Hallo miteinander und herzlich willkommen zum heutigen KI-Webinar. Legen wir los. Wir sind Justina, unsere Technical Writer im Bereich Engineering & Product, unsere Expertin für Prompting. Außerdem ist Daniela mit dabei, Head of UX. Wenn es also geht um Designfragen, wird Daniela ihre Expertise heute mit uns teilen und ich vertrete das Produkt insbesondere für die Technik. Es soll uns gehen um die folgenden Themen. Zunächst möchten wir rauszoomen und auf das schauen, was der Markt gerade hergibt an Lösungen im Bereich KI und wie man die in einem Content Creation Flow einbinden kann. Dann schauen wir uns an, was die AI Assistant Suite in diesem Zusammenhang zu bieten hat, in einer Demo mit Fokus auf Prompting und einer kleinen Sneak Peak auf den Code Assistant. Challenges, das sind diejenigen Herausforderungen, von denen wir viel gehört haben seit der Beta-Phase der AI Assistant Suite Anfang des vergangenen Jahres und im Launch Mitte des vergangenen Jahres. Ausgesprächen mit Kunden und Partnern möchten wir euch mitteilen, was wir gelernt haben und wie man eine Reihe von Herausforderungen gut angehen kann. Prompting bereits angekündigt, Best Practices durch Justina vermittelt. Und dann im letzten Viertel des Webinars wird es gehen um den Preispunkt, um die Trial Phase und wir schauen auf drei Fokusthemen der Roadmap, im Besonderen KI. Versucht man sich einen Überblick zu verschaffen über die KI-Lösungen im Markt, dann wird man schnell feststellen, es sind nicht nur ein paar hundert oder ein paar tausend, wahrscheinlich sind es mehr als 10.000. Das ist gar nicht so leicht zu ermitteln. Verschiedene Quellen pendeln sich irgendwo dort ein und wenn man also sagt, man möchte ein Problem lösen mit KI, dann steht man erstmal vor dieser riesengroßen Auswahl. Deswegen möchten wir einsteigen mit dem Folgenden, wo kann man eigentlich KI sinnvoll einsetzen. Aus unserer Perspektive und wir gucken uns hier im Besonderen den Texterstellungsprozess an, bereits im Bereich Recherche. Und Recherche heißt hier Themen, Trends, Schwerpunkte. Dann bei der Erstellung eines Entwurfs und das kann sein eine Liste an Themen, das kann ein erster Aufschlag sein. Das ist noch nicht der fertige Text. Aber auch dann, wenn man den fertigen Text schreibt, der zum Beispiel auf einer Landingpage landen soll, kann KI helfen. Wenn es um die Überprüfung geht, dieses Text, und das kann eine Korrekturschleife sein, ein Lektorat, eine Review, kann KI sicherlich auch helfen. Und hier haben wir schon den ersten Loop. Durch Sicherstellung, dass die Unternehmenssprache im Text so vorkommt, wie sie vorkommen soll, dass die Rechtschreibfehler ausgemerzt sind, gehen wir einen Schritt zurück und gehen wieder einen Schritt vor. Und sicherlich, bevor der Text live geht, muss auch Search Engine Optimization betrieben werden. Und auch hier wissen wir, gibt es eine Reihe von guten Lösungen im Markt, die Metadaten abdecken und Alltext und Keywords. Und selbst dann, wenn wir live gehen, können wir sagen, der Text, die Inhalte, die online gegangen sind, werden iteriert, die werden überprüft, darauf in einem A-B-Test, welche besser performen. Und wir können in einem Automatismus wieder am Anfang beginnen und erneut Recherche betreiben und erneut über Entwurf, Text, Review und SEO gehen. Zu der Frage, welche Tools eignen sich dafür? Ein paar Empfehlungen. Content Creation, also die Erstellung von Inhalten. Das, was wir wissen, entweder aus eigener Erfahrung oder aus Gesprächen mit Kunden oder wenn wir in den Markt schauen. Diese drei, die können sicherlich genannt werden. Und keine Frage, wenn wir in zwei, drei Monaten in Deutsch sprechen, wird diese Folie ganz anders aussehen. Dafür gibt es einfach zu viele Tools und es bewegt sich zu schnell. Aber aktuell, glaube ich, sind das belastbare Lösungen für die, die wir in der Zukunft haben. Für die Erstellung von Inhalten, insbesondere Text. Wenn es um sowas geht wie Rechtschreibung, Stilistik, ist Grammarly sicherlich ein Tool, das schon seit längerer Zeit eingesetzt wird. Aber wir sehen jetzt zwei weitere, die wir auch guten Gewissen empfehlen können. Soll es gehen um SEO? SEMrush, die Plattform, wird sicherlich einigen von euch bekannt sein. Aber es gibt auch andere ziemlich gute Tools, denke ich, die man hier genauso einnetzen kann. Und als letztes, wir haben gerade über Text gesprochen, aber Bilderzeugung. Dafür sind die Tools mittlerweile einfach zu gut, muss ja auch erwähnt werden. Sind das drei, auf die man sich gut und gerne stützen kann. Die rechtlichen Fragen einmal ausgeklammert. Ihr seht die Quelle, die wir hier angeben. Wir können gerne auch im Nachgang darüber sprechen, ob ihr spezifische Fragen habt zu den Tools. Oder auch im Chat, Daniela, Justina und ich schauen drauf und versuchen, eure Fragen zu beantworten. Wie passt nun unsere Lösung, die AI-Assistance-Suite, hier rein? Das möchten wir euch zeigen in einer Hands-on-Demo. Und für diejenigen, die regelmäßig bei der Broad Office Hour vorbeischauen, kennen sicherlich schon einiges. Es wird heute ein paar neue Dinge geben. Es wird auch einen anderen Fokuspunkt geben. Ihr solltet nun sehen, unsere Demo-Umgebung. Und wir haben hier unsere Inhalte. Das ist erstmal keine Überraschung, eine Überschrift. Ein Header-Bild, das ist ziemlich groß und dann sehr viel Text. Alles auf Deutsch. Und wir steigen ein damit, dass wir dieses Bild ersetzen wollen. Aber nicht nur das, wir wollen auch den SEO-Aspekt abdecken. Und was ich dafür vorbereitet habe, ist das folgende. Ich habe hier auf meinem Desktop ein Bild abgelegt. Und das werde ich gleich reinziehen. Und dann findet eine Bildanalyse statt, die Inhalte betreffen. Wir sehen dem Dateinamen nach, und das sind jetzt 4 MB, ein bisschen dauern, ein paar Sekunden, dass der Inhalt des Bildes noch nicht beschrieben ist im Dateinamen. Der Inhalt des Bildes wird gerade ermittelt. Ich mache das mal wieder größer. Einmal, was die All-Text-Beschreibung angeht, aber auch, das sehen wir hier unten, was die Kontextualisierung angeht. Also auf dem Bild zu sehen, hier oben rechts, also der gelbe Pullover, ich sehe den Laptop, im Hintergrund ist auch