Nachdem Sie den Coach ausprobiert haben, k\u00f6nnen Sie ja zu diesem Artikel zur\u00fcckkommen. Und damit weiter im Text:<\/p>\n\n\n\n
Es ist wahr, die Roboter haben Sprechen gelernt!<\/strong><\/strong><\/p>\n\n\n\n OpenAI gab am 13. Mai bekannt, in den n\u00e4chsten Wochen mit einem neuen Dialogmodus<\/a> an den Start zu gehen.<\/p>\n\n\n\n Damit werden noch ausgefeiltere F\u00e4higkeiten verf\u00fcgbar, die den verbalen Austausch mit KI selbstverst\u00e4ndlich machen werden. Was aber bedeutet das f\u00fcr L&D? Und warum besch\u00e4ftigt uns das \u00fcberhaupt? Schlie\u00dflich sind Sprachassistenten l\u00e4ngst nichts Neues mehr. Oder ist hier jetzt alles anders?<\/p>\n\n\n\n Um das herauszufinden, haben wir ein wenig experimentiert und dabei auch die Einsch\u00e4tzungen von L&D-Fachleuten eingeholt. Die Ergebnisse erl\u00e4utern wir im Folgenden, ebenso wie die Auswirkungen, die damit einhergehen. Denn wie sich zunehmend abzeichnet, wird dialogorientierte KI einen ganz erheblichen Einfluss auf einige zentrale Aspekte von L&D nehmen.<\/p>\n\n\n\n <\/a><\/p>\n\n\n\n Zun\u00e4chst ein kurzer \u00dcberblick zur Technologie<\/strong><\/strong><\/p>\n\n\n\n Sprachassistenten wie Apple Siri oder Amazon Alexa gibt es schon seit einiger Zeit. Durch die Verarbeitung nat\u00fcrlicher Sprache verarbeiten sie Anfragen und geben dazu passende, vorgefertigte Antworten aus. So k\u00f6nnen sie zwar die Wettervorhersage verk\u00fcnden, doch wie es Microsoft CEO Satya Nadella 2023 ausdr\u00fcckte<\/a>, sie sind auch \u201edumm wie ein Stein\u201c. Es fehlt ihnen an den dynamischen oder generativen F\u00e4higkeiten, die ein Large Language Model (LLM) wie das von ChatGPT bietet.<\/p>\n\n\n\n ChatGPT brachte dann auch die echte Ver\u00e4nderung: Mit Whisper<\/a>, das 2022 als Erg\u00e4nzung zu ChatGPT-3.5 eingef\u00fchrt wurde, lie\u00df sich Audio in Text umwandeln. So wurde es m\u00f6glich, ChatGPT Sprachanweisungen zu geben und sich per Mausklick die Antworten vorlesen zu lassen. Audiofunktionen und Spracheingaben machten die Technologie zwar nutzbar, doch konnte sie die Ausgabe nicht unterbrechen oder dabei unterbrochen werden und war nicht zu einem echten Gespr\u00e4ch in der Lage, bei dem es keine strikten Anweisungen daf\u00fcr braucht, wann wer etwas sagt.<\/p>\n\n\n\n Danach f\u00fchrten Start-ups aufbauend auf LLMs weitere Entwicklungen ins Feld, die einen nat\u00fcrlicheren Dialog erm\u00f6glichten. Wer im Gespr\u00e4ch an der Reihe ist, erkannten die L\u00f6sungen automatisch und lie\u00dfen Unterbrechungen zu, sodass tats\u00e4chlich ein Dialog m\u00f6glich wurde. Erg\u00e4nzt wurde dies zudem um auflockernde Zwischenrufe wie \u201emhm\u201c, mit denen die KI signalisiert, dass sie zuh\u00f6rt. Auch Betonung und Tonfall wurden analysiert, wobei all dies mitunter mit Latenzen verbunden war, da der zugrunde liegende Prozess mehrere Schritte beinhaltete: Zun\u00e4chst generiert ein LLM wie ChatGPT-4 die Antwort, die dann von einem Sprachagenten und damit einer separaten Technologie gesprochen wird.