Wie LLMs die Technische Redaktion beschleunigen

7. November 2023

In den letzten Jahren hat die Technische Redaktion eine Vielzahl von klassischen Tools und Technologien eingeführt, um den Erstellungsprozess von Technischer Dokumentation zu optimieren. Die Spanne dabei reicht von Terminologie-Tools zur Verwendung oder Vermeidung spezifischer Terme über die programmatische Prüfung von Schreib- und Stilregeln hin zu Authoring Memory Systemen, welche alle eine konsistente Sprachverwendung unterstützen sollen.

Der Einsatz von Large Language Models (LLM) wird den Zugriff auf Informationen erleichtern und die Erstellung von Technischer Dokumentation noch schneller und einfacher gestalten. LLMs sind darauf trainiert, natürliche Sprache zu generieren und enorme Mengen an weltweit verfügbaren Texten zu verarbeiten – was gleichzeitig im unternehmerischen Kontext eine Herausforderung darstellt. LLMs haben das Potenzial, die Art und Weise, wie wir mit Texten umgehen, grundlegend zu revolutionieren.

Eine Herausforderung beim Erstellen von Technischer Dokumentation ist die Formulierung einheitlicher und verständlicher Texte. In vielen Fällen müssen technische Informationen in eine zugängliche Sprache übersetzt werden, um ein breites Publikum zu erreichen. LLMs können auch dabei unterstützen, indem sie Vorschläge für verständlichere Formulierungen machen und komplexe Konzepte auf eine klare und eingängige Weise zu erklären. Dies führt zu einer verbesserten Benutzererfahrung und trägt dazu bei, dass Technische Dokumentation von den Lesern besser verstanden wird. Allerdings ist die Herausforderung dabei, die Modelle auf das unternehmensspezifische Vokabular und gewünschte Formulierungen zu trainieren. Dies setzt eine große Menge an Trainingsdaten, gepaart mit einem hohen Ressourceneinsatz, voraus.

Ein weiteres Feature von LLMs ist ihre Fähigkeit zur automatischen Vorhersage von Text auf Basis kontextueller Hinweise. Dadurch sind sie in der Lage, Texte auf Grundlage des Kontextes zu generieren und die Erstellung von Abschnitten und Kapiteln in Technischer Dokumentation zu unterstützen. Indem sie herausfinden, was normalerweise in einem bestimmten Kontext stehen würde, können LLMs Vorschläge und Beispiele liefern, um den Technischen Redakteuren bei der Textstrukturierung zu unterstützen.

Zur Realisierung dieses Features ist eine, mit Metadaten ausgezeichnete, Bestandsdokumentation sehr hilfreich, da über diese Metadaten der Kontext in der Anfrage hergestellt werden kann. Somit kann das Modell im spezifischen Kontext, also in der Dokumentation mit einer ähnlichen Metadatenkombination suchen und Textvorschläge generieren.

Ein weiterer Vorteil der Nutzung von LLMs ist, dass sie kontinuierlich lernen und sich verbessern. Je mehr Texte und Informationen sie verarbeiten, desto besser werden sie darin, genaue und relevante Antworten zu liefern. Dies bedeutet, dass Technische Redakteure von der kontinuierlichen Weiterentwicklung der Modelle profitieren und schnell auf dem neuesten Stand der Technik bleiben können.

Eine weitere Herausforderung, der Technischen Redakteure oft gegenüberstehen, ist die mühsame Recherche nach Informationen, um eine genaue und vollständige Technische Dokumentation zu erstellen. Hier können LLMs als Wissensquelle dienen, indem sie auf eine Vielzahl von technischen und allgemeinen Texten zugreifen und relevante Informationen liefern. Dadurch wird die Recherchezeit drastisch reduziert und Technische Redakteure können sich auf das Erstellen von hochwertiger Dokumentation konzentrieren.

Natürlich gibt es auch einige Unwägbarkeiten bei der Implementierung von Large Language Models in den Prozess der Technischen Redaktion. Eine davon ist die Qualität der generierten Texte. Obwohl die Modelle große Fortschritte machen, besteht immer noch das Risiko, dass ungenaue oder irreführende Texte generiert werden, insbesondere wenn bisher nur wenige Informationen zu dem angefragten Thema vorhanden sind.

Daher sollte sorgfältig überprüft werden, welche Texte von den Modellen generiert werden und inwieweit sie für die jeweiligen Anforderungen geeignet sind. Zusätzlich sollte die Verantwortung für die Texte immer noch bei den Technischen Redakteurinnen und Redakteuren liegen, die als Human-in-the-Loop sicherstellen, dass die Texte den gewünschten Standards entsprechen. Aber auch dann ist durch die Verschiebung der Tätigkeiten von Erstellung hin zu Prüfung eine signifikante Effizienzsteigerung möglich.

Ein weiteres Problem ist die Verfügbarkeit von relevanten Daten. Die Leistung der LLMs hängt stark von den Daten ab, auf die sie trainiert wurden. Daher ist es wichtig, dass ausreichend qualitativ hochwertige technische Texte für das Training der Modelle zur Verfügung stehen, um sicherzustellen, dass sie genaue und verlässliche Informationen liefern.

Nicht zuletzt stellt auch der Schutz der firmeneigenen Daten eine besondere Herausforderung dar. So ist es für die wenigsten Unternehmen erstrebenswert, ihre Technische Dokumentation (vor Veröffentlichung) zum Training öffentlich verfügbarer Modelle zur Verfügung zu stellen und damit potenziell für Antworten anderer Nutzer freizugeben.

Trotz dieser Herausforderungen bietet der Einsatz von LLMs in der Technischen Redaktion eine Vielzahl von Vorteilen: Redaktionsprozesse werden beschleunigt, die Qualität der Dokumentation verbessert und die Möglichkeit, komplexe technische Konzepte klar und verständlich zu erklären, wird erleichtert.

Die Technische Redaktion kann von GenAI-Technologien profitieren, indem sie die Generierung von Texten, die Strukturierung von Abschnitten und Kapiteln in der Dokumentation sowie die Verbesserung der Zugänglichkeit und Benutzerfreundlichkeit von technischen Texten unterstützt. Es ist wichtig, dass Technische Redakteure die Einsatzmöglichkeiten von LLMs evaluieren und sicherstellen, dass die Modelle den eigenen Anforderungen entsprechen.

Insgesamt bietet der Einsatz von Large Language Models eine interessante Möglichkeit, den Redaktionsprozess zu optimieren und hochwertige Technische Dokumentation schneller und einfacher zu erstellen. Die kontinuierliche Weiterentwicklung dieser Modelle wird dazu beitragen, dass die Technische Redaktion in Zukunft noch effizienter und erfolgreicher wird.