KI im Berufsalltag (ChatGPT, Copilot)

Das Wichtigste in Kürze

  • Generative KI wie ChatGPT oder Copilot ist im Büro Alltag, verlangt aber einen verantwortungsvollen Umgang.
  • Sinnvoll ist KI für Mail-Entwürfe, Zusammenfassungen, Übersetzungen, Brainstorming und Formelhilfe.
  • Riskant sind vertrauliche Daten in öffentlichen Modellen und Halluzinationen; Ausgaben müssen geprüft werden.
  • In formellen Arbeiten muss der KI-Einsatz offengelegt werden, unveränderte KI-Texte gelten nicht als eigene Leistung.
  • Gute Prompts sind spezifisch und eingeschränkt; das 5-S-Muster ist eine unter mehreren Merkhilfen.
  • Deep Learning mit mehrschichtigen neuronalen Netzen ist die Grundlage von Sprachmodellen wie ChatGPT.

Grundsatz: Generative KI (ChatGPT, Microsoft Copilot, Google Gemini) ist seit 2023 Bürorealität. Kaufleute gehen verantwortungsvoll damit um: Personendaten gehören nicht ohne Datenschutzprüfung in externe KI-Dienste (siehe Datenschutz).

Sinnvolle Einsatzgebiete

Sinnvolle KV-Einsatzgebiete:

AufgabeKI-Nutzen
Mail-EntwurfTonalität, Rechtschreibung
Zusammenfassunglanger PDF → 5 Bullet Points
ÜbersetzungGeschäftsbrief in Englisch
BrainstormingMarketing-Ideen
Excel-FormelhilfeXVERWEIS erklären
Recherche-StartThemen-Überblick

Riskante Bereiche

Riskante Bereiche:

  • Vertrauliche Daten (Lohn, Kundendaten) in öffentliches ChatGPT eingeben → Datenleck.
  • Halluzinationen: KI erfindet Quellen und Fakten — Ausgaben immer prüfen.
  • Rechtsberatung von KI: keine Haftung, Quellen können veraltet sein.

Urheberrecht bei KI-Output

Urheberrecht (URG) bei KI-Output: KI-generierte Texte und Bilder können urheberrechtlich heikel sein:

  • KI-Modelle werden auf urheberrechtlich geschütztem Material trainiert — mögliche Ansprüche der ursprünglichen Rechteinhaber.
  • In der Schweiz gilt: KI hat keine Rechtspersönlichkeit; wer den Output beauftragt und bearbeitet, trägt die Verantwortung.
  • Praxis: KI-Output immer substanziell anpassen; nie 1:1 für kommerzielle Zwecke verwenden, ohne zu prüfen, ob geschützte Inhalte reproduziert wurden.

KI-Output in formellen Dokumenten

KI-Output in formellen Arbeiten (Berichte, Projektarbeiten):

  • Betriebe und Schulen können eine Deklarationspflicht festlegen: Der KI-Einsatz muss dann offengelegt werden.
  • Empfehlung: eigene Formulierung + KI als Hilfsmittel erwähnen (z. B. «Erstfassung mit Unterstützung von Microsoft Copilot; überarbeitet und geprüft durch Verfasser»).
  • Keine unveränderten KI-Texte als eigene Leistung einreichen — gilt als unredliche Verwendung.

Prompting: eine Heuristik

Prompting — eine Heuristik (5-S): Das 5-S-Muster (Spezifisch · Situation · Stil · Struktur · Schranken) ist eine unter mehreren praxisbewährten Merkhilfen, kein offizieller Standard. Ziel: einen klaren, eingeschränkten Prompt zu formulieren.

Schweizer Datenschutz

Schweizer Datenschutz:

  • Das DSG gilt auch für KI-Anwendungen: Wer Personendaten in einen externen KI-Dienst eingibt, bearbeitet und gibt sie bekannt und braucht dafür eine Grundlage. Im Zweifel gehören keine Personendaten in öffentliche Modelle.
  • Microsoft Copilot for M365: Daten verbleiben grundsätzlich im Firmen-Tenant (abhängig von Plan und Data-Boundary-Konfiguration).

Beispiel — Prompt

«Du bist KV-Lernende. Schreibe einen formellen deutschen Brief an Frau Meier (Lehrlingsbetreuerin), in dem ich um eine Verlegung des Besprechungstermins vom 12.05. auf den 19.05. bitte. Max. 120 Wörter, Schweizer Höflichkeitsregeln.»

→ Output prüfen: Stimmen Datum, Name, Tonalität? Dann überarbeiten und als eigene Version abgeben — Quelle deklarieren, falls verlangt.

Häufige Fehler

  • KI als Wahrheit ansehen: Fakten gegenprüfen.
  • Vertrauliche Lohndaten ins Public-LLM: Datenschutzverstoss (DSG).
  • Output 1:1 übernommen: KI-typische Floskeln («In einer Welt, die sich…») wirken unpersönlich; zudem Urheberrechts- und Redlichkeitsrisiko.
  • KI-Einsatz nicht deklariert: In formellen Arbeiten kann fehlende Offenlegung als Täuschung gewertet werden.

Machine Learning und Deep Learning

Künstliche Intelligenz (KI) ist der Oberbegriff. Machine Learning (ML) ist ein Teilgebiet: Systeme lernen aus Daten, statt dass jede Regel von Hand programmiert wird. Beim klassischen ML legt der Mensch oft fest, welche Merkmale der Daten wichtig sind. Deep Learning ist ein Teilgebiet des ML mit mehrschichtigen (tiefen) neuronalen Netzen: Die Merkmale werden von den Schichten automatisch gelernt. Deep Learning ist besonders stark bei unstrukturierten Daten wie Bildern, Ton und Text; Sprachmodelle wie ChatGPT beruhen darauf. Es braucht dafür in der Regel viele Daten und viel Rechenleistung.

Verwandte Themen

Kurz-Check

Weisst du es noch? Drei Fragen zu dem, was du gerade gelesen hast.