Was es wirklich braucht, um KI in PowerPoint zu nutzen

Es wird viel darüber geschrieben, was KI kann. Weniger wird darüber geschrieben, wo sie derzeit noch an ihre Grenzen stößt. Derzeit besteht noch eine große Lücke zwischen dem, was Nutzer wirklich benötigen, und dem, was der KI-Hype ihnen verspricht.

Ein Beispiel sind PowerPoint-Folien. Die KI kann hier die Bedürfnisse, Erwartungen und Anforderungen von Power-Usern noch nicht erfüllen. Die Menschen, die am stärksten auf PowerPoint angewiesen sind, sind keine Gelegenheitsnutzer, die nach schnellen, einfachen Lösungen suchen. Wenn sie Präsentationen erstellen, hat die Qualität ihrer Folien direkten Einfluss auf die Qualität der getroffenen Entscheidungen.

Für solche Nutzer ist „gut genug“ schlichtweg nicht gut genug.

Das Problem beim Einsatz generativer KI zur Erstellung erstklassiger Präsentationen ist, dass es schwieriger ist, als es aussieht. Die Messlatte dafür, was „gelöst“ tatsächlich bedeutet, liegt deutlich höher, als die meisten Leute annehmen. Aus dem einfachen Grund, dass der Einsatz zu hoch ist, um eine befriedigende Lösung guten Gewissens nutzen zu können.

In diesem Blogartikel möchte ich die technischen Hürden beleuchten, die PowerPoint-Folien zu einer großen Herausforderung für KI machen. Ich möchte schauen, was die anspruchsvollsten PowerPoint-Nutzer von heute tatsächlich brauchen, und erklären, wo aus meiner Sicht die eigentlichen Chancen liegen.

Technische Hürden

Folien sind multimodal

Large Language Models (LLMs) werden mit Texten trainiert und sind hervorragend darin, Text zu verarbeiten. Aber eine Folie besteht nicht nur aus Text. Eine Folie ist ein multimodales Konstrukt aus Text, Bildern und Daten, die in einem zweidimensionalen Raum angeordnet sind, in dem sowohl die einzelnen Komponenten als auch ihr Layout Bedeutung tragen.

Die Position einer Hervorhebungsbox relativ zu einem Diagramm ist wichtig. Die Größe einer Beschriftung im Verhältnis zu den Daten, die sie beschreibt, ist wichtig. Ob der Blick natürlich vom Folientitel zum Diagramm wandert, ist wichtig.

Bislang haben LLMs kein verlässliches, konsistentes Gespür für diese räumlichen und visuellen Schlussfolgerungen entwickelt. Sie können Textbeschreibungen eines Layouts verarbeiten und sie können Bilder aus Text-Prompts erzeugen, aber es bleibt eine erhebliche Herausforderung, zu verstehen, wie visuelle Elemente zusammen auf einer Folie wirken.

Probabilistisch vs. deterministisch

LLMs sind probabilistisch. Sie geben den wahrscheinlichsten Output auf Grundlage der Muster ihrer Trainingsdaten aus. Dadurch können Ergebnisse inkonsistent sein. Outputs sind zwar oft größtenteils richtig – aber sie sind nicht immer exakt richtig und somit nicht zuverlässig.

Sicher, für manche Aufgaben ist „größtenteils richtig“ gut genug. Aber wer möchte schon seine PowerPoint-Folien vor einem Publikum präsentieren und sich dann nicht sicher sein ob die Inhalte auch korrekt sind?

Die Erstellung von PowerPoint-Folien ist deterministisch – sie verlangt Konsistenz und Wiederholbarkeit. Ein erster Entwurf sollte so weit entwickelt sein, dass ein Nutzer die Folien anschließend anpassen kann, anstatt sie neu aufbauen zu müssen.

Jede einzelne Formatierungsinkonsistenz bedarf einer Korrektur. Inkonsistenzen, die immer wieder auftauchen, bedeuten mehr Arbeit für den Nutzer.

Wenn Sie vor einem Vorstand oder einem hochrangigen Kunden präsentieren, hängt das Ergebnis von der Klarheit, Genauigkeit und Glaubwürdigkeit Ihrer Folien ab. Wenn ein LLM in einer Präsentation keine konsistenten Standards einhalten kann, ist es schlichtweg für diese Aufgabe noch nicht bereit.

Mangel an Trainingsdaten

Menschliches Wissen liegt als Text vor, auf den LLMs zum Trainieren zugreifen können. Für Bilder gibt es ebenfalls einen riesigen Pool an Trainingsdaten.

Für ihr Zusammenspiel – die PowerPoint-Folie – gibt es nichts Vergleichbares. Hochwertige Foliendaten sind online nur sehr begrenzt verfügbar. Niemand kennzeichnet gute und schlechte Folien und speist die Daten systematisch in ein Trainingsmodell ein. Auch Textbeschreibungen, die erklären, wie eine gute Folie aussehen sollte, reichen hier nicht aus. LLMs lernen am besten an den Folien selbst und Texte oder Bilder allein können nicht dieselbe Qualität an Input liefern.

