Navigation auf uzh.ch
Navigation auf uzh.ch
Wenn Krisen eintreten, entstehen in Echtzeit Daten aus unzähligen Quellen, die Menschen nicht vollständig analysieren können. Ein Beispiel für eine solche Krise ist der Russisch-Ukrainische Krieg, der ein schnelles Handeln des öffentlichen Sektors erforderte. LLMs wie GPT-4 sind in der Lage, grosse Datenmengen effizient zu verarbeiten. Regierungen können LLMs für effizientere Bürgerdienste und Datenanalysen nutzen. Im Russisch-Ukrainischen Krieg dienen verschiedene LLMs dazu, den Flüchtlingen zu helfen, oder Propaganda zu erkennen.
In der Flüchtlingshilfe veranschaulichen zwei Tools, wie LLMs vertriebene Bevölkerungsgruppen stärken und Entscheidungsträger:innen unterstützen können. RefuGPT ist ein Telegram-Chatbot, der von GPT-4 betrieben wird und Flüchtlingen Antworten zu Themen wie Gesundheitsversorgung und Sozialleistungen bietet. Durch die Nutzung offizieller Daten und von Community-Informationen stellt RefuGPT klare, umsetzbare Antworten in einem Q&A-Format bereit, wodurch bürokratische Prozesse vereinfacht werden.
R2G («Refugee to Government») sammelt Telegram-Nachrichten von ukrainischen Flüchtlingskanälen, um Bedürfnisse der Gemeinschaft in Echtzeit zu identifizieren. R2G erkennt Probleme wie die Suche einer Unterkunft oder Zugang zum Gesundheitssystem in den Telegram-Texten. Dies ermöglicht öffentlichen Einrichtungen und NGOs, dringenden Handlungsbedarf sichtbar zu machen, und bietet Entscheidungsträger:innen durch einen GPT-4-basierten Chatbot strukturierte Einblicke. Zukünftig soll R2G von internationalen Flüchtlingsorganisationen eingesetzt werden, um sicherzustellen, dass politische Massnahmen den tatsächlichen Bedürfnissen der Geflüchteten entsprechen.
Die Browsererweiterung Apollolytics hilft Nutzer:innen, manipulative Inhalte in Online-Nachrichten zu erkennen und zu verstehen. Nutzer:innen können einen beliebigen Text auf einer Webseite markieren, um Propaganda zu erkennen. Im Hintergrund analysiert GPT-4 den Textausschnitt, kennzeichnet mögliche Propagandatechniken und liefert kurze Erklärungen.
Auf diese Weise erkannte Passagen werden im Artikel hervorgehoben, so dass die Leser:innen sehen können, wo subtile Manipulationen stattfinden könnten. Über die blosse Kennzeichnung von Propaganda hinaus bietet Apollolytics auch Möglichkeit, Kontext über die Propagandapassage zu generieren. Behörden können damit Online-Diskussionen überwachen und aufkommende Desinformationskampagnen in Echtzeit erkennen, was eine schnelle und transparente Reaktion erleichtert.
Aus diesen Anwendungsbereichen lassen sich drei zentrale Erkenntnisse für den Einsatz von LLMs in Krisen ableiten. Der öffentliche Sektor kann LLMs durch die Verknüpfung mit externen Datenquellen verbessern. Dies ermöglicht genauere und kontextspezifischere Antworten, insbesondere in dynamischen Situationen wie Flüchtlingskrisen, indem aktuelle und relevante Informationen genutzt werden. Ähnlich stellt Apollolytics mehr Kontext bereit, wenn LLMs auf als Propaganda markierte Texte zugreifen und diese verarbeiten können.
Organisationen müssen entscheiden, ob sie closed-source LLMs (z.B. GPT von OpenAI) oder open-source LLMs (z.B. Llama von Meta) einsetzen wollen. Closed-Source-LLMs verfügen über umfangreiche Wissensbasen und sind einfach über APIs zugänglich. Im Gegensatz dazu bieten Open-Source-LLMs mehr Flexibilität und Anpassungsmöglichkeiten für spezifische Anwendungsfälle, erfordern jedoch eine eigene Hosting-Infrastruktur.
Es ist wichtig, ein Gleichgewicht zwischen den Vorteilen von LLMs und dem Schutz individueller Rechte zu finden. In Krisenzeiten muss die Dringlichkeit des Einsatzes von LLMs gegen den Datenschutz abgewogen werden. Beispielsweise entspricht die Nutzung von R2G der Datenschutz-Grundverordnung, wirft jedoch ethische Fragen auf. Zudem können Tools wie R2G durch böswillige Akteure genutzt werden, um Geflüchtete zu gefährden, daher sollte der Einsatz solcher Tools Transparent mit der Öffentlichkeit diskutiert werden.
Die Applikationen RefuGPT, R2G und Apollolytics demonstrieren, wie LLMs den öffentlichen Sektor in Krisensituationen durch gezielte Flüchtlingshilfe und effektive Propagandaerkennung unterstützen können. Für die konkreten Kriseneinsätze sollten Behörden die entsprechenden LLMs mit externen Datenquellen verknüpfen, um genauere Antworten zu erhalten. Zudem müssen sie entscheiden, ob sie closed- oder open-source LLMs einsetzen wollen, und gewährleisten, dass LLMs ethisch verantwortungsbewusst eingesetzt werden, sodass Transparenz und Datenschutz gewährleistet sind.
