Ein Computerprogramm erkennt auf einem Foto einen Hund.
Ein anderes berechnet, ob eine Kreditkartenzahlung ungewöhnlich wirkt.
Ein weiteres empfiehlt einen Film.
Und ein viertes erzeugt auf Zuruf ein Bild eines Hundes, der in einem roten Cabrio durch Rom fährt.
Alle vier Systeme können künstliche Intelligenz verwenden.
Nur das letzte Beispiel gehört eindeutig zur generativen KI.
Der Unterschied steckt bereits im Wort.
Generative KI erzeugt neue Inhalte.
Das können Texte, Bilder, Audioaufnahmen, Videos, Programmcode oder andere Daten sein.
Dabei wird nicht einfach eine fertige Datei aus einer Datenbank ausgewählt. Ein generatives Modell berechnet eine neue Ausgabe auf Grundlage der Muster, die es während seines Trainings gelernt hat, und der Informationen, die ihm für die aktuelle Aufgabe zur Verfügung stehen.
Vereinfacht:
klassische Klassifikation
Eingabe
↓
Was ist das?
↓
Kategorie
gegen:
generative KI
Eingabe
↓
Was soll entstehen?
↓
neuer Inhalt
Genau dieser Unterschied hat künstliche Intelligenz innerhalb kurzer Zeit für Millionen Menschen unmittelbar sichtbar gemacht.
Generative KI ist nur ein Teil künstlicher Intelligenz
Der Begriff KI ist wesentlich älter und breiter.
Unter künstliche Intelligenz fallen beispielsweise Systeme für:
Bilderkennung,
Spracherkennung,
Prognosen,
Empfehlungen,
Klassifikation,
Planung
und viele weitere Aufgaben.
Generative KI ist eine bestimmte Klasse innerhalb dieses großen Feldes.
Eine vereinfachte Einordnung sieht so aus:
Künstliche Intelligenz
│
├── Klassifikation
├── Prognosen
├── Mustererkennung
├── Empfehlungssysteme
├── Planung
└── Generative KI
├── Text
├── Bilder
├── Audio
├── Video
└── Code
Die Grenzen können sich in realen Anwendungen überschneiden.
Ein modernes System kann beispielsweise gleichzeitig ein Bild analysieren und danach einen Text dazu erzeugen.
Für das Grundverständnis hilft die Trennung trotzdem enorm.
Das Wort „generativ“ beschreibt die Ausgabe
Ein generatives System produziert etwas, das vorher in genau dieser Form nicht vorhanden sein musste.
Beispielsweise:
Schreibe eine kurze Geschichte über einen Elektriker, der auf dem Mars eine Sicherung repariert.
Das Modell kann daraus eine neue Geschichte erzeugen.
Oder:
Erzeuge ein realistisches Foto einer verlassenen Tankstelle im Schneesturm.
Das Bildmodell erzeugt daraus ein Bild.
Oder:
Erstelle eine Python-Funktion, die eine CSV-Datei einliest und doppelte Zeilen entfernt.
Ein Sprach- beziehungsweise Codemodell erzeugt daraus Programmcode.
Das gemeinsame Prinzip lautet:
Beschreibung oder andere Eingabe
↓
generatives Modell
↓
neue Ausgabe
„Neu“ bedeutet nicht automatisch „originell“
Das ist eine wichtige Unterscheidung.
Ein generatives Modell kann eine Ausgabe erzeugen, die technisch neu berechnet wurde.
Das bedeutet nicht zwangsläufig, dass die zugrunde liegende Idee besonders originell ist.
Wenn du verlangst:
Schreibe einen allgemeinen Text über die Vorteile von Homeoffice.
kann ein Modell einen völlig neuen Wortlaut erzeugen.
Die enthaltenen Gedanken können trotzdem sehr gewöhnlich sein.
Generierung und kreative Originalität sind deshalb zwei verschiedene Dinge.
