Tabs
18. OAG-Treffen 11.12.2024
Datum: 11. Dezember 2024, 09:00 - 10:30 Uhr
Teilnehmende: Antje Müller, Edgar Maszkiewicz, Helena Grünbaum, Joss von Hadeln, Marie Fuchs, Nadine Ackermann, Sebastian Busse
Link zur Terminumfrage folgt
Allgemeine Informationen und Organisatorisches
- Thema der Sitzung: Jahresabschluss der OAG und Tutorial zum Einsatz lokaler bildgenerativer KI
- Geplante Aufzeichnung: Zu Beginn der Sitzung wurde der Hinweis zur geplanten Aufzeichnung gegeben. Dabei wurde klargestellt, dass lediglich der Ton und die Bildschirminhalte (z. B. Folien) aufgezeichnet werden, nicht jedoch die Videobilder der Teilnehmenden. Teilnehmende hatten die Möglichkeit, ihre Mikrofone und Kameras zu deaktivieren, um nicht in der Aufzeichnung zu erscheinen. Alternativ wurde auch angeboten, die Tonaufzeichnung auf das Mikrofon der Vortragenden zu beschränken, falls dies gewünscht sei.
- Ablauf der Sitzung: Die Sitzung war ursprünglich in zwei Hauptteile gegliedert. Der erste Teil sollte aus einem praktischen Tutorial zur Installation einer bildgenerativen KI auf lokalen Systemen bestehen. Hierbei wurde Schritt für Schritt demonstriert, wie das Stable Diffusion WebUI Forge eingerichtet und genutzt werden kann. Im zweiten Teil war eine offene Reflexionsrunde zum Jahresabschluss vorgesehen. Diese bot Raum für Diskussionen, Fragen und Rückblicke auf die Entwicklungen des vergangenen Jahres sowie erste Überlegungen zu den geplanten Aktivitäten im kommenden Jahr. Es wurde zu Beginn gemeinsam beschlossen, eine Frage- und Antwortrunde an den Anfang der Sitzung zu ziehen und das Tutorial anschließend durchzuführen.
Frage- und Antwortrunde der Teilnehmenden
- Fragen zu Open Source und KI-Modellen: Ein zentrales Thema der Diskussion war das Konzept von Open-Source-KI-Modellen. Es wurde erläutert, dass Open Source in diesem Kontext bedeutet, dass der Quellcode oder die Modelle frei zugänglich sind, jedoch nicht zwangsläufig alle Trainingsdaten oder vollständigen technischen Informationen offengelegt werden. Es wurde beleuchtet, dass echte Open-Source-Modelle, bei denen sämtliche Informationen transparent bereitgestellt werden, im KI-Bereich selten sind, da das initiale Training der Modelle aufgrund des hohen Aufwands und der damit verbundenen Kosten meist durch große Unternehmen oder Investoren finanziert wird. Beispiele wie Meta und deren Modell "Llama" verdeutlichten, dass häufig nur eingeschränkte Zugänge angeboten werden (z. B. Open Access), um die Konkurrenzfähigkeit zu wahren.
- Finanzierung von KI-Entwicklung: Ein weiterer Diskussionspunkt betraf die finanzielle Grundlage von KI-Projekten und Unternehmen. Es wurde erläutert, dass die meisten KI-Anwendungen aktuell durch massive Investitionen von Risikokapitalgebern und großen Technologiekonzernen getragen werden. Viele Unternehmen agieren derzeit als Verlustgeschäfte, da sie stark auf zukünftige Profitmöglichkeiten abzielen. Es wurde auch erwähnt, dass manche Dienste auf ein Freemium-Modell setzen, bei dem grundlegende Funktionen kostenlos zugänglich sind, während erweiterte Optionen kostenpflichtig angeboten werden.
- Datenschutz und Privatsphäre: In der Diskussion wurde ebenso auf den Umgang mit Daten in kommerziellen KI-Modellen eingegangen. Es wurde darauf hingewiesen, dass Nutzerdaten – insbesondere in kostenlosen Varianten – häufig zur Weiterentwicklung der Modelle verwendet werden. Im Gegensatz dazu ermöglichen Datenschutzverträge oder Premium-Optionen die Nutzung von KI-Diensten ohne Weitergabe der Daten an die Trainingssysteme (bspw. ChatGPT Teams). Diese Problematik wurde im Kontext von Data Privacy und Nutzerautonomie diskutiert, wobei auf die wachsende Bedeutung lokaler KI-Modelle hingewiesen wurde, die komplett auf dem eigenen System laufen und keine Daten nach außen weitergeben.
