1. Einführung
In diesem Blogartikel widmen wir uns der Frage, inwiefern lokal im Unternehemen bereitgestellte Open-Source-Modelle ausgereift genug sind, um mit den „großen“, kommerziellen Modellen wie Claude oder Chat-GPT mithalten zu können. Der Rummel um KI – egal in welcher Branche – könnte kaum größer sein. Überall werden Automatisierung und Effizienzsteigerungen versprochen, denn Maschinen sollen in gleicher Zeit mehr leisten, als es dutzende Menschen je könnten. Wir untersuchen, in wie weit das auch für die kostenfreien Open-Source-Modelle gilt. Dafür haben wir uns ein realistisches Angular-Beispielprojekt genommen und den LLMs Code Llama 3.1, Deep Seek Coder 2, Phind Code Llama und Wizard Coder ein paar Aufgaben gestellt… weiter lesen…
Auch im Jahr 2024 gibt es noch Unternehmen, die der Meinung sind, sie bräuchten kein User Research, um neue digitale Produkte zu entwickeln, denn „wir kennen doch unsere Kund*innen und wissen am besten, was sie brauchen.“ Die meisten User Researcher*innen dürften dieser oder ähnlichen Aussagen schon begegnet sein und sich darüber die Haare gerauft haben. Solche Behauptungen führen oft zu langwierigen Diskussionen und es bedarf einer großen Überzeugungsarbeit, um Skeptiker*innen von der Notwendigkeit und dem positiven Impact von User Research zu überzeugen. Geht das nicht auch einfacher? Anstatt sich im Kreis der gewohnten Argumente zu drehen, ist es an der Zeit, den Kritiker*innen das Problem des fehlenden User Researchs auf spielerische Weise näherzubringen. Studien belegen, dass spielerisches Lernen nicht nur bei Kindern effektiv ist [1][2]. Genau aus diesem Grund haben wir das interaktive User Research Spiel „You Don’t Know Your User“ entwickelt. Durch eine geschickte Anwendung verschiedener User Research Methoden, wie Interviews oder Beobachtungen, lernen die Teilnehmenden auf unterhaltsame Weise, wie User Research zu einem vertieften Verständnis der echten Bedürfnisse der Nutzenden beitragen kann.