Generative KI ist keine riesige Bibliothek fertiger Antworten
Eine häufige Vorstellung lautet:
Die KI hat Millionen Texte gespeichert und sucht einfach den passenden heraus.
So funktioniert ein modernes generatives Modell grundsätzlich nicht.
Bei einem Sprachmodell liegt beispielsweise nicht für jede denkbare Frage eine fertige Antwort in einer Tabelle.
Es existiert also nicht:
Frage 17.322.819:
Was ist DNS?
Antwort:
DNS ist ...
Stattdessen enthält das Modell sehr viele erlernte mathematische Parameter.
Diese Parameter repräsentieren komplexe Muster und Beziehungen, die während des Trainings entstanden sind.
Bei einer neuen Eingabe wird daraus eine passende Ausgabe berechnet.
Das erklärt, warum dieselbe Frage unterschiedlich beantwortet werden kann
Wenn eine Datenbank dieselbe Abfrage erhält, erwarten wir normalerweise denselben Datensatz.
Ein generatives Modell kann dagegen bei zwei Durchläufen unterschiedliche Formulierungen erzeugen.
Zum Beispiel:
Prompt:
Erkläre mir DNS in zwei Sätzen.
Antwort A könnte beginnen:
DNS ist das Adressbuch des Internets …
Antwort B:
Das Domain Name System übersetzt verständliche Domainnamen …
Beide Antworten behandeln dasselbe Thema.
Der konkrete Wortlaut wurde jeweils neu generiert.
Generative KI arbeitet mit Wahrscheinlichkeiten
Das ist eine der wichtigsten Grundlagen.
Ein Sprachmodell berechnet vereinfacht, welche Fortsetzung im aktuellen Kontext wahrscheinlich beziehungsweise passend ist.
Wenn ein Satz beginnt:
Die Hauptstadt von Frankreich ist …
ist:
Paris
sehr wahrscheinlich.
Bei:
Der Mann öffnete die Tür und sah …
existieren dagegen sehr viele plausible Fortsetzungen.
Ein generatives Modell arbeitet also nicht nur mit richtig oder falsch.
Es bewertet mögliche Fortsetzungen.
Wahrscheinlichkeit ist nicht dasselbe wie Wahrheit
Dieser Punkt erklärt einen großen Teil der späteren Halluzinationsproblematik.
Eine Formulierung kann sprachlich sehr wahrscheinlich sein und trotzdem sachlich falsch.
Ein Modell kann beispielsweise einen Satz erzeugen wie:
Eine Studie der Universität X aus dem Jahr Y zeigte …
Die Struktur klingt vollkommen plausibel.
Die Studie muss deshalb nicht existieren.
Das Modell erzeugt eine sprachlich passende Fortsetzung.
Es besitzt nicht automatisch bei jedem Satz eine eingebaute Faktenkontrolle.
Genau deshalb behandeln wir Halluzinationen später separat.
Wie kann ein Modell überhaupt neue Inhalte erzeugen?
Der Kern liegt im Training.
Während des Trainings sieht beziehungsweise verarbeitet ein Modell sehr große Mengen geeigneter Trainingsdaten.
Bei einem Textmodell können das Texte sein.
Bei einem Bildmodell Bilder mit unterschiedlichen zusätzlichen Informationen.
Bei Audio-Modellen Tonaufnahmen.
Das Modell versucht daraus statistische Strukturen zu lernen.
Vereinfacht:
viele Beispiele
↓
Muster erkennen
↓
Modellparameter anpassen
↓
gelerntes Modell
Nach dem Training kann das Modell diese gelernten Strukturen für neue Eingaben verwenden.
Ein Modell lernt nicht einzelne Regeln wie ein Mensch sie aufschreiben würde
Ein Entwickler programmiert also nicht:
Wenn Prompt enthält "Katze"
→ zeichne zwei Ohren
→ vier Beine
→ Schnurrhaare
Stattdessen lernt das System aus sehr vielen Beispielen mathematische Zusammenhänge.
Bei einem Bildmodell entstehen dadurch interne Repräsentationen dafür, welche Bildmuster beispielsweise häufig mit:
Katze,
Nacht,
Ölgemälde,
Seitenlicht,
Straße
zusammenhängen.
Die genaue Mathematik kann sehr komplex sein.
Die praktische Idee bleibt einfach:
Das Modell lernt Muster aus Beispielen und verwendet diese Muster später zur Erzeugung neuer Ausgaben.
Training und Generieren sind unterschiedliche Vorgänge
Wie bereits unter Was ist künstliche Intelligenz? erklärt, sollten Training und Inferenz getrennt werden.
Beim Training:
Daten
↓
Lernverfahren
↓
Modellparameter verändern sich
Bei der späteren Nutzung:
fertiges Modell
↓
neue Eingabe
↓
Ausgabe
Diese zweite Phase wird Inferenz genannt.
Wenn du einem fertigen Bildgenerator einen Prompt gibst, trainierst du normalerweise nicht das Grundmodell neu.
Du benutzt das vorhandene Modell.
Das ist für lokale KI besonders wichtig
Ein großes Modell kann mit enormem Aufwand entwickelt worden sein.
Danach kann eine fertige Version auf wesentlich kleinerer Hardware ausgeführt werden.
Das erklärt, warum man bestimmte Modelle lokal auf einer einzelnen GPU betreiben kann, obwohl das ursprüngliche Training auf erheblich größerer Infrastruktur stattgefunden hat.
Die Hardwareanforderungen für:
Training
und:
Inferenz
sind nicht identisch.
Was lernt ein generatives Modell?
Ein Sprachmodell kann beispielsweise Muster lernen über:
Grammatik,
Wortbedeutungen,
Textstrukturen,
typische Beziehungen zwischen Begriffen,
Programmcode,
unterschiedliche Schreibweisen.
Ein Bildmodell kann Muster lernen über:
Formen,
Farben,
Objekte,
Perspektiven,
Licht,
Stile,
Kompositionen.
Ein Audiomodell wiederum kann Strukturen von:
Sprache,
Stimmen,
Geräuschen,
Musik
lernen.
Das Modell besitzt anschließend mathematische Repräsentationen dieser Muster.
Das bedeutet nicht, dass das Modell die Welt wie ein Mensch erlebt
Ein Bildmodell kann hervorragend erzeugen:
Sonnenuntergang über einem See.
Es hat deshalb keinen Sonnenuntergang erlebt.
Es weiß nicht, wie Wärme auf der Haut fühlt.
Es besitzt keine Erinnerung an einen Sommerabend am Wasser.
Es hat Strukturen gelernt, die mit entsprechenden Bildern und Begriffen zusammenhängen.
Das Ergebnis kann menschliche Erfahrung überzeugend darstellen.
Das bedeutet nicht, dass dieselbe Erfahrung im Modell existiert.
Warum wirken generierte Texte trotzdem so menschlich?
Sprache besitzt unglaublich viele wiederkehrende Strukturen.
Menschen schreiben beispielsweise:
E-Mails,
Bücher,
Anleitungen,
Diskussionen,
Programmcode,
Geschichten.
Ein großes Sprachmodell kann aus sehr vielen Beispielen lernen, wie solche Strukturen typischerweise aussehen.
Wenn du fragst:
Schreibe eine höfliche Absage auf eine Bewerbung.
kennt das Modell statistische Muster solcher Texte:
Begrüßung.
Dank.
Absage.
freundliche Formulierung.
Abschluss.
Es muss dafür nicht wissen, wie sich eine echte Absage emotional anfühlt.
Es kennt die sprachliche Form.
Textgenerierung entsteht schrittweise
Ein Sprachmodell erzeugt eine Antwort vereinfacht nicht als kompletten fertigen Absatz auf einmal.