- KI-Entwicklung und gesellschaftliches Misstrauen: Ein weiterer Aspekt war die gesellschaftliche Wahrnehmung von KI. Es wurde die Frage aufgeworfen, wie KI-Modelle Vertrauen gewinnen können und inwiefern das Misstrauen gegenüber kommerziellen Anbietern durch Transparenz und Open-Source-Lösungen gemindert werden kann. Auch wurde thematisiert, wie das Bewusstsein für mögliche Verzerrungen (Bias) in KI-Modellen gestärkt werden kann, um die breite Nutzung von KI verantwortungsvoller zu gestalten.
- Anwendungsfälle und Potenziale von KI: Während der Diskussionsrunde wurden auch praktische Anwendungsmöglichkeiten für KI-Modelle beleuchtet. Hierbei ging es sowohl um den Einsatz für alltägliche Aufgaben als auch um spezialisierte Anwendungen, z. B. in der Forschung oder Lehre. Es wurde angemerkt, dass KI zukünftig Aufgaben übernehmen könnte, die derzeit von Fachkräften erledigt werden, und somit Möglichkeiten zur Produktivitätssteigerung bieten kann. Gleichzeitig wurde die Herausforderung diskutiert, wie Menschen weiterhin aktiv und sinnvoll in die Nutzung von KI eingebunden werden können
Videoaufzeichnung "Tutorial zum Einsatz lokaler bildgenerativer KI"
Referent: Dr. Sebastian Busse
Link zum Tutorial in Textform: https://www.digitalcreativeai.net/en/post/how-use-flux-1-dev-webui-forge-how-use-gguf-and-lora
Jahresabschluss 2024 und Ausblick auf das Jahr 2025
- Reflexion über die Entwicklungen des Jahres: Konsens der Anwesenden war, dass der Fortschritt in der KI-Technologie in hoher Geschwindigkeit voranschreitet und 2024 zahlreiche technologische Durchbrüche brachte. Besonders hervorgehoben wurden Fortschritte bei bild- und textgenerativen KI-Modellen sowie deren zunehmende Verfügbarkeit für breitere Nutzergruppen
- KI in der Forschung und Lehre: Ein wichtiger Aspekt der Reflexion war die Veränderung von Arbeitsweisen in Forschung und Lehre durch KI-Tools. Es wurde diskutiert, wie KI-Modelle Forschungsprozesse unterstützen können, etwa bei der Ideenentwicklung, Analyse von Fachliteratur oder der Erstellung wissenschaftlicher Texte. Gleichzeitig wurde die Frage aufgeworfen, wie Forschung durch die wachsende Leistungsfähigkeit der KI neu definiert werden könnte. Im Lehrbereich wurden insbesondere die Herausforderungen und Chancen im Umgang mit KI bei Prüfungen und der Erstellung von Lehrmaterialien angesprochen.
- Ausblick auf zukünftige Entwicklungen: Für das kommende Jahr wurde ein verstärkter Fokus auf die breitere Nutzung von KI in der gesamten JLU vorausgesehen. Es wurde betont, dass die Bereitstellung von KI-Modellen für Studierende und Lehrende („KI für alle!“) voraussichtlich zu einer stärkeren Integration in den akademischen Alltag führen wird.
- Themen für das kommende Jahr: In der Diskussion wurde vorgeschlagen, im Jahr 2025 verstärkt auf Themen wie Data Privacy, ethische Fragestellungen und die Vermeidung von Verzerrungen (Bias) in KI-Modellen einzugehen. Auch die Rolle der KI in der Forschung wurde als zentrales Thema identifiziert, insbesondere die Frage, wie Forschende ihre Rolle neu definieren müssen, wenn KI-Modelle zunehmend komplexe Aufgaben übernehmen. Darüber hinaus wurde der Einsatz von KI zur Unterstützung von visuellen und audiovisuellen Inhalten, wie etwa in virtuellen Studios oder Videoproduktionen, als mögliches Entwicklungspotenzial genannt.
- Planungen für künftige Treffen: Abschließend wurde angeregt, im kommenden Jahr wieder verstärkt offene Diskussionsrunden zu gestalten, um neue Entwicklungen zu reflektieren und praxisnahe Lösungen zu erarbeiten. Vorgeschlagene Schwerpunkte waren unter anderem der Einsatz von KI in der Lehre, KI-gestützte Prüfungsformate sowie praktische Workshops zu speziellen Anwendungen, wie etwa Open-Source-Modellen oder bild- und videobasierten KI-Tools.
Foliensatz 18. OAG-Treffen
Last edited: 17. Гру 2024, 12:17pm, Busse, Sebastian [gm1912]