Inhaltsverzeichnis
- In welchen Phasen kann ChatGPT die Technische Redaktion unterstützen?
- Beispiel 1: ChatGPT, schreibe mir Verlaufskommentare
- Beispiel 2: ChatGPT, erstelle mir einen Warnhinweis
- Beispiel 3: ChatGPT, überprüfe diesen Warnhinweis
- Beispiel 4: ChatGPT, schreib mir diesen Text um
- Fazit und Ausblick
- PowerWebinar „Prompt Engineering für die Technische Redaktion“
Der Einsatz künstlicher Intelligenz wird momentan überall getestet und umgesetzt. Auch Technische Redaktionen können von Assistenten wie ChatGPT profitieren. Zusammen mit Contentmanagement-Systemen wie SCHEMA ST4 und vorhandenen Automatisierungstools wie dem Automation Designer ergibt sich eine Fülle an denkbaren Szenarien, die Redaktionen gezielt Unterstützung geben und effizienteres Arbeiten ermöglichen. Wir haben uns schon frühzeitig einige dieser Szenarien überlegt, einfach mal ausprobiert, was geht und was nicht. Und einige unserer Ideen und Ergebnisse möchten wir mit Ihnen teilen.
In welchen Phasen kann ChatGPT die Technische Redaktion unterstützen?
KI-Tools wie ChatGPT können während der gesamten Prozesskette der Technischen Dokumentation unterstützen. Das fängt beim Import oder der Migration von Bestandsdaten in ein Contentmanagement-System an, geht über die eigentliche Produktion der Dokumentation bis hin zur Qualitätssicherung:
Import / Migration
Die Übernahme von Bestandsdaten in ein CMS ist oft eine gewaltige Aufgabe, besonders wenn die Bestandsdaten ausschließlich als Printdokumentation vorliegen. Diese können mittels Scanner und OCR in digitale Texte überführt werden. KI kann hier z. B. bei der Korrektur der Texterkennung unterstützen.
Ein weiteres Beispiel ist die automatisierte Klassifizierung von Content beim Import.
Produktion
Eine komplette Übernahme der Technischen Dokumentation durch ChatGPT ist eher unwahrscheinlich, aber es gibt einige Schritte, die eine KI heute schon erledigen kann. So kann ChatGPT auf Basis vorliegender Informationen Warnhinweise generieren oder Oberflächentexte übersetzen.
Qualitätssicherung
Die Qualitätsprüfung und Kontrolle im CMS kann viel Zeit verschlingen. Mit Reports und Schematron-Regeln bietet ST4 schon einiges an Tools an, die hier helfen, aber da geht mehr. ChatGPT kann z. B. die Prüfung von einzuhaltenden Strukturen übernehmen wie etwa bei Warnhinweisen. Der Vorteil: Neben der eigentlichen Prüfungen kann KI bei Fehlern gleich die passenden Verbesserungsvorschläge machen. Auch das Umformulieren von Texten basierend auf definierten Vorgaben ist möglich.
Neben dieser punktuellen Unterstützung kann KI auch die Erstellung der Technischen Kommunikation als Ganzes überwachen und durch das Tracken von Änderungen und das Erstellen von entsprechenden Verlaufskommentaren zur besseren Nachvollziehbarkeit beitragen.
Einige dieser Szenarien stelle ich Ihnen jetzt genauer vor:
Beispiel 1: ChatGPT, schreibe mir Verlaufskommentare
Gerade in mehrköpfigen Redaktionen ist es wichtig, dass alle auf einem Stand sind und Änderungen am Content nachvollziehen können. Zur Generierung von Verlaufskommentaren haben wir einen entsprechenden Workflow mit ChatGPT-Anbindung erstellt. Die Kommentare werden für jeden geänderten Knoten als Metadatum gespeichert. Aufgebaut sind sie als XML-Struktur mit Informationen zur Person, Datum oder Inhalt. Diese Informationen könnten auch über Versionierung und XSLT umgesetzt werden. Die KI bietet aber zusätzlich eine inhaltliche Komponente und erfasst, warum etwas geändert wurde und welche Folgen das ggf. hat.