Es generiert Schritt für Schritt.
Eine mögliche Darstellung:
Prompt
↓
nächstes Token berechnen
↓
Token hinzufügen
↓
neues nächstes Token berechnen
↓
Token hinzufügen
↓
...
Genau deshalb werden Tokens für Sprachmodelle so wichtig.
Das Thema erhält unter:
/wissen/tokens/
einen eigenen Grundlagenartikel.
Was ist ein Token?
Vereinfacht ist ein Token eine Verarbeitungseinheit des Sprachmodells.
Das muss nicht exakt einem Wort entsprechen.
Aus:
Künstliche Intelligenz
können je nach Modell mehrere Tokens entstehen.
Ein langes unbekanntes Wort kann ebenfalls in mehrere Bestandteile zerlegt werden.
Das bedeutet:
1.000 Wörter
sind nicht automatisch:
1.000 Tokens
Diese Unterscheidung wird relevant für:
Kontextfenster,
Kosten,
Geschwindigkeit
und lokalen Speicherbedarf.
Was ist ein Sprachmodell?
Ein Sprachmodell ist ein Modell, das Wahrscheinlichkeiten und Strukturen von Sprache modelliert.
Große moderne Sprachmodelle werden häufig als:
Large Language Models, kurz LLMs,
bezeichnet.
Sie können unter anderem:
Texte erzeugen,
Texte zusammenfassen,
übersetzen,
klassifizieren,
Programmcode erzeugen,
Fragen beantworten.
Ein Chatbot kann auf einem solchen Sprachmodell basieren.
Der Chatbot ist aber wieder das gesamte Produkt.
Das Sprachmodell ist eine Komponente.
Dieses Thema behandeln wir als Nächstes ausführlich unter:
/wissen/sprachmodelle/.
Moderne Sprachmodelle basieren häufig auf Transformer-Architekturen
Ein sehr wichtiger technischer Entwicklungsschritt moderner Sprachmodelle war die Transformer-Architektur.
Sie ermöglicht es Modellen, Beziehungen zwischen Teilen einer Eingabe effektiv zu berücksichtigen.
Dabei spielt ein Mechanismus namens Attention eine zentrale Rolle.
Vereinfacht gesprochen hilft Attention dem Modell dabei, zu gewichten, welche Teile des Kontextes für eine aktuelle Berechnung besonders relevant sind.
Nehmen wir:
Anna gab Maria das Buch, weil sie es bereits gelesen hatte.
Um den Satz zu verarbeiten, müssen Beziehungen zwischen:
Anna,
Maria,
Buch,
sie,
es
berücksichtigt werden.
Genau solche Zusammenhänge gehören zu den Aufgaben, die Sprachmodelle mathematisch abbilden müssen.
„Attention“ bedeutet nicht menschliche Aufmerksamkeit
Wieder ist der Begriff bildhaft.
Ein Transformer „achtet“ nicht bewusst auf ein Wort.
Es findet mathematische Gewichtungen zwischen Repräsentationen statt.
Die menschlich klingende Bezeichnung ist hilfreich.
Sie sollte aber nicht mit Bewusstsein verwechselt werden.
Warum können Sprachmodelle plötzlich so viele Aufgaben?
Frühere Machine-Learning-Modelle wurden häufig sehr spezifisch entwickelt.
Zum Beispiel:
Spam erkennen
oder:
Stimmung eines Textes bewerten
Ein großes Sprachmodell wird dagegen auf sehr breiten Sprachmustern trainiert.
Dadurch entstehen Fähigkeiten, die für viele unterschiedliche Aufgaben genutzt werden können.
Zum Beispiel:
übersetzen
zusammenfassen
umformulieren
klassifizieren
erklären
programmieren
planen
Das macht solche Modelle besonders vielseitig.
Ein Modell muss dabei nicht für jede Aufgabe separat programmiert werden
Bei vielen modernen Modellen reicht eine Beschreibung in natürlicher Sprache:
Fasse folgenden Text in fünf Punkten zusammen.