Solange sich das nicht ändert, werden KI-Outputs zur Folienerstellung, die auf der aktuellen Breite und Qualität der Trainingsdaten basieren, weiterhin ihr Ziel verfehlen – auf eine Weise, die für jeden professionellen PowerPoint-Nutzer sofort offensichtlich ist.

Anforderungen heutiger PowerPoint-Nutzer

Genauigkeit und Zuverlässigkeit

Die Topklasse der PowerPoint-Nutzer – etwa Unternehmensberater, Investmentbanker und Strategie-Teams – können sich unzuverlässige Ergebnisse nicht leisten. Wenn Sie mit falschen Zahlen in eine Vorstandssitzung gehen, wird das Ihnen Ihre Karriere kosten – und es wird Ihnen ganz sicher Ihre Karriere kosten, wenn Sie die KI für die Fehler verantwortlich machen.

Was auch immer KI in diesem Bereich tut, es muss jedes einzelne Mal genau und zuverlässig sein. Auf diesem Level sind Fehler keine Option.

Lesbarkeit

Professionelle Folien dienen dazu, eine Botschaft zu vermitteln, Informationen zu teilen und Entscheidungen zu unterstützen – oft in wichtigen Meetings, in denen die Zeit knapp und die Aufmerksamkeit begrenzt ist.

Gleichzeitig müssen professionelle Folien nicht nur korrekte Inhalte liefern, sondern auch hohe visuelle Standards erfüllen.

Das klingt einfach, aber in der Praxis ist es genau dieser Punkt, an dem aktuelle KI-Tools scheitern. Power-User arbeiten an Folien, in denen die Qualität einer Folie die Entscheidungen im Raum direkt beeinflusst. Die Messlatte liegt hoch – und die aktuelle Generation von KI-Tools kommt noch nicht an diese heran.

Heute bleiben selbst die besten KI-generierten Folien häufig hinter dem zurück, was ein erfahrener Berater für akzeptabel halten würde. Und es braucht weit mehr als einen „pls fix“-Prompt, um die notwendigen Verbesserungen durchzuführen.

Produktivität

Eine KI-Lösung für PowerPoint muss sich in die bestehenden Workflows der Nutzer einfügen – nicht parallel arbeiten. Text aus ChatGPT in PowerPoint zu kopieren und wieder zurück ist ein Workaround, keine Lösung.

Bei der Integration von KI geht es um mehr als Zeitersparnis. Es bedeutet, den kognitiven Aufwand durch den Wechsel zwischen Tools zu reduzieren, ein professionelles Maß an Genauigkeit und Konsistenz aufrechtzuerhalten und mehr mentalen Freiraum für das strategische Denken zu schaffen, das Ihnen keine KI abnehmen kann.

Eine KI-Lösung, die zusätzliche Arbeitsschritte kreiert, Fehler zulässt oder den Workflow unterbricht, ist nicht produktiv – egal wie beeindruckend die Technologie ist, die dahinter steckt.

Die Chancen von KI in PowerPoint Präsentationen

Trotz der genannten Herausforderungen hat generative KI zweifellos großes Potenzial, den Präsentations-Workflow zu unterstützen. KI ist effektiv darin, Erkenntnisse zu generieren, Storyboards auszuarbeiten, oder Texte zu entwerfen und zu verfeinern. Sie kann auch helfen, die Struktur eines Arguments zu durchdenken und zu verbessern. Diese sind reale Fähigkeiten, von denen PowerPoint-Nutzer wirklich profitieren können.

Die Herausforderung und gleichzeitig die Chance ist es, die derzeitigen Stärken der KI mit den Nutzeranforderungen zu verbinden. Es muss das Ziel sein, dem Nutzer 100%ige Genauigkeit zu gewährleisten, visuelle Präzision zu liefern und tiefe Integration direkt im PowerPoint User Interface anzubieten.

Damit dies gelingt, wird es eine seltene Kombination erfordern: ernstzunehmende KI-Kompetenz und ein tiefes, etabliertes Verständnis dafür, was die anspruchsvollsten PowerPoint-Nutzer benötigen.

Fazit

Die KI wird verändern, wie wir mit PowerPoint arbeiten. Das ist keine Prognose, über die man diskutieren muss. Die viel spannendere Frage, zu der ich immer wieder zurückkehre, ist, ob die Tools, die entwickelt werden, den Standards derjenigen entsprechen werden, für die Folienqualität am wichtigsten ist: für die Spitzenklasse der PowerPoint-Nutzer.

Für sie ist eine PowerPoint-Präsentationmehr als nur ein Arbeitsergebnis. Sie ist ein professionelles Statement. Und während KI es jedem ermöglicht, Präsentationen schneller und einfacher zusammenzustellen, sind es die Präzision und die Genauigkeit, die Power-User weiterhin hervorstechen lassen.

Bei think-cell konzentrieren wir uns seit 25 Jahren auf Qualität und Produktivität für Nutzer, die keine Kompromisse eingehen können oder wollen. Was wir als Nächstes bauen, fußt auf demselben Fundament. Und ich denke, das Warten wird sich lohnen.

Alexander von Fritsch ist CEO von think-cell.

Erkunden Sie dieses Thema weiter mit KI: