KI-Alltag: Zeitfresser im Alltag eliminieren

-

Der Oktober ist bei uns traditioneller Messe-Monat. Die sind für Unternehmen enorm wichtig, aber die Vorbereitung kann oft mühsam und zeitraubend sein. Man kennt's: stundenlanges Durchforsten von Ausstellerverzeichnissen, Notizen machen und einen sinnvollen Besuchsplan erstellen - und das meist erst am Tag vor der Abreise, weil vorher andere Projekte noch schnell fertig werden müssen. 

Während der Messe selbst kommt dann die nächste Herausforderung: Gespräche führen, Infos aufnehmen und alles irgendwie festhalten. 

Genau hier kann Künstliche Intelligenz massiv unterstützen!

Erstellt mit CoPilot

Vorbereitung: Automatisierte Recherche und Planung

Bei der Suche der interessanten Aussteller geht es schon los. Unübersichtliche Listen oder irgendwelche Apps, die man sich unbedingt noch herunterladen soll.

Stattdessen: das Ausstellerverzeichnis einfach herunterladen, und in die KI hochladen. Ein kurzer Prompt hilft, sodass der Chatbot weiß, was er zu tun hat. Etwa so:

Analysiere diese Liste und merke dir die Namen der Unternehmen, sowie die jeweiligen Stand- und Hallennummern. Ich werde dir im folgenden Chat verschiedene Stichpunkte, Ideen, Gesprächsprotokolle zu den Unternehmen geben, die ich auf der Messe besuche. Ich möchte, dass du dir die Stichpunkte merkst und mir später eine Zusammenfassung machst.

Sie können natürlich auch mit der KI relevante Unternehmen herausfiltern und automatisch einen Besuchsplan erstellen lassen.

Während der Messe: KI als Assistent

Vor Ort kann KI als persönlicher Assistent dienen. 
Beispiel: der Plan ändert sich und man beginnt den Messebesuch in einer anderen Halle. Mit einem kurzen Prompt sortiert die KI schnell die Liste, ohne umständliches Scrollen auf dem Handy. 

Statt ständig Notizen zu machen, kann man die Gedanken und Notizen einfach diktieren. Die KI (CoPilot, ChatGPT und Gemini) speichern das Gesagte als Text – so ist der Kopf frei für die wichtigen Gespräche!

Nachbereitung: Strukturierte Zusammenfassung

Nach der Messe werden alle gesammelten Daten von der KI automatisch strukturiert und zusammengefasst. Wichtige Punkte und Infos werden hervorgehoben, sodass du schnell eine Übersicht hast – ohne stundenlange Nacharbeit.

Fazit: Mehr Fokus auf das Wesentliche

Mit KI kannst du zeitraubende, repetitive Aufgaben bei der Messevorbereitung, während der Messe und danach eliminieren. Du hast mehr Zeit für die wirklich wichtigen Dinge und kannst dich auf das Wesentliche konzentrieren: wertvolle Kontakte und Gespräche.

Beliebte Posts aus diesem Blog

KI-Alltag - LLMs lokal hosten und nutzen

-
Bild
In weniger als 30 Minuten zum eigenen GPT: Lokales LLM mit Web-Interface Willkommen zurück! Seit Llama3.1 verfügbar ist, habe ich erst verstanden, dass man viele LLMs legal und kostenlos herunter laden kann. Was mich lange abgeschreckt hat, war, dass man sich mit GitHub, HugginFace auskennen und auch programmieren können muss um LLMs nutzbar zu machen. Bis ich ein Tool fand, dass das deutlich einfacher kann! Heute zeige ich euch, wie ihr in wenigen Schritten euer eigenes Chat-GPT-ähnliches System auf eurem lokalen Rechner einrichten könnt. Wir verwenden dafür das Llama 3.1 Modell und erstellen ein einfaches Web-Interface. Was ihr braucht: Ein leistungsfähiger Computer (am besten mit einer guten GPU) LM Studio Python-Code (erstellen wir mit Claude 3.5) HTML- und JavaScript-Code (erstellen wir mit Claude 3.5) Schritt 1: LLM-Server einrichten Ladet und installiert LM Studio von der offiziellen Website . Startet LM Studio und wählt das Llama 3.1 Modell aus. Es kann natürlich...
Read more »

KI-Alltag - AnythingLLM: ein vielseitiges LLM-Tool mit Agents und RAG

-
Bild
Die Sommermonate waren etwas weniger KI-lastig, deshalb habe ich die letzten Tage genutzt und wieder etwas Neues ausprobiert.  Wer meinen letzten Beitrag zu eigenen LLMs ( Link ) gelesen hat weiß, dass ich bereits ein lokales KI-System laufen hatte. Hatte? Jo, hatte. Zumindest vorübergehend. Einige Probleme mit der Hardware, einem Docker-System das zwischendurch installiert werden musste, und dann wieder alles neu installiert werden musste, hat mich dazu bewegt etwas neues auszuprobieren. Bei der Recherche zu Ollama stieß ich schon auf AnythingLLM. ich war gespannt darauf, dieses vielseitige LLM-Tool auf die Probe zu stellen. In diesem Artikel teile ich meine Erfahrungen mit der Installation und Nutzung von AnythingLLM auf einem Amazon Web Services (AWS) Server. Installation und Setup Die Installation von AnythingLLM auf einem AWS-Server erwies sich als spannende Herausforderung. Im Vergleich zu lokalen Lösungen wie Ollama oder LM Studio, die wir in früheren Artikeln behandelt habe...
Read more »

KI-Alltag - LLMs lokal hosten - 1337!

-
Bild
Lokale Installation von LLMs in 1337: benutzerfreundliche Methode mit OpenWebUI In einem früheren Beitrag habe ich eine Methode zur lokalen Installation von Large Language Models (LLMs) mit Python und LMStudio.ai vorgestellt. Heute möchte ich euch eine Variante präsentieren, die Linux, Ollama und OpenWebUI nutzt - also absolut 1337 🤓 Vorteile dieser Methode Integrierte Benutzeroberfläche mit OpenWebUI  Möglichkeit, mehrere LLMs und Bildgeneratoren wie StableDiffusion zu integrieren Nutzerverwaltung, Verwendung mehrerer GPTs, Presets,... Volle Kontrolle und Datensicherheit durch lokal installierte LLMs Schritt 1: Linux-Umgebung einrichten in Windows Ja, das geht! Mit WSL ist es möglich, Linux in Windows laufen zu lassen - wie 1337 ist das denn?! Einfach in der PowerShell eingeben: wsl --install und schon geht es los. Schritt 2: Ollama installieren Ollama ist ein Tool, das die Verwaltung und Ausführung v...
Read more »