was abgelegt. Und das wird dann auch in der folgenden beschrieben. Und zwar so, dass es auch barrierefrei ist. Und so, dass es Bezug nimmt auf das, was auf unserer Seite abgebildet ist, wie wir gleich sehen werden. Ich denke, das ist nicht perfekt. Man würde wahrscheinlich auf das spannende Webinar, KI-Webinar, da würde man wahrscheinlich was ändern, würde man rauskürzen. Aber sinngemäß ist es korrekt. Und damit könnte man schon arbeiten. Das kann man so abspeichern. Damit hätten wir also das Bild ausgetauscht. Ich habe das gerade gespeichert. Das ist jetzt hier. Und damit können wir einsteigen. Und wir haben sogar die Bildbeschreibung direkt hier drunter eingefügt. Gerne Fragen stellen, gerne reingerätschen. Wir versuchen, das dynamisch zu halten. Dann haben wir als nächstes einen Textblock. Und ich zoome mal ein wenig raus, damit ihr seht, was das für ein großer, großer Textblock ist. Sehr lang, sehr viel Inhalt. Nehmen wir mal an, die Aufgabe lautet hier, das soll zusammengefasst werden. Nicht nur gekürzt, sondern zusammengefasst werden. Das können wir machen über den Content Assistant. Und gehe jetzt nicht von Element zu Element, sondern markiere die Gesamtheit. Also ich habe jetzt hier Steuerung A oder Command A auf Mac gedrückt und habe alles markiert. Und dann kann ich darauf KI-Aktionen laufen lassen. Die seht ihr hier rechts. Und das sind solche, die haben wir projektseitig hinterlegt. Das mögen andere sein. In euren Zusammenhängen, das ist euch freigestellt. Hier haben wir Zusammenfassen. Und dann sehen wir also, dieser riesengroße Textblock, zeige ich das nochmal, der wird jetzt recht zusammengefasst. Wir können ja mal überfliegen, ob das sinngemäß korrekt ist. Das stimmt. Hier ist von Automatisierung und Personalisierung die Rede von Datenqualität, Benutzerakzeptanz. Und das sind, denke ich, Datenqualität, Akzeptanz. Das sind, denke ich, die Punkte, die hier auch vorgekommen sind. Um das Ganze transparent zu machen, haben wir hier das Icon Interlegs. Dieses. Das uns die Änderungsansicht anzeigt. Und wir sehen hier transparent, da wird ganz viel rausgestrichen. Das ist ja keine Überraschung. Es wird auch etwas beibehalten. Hier in schwarz. Es wird etwas hinzugefügt, hier in blau. Da wird wieder viel rausgestrichen. Und Daniela, wenn du magst, vielleicht kannst du ein wenig sagen zu der Designphilosophie, die dahinter steht und wie wir transparent sein wollen, was KI-Ergebnisse angeht. Genau. Danke, Timo. Genau, wie du es gerade gesagt hast. Wir wollen der KI natürlich hier die Fleißarbeit überlassen, die Texte zu analysieren. Sie hat uns sehr, sehr viel Zeit gespart, indem wir hier eine ganz kurze, prägnante Zusammenfassung bekommen haben. Das hilft uns auch immens weiter. Wie gesagt, spart Zeit. Aber die Kontrolle des Ganzen soll natürlich am Ende beim Redakteur, bei der Redakteurin liegen. Und wir sollen erkennen können, transparent, was ist weggefallen, was ist dazugekommen. Um beurteilen zu können, ist diese Änderung, die jetzt hier stattfindet, auch eine, die wir am Ende übernehmen wollen. Dazu dieser Wechsel, den du gerade schon demonstriert hast, zwischen den beiden Modi, die wir da oben haben. Einmal die Änderungsansicht, die ganzen Änderungen inklusive Wegfall hinzukommen, anzeigt. Genauso wichtig ist aber diese andere Sichtweise, die wir haben, nämlich zusammengeschmolzen auf die Beantwortung der Frage, was ist denn das, was am Ende übrig bleibt. Denn das sehen wir hier ganz schön an diesem Beispiel. Dieser super lange Text wird zusammengefügt auf eine kleine, übrigbleibende Schnittmenge. Und das ist natürlich in so einem großen, komplexen Text am Ende unübersichtlich. Daher diese Ansicht super hilfreich, um später beurteilen zu können, ist das das, was wir haben wollen. Und am Ende die Kontrolle bei den Redakteuren und Redakteurinnen entscheiden zu können, wollen wir das jetzt so übernehmen, ja oder nein. Danke dir, Daniela. Ich sehe schon die ersten Fragen. Von Thomas. Wie sieht das aus bei verschiedenen Sprachen? Danke dir für die Frage. Dazu habe ich einen Use Case, der kommt in wenigen Minuten. Kurze Antwort. Wir können mit verschiedenen Sprachen umgehen und ich zeige dir gleich auch, wie das aussieht. Dann haben wir von einem anonymen Teilnehmer oder einer Teilnehmerin eine Frage, die lautet, plant ihr langfristig auch leichte Sprache als Standard zu hinterlegen? Zum Beispiel mit Some AI oder einem eigenen Modell. Leichte Sprache ist etwas, über das können wir gleich auch sprechen. Da haben wir auch etwas hinterlegt. Das ist also schon eingebunden. Some AI haben wir noch nicht angebunden. Eigene Modelle können angebunden werden über die Assistant API. Die Modelle, die wir gerade anbinden, OpenAI, Azure AI und AWS Bedrock, die sind nicht im engeren Sinne ausgelegt darauf, aber die können das in Teilen abbilden. Some AI werde ich mir mal anschauen im Nachgang, ob sich das lohnt. Die kurze Antwort lautet, wenn ihr das im Einsatz haben wollt, könnt ihr das heute schon über die Schnittstelle, die wir bereits anbieten. Okay. Eine weitere Funktionalität, die ich euch zeigen wollte, hier oben ist, neuen Vorschlag generieren. Und wir sehen jetzt den zweiten Vorschlag einer Zusammenfassung. Wir haben hier diesen gesehen, haben hier einen zweiten Vorschlag, und können die miteinander vergleichen. Ähnlich wie Daniel das gerade ausgeführt hat, vor und zurück gehen und uns dann für denjenigen entscheiden, der uns gut gefällt. Das machen wir, indem wir klicken auf Vorschlag übernehmen. Wir sehen, hier unten ist noch ein bisschen was übrig geblieben von der Formatierung. Kann man noch rüberziehen und speichern. Und dann haben wir einen Fehler gemacht. Wo haben wir den Fehler gemacht? Interessant. Fehler für Angaben A. Ich schaue mal eben, was da passiert ist. Ich mache das mal bei einer Demo. Ich gucke nochmal. Wir können das ja nochmal im Ganzen nachvollziehen. Ich markiere wieder alles. Ich fasse zusammen. Vielleicht war das das Sonderzeichen, was übrig geblieben ist. Ich nehme das hinzu. Hier, es hängt was drin. Kann ich das rauslöschen? Kann ich speichern? Okay, ich glaube, das war das Zeichen gerade, was da