GLOSSAR
Multimodal
Multimodal bezeichnet KI-Systeme, die mehrere Informationsformen wie Text, Bild oder Ton verarbeiten oder erzeugen. Welche Kombinationen möglich sind, hängt vom Modell und von der Anwendung ab. Mehr Eingabeformen erweitern die verfügbare Informationsbasis und zugleich die möglichen Fehlerstellen.
Wenn Kundenaussagen und Unterlagen zusammenkommen
Für ein Angebot könnten ein Gesprächsprotokoll, eine fotografierte Skizze und eine Preistabelle relevant sein. Eine multimodale Verarbeitung kann helfen, Anforderungen aus diesen Materialien zusammenzuführen. Dabei muss erkennbar bleiben, ob eine Mengenangabe gesprochen, aus einer Tabelle gelesen oder aus einem Bild erschlossen wurde.
Eine falsch zugeordnete Zahl kann Kalkulation und Lieferumfang verändern. Auch eine unklare Sprecherzuordnung kann aus einer Frage eine vermeintliche Zusage machen. Die organisatorische Aufgabe besteht deshalb darin, entscheidungsrelevante Aussagen auf ihre Ursprungsstelle zurückzuführen und Widersprüche zur Klärung vorzulegen.
Den Nutzen pro Eingabeform prüfen
Eine Abnahme sollte typische schlechte Aufnahmen, uneindeutige Tabellen und widersprüchliche Angaben enthalten. Neben Geschwindigkeit zählen übersehene Anforderungen und der Aufwand menschlicher Kontrolle. Für Gesprächsaufnahmen müssen die zulässige Nutzung und die Datenschutzbedingungen geklärt sein. Der gemeinsame Qualitätsmaßstab bleibt die Bedeutungstreue der Verarbeitung, auch wenn die Darstellung überzeugend wirkt.