Oder:
Gib ausschließlich die Produktnummern als JSON zurück.
Oder:
Erkläre diesen Code.
Die gleiche Modellbasis übernimmt unterschiedliche Aufgaben.
Das ist einer der Gründe, warum generative KI so schnell in sehr viele Softwarebereiche integriert werden konnte.
Was ist ein Foundation Model?
Ein Foundation Model ist ein breit vortrainiertes Modell, das als Grundlage für viele weitere Anwendungen dienen kann.
Statt für jede Aufgabe von null zu trainieren, entsteht zuerst ein allgemeines Modell.
Danach kann es:
direkt benutzt,
durch Prompts gesteuert,
mit zusätzlichen Informationen versorgt,
feinabgestimmt
oder in spezielle Anwendungen eingebaut
werden.
Vereinfacht:
großes Vortraining
↓
Foundation Model
│
├── Chatassistent
├── Dokumentenanalyse
├── Programmierhilfe
├── Klassifikation
└── weitere Anwendungen
Das Modell bildet also ein Fundament für viele Produkte.
Pre-Training schafft die allgemeine Grundlage
Beim Pre-Training lernt ein Modell zunächst sehr breite Muster.
Bei einem Sprachmodell können das Zusammenhänge in sehr großen Textmengen sein.
Danach besitzt das Modell bereits allgemeine sprachliche Fähigkeiten.
Es ist damit aber nicht automatisch ein guter Chatassistent.
Weitere Trainings- oder Anpassungsschritte können folgen.
Ein vortrainiertes Modell ist nicht dasselbe wie ein fertiges Produkt
Das ist ein wichtiger Unterschied.
Ein fertiger KI-Assistent kann zusätzlich besitzen:
Systemanweisungen,
Sicherheitsmechanismen,
Werkzeuge,
Websuche,
Speicherfunktionen,
Dateiverarbeitung,
Benutzerverwaltung.
Das zugrunde liegende Modell ist nur ein Teil davon.
Zwei Produkte können sogar auf ähnlichen Modellklassen basieren und sich trotzdem völlig unterschiedlich verhalten.
Was bedeutet Fine-Tuning?
Beim Fine-Tuning wird ein bereits trainiertes Modell durch zusätzliche Trainingsdaten weiter angepasst.
Zum Beispiel:
allgemeines Modell
↓
spezialisierte Beispieldaten
↓
weiteres Training
↓
angepasstes Modell
Das kann genutzt werden, um ein Modell stärker an:
bestimmte Aufgaben,
bestimmte Ausgaben,
bestimmte Fachbereiche
anzupassen.
Fine-Tuning ist aber nicht dasselbe wie ein Prompt.
Ein Prompt verändert nicht dauerhaft das Modell
Du sagst:
Antworte ab jetzt sehr knapp.
Das ist eine aktuelle Anweisung.
Das Grundmodell verändert sich dadurch normalerweise nicht dauerhaft.
Beim Fine-Tuning werden dagegen Modellparameter verändert.
Diese Trennung ist wichtig:
Prompt
→ aktuelle Anweisung
Kontext
→ aktuelle Informationen
Fine-Tuning
→ Modellanpassung
RAG
→ externe Informationen zur Laufzeit
Alle vier Dinge können das Verhalten einer KI beeinflussen.
Aber auf unterschiedlichen Ebenen.
Generative KI braucht Kontext
Ein Modell erhält nicht nur die kurze Frage des Nutzers.
In einem vollständigen System können im Kontext enthalten sein:
Systemanweisungen,
frühere Chatnachrichten,
Dokumentauszüge,
Tool-Ergebnisse,
Metadaten,
aktuelle Anfrage.
Das Modell verarbeitet diese Informationen gemeinsam innerhalb seines verfügbaren Kontextfensters.
