Die Einführung künstlicher Intelligenz ist nicht mehr nur ein technologischer Trend, sondern wird zu einer auf staatlicher Ebene verankerten Notwendigkeit. Angesichts der wachsenden Aufgabenvielfalt und der Beschleunigung von Arbeitsprozessen benötigen HSE-Spezialisten neue Werkzeuge zur Optimierung von Routineaufgaben. Vera Konshina, Vertreterin von Yandex, analysiert praktische Erfahrungen bei der Nutzung generativer neuronaler Netze zur Transformation der Unternehmenskommunikation und zur Erstellung von Schulungsmaterialien zur Arbeitssicherheit.
Ein großer Teil der täglichen Arbeit eines HSE-Spezialisten ist mit Kommunikation und Schulung verbunden. Traditionelle Textanweisungen und Vorschriften finden bei den Mitarbeitern oft keinen Anklang, insbesondere bei der jüngeren Generation, die visuelle Informationen besser aufnimmt. Der Vortrag beleuchtet detailliert den Übergang von trockenen Dokumenten zu generierten Videos.
Die Referentin zeigt an einem Beispiel, wie man die schrittweise Arbeit mit neuronalen Netzen aufbaut und die Aufgaben allmählich komplexer gestaltet. Es wird empfohlen, mit grundlegenden Textmodellen (wie YandexGPT, GigaChat oder Deepseek) zu beginnen, um kurze Vorfallberichte zu erstellen. Der nächste Schritt ist die Generierung von Bildern für interne Präsentationen unter Berücksichtigung der Unternehmensfarben.
Die komplexeste, aber effektivste Phase ist die Arbeit mit Video und Ton. Anstatt zu versuchen, eine komplexe Videosequenz von Grund auf neu zu generieren, was oft zu visuellen Verzerrungen (Artefakten) führt, wird ein kombinierter Ansatz vorgeschlagen: Zunächst wird ein hochwertiges statisches Bild erstellt, das dann „zum Leben erweckt“ wird. Für die Vertonung von Unterweisungen werden Sprachsynthese-Dienste verwendet, die realistische Stimmen ohne Studioaufnahmen bieten.
Die Qualität des Ergebnisses hängt direkt davon ab, wie die Aufgabe formuliert ist. Die Referentin analysiert häufige Fehler bei der Generierung, wenn das neuronale Netz unnötige Details hinzufügt (z. B. verzerrte Proportionen oder zusätzliche Finger an den Händen). Um dies zu vermeiden, muss eine strenge Prompt-Struktur angewendet werden:
Vor Beginn ernsthafter Arbeit wird empfohlen, das ausgewählte Modell auf seine Fähigkeit zur Herstellung logischer Verbindungen zu testen, indem man ihm eine absurde Frage stellt (z. B. über das Erhitzen eines Gegenstands im Gefrierschrank). Dies ermöglicht es, die Angemessenheit des Algorithmus zu bewerten.
Eines der Haupthindernisse bei der Einführung von KI im Unternehmensumfeld ist das Risiko von Datenlecks. Die Nutzung offener Cloud-Modelle bedeutet, dass die hochgeladenen Informationen für das weitere Training von Algorithmen verwendet werden können. Um vertrauliche Unternehmensinformationen zu schützen, muss entweder ein strenges Verfahren zur Datenanonymisierung durchgeführt werden (Entfernung von rechtlichen Details und personenbezogenen Daten aus Risikobewertungskarten) oder es müssen geschlossene KI-Unternehmensumgebungen genutzt werden, die unter sicheren B2B-Verträgen arbeiten.
Entdecken Sie die vollständige Bibliothek bewährter Praktiken der Arbeitssicherheit
Zur Bibliothek