Humboldt-Universität zu Berlin - Künstliche Intelligenz an der HU

Praxisbeispiele der LLMs

Was sind mögliche Einsatzszenarien für den Einsatz von datenschutzkonformen Large Language Models (LLM) in Verwaltung, Forschung und Lehre?

Wir möchten hier einige Anwendungsszenarien für den Einsatz der Large Language Models (LLM) in den verschiedenen Bereichen an der HU Berlin vorstellen. Sie sind keineswegs allumfassend und wir freuen uns über weitere Use Cases.

Probieren Sie die LLMs aus und experimentieren Sie, für welche Zwecke Sie die Modelle einsetzen könnten. Da nichts protokolliert wird, brauchen Sie nicht zu befürchten, dass Daten dabei an Dritte weitergegeben werden. Die einfache praktische Umsetzung dieser Beispiele ist in Vorbereitung.

Verwaltung

  • Unterstützung bei der Generierung von Social-Media-Posts und -Beiträgen
  • Erzeugung von Diagrammen und Illustrationen aus sprachlichen Beschreibungen
  • Unterstützung bei der Überarbeitung von Antworten auf häufig gestellte Fragen
  • Unterstützung bei der Erstellung von Stellenausschreibungen
  • Verfassen von Texten für Einladungen zu Veranstaltungen und Workshops
  • Diskussion von Alternativen für die Strukturierung von Vorgängen
  • Virtuelles „Sounding Board“ für die Diskussion von Ideen
  • Erstellung von Zusammenfassungen von längeren Texten
  • Inspiration bei der Abfassung von Grußworten und Grußadressen jeder Art
  • Unterstützung beim Schreiben von Begründungen (z.B. für die Notwendigkeit bestimmter Veranstaltungen, Ausgaben, etc.)

 

Forschung

  • Zusammenfassungen von wissenschaftlichen Artikeln erzeugen
  • Unterstützung bei Rechtschreibung und Grammatik von wiss. Artikeln
  • Unterstützung bei alternativen Formulierungen, z.B. bei Satzanfängen, Satzstruktur, etc. bei wiss. Artikeln
  • Unterstützung bei der Generierung von Code für Datenanalysen und Simulationen
  • Erzeugung von Diagrammen und Illustrationen aus sprachlichen Beschreibungen
  • Anregungen für die Gliederung von Vorträgen
  • Inspiration zu allgemeinen Einführungen zu generischen Themen und Interviewanfragen mit allgemeinen bzw. thematisch generischen Fragen
  • Planung von Workshops
  • Übersetzung von Forschungsberichten in verschiedene Sprachen
  • Empfehlung von passenden Tools/Bibliotheken für bestimmte Aktivitäten
  • Unterstützung bei verschiedenen Formen wissenschaftlicher Textanalyse, u.a. im Bereich NLP (Natural Language Processing), aber z.B. auch für Fragen historischer Kontextualisierung
  • Unterstützung bei der Übersetzung historischer Sprachformen (z.B. Latein, Altgriechisch, Mittelhochdeutsch)
  • (bei auf dem in Frage kommenden Korpus nachtrainierten Modellen) natürlichsprachliche und komplexe Anfragen an ein sehr großes Textkorpus stellen

 

Lehre

  • Generierung von Übungsfragen und Testaufgaben
  • Unterstützung bei der Erstellung von Vorlesungsnotizen und Zusammenfassungen
  • Unterstützung bei der Erstellung von Vorlesungsfolien
  • Hilfe beim Verfassen von Vorlesungsankündigungen und Lehrveranstaltungsbeschreibungen
  • Unterstützung bei Übersetzungen von Lehrmaterialien
  • Erzeugung von Diagrammen und Illustrationen aus sprachlichen Beschreibungen
  • Unterstützung bei der Gliederung von Gesprächsthemen
  • Verfassen von Reflexionsaufgaben
  • Ableitung von Lehrmaterialien für die inklusive Bildung und besondere Bedürfnisse
  • Ableitung von Materialien in leichter Sprache
  • Hilfe bei der Erstellung von Zusammenfassungen für Seminararbeiten
  • „Sparringspartner“ beim Lernen, z.B. von Programmiersprachen
  • Live-Demo zur Codegenerierung mit anschließender kritischer Validierung des Codes
  • Dialogpartner bei Lernen von Fremdsprachen (unterschiedliche Sprachregister, unterschiedliche Sprachniveaus)