Deshalb kann derselbe Prompt in unterschiedlichen Gesprächen unterschiedliche Ergebnisse erzeugen.
Kontext ist der aktuelle Arbeitsbereich
Man kann sich das vereinfacht vorstellen wie einen Schreibtisch.
Auf dem Schreibtisch liegen:
Anweisungen
Notizen
Dokumente
aktuelle Frage
Das Modell arbeitet mit dem, was darauf liegt.
Informationen, die nicht im Modellwissen oder aktuellen Kontext verfügbar sind, können nicht zuverlässig berücksichtigt werden.
Genau deshalb ist gutes Kontextmanagement für KI-Anwendungen so wichtig.
Was ist ein Kontextfenster?
Das Kontextfenster begrenzt, wie viel Information ein Modell gleichzeitig berücksichtigen kann.
Dazu gehören:
Eingabe
und
oft auch bereits erzeugte Ausgabe.
Wenn ein Kontextfenster sehr groß ist, können beispielsweise umfangreiche Dokumente verarbeitet werden.
Aber:
mehr Kontext ist nicht automatisch besser.
Ein riesiger Haufen irrelevanter Informationen kann eine Aufgabe ebenfalls erschweren.
Der eigene Grundlagenartikel dazu wird:
/wissen/kontextfenster/.
Generative KI kann auch Bilder erzeugen
Bei Bild-KI funktioniert die konkrete Technik anders als bei einem Sprachmodell.
Die Grundidee bleibt:
Das Modell hat Strukturen von Bildern und ihren Beziehungen zu anderen Informationen gelernt.
Du gibst beispielsweise:
Kleine Holzhütte im Wald bei dichtem Nebel, frühes Morgenlicht, realistische Fotografie.
Das Modell erzeugt daraus ein neues Bild.
Dabei wird nicht einfach nach einem gespeicherten Foto mit exakt dieser Beschreibung gesucht.
Moderne Bildgeneratoren verwenden häufig Diffusionsverfahren
Ein verbreitetes Prinzip moderner Bild-KI sind Diffusionsmodelle.
Sehr vereinfacht beginnt ein Generationsprozess mit einer verrauschten Darstellung.
Das Modell entfernt schrittweise Rauschen und formt dabei ein Bild, das zur Eingabe passt.
Schematisch:
Rauschen
↓
weniger Rauschen
↓
erste Strukturen
↓
Motiv wird erkennbar
↓
fertiges Bild
Die reale Mathematik ist erheblich komplexer.
Für die praktische Vorstellung reicht dieses Modell zunächst aus.
Ein Prompt beeinflusst den Generationsprozess
Der Prompt kann beschreiben:
Motiv,
Stil,
Perspektive,
Licht,
Farbe,
Material,
Umgebung.
Zum Beispiel:
Ein roter alter VW-Bus auf einer Küstenstraße, aufgenommen in der blauen Stunde, nasse Straße, dokumentarische Fotografie.
Das Modell versucht die gelernten Beziehungen zwischen diesen Begriffen und visuellen Mustern gemeinsam umzusetzen.
Bildgenerierung ist nicht völlig deterministisch
Derselbe Prompt kann mehrere unterschiedliche Bilder erzeugen.
Das liegt daran, dass der Generationsprozess Zufallskomponenten beziehungsweise unterschiedliche Startzustände verwenden kann.
Dadurch entstehen Variationen.
Das ist kreativ nützlich.
Für konsistente Produktionen wird es dagegen zur Herausforderung.
Seeds ermöglichen reproduzierbarere Ausgangspunkte
Viele Bildsysteme verwenden einen sogenannten Seed für den Zufallszustand.
Wird derselbe:
Seed,
Prompt,
Modellzustand,
Workflow
verwendet, kann ein Ergebnis besser reproduzierbar werden.
Schon kleine Änderungen anderer Parameter können trotzdem größere Bildveränderungen verursachen.
Ein Seed ist deshalb kein universeller