Delorme Benites Wie reagiert die Dolmetschbranche auf die laufenden Entwicklungen im Bereich künstlicher Intelligenz? Michael Stump vom Dolmetschdienst Comprendi der Caritas gesteht: «Für Dolmetschende sind KI-Tools eine Chance und eine Gefahr zugleich.» Auch sie testen die Tools im Teilprojekt «Teststrecke». So helfen sie Kundinnen, verschiedene Übersetzungsmöglichkeiten besser zu beurteilen. «Es gibt Situationen, in denen wir ganz klar von Übersetzungstools abraten und eine dolmetschende Person empfehlen», sagt Stump. Und dennoch: «Wir erkannten beim Testen auch Möglichkeiten, die Tools für uns zu nutzen.» Beispielsweise zum Erstellen oder Verwalten eines Glossars, auf das Dolmetschende während eines Einsatzes möglichst schnell und einfach zugreifen können. Auch Simulationen von Dolmetscheinsätzen seien mittels VR-Brillen sehr wertvoll, um zu üben, und könnten künftig in die Ausbildung integriert werden. Das sensibelste Thema rund um digitale und KI-gestützte Übersetzungstools bleiben der Datenschutz sowie die sinngemäss richtige Übersetzung in schwierigen Gesprächen und bei zukunftsweisenden Entscheidungen. Gerade bei sogenannten «Low Resource»-Sprachen, also jenen, die in unseren Breitengraden weniger gängig sind, wie beispielsweise Ukrainisch oder Arabisch, ist die Übersetzungsqualität oft nur schwer überprüfbar. In diesen Sprachen sei die korrekte Übersetzung jedoch besonders wichtig, da sie häufig die Muttersprachen von Flüchtenden oder Migrantinnen sind und die Kommunikation gerade in schwierigen Gesprächen auf Englisch oft nicht ausreiche, erklärt Anne Catherine Gieshoff , Dozentin für Mehrsprachige Kommunikation . «Für Dolmetschende sind KI-Tools eine Chance und eine Gefahr zugleich.» Michael Stump vom Dolmetschdienst Comprendi der Caritas Eine weitere Herausforderung ist gemäss Gieshoff, dass viele Akteure aus der Praxis – also Angestellte im Gesundheitswesen, bei der Polizei oder in Ausbildungsstätten – oft keine Ressourcen haben, um die Übersetzungstools überhaupt zu testen. Dennoch sei es wichtig, diese zu testen, um passende Lösungen zu finden. Sie betont: «So viele Berufe basieren auf guter Kommunikation – dass Menschen ihre Anliegen ausdrücken und andere darauf eingehen können, sollte mehr Aufmerksamkeit erhalten.» Das Projekt Digilinguo läuft noch bis Ende 2029. Ab 2030 soll Digilinguo ein umfassender Hub zum Thema Dolmetschen und Übersetzen mithilfe von KI sein, der bei grossen Einrichtungen bekannt ist, um neue Tools für deren Arbeitssituationen zu testen. (Aufmacherbild: KayExam/peopleimages.com ) Tamara Ritter