übrig war. Daniel, da siehst du aus. Okay. Und das passiert mal bei einer Demo. Damit haben wir die Zusammenfassung. Und weil gerade die Frage aufkam zu Sprachen, glaube ich, gehen wir direkt darauf ein. Ich habe hier erneut meine KI-Aktion über den Content Assistant und habe hier meine Translate-Auswahl. Translate, übersetzen. Und ich habe hier ein paar Sprachen hinterlegt. Nehmen wir mal an, ich möchte das übersetzen ins Englische. Das kann ich beurteilen. Und ich würde sagen, die Übersetzung ist gar nicht so schlecht. Ich kann das übersetzen. Übernehmen. Und ich kann jetzt nochmal zusammenfassen. Es ist schon zusammengefasst. Mal sehen, ob das sinnvoll das Ergebnis produziert. Es ist noch ein bisschen kürzer geworden. Also, um auf deine Frage einzugehen, wir können auch mit mehreren Sprachen umgehen. Und wir könnten jetzt auch das hier übersetzen in eine andere Sprache, weil wir gerade beim Thema Sprachen sind. Zum Beispiel in Spanisch. Ups. Und dann könnten wir das annehmen und dann könnten wir auch das zusammenfassen. Summarize. Und das ist jetzt die leicht zusammengefasste Fassung dieses Absatzes. Beantwortet das deine Frage zu Sprachen? Ah, die Frage war eher auf die automatisierten Metadaten. Also, nehme ich an, du nimmst Bezug auf das, was wir eingangs mit dem Image Assistant dargestellt haben. Richtig, Thomas? Insofern das der Fall ist, sehr gut. Genau, sagst du. Ja, da können wir auch mit anderen Sprachen umgehen. Wir haben jetzt projektsättig Deutsch hinterlegt für diesen Fall. Aber wie du siehst, der Sprung von der einen in die andere Sprache ist kein Hexenwerk. Darf ich da vielleicht ganz kurz nur hinzufügen? Also, die Prompts sind so aufgebaut, dass sie im Endeffekt mit der Sprache arbeiten, in der der Text ist. Das bedeutet, ist der Ausgangstext Spanisch, wird dann das Ergebnis von der Summary-Aktion oder Summarize-Aktion auch in Spanisch sein. Ist er in Englisch, ist der Output dann auf Englisch. Also, das ist die Idee dahinter. Danke dir, Justina. Weil wir gerade über Sprachen reden und weil, wie angekündigt, wir uns ein wenig mit dem Prompt-Management beschäftigen wollen. Wir sehen diese Auswahl. Nehmen wir an, ihr möchtet diesen nun spanischen Text in eine andere Sprache übersetzen, als die, die ihr hier angegeben seht. Wie kann man das machen? Gesetzt, dass die entsprechenden Rechte vorhanden sind. Wir haben ja auch ein Rechte-Management, das dahinter liegt. Kann man, ich habe gerade auf dieses Icon oben rechts geklickt, kann man dort draufklicken und dann kann man sehen, was im Hintergrund vermerkt ist. Und das ist dieser Prompt für Translate. Und Justina, vielleicht hilfst du uns erstmal zu verstehen, was sehen wir hier eigentlich? Ja, also wir sehen hier, die Aktion hat einen Namen. Das wäre Translate. Dann gibt es dazu einen Prompt. Da definieren wir die Aufgabe im Endeffekt. Und dann haben wir hier im Fall von Translate auch noch Optionen. Das sind die Auswahlmöglichkeiten an Sprachen, die man eben gerade schon gesehen hat. Und das kann man auch editieren, etwas hinzufügen, etwas verändern, wie auch immer. Und wenn du ganz kurz nochmal zurückgehst, Timo, da sehen wir auch genau unten eine Liste an Optionen, die man theoretisch für einzelne Operationen, also Operation ist jetzt Translate in diesem Fall, die man zuweisen kann. Danke dir. Ich würde das gerne mal ausprobieren. Also stellen wir uns vor, das ist eine Auswahl, die ist gut, aber uns fehlt eine Sprache. Und das mag jetzt Portugiesisch sein. Was wir tun können ist, wir können einen beliebigen nehmen und duplizieren. Ich zoome mal rein, das machen wir hier unten. Wir haben eine Auswahl. Eintrag duplizieren. Ich klicke auf das Icon drauf. Und dann sage ich Portugiesisch. Und dann übernehme ich das. Und dann speichere ich das. Und dann schließe ich das. Und dann muss ich kurz die Seite neu laden aktuell. Da wird auch noch gearbeitet. Das wird später ohne Neuladen funktionieren. Und dann sehen wir gleich, dass wir hier eine weitere Sprache zur Auswahl haben, nämlich Portugiesisch. Portugiesisch. Und dann gucken wir mal, ob das funktioniert. Und Lucina, vielleicht kannst du, während das passiert, kurz sagen, warum arbeiten wir eigentlich auf Englisch mit den Prompts? Ja, also es ist generell so, dass einfach die Datenmenge an englischen Daten viel größer ist, mit denen die Modelle trainiert werden. Das bedeutet, man ist eher auf der sicheren Seite, wenn ein Prompt auf Englisch ist. Prompts können auch in anderen Sprachen erstellt werden. Sie sind dann oftmals nicht ganz so effizient vielleicht, wie in englischer Sprache. Aber generell ist es auch in anderen Sprachen möglich. Danke dir. Okay, dann machen wir weiter mit unseren Use Cases. Wir haben hier unten einen Satz. Der ist ziemlich kurz. Stellen wir uns vor, das ist eine Anforderung, und die lautet, daraus einen längeren Artikel zu machen. Der sinngemäß mit dem arbeitet, was uns hier vorliegt. Das ist ja nicht besonders viel. Was wir hier rechterhand haben, ist das folgende. Wir haben hier den Erstellen-Bereich, und da können wir auswählen, was wir machen wollen mit dem Inhalt, der uns zur Verfügung steht. Und wir könnten jetzt einen strukturierten Artikel daraus machen. Wir sehen auch rechts, das Ergebnis kommt gerade reingestreamt, dass wir die Formatierung, die mitgegeben wird, sofern es das Template hergibt im Projekt, das mag von Projekt zu Projekt unterschiedlich aussehen, berücksichtigen. Also wollte ich hier Vorschlag übernehmen, drücke, sehen wir, das ist eingeordnet worden. Hier sehen wir auch die Bullet Points, das ist gefettet. Das sind einzelne Elemente, und dann können wir das Ganze speichern. Und mal schauen, ob es immer noch geht um Effizienzsteigerung. Wahrscheinlich würde ich das noch ein wenig kürzen, aber inhaltlich denke ich, ist alles da. Auch hier die Zeitersparnis, die Konsistenz, Skalierbarkeit. Hier schauen wir nochmal auf das, was dahinter liegt. Das ist das Prompt Management. Ich steige wieder ein, und diesmal steige ich auf einer Ebene höher ein. Wir sind ja gerade gewesen im Bereich Translate und haben uns einzelne Sprachen angeguckt. Jetzt sind wir auf der höchsten