LLMs zur Generierung von R- oder Python-Code verwenden

Frank Romeike and Gabriele Wieczorek
Additional contact information
Frank Romeike: RiskNET GmbH
Gabriele Wieczorek: Hochschule Hamm-Lippstadt

Chapter 13 in Data Analytics im Risikomanagement, 2026, pp 579-583 from Springer

Abstract: Zusammenfassung Der Einsatz von großen Sprachmodellen (Large Language Models, LLMs) in Wirtschaft und Gesellschaft stellt einen bedeutenden Meilenstein in der Anwendung von AI-Technologien dar und fördert auch weiterhin branchenübergreifende Chancen für Innovationen. Dem Bereich der generativen AI zugehörig, sind LLMs maschinelle Lernmodelle, die anhand großer Mengen von Textdaten trainiert werden und für die Verarbeitung von Sprache konzipiert sind. LLMs wie GPT-5 oder Claude, sogenannte Chatbots, können komplexe Zusammenhänge verstehen, Absichten erkennen und mehrsprachig agieren und sind beispielsweise in CRM- oder Helpdesk-Systemen von großem Nutzen. LLMs optimieren die Arbeit von Analysten, Datenwissenschaftlern und Risikomanagern, indem sie automatisch Code für verschiedene statistische und ML-Aufgaben generieren und optimieren sowie bei der Visualisierung unterstützen. Trotz der umfassenden Unterstützung durch LLMs bleibt jedoch ein Verständnis der methodischen Grundlagen von Data Analytics nicht nur für Risikomanager unverzichtbar, um korrekte Prompts zu formulieren und die Resultate einer sorgfältigen Bewertung zu unterziehen.

Date: 2026
References: Add references at CitEc
Citations:

There are no downloads for this item, see the EconPapers FAQ for hints about obtaining it.

Related works:
This item may be available elsewhere in EconPapers: Search for items with the same title.

Export reference: BibTeX RIS (EndNote, ProCite, RefMan) HTML/Text

Persistent link: https://EconPapers.repec.org/RePEc:spr:sprchp:978-3-658-48843-7_13

Ordering information: This item can be ordered from
http://www.springer.com/9783658488437

DOI: 10.1007/978-3-658-48843-7_13

Access Statistics for this chapter

More chapters in Springer Books from Springer
Bibliographic data for series maintained by Sonal Shukla () and Springer Nature Abstracting and Indexing ().