Über die Leistung

Modelle, die Bild, Text und Ton gemeinsam verarbeiten, erlauben Abläufe, die vorher mehrere Werkzeuge brauchten: Ein Screenshot wird beschrieben, die enthaltene Tabelle ausgelesen, das Ergebnis in einen Bericht überführt. Der Gewinn liegt in weniger Übergaben zwischen Systemen. Grenze: Je mehr Schritte verkettet werden, desto weniger nachvollziehbar wird ein Fehler. Für jeden Ablauf sollte klar sein, an welcher Stelle ein Mensch das Zwischenergebnis sieht.

Was dazugehört

Bild- und Textkombination Datenauswertung aus Screenshots Sprachein- und -ausgabe Verkettung von Schritten

Kurz gesagt

Bild, Text und Ton in einem Ablauf statt in vier Werkzeugen

Multimodale Abläufe