Ebene, und jetzt sehen wir eine andere Übersicht. Und Janina, vielleicht hilfst du uns zu verstehen, was wir eigentlich hier sehen. Von links nach rechts, was sind das hier für Angaben, und was kann ich hier machen? Ja, also erstmal bekommen wir hier eine Übersicht der überhaupt verfügbaren Operationen, die wir hier aktivieren können für diese Stelle. Das heißt, wir sehen erstmal eine Liste, die eine sortierte Reihenfolge hat. Das ist auch am Ende die Reihenfolge, die uns in der GUI in der Liste angezeigt wird. Und wir können in der linken Spalte erstmal sehen, ist diese Operation in der aktuellen Ansicht im Content Assistant sichtbar. Da unterscheiden wir noch zwischen default sichtbar und so weiter und aktiv sichtbar. Das brauchen wir jetzt nicht im Detail zu besprechen, aber ganz grundsätzlich geht es darum, ist diese Aktion hier aktuell verfügbar, ja oder nein. Position 2 ist dann im Grunde nochmal eine Anzeige, an welcher Position sehen wir dieses Listenelement in der Liste. Dann folgt der Name der Aktion, der uns im besten Fall schon direkt verrät, was denn die Aktion auch beim Ausführen für uns tut. Und die folgende Spalte beschreibt nochmal kurz, ist es eine Aktion, eine Operation, die nur an dieser Stelle verfügbar ist, also nur hier im Content Assistant, oder auch in einem der anderen KI-Assistenten, die wir in FESPIRIT verwenden. Da sehen wir jetzt bei den oberen Dreien, dass die auch im Analyze Assistant angeboten werden. Das sehen wir später nochmal in Aktion in Teams Demo. Und die letzte Spalte verrät uns im Grunde abstrakt gesagt, ist das ein Prompt oder eine Operation, die nur in unserem Projekt verfügbar ist, oder teilen wir diese Aktion mit anderen Projekten in unserem Unternehmen oder global. Das sind die wertvollen Informationen, die wir dann hier haben. Und diesen Dialog wollen wir von dieser Stelle aus öffnen können, die du gerade demonstriert hast, weil das genau die Stelle ist, an der wir möglicherweise feststellen und identifizieren, dass uns etwas fehlt. Wir wollen eine Aktion ausführen, wir wissen, dass sie theoretisch verfügbar ist, und wir wollen sie hier in diese Liste auswählbarer Informationen hinzufügen. Deshalb dann Hands-on direkt an dieser Stelle, wo wir die Aktion noch ausführen können. Danke dir, Daniela. Und ich sehe die nächste Frage von Thomas. Wie sieht es dort aus mit Glossaren? Ich versuche zu verstehen, was meinst du mit dort? Nimmst du Bezug auf das Prompt-Management oder auf etwas, was du gerade in Demo gesehen hast? Allgemein bei den Übersetzungen. Ah, sowas wie ein Glossar zu hinterlegen, also bestimmte Termini sollen so und nur so übersetzt werden. Das ist eine gute Idee, das haben wir aktuell noch nicht realisiert. Man könnte das über ein Workaround im Tone-of-Voice-Prompt abbilden, über den sprechen wir gleich auch noch. Okay. Letzte Aktion, den Content-Assistance betreffend. Um euch zu zeigen, wie das funktioniert, wenn ich also hier aktiviere, meine Keywords, die möchte ich jetzt sehen, dann tauchen die direkt hier auf. Und dann kann ich meine Keywords generieren. Ich tauche jetzt auf Englisch auf und auch da kann ich in den Prompt reingehen, wenn ich das will und könnte den so bearbeiten, dass der mir das auf Deutsch zurückgibt, wenn ich hier sage German statt Englisch-Keywords. Daniela hat schon angerissen, wir haben gerade über den Content-Assistant gesprochen. Wir haben einen weiteren Assistant neben dem Image-Assistant, den wir eingangs gesehen haben, nämlich den Analyze-Assistant. Und bezugend auf das, was in der Q&A-Section gerade schon angerissen wurde, würde ich jetzt auf Tone-of-Voice eingehen. Wir drücken auf Analyze, das habe ich gerade gemacht. Und im Gegensatz zu dem Content-Assistant, der von Element zu Element geht, immer gesehen, ich habe hier die Auswahl getroffen und bin dann von Element zu Element gegangen, schauen wir mit dem Analyze-Assistant auf die ganze Seite. Und was hier passiert ist, dass wir eine Überprüfung stattfinden lassen, die in diesem Prompt beschrieben ist. Die guckt darauf, ob unsere Unternehmenssprache so abgebildet ist, wie sie das sein soll. Und ich habe hier eine Regel hinzugefügt, diese, dass immer dann, wenn die Abkürzung KI vorkommt, wir Künstliche Intelligenz stattdessen im Text sehen wollen. Wir gucken mal, ob die Stellen gefunden wurden und wie dann der Vorschlag, den der Analyze-Assistant macht, aussieht. Und wir sehen auch, wir haben hier ein Highlighting. Also ich kann hier durchgehen und sehe dann hier oben zum Beispiel, nehmen wir mal diesen Text hier links, gehighlighted, kann hier raufgehen und mir auch hier wieder eine Vergleichsansicht anzeigen. Und wie gerade schon vorher, nachher, auf der linken Seite unser Ausgangstext und wir sehen hier KI, KI, KI und sehen hier Künstliche Intelligenz, Künstliche Intelligenz und Bindestrich wurde gewahrt. Und hier auch wurde also erfasst und sehr klug auch, klug in Anführungszeichen, besser gesagt genau, das, was in Klammern steht, auch zusammen mit den Klammern weggelöscht. Also das ist, denke ich, belastbar. Ja, wir haben hier weitere Beispiele. Das wurde so gefunden. Und was ich nun machen kann, ist, ich kann das so anwenden, wenn ich möchte, oder ich kann sagen, all das, was ausgewählt ist, wir sehen hier die Checkboxen, all das soll angewandt werden, in einer Bulk Action, also mehrere zusammenfassend über Apply, über die gesamte Seite gehend. Ich schaue mal in die Q&A-Section, ob es dazu Fragen gibt. Aktuell nicht, das ist super. Dann gucken wir in das, was ich schon angekündigt hatte, nämlich den Code Assistant. Code Assistant ist auf einer anderen Seite. Der Code Assistant ist zugänglich auf Code-Ebene, die ich hiermit aufrufe. Also wir sind jetzt in dem Bereich Development Capabilities im Content Creator. Und ich wechsle rüber in den Bereich HTML hier oben und kann dann hier etwas aufrufen. Vergleiche mit dem Analyse Assistant. Das scannt über das, was wir gerade sehen. Und dann anzeigt, gibt es etwas, auf das ich dich hinweisen möchte oder nicht. Aber darüber hinaus die Gesamtheit des Projekts ebenso berücksichtigt. Deswegen dauert es hier einen Ticken länger, weil wir