Kapitel 2 : KI-Chatbot in Grundausbildung

Wie bereits im ersten Kapitel (KI-Chatbot als Einsatzleiter) erwähnt, gibt es einige Herausforderungen bei der Nutzung von Chatbot im Feuerwehreinsatz. 


Ein zentrales Problem dabei ist, dass die KI nicht den allgemeinen Kontext automatisch erkennt. Sie hat keine Ahnung, ob sie gerade eine Feuerwehrfrau/mann im Einsatz unterstützen soll oder ob eine Zivilperson wissen möchte, was bei einem Verkehrsunfall zu tun ist. Das hat zur Folge, dass die Antworten nicht auf den Einsatzfall zugeschnitten sind. Statt einer präzisen und kurzen Antworten liefert die KI allgemeine Informationen, die vom Einsatzleiter oder Gruppenkommandant in der Regel nicht benötigt werden.

Dem Feuerwehr-Chatbot die Lage schildern 

Um einen, auf die Feuerwehr zugeschnittenen Chatbot zu entwickeln, ist eine spezielles User-Interface nötig. Diese App besitzt eine Schnittstelle zu einem Large-Language-Model (LLM) und wird gezielt im Einsatz genutzt. Dabei werden die Eingaben des Benutzers analysiert und der nötige Kontext hinzugefügt. 

Gibt der User folgenden Text in den Chatbot ein: 

Verkehrsunfall, was muss ich tun? Orange Tafel mit Nummer 1060

Wird die Eingabe im Hintergrund automatisch umgeschrieben und an das LLM gesendet:

Ich bin Feuerwehreinsatzleiter. Verkehrsunfall, was muss ich tun? Orange Tafel mit Nummer 1060. Erstelle einen Ablaufplan. Beschreibe die Gefahren in Stichworte. Maximale Anzahl der Zeichen 255. Die Gefahren solle übersichtlich am Beginn stehen."

Indem dem Chatbot mitgeteilt wird, dass er es mit einem Einsatzleiter zu tun hat, bekommt er den richtigen Kontext. (Ich bin Einsatzleiter). Zusätzlich wird spezifiziert, dass ein Ablaufplan erstellt werden soll, die Antwort kurz und prägnant ausfällt und Gefahren deutlich hervorgehoben werden sollen.

Um nicht jedesmal den Kontext mitsenden zumüssen, gibt es eine weitere Möglichkeit:

Grundausbildung des Feuerwehr-Chatbots

Google Gemini bietet eine praktische Funktion, um Chatbots gezielt anzupassen. Mit der sogenannten „System Instruction“ kann dem Modell von Anfang an ein fester Kontext mitgegeben werden – also eine klare Beschreibung seiner Aufgabe und seiner Nutzer.

Beim Erstellen des Modells lassen sich spezifische Einstellungen festlegen, z. B.: „Du bist ein Einsatz-Chatbot für die Feuerwehr und wirst von einem Einsatzleiter genutzt.“ Dadurch versteht die KI sofort ihre Rolle und liefert entsprechende Antworten.

Um auszuprobieren wie gut es funktioniert habe ich eine Schnittstelle entwickelt (FLOR[AI]N), welche mit Gemini 2.0 flash (Experimental) kommuniziert. Dabei sieht die Beschreibung des Model wie folgt aus: 

Anschließend habe ich FLOR[AI]N gestartet und die erste Aufgabenstellung eingeben: 

Vekersunfall mit LKW und Gefährlichen Stoff 1060 

(Den Tippfehler habe ich nicht ausgebessert, kann im Einsatz öfter passieren)

Antwort:

Bei einem weiteren Versuch habe ich einen etwas längeren Prompt FLOR[AI]N übergeben:

Gebäudebrand. Person im 1.OG und Photovoltaik. Gefahren und mögliches Vorgehen

Antwort:

Fazit

FLOR[AI]N kann zwar recht gut wichtige Informationen und Anleitungen für Einsatzleiter liefern, aber er hat auch noch Nachhilfe bedarf. Zum Beispiel: Bei einem Gebäudebrand mit Photovoltaikanlage erwähnt der Chatbot nicht, dass es einen Feuerwehr-Not-Aus gibt, der betätigt werden sollte, wenn dieser Vorhanden ist.

Zudem warnt FLOR[AI]N zwar davor, mit Wasser zu löschen, weil Gefahr durch Elektrizität besteht – empfiehlt stattdessen aber Schaum. ❌ Das ist falsch! ❌ Schaum leitet Strom noch besser als Wasser und erhöht das Risiko zusätzlich.

Ist die Entwicklung eines Chatbots für Einsatzleiter damit Geschichte? Noch nicht ganz! Der Chatbot FLOR[AI]N  hat bis jetzt nur die Grundausbildung absolviert. Was passiert, wenn FLOR[AI]N auf Kurse geht? Die Auflösung wird im nächsten Kapitel vorgestellt.

🔥 Hast du Fragen oder möchtest du uns dein Feedback mitteilen? Dann sende einfach eine E-Mail an office@ffr-app.at. 🔥