<\/p>\n\n\n\n Diesen Monat gab OpenAI bekannt, dass ChatGPT-4o, die neueste Version seines generativen KI-Chatbots, in der Lage sein werde, Dialoge nativ zu verstehen und darauf zu antworten. Es braucht also keinen Sprachagenten mehr, der die Antworten des LLM vorliest. Das LLM spricht eigenst\u00e4ndig: Fordert man die KI auf, langsamer zu sprechen oder eine bestimmte Rolle einzunehmen, wird sie dies tun. Ihrer Stimme wird dabei Ausdrucksst\u00e4rke verliehen, und die KI wird den stimmlichen Ausdruck ihres Gegen\u00fcbers verstehen k\u00f6nnen. All dies wird zudem in ein und dasselbe System integriert. Dadurch wird es schneller sein als alles bislang Dagewesene.<\/p>\n\n\n\n Zum Zeitpunkt der Ver\u00f6ffentlichung dieses Artikels ist nur das textbasierte Modell von GPT-4o verf\u00fcgbar; die hochmodernen Sprachfunktionen (darunter auch eine umstrittene, der Schauspielerin Scarlett Johansson \u00e4hnelnde Stimme) wurden noch nicht ver\u00f6ffentlicht. Gegenw\u00e4rtig ist es also m\u00f6glich, ein Gespr\u00e4ch mit GPT-4o zu f\u00fchren, doch muss man dem System mitteilen, wenn man es unterbrechen will, da es noch die fr\u00fchere Technologie zur Spracheingabe und -ausgabe verwendet. Welche Funktionen aktuell verf\u00fcgbar sind, k\u00f6nnen Sie hier<\/a> nachlesen.<\/p>\n\n\n\n Zum Zeitpunkt der Ver\u00f6ffentlichung dieses Artikels wird in ChatGPT folgender Bildschirm angezeigt, wenn Sie den Sprachmodus aufrufen:<\/p>\n\n\n\n Gut, das war jetzt doch etwas l\u00e4nger als gedacht. Kommen wir nun also dazu, was die Verf\u00fcgbarkeit von all dem f\u00fcr L&D bedeuten k\u00f6nnte.<\/p>\n\n\n\n Unsere Hypothese: Schnellere und authentischere Interaktionen f\u00fcr praktische \u00dcbungen und Reflexion<\/strong><\/strong><\/p>\n\n\n\n Mit textbasierten Chat-Szenarien f\u00fcr praktische \u00dcbungen und Rollenspiele hatten wir zuvor bereits experimentiert. Anfangs waren diese Interaktionen zwar unterhaltsam. Zu gew\u00e4hrleisten, dass sie sich real anf\u00fchlten (obwohl nat\u00fcrlich klar war, dass es sich um eine KI handelte), war aber letztlich mit einem viel zu gro\u00dfen Aufwand verbunden. Zudem erwies es sich als unnat\u00fcrlich, Szenarien wie etwa ein Telefonat in einem Chat durchzuspielen, die eher in gesprochener Sprache stattfinden w\u00fcrden.<\/p>\n\n\n\n Um das Gef\u00fchl realer Interaktionen zu vermitteln und den Austausch einfacher zu gestalten, wollten wir das Szenario daher um Sprachfunktionen erg\u00e4nzen.<\/p>\n\n\n\n Experiment 1: KI-Coach<\/strong><\/strong><\/p>\n\n\n\n Als LLM verwendeten wir GPT-4 Turbo, das wir um eine Ebene zur Sprachkommunikation erweiterten. Dann wiesen wir den Assistenten an, als Coach f\u00fcr F\u00fchrungskr\u00e4fte zu agieren. Zu bemerken ist hier, dass sich GPT-4 im Rahmen von fr\u00fcheren Forschungsarbeiten als effektivste L\u00f6sung f\u00fcr Rollenspiele<\/a> erwiesen hat (wobei die Evaluierung eine begrenzte Auswahl anderer Modelle umfasste).![\"\"](\"https:\/\/explore.degreed.com\/wp-content\/uploads\/2025\/04\/XTM_05-24-24_Exp3_AI-Coaching_Pt2_de_DE_Artboard-1-1024x576.png\")
<\/figure>\n\n\n\n![\"\"](\"https:\/\/explore.degreed.com\/wp-content\/uploads\/2025\/04\/new-voice-coming-soon.png\")
<\/figure>\n\n\n\n![\"\"](\"https:\/\/explore.degreed.com\/wp-content\/uploads\/2025\/04\/product-screen-conversational-AI-1024x508.png\")
<\/figure>\n\n\n\n
In diesem Video sind meine ersten Erfahrungen mit dieser Kombination festgehalten:<\/p>\n\n\n\n