über sehr viel Code gehen. Und wir gucken uns gleich an, was vorgeschlagen wird. Wir haben hier einen Treffer. Best Practice, Maintainability, Web Development Best Practices. Zeile 22, gucken wir mal rein. Inline Styles werden hier anscheinend verwendet. Hier nochmal angezeigt, dass es hier entsprechend markiert. Wäre ich ein Entwickler, könnte ich jetzt reingehen und das entsprechend bearbeiten und abspeichern und diesen Fehler beheben. Wie angekündigt, ist es nicht nur der Teil, den wir gerade sehen, sondern darüber hinaus das Projekt, das ebenso gescannt wurde. Und wir haben hier wieder SEO, Barrierefreiheit, nochmal Barrierefreiheit, nochmal SEO und Best Practices. Und können sagen, wir beschäftigen uns jetzt mit diesem Thema. Ich lege da drauf. Wir springen direkt zum Code. Wir sehen hier, das Element ist ein anderes und haben da dieselbe Ansicht. Auch hier versuchen wir Konsistenz zu wahren und haben hier das Prompt Management genauso abgebildet, wie wir es gerade schon gesehen haben, in den anderen beiden Assistants. Bevor wir zurückgehen zur Präsentation und uns weitere Themen anschauen, gibt es hier zu fragen. Okay, ich sehe nichts im Chat, deswegen denke ich, gehen wir zurück. Was haben wir gerade gesehen? Wir haben den Content Assistant gesehen, der von Element zu Element geht. Wir haben gesehen, wie wir die Prompts anpassen können. Christina wird noch sehr viel mehr sagen darüber Best Practices. Was wird durch Crumpy geliefert? Was könnt ihr damit tun? Im Folgenden. Den Analyze Assistant, der über die Gesamtheit der Seite ging. Auch da Transparenz ist für uns von enormer Wichtigkeit im Bereich KI. Zu keinem Zeitpunkt, das ist unser aktueller Standpunkt, wird es KI-Aktionen geben, die Inhalte, die KI generiert sind, direkt live pushen. Das sehen wir einfach noch nicht. Image Assistant haben wir eingangs gesehen. Schaut sich das Bild an, analysiert das, stellt fest, was ist inhaltlich zu sehen und in welchem Kontext steht das Bild. Und wir haben ganz kurz gesprochen über die Assistant API, also unsere Schnittstelle. Und wir können gegeben, es wird auf Kunden- und Partnerseite ein Invest betrieben in diese Richtung, ein beliebiges Modell anbieten. Zur Unterstützung. Wenn ihr euch fragt, wir nutzen bereits JTPT oder Azure AI und wir haben einen eigenen Schlüssel und wir sind ein Cloud-Kunde. Das ist super. Wir unterstützen die AI-Assistance-Suite zu 100% in eurem Szenario. Dasselbe gilt für On-Prem. Ihr habt keinen und fragt Crumpy, könnt ihr bitte einen bereitstellen? Auch das wird zu 100% abgebildet. Und wir haben gerade darüber gesprochen, ihr habt ein Modell, das von uns nicht nativ integriert ist. Auch das könnt ihr anbinden. Die drei habe ich bereits genannt. Und wenn es weitere gibt, Google Gemini zum Beispiel, von denen ihr sagt, ihr möchtet die unbedingt anbinden oder angebunden sehen in dem nativen Sinne. Wir brauchen bloß den Endpunkt und den Schlüssel. Dann kann man loslegen. Dann können wir das gerne diskutieren und auch auf die Roadmap nehmen. Und ich sehe, dass im Chat eine weitere Frage gestellt wurde, nämlich, kann man beim Code-Assistent auch auf Optimierung oder Korrigierung fehlerhafter Logik, also im CMS-Template-Syntaxen überprüfen? Danke dir, Steffen, für die Frage. Wenn du den Prompt so schreibst und das vorliegt, was du gerade gesehen hast, dann sehe ich erstmal kein Hindernis. Wir haben noch nicht, vielleicht zielt deine Frage da auch ab, einen Template-Assistent im Produkt. Wir überlegen, wann wir den bringen. In welcher Form? Aber der ist noch nicht da. Ich glaube, darauf zielst du ab. Richtig? Sehr gut. Du schreibst genau. Der ist noch nicht da. Wenn dir dieser Template-Assistent am Herzen liegt, wir haben eine Umfrage. Gib das gerne an. Dann können wir das auch numerisch abbilden und in das Scoring einbinden. Und das wäre auch schon die erste Umfrage, die ich jetzt schalten würde. Zu der Frage, welche Herausforderungen ihr seht, die ihr unbedingt mit KI bewältigt sehen wollt. In einer Sekunde sollte bei euch eine Umfrage erscheinen. Und es wäre super gut, das ist ein Freitagsfeld. Könntet ihr uns sagen, was ihr denkt? Daniela, Justina, die Teams, die verschiedenen Teams, die hier anarbeiten. Wir schauen uns die Ergebnisse der Umfrage an und beziehen die entsprechend in die Quartalsplanung mit ein. Die Ende des Monats ansteht. Und ich schaue mal, ob etwas im Chat steht. Aktuell nicht. Und ich sehe, dass die Antworten eingehen. Und wir werden das für eine Minute stehen lassen, bevor es weitergeht. Vielen Dank. Sehr hohe Beteiligung. Danke euch. Ich lasse das auf und wir machen langsam weiter. Was wir gesehen haben in den vergangenen zwölf Monaten seit der Beta-Phase, ist, dass es eine Reihe von Herausforderungen gibt. Man möchte KI im Unternehmen einsetzen und sieht sich gegenübergestellt einer Reihe von Hürden, die zunächst genommen werden müssen. Wollte man das zusammenfassen? Man könnte landen bei diesen sechs. Eine Abwehrhaltung auf Seite der KollegInnen gegenüber KI, der Einführung von KI. Mangel der Expertise im Unternehmen. Die Schwierigkeit, KI zu integrieren, sinnvoll zu integrieren in bestehende Systeme und Prozesse. Zwei Punkte zu Daten. Einmal die Datensicherheitsdimension und einmal die Datenqualitätsdimension. Und dann das ganze Thema Ethik und Moral. Und wir möchten im Folgenden etwas vorschlagen. Etwa zum Thema Abwehrhaltung auf Seite der KollegInnen. Stellen wir uns vor, es gibt eine echte Sorge darum, dass der Arbeitsplatz entfällt, dass man ersetzt wird durch KI. Eine Skepsis gegenüber den Ergebnissen, die KI liefert. Und vielleicht auch bezogen auf den Energieverbrauch aktueller Modelle. Wie kann man damit umgehen? Und was haben wir gesehen als, so kann es funktionieren? Möglicherweise ein Mindset-Shift. Change Management kann hier die Überschrift sein. Und auch die Einbindung von KollegInnen im Sinne von Trainings, Diskussionen und auch dem Zeigen auf etwas, nämlich inwiefern KI toll ist. Wie eingangs gesehen, die große Auswahl. Helfen können, Produktivität zu steigern. Denn ich glaube, es ist etwas dran. Es wird weniger um die Ersetzung gehen von Personen und Rollen