Eine komplette Zusammenfassung der einzelnen Kommentare zu einer Änderungshistorie wäre natürlich auch umsetzbar.
Beispiel 2: ChatGPT, erstelle mir einen Warnhinweis
Mit den richtigen Informationen kann ChatGPT auch Warnhinweise basierend auf der SAFE-Struktur erstellen. Dazu erstellen wir in SCHEMA ST4 ein neues Fragment und klassifizieren es mithilfe von Taxonomien:
- Gefahrstufe > Warnung
- Gefahrenart > Hitze
- Körperteil > Hand
- Tätigkeit > Tür öffnen
- Produkt > Waschmaschine > Tür
- usw.
Per Workflow, auch hier mit Anbindung an ChatGPT, wird der Inhalt in passender XML-Struktur erstellt. Um zu diesem Ergebnis zu kommen, ist es notwendig, dass ChatGPT ausreichende Instruktionen erhält, also auch Beispiele für einen korrekten Warnhinweis.
Auch wenn die Klassifizierung hier auf Deutsch stattfindet, könnte ChatGPT mit diesen Daten einen englischen Warnhinweis erstellen. Alternativ kann der ausgegebene Warnhinweis auch direkt übersetzt werden.
Beispiel 3: ChatGPT, überprüfe diesen Warnhinweis
Der jetzt vorgestellte Workflow unterscheidet sich von den beiden vorherigen Beispielen. Er ist nicht voll automatisiert, sondern enthält Zwischenschritte, in denen Änderungen übernommen und bestätigt werden müssen. Dieses Vorgehen ist im Rahmen der Qualitätssicherung sinnvoll, denn nicht ChatGPT soll entscheiden, ob der Warnhinweis korrekt ist, sondern ein Mensch. Nicht immer sind die Ergebnisse von ChatGPT brauchbar, teilweise gibt es auch gar keine Ergebnisse.
Wie läuft nun so ein Prüfworkflow ab? Der entsprechende Knoten wird ausgewählt und der Workflow gestartet. ChatGPT schlägt jetzt basierend auf den vorliegenden Informationen und den Anweisungen eine neue Formulierung vor. Diese kann durch Kopieren und Einfügen in das entsprechende Formularfeld übernommen werden (dieses Vorgehen ist technisch bedingt, da ST4 in einem Workflow nicht den Aufruf zweier Editorfenster zulässt). Nach Bestätigung wird das Fragment aktualisiert.
Eine Erweiterung des Workflows ist denkbar, indem die Änderung noch einmal zur Prüfung geschickt wird.
Beispiel 4: ChatGPT, schreib mir diesen Text um
Gerade beim Formulieren von Warnhinweise rutscht man schnell ins Passiv. Gewünscht sind aber Formulierungen im Aktiv oder auch mittels imperativischen Infinitiv. Auch hier kann ChatGPT diese Arbeit schnell erledigen.
Entscheidend für die Qualität der Ausgabe ist wieder die Qualität der Anweisungen. Bei einfachen Anweisungen kann es zu ggf. unerwünschten Variationen im Stil kommen. Ausführlichere Anweisungen haben dagegen längere Zeiten bei der Abfrage zur Folge. Hier gilt es, abzuwägen.
Fazit und Ausblick
Der Einsatz von künstlicher Intelligenz ist in vielen Phasen der Technischen Dokumentation möglich. Eine genaue Prozessanalyse deckt Knackpunkte auf, bei denen gezielte Unterstützung ansetzen kann. Tools wie ChatGPT haben schon heute das Potenzial, sinnvolle Assistenten zu sein. Mit weiteren Verbesserungen ist hier zu rechnen.
Aber auch wenn sich der Aufwand an einigen Stellen reduziert: Er verschiebt sich hin zur Qualitätssicherung, denn die Ergebnisse der KI müssen durch eine MI (menschliche Intelligenz) geprüft werden.
Und es ist auch der Mensch, der die passenden Anweisungen (Persona, Beispiele etc.) an die KI weitergeben muss. Die notwendigen Kenntnisse dafür bringen Technische Redakteur:innen aber von Hause aus mit oder erlernen diese schnell.