und mehr um die Ersetzung von drei, vier, fünfminütigen Aufgaben, die durch KI sehr gut abgebildet werden können. Und ich habe hier verlinkt einen LinkedIn-Kurs. Wissend darum, dass viele unserer Kunden mit Microsoft und der Office Suite arbeiten, LinkedIn-Learning als Teil davon ist, denke ich, ein guter Einstieg, um diesen Produktivitätsaspekt stärker zu machen. Die zweite Herausforderung, von der wir häufig gehört haben, ist der Mangel an Expertise. Und möchte man Expertise im Haus haben, dann ist das häufig ein Kostenpunkt, der noch nicht budgetiert ist. Eine Empfehlung aus unserer Erfahrung kann da sein, erneut Trainings, Onboardings, Enablements, zu veranstalten, aber auch sich zu wenden an Partner oder ExpertInnen im Markt. Das muss nicht teuer sein. Man kann starten ganz basal mit dem, was bereits zur Verfügung steht, ob das Podcasts sind, ob das diejenigen sind, die Erfahrungen längst gemacht haben. Und hier, denke ich, kann man sich bei den ganz großen Orientieren, BASF etwa, hat, das kann man nachhören hier, eine Managerin, die sich für AI-Enablements, stark macht. Das ist ihre Rolle. Und die sorgt dafür, dass die Strategie entsprechend umgesetzt wird und dass die Leute abgeholt werden. Und dass die Expertise aufgebaut wird, innerhalb des Unternehmens. Die dritte Herausforderung, von der wir häufig gehört haben, und die wir auch aktuell sehen, ist die Einbindung in bestehende Prozesse und Systeme. Wir sprechen hier nicht nur von Kompatibilität und Abhängigkeiten. Wir sprechen auch davon, dass man kein Overhead produzieren möchte mit dem nächsten Tool. Ob das nun AI-powered ist oder nicht, das dann bloß hinzugefügt wird zu dem großen Stack an Tools, die man sowieso schon nutzt. Hier lohnt sich aus unserer Perspektive das Assessment. Was liegt eigentlich vor? Das ist alles andere als trivial. Was will man davon beantworten? Halten und braucht man drei, vier, fünf Tools oder kann man das möglicherweise in einem Tool abbilden? Wir erinnern uns an den Content Creation Flow, den wir gerade gesehen haben. Möchte man für jeden Schritt ein eigenes Tool haben oder kann man das bündeln in zwei, drei, die das auch abbilden? Hier gibt es erneut einen Kurs, auf den möchten wir hinweisen, der erläutert, wie in unterschiedlichen Industrien dieses Thema angegangen wird. Und wir sehen dann die Medizinbranche, das verarbeitende Gewerbe und die unterschiedlichsten, vier, fünf minütig abgebildet in diesem Kurs. Die nächste Herausforderung, das ist die erste, das Thema Daten betreffend, Datensicherheit, ist die, dass man dann besonders gut mit generativer KI arbeiten kann. Wir haben das gesehen. Wenn ein bestimmter Datensatz vorliegt, wenn dieser Datensatz einer ist, der sensible Daten enthält, dann sind wir ganz schnell in schwierigen Situationen, die man vermeiden möchte. Crownpeak aktuell in unserer Lösung bietet keine Schleuse, die eure Inhalte scannt, darauf, ob das sensible sind. Stattdessen lautet die Empfehlung mit Governance Frameworks, mit erneut Kursen zum Umgang mit den Daten, die geschickt werden an die KI-Anbieter, die Drittanbieter immer, zu veranstalten. Was wir tun an der Stelle, das haben wir angerissen über das Prompt Management, ist, dass wir euch anbieten, bestimmte Gruppen auf bestimmten Projekten bestimmte Aktionen durchführen zu lassen. Ihr könnt das einschränken oder entsprechend erweitern, wie ihr das mögt. Und hier lautet die Empfehlung nicht ein eigenes Paper oder ein Podcast oder ein Artikel, sondern eine Übersichtsseite vom European Data Protection Supervisor. Und ihr seht dort eine Reihe von Einträgen, die auch Events und Newsletter abbilden zu dieser Thematik. Das zweite Datenthema betrifft die Qualität und das Management und bildet den Fall ab, dass ihr euer eigenes Modell anbinden wollt. Das lohnt sich dann, wenn man nicht im Prompt über viele, viele Zeilen seinen Ton of Voice definieren möchte. Wenn man zum Beispiel einen großen Produktkatalog hat und bestimmte Produkte so und nicht anders bezeichnet werden sollen, dann lohnt es sich, den Datensatz vorliegen zu haben, den zur Grundlage für das Training des Modells, das man nutzen möchte, zu nehmen und dann dieses Modell anzubinden. Das geht heute schon mit OpenAI, JetGPT, API und es geht auch mit Azure AI. Und es geht auch mit unserer Lösung, die daran angeknüpft werden kann. Herausforderung da, selbstverständlich, wenn der Datensatz einer ist, der unzureichend fehlerhaft ist, dann werden die Ergebnisse entsprechend sein. Darüber wird Justina in Teilen auch noch sprechen. Und hier ein Bewusstsein darüber, wie gut die Daten sein müssen, wenn man zu guten Ergebnissen kommt, lautet die Empfehlung. Es gibt auch hier etwas, man kann als Startpunkt reinhören. Die FAZ hat genau dazu eine schöne Folge gebracht, nämlich, dass der Großteil der Unternehmen die Daten nicht oder kaum nutzt, die aber gerade für diesen Fall, den wir hier besprechen, generative KI, enorm wertvoll sein können. Kommen wir zur letzten Herausforderung, die ethische Dimension. Und das kann hier heißen, dass Ergebnisse, KI-basiert, vorurteilsgeprägt sein können, wenn der Datensatz so aufgestellt ist. Und das gilt es zu challengen. Wir haben auf die Ergebnisse geschaut, als wir im Rahmen der Demo geguckt haben, was wird hier generiert. Auch das empfehlen wir immer und immer wieder zu tun. Es lohnt sich, nochmal einen Blick drauf zu werfen, um dann zu sagen, das kann man so abschicken oder nicht. Plus, Guidelines zu entwickeln. Hier, aus meiner Perspektive, das Standardwerk aktuell, man muss nicht die 400 Seiten gelesen haben, man kann die auch in Cloud oder JGPT zusammenfassen. Der deutsche Ethikart hat dazu sehr viel und sehr gut gearbeitet, auch als Startpunkt für euch. Und damit schaue ich auf den Chat. Wir haben keine weiteren Fragen aktuell. Justina, ich würde an dich übergeben, vielleicht hilfst du uns, Prompting besser zu verstehen und wie wir das meiste rausholen können. Ja, gerne. Also, wir werden jetzt in den nächsten paar Minuten kurz drüber sprechen, was es denn bei der Erstellung von Prompt so zu beachten gibt. Bevor wir das machen allerdings, möchte ich noch ganz kurz auf das Prompt-Management eingehen, das wir auch jetzt schon viel gesehen haben. Und zwar ist die Verwaltung von Prompt eben wie wir bereits gesehen haben, im Content Creator möglich. Dort können Prompts editiert, hinzugefügt, dupliziert werden, etc., etc. Und was wir jetzt auch schon des Öfteren angesprochen haben, ist, dass die Verwaltung von den Prompts auf mehreren Ebenen im Endeffekt funktioniert. Also, je nach User-Rechten. Es gibt da eben globale Prompts, die können nur von einem Server-Manager bearbeitet werden, sind dann für alle Projekte verfügbar. Dann gibt es geteilte Prompts, die können von sowohl Server-Managern als auch Projekt-Admins, sorry, Server-Admins eigentlich, ist der korrekte Begriff, und Projekt-Admins bearbeitet werden, sind dann auch für alle Projekte verfügbar, können aber von Projekt-Admins eben innerhalb von einzelnen Projekten bearbeitet werden, falls das notwendig ist. Und dann gibt es projektspezifische Prompts, Projekt-Prompts, die nur in einzelnen Projekten zur Verfügung stehen. Also, damit gibt es eben mehrere Ebenen, wie Prompts, an denen Prompts bearbeitet werden können. Wie gesagt, kommt natürlich auch immer auf die User-Rechte dann drauf an. So, jetzt möchten wir uns kurz damit beschäftigen, was wichtig ist, wenn man einen Prompt erstellt. Und ich glaube, dass das ein wichtiges Thema ist, denn ich denke, einige von euch werden bereits schon selbst erlebt haben, dass die Qualität von KI-basiertem Output ganz stark von der Qualität des Prompts abhängt. Das heißt, ein guter Prompt führt im Normalfall zu einem guten Output, und deswegen ist es ganz wichtig, dass wir da heute kurz drüber sprechen. Und das ist eigentlich eine simple Regel, aber man muss unbedingt Ungenauigkeiten vermeiden, wenn man einen Prompt erstellt. Das bedeutet, man sollte so viel Kontext wie möglich geben und so explizit wie möglich sein. Ich habe da, oder wir haben da heute ein Negativbeispiel mitgebracht auf der rechten Seite hier. Write a product description of our new AI-powered feature in our content management system. In diesem Prompt geben wir der KI nicht wirklich viel, womit es dann arbeiten kann. Also, wir geben kaum Kontext, kaum Information. Das bedeutet, die KI wird für sich entscheiden, was sie ausgibt und was dann im Endeffekt für Informationen da drinnen stehen. Das wollen wir natürlich nicht im Normalfall, sondern wir wollen klar sagen, was es ist, was wir wollen. Deswegen spezifisch und konkret sein, wie hier auf der linken Seite. Write a two-product, two-paragraph product description for our new feature for our website. The feature is AI-powered and aids customers with text-related tasks, such as shortening, summarizing, and reviewing text in our content management system. Also, hier sehen wir, wir geben Kontext. Das heißt, wir sagen der KI, wo wir den Text dann im Endeffekt verwenden wollen. Das bedeutet, der Text wird dann auch wie ein Website-Text aussehen. Wir könnten hier auch noch genauer sein und sagen, es soll ein Intro-Text sein oder Ähnliches. Also, da steht einem ja dann ganz frei. Aber auf jeden Fall ganz klar sagen, was für eine Art von Text es ist. Und wir geben einfach auch mehr Informationen zu dem Feature selbst. Die Informationen werden dann, sich auf jeden Fall verwendet bei der Generierung von Output. Genau. Und wie ihr vielleicht auch gerade schon gesehen habt, würde ich als zweiten Tipp hier gerne erwähnen, dass es ganz wichtig ist, den Output zu definieren und klar zu sagen, was es ist, was man erwartet. Denn, wenn wir das nicht tun, dann wird wieder die KI einfach für sich entscheiden, wie der Output aussehen soll. Und das ist oftmals nicht das, was wir uns wünschen. Hier das Negativbeispiel auf der rechten Seite. Wir geben hier zwar an, dass wir gerne eine Liste hätten, aber wir geben absolut keine weiteren Informationen, wie diese Liste aussehen soll. Was nicht unbedingt ideal ist. Deswegen, im Gegensatz dazu, würde ich empfehlen, kommt wieder der Art nach, wie wir hier links sehen. Nämlich, do not output anything else. Also hier geben wir an, wie lang die Liste sein soll. Auch, was es für eine Liste sein soll. Nämlich eine bulleted list. Und wir geben dann auch noch an, wie lang jeder Listeneintrag sein soll. Das heißt, wir sind hier extrem spezifisch und stellen quasi ganz klar unsere Erwartungen dar. Und am Ende schreiben wir noch, do not output anything else. Dieses kleine Sätzchen würde ich generell immer empfehlen am Ende, denn die Modelle tendieren eigentlich eher dazu, chatty und gesprächig zu sein und oftmals mehr auszugeben, als uns vielleicht recht und lieb ist. Und damit kann man das in den meisten Fällen verhindern. Wenn ihr also euren eigenen Prompt erstellt habt und dann Output diesbezüglich bekommen habt, stellt sich natürlich die Frage, wie geht man damit um? Das hat Timo auch ganz kurz schon angesprochen. Und hier vielleicht nur drei generelle oder drei Guidelines, wenn es darum geht, wie wir damit umgehen. Nämlich ist es ganz wichtig, Informationen zu verifizieren. Ich denke, die meisten wissen das auch, aber es besteht natürlich immer die Möglichkeit, dass die Modelle Statements als Fakten darstellen, die dann aber tatsächlich frei erfunden sind. Da sprechen wir dann von Halluzinationen. Und die gilt es natürlich auf jeden Fall zu vermeiden. Und auch das ist kurz schon angesprochen worden. Man muss auf Verzerrungen achten, denn wenn in den Trainingsdaten Verzerrungen vorhanden sind, können die verstärkt werden von dem Modell und können dann auch wiedergespiegelt werden im Output. Auch das wollen wir natürlich nicht. Und als letztes würde ich empfehlen, dass man sich ein bisschen bewusst ist oder sich etwas einliest, informiert, was die Limitierungen anbelangt. Also wie ungefähr sehen dann die Trainingsdaten aus? Gibt es hier zeitliche Limitierungen oder auch thematische Limitierungen? Ist von Modell zu Modell unterschiedlich? Denn es kann schon sein, dass wir dann nicht immer kontextgerechte Antworten bekommen oder Output bekommen von den Modellen. Jetzt haben wir ganz kurz darüber gesprochen, was es zu beachten gibt, wenn ihr eure eigenen Prompts erstellt, um eben eure spezifischen Use Cases abzubilden. Aber falls ihr das nicht wollt oder gleich von Anfang an wollt, müsst ihr das auch nicht, denn Crownpeak liefert schon voll funktionsfähige Prompts mit. Das heißt, die sind von uns erstellt, die sind out of the box verwendbar. Das sind auch Prompts, die werden regelmäßig getestet und falls notwendig auch verbessert und geupdatet. Das heißt, to conclude, ihr habt sowohl die Möglichkeit, eure eigenen Prompts zu erstellen und diese dann auch in den Assistenten zu verwenden oder ihr könnt von Anfang an die Assistenten sofort im Einsetzen und die von Crownpeak bereitgestellten Prompts verwenden. Danke dir, Justine. Damit sprechen wir über den Preispunkt und die Trial Phase. Zum Preispunkt an dieser Stelle keine Dollar- oder Euroangabe, sondern zwei Faktoren. Zum einen ermittelt es sich entlang der Anzahl der User, der NutzerInnen im Projekt und zum anderen ist er abhängig davon, ob ihr euren eigenen Schlüssel mitbringt für euer eigenes Modell oder ob ihr den von Crownpeak nutzt. Der erste Punkt geht darauf zurück, Nutzungsverhalten, große Gruppen, mehr Content und auch mehr Kosten. Und der zweite Punkt geht zurück auf die Token Consumption, also die Aktion, die wir gesehen haben. Der Inhalt, der erfasst ist, wird geschickt, zum Beispiel an OpenAI, wird dort verarbeitet, kommt zurück. Das ist jeweils eine Aktion, das sind Teile von Cents, aber die summieren sich auf und so kommt der Preispunkt zustande. Details gerne mit Marcel Amosse, seine E-Mail-Adresse gibt es am Ende der Präsentation. Dann die Trial Phase. Die zwei Wochen hier, das ist etwas, was wir aktuell ausprobieren. Wir denken, dass man viel zeigen kann in dieser Zeit. Das ist nicht in Stein gemeißelt, wenn ihr sagt, das geht aufgrund von Urlaub, Krankheit, Überschneidung von verschiedenen Stakeholdern, die keine Zeit haben. In der Zeit, in der wir zwei Wochen nicht, dann sind wir sicherlich selbstverständlich offen für ein Gespräch. Die Trial Phase heißt auch, man probiert aus, man richtet das ein in den Projekten bei euch. Und zwar kostenfrei auf eurer Seite. Und das Ganze ist so aufgestellt, dass man einen Startpunkt hat, dass man die Ziele bespricht, dass man guckt, wo gibt es Fortschritt und wo läuft es noch nicht so gut, um das Ganze dann zusammen erfolgreich abzuschließen. Wie angekündigt zur Roadmap. Und das ist hier nicht die First-Bird-Roadmap, denn die ist viel größer, sondern nur die KI-Roadmap für First-Bird, also ein kleinerer Teil. UX-UI-Enhancements, das ist das, was Daniela auch schon angerissen hat, was immer unser Ziel ist, mit wenigen Klicks, niedrigen Hürden schnell zum Ziel zu kommen. Hier im Bereich Prompt-Management. Der Code-Assist, den haben wir heute angerissen, der wird bald zur Verfügung stehen. Hier steht erste Hälfte des Jahres. Ich nehme an, früher. Crown-Pick-Prompts, das ist das Thema, was Justina euch vorgestellt hat. Auch hier denken wir darüber nach, zu erweitern, zum Beispiel industriespezifische Prompts. AI-Workflows, das sind die bekannten Workflows, die ergänzt werden um KI, darüber sprechen wir gleich im Detail. Und AI-Agents oder Agentic AI, auch das gleich im Detail. Code-Assistant, haben wir gesehen in unserer Demo, wäre Teil der AI-Assistance, also für all diejenigen, die jetzt schon die AI-Assistance im Einsatz haben oder im Rahmen der Trailface an ihr ausprobieren, stünde der Code-Assistance zur Verfügung. Das wäre eine Erweiterung unserer Assistance. AI-Workflows, hier lautet die Idee, dass man beispielsweise einen Workflow aufgesetzt hat, der von der Content-Erstellung zu der Benachrichtigung bestimmter Teams, bitte eine Review durchzuführen geht und bevor der Text live geht, KI-basiert Rechtschreibfehler zu überprüfen. Das lässt sich hervorragend heute schon abbilden und wir würden aufsetzen auf dem, was schon da ist, einmal im Bereich Workflows und einmal im Bereich AI-Assistance-Suite, um das beides zu realisieren. Und das Letzte, das vielleicht abstrakt oder theoretisch klingen mag, von dem wir aber denken, dass das die nächste große Bewegung in diesem KI-Bereich ist, das sind die AI-Agents. Agents verstehen wir hier als eine KI-Dienstleistung, die semi-autonom agiert, das heißt nicht wartend auf Analyze-Page. Wir haben gesehen, das war beim Analyze-Assistance so, oder wir gehen in die einzelnen Absätze rein und bearbeiten dann mit dem Content-Assistance, nicht wartend auf diese Nutzer-Eingabe, sondern selbstständig zum Beispiel die Gesamtheit des Projekts zu überprüfen auf leere Seiten oder auf fehlende All-Texte oder auf fehlende Übersetzungen, die dann zu liefern und dann, und das ist wieder die Design-Philosophie, die Daniela auch angesprochen hat, um dann dem Nutzer, der Nutzer dann zu sagen, schau mal, das ist das Ergebnis, ist das okay, soll das so live gehen. Und damit kommen wir zum letzten Teil des Webinars. Erneut möchten wir euch bitten um euren Input. Ich würde die zweite von zwei Umfragen jetzt live schalten. Die sollte gleich bei euch erscheinen. Und hier geht es uns darum, welche Feature möchtet ihr sehen? In diesem Jahr KI betreffend in First Spirit. Und wenn ihr die Feature in der Liste nicht aufgelistet seht, dann tragt die gerne weiter hinzu, die ihr vielleicht noch gar nicht auf dem Schirm haben. Und ich schaue nochmal rein in den Chat, ob es weitere Fragen gibt. Aktuell keine Fragen. Justina, Daniela, gibt es auf eurer Seite Anmerkungen, etwas, das ihr noch erbringen möchtet? Vielleicht nur nochmal zum Code Assistant. Also wie ihr auch schon gesehen habt, wird im Prompt definiert, welchen Themen sich quasi der Code Assistant widmet. Das heißt, das ist dann auch anpassbar entsprechend dem Code. Das ist vielleicht noch wichtig zu erwähnen. Danke dir. Okay. Erneut von meiner Seite herzlichen Dank an all diejenigen, die teilgenommen haben. Super gute Antwortrate. Ist aber richtig toll, dass wir so viel Input bekommen von euch. Wir versuchen bestmöglich, den auch auf der Roadmap abzubilden. Im Jahr. Es wird das nächste Update zu KI geben im Rahmen der nächsten Product Office Hour im März. Und damit sage ich vielen Dank und euch noch einen schönen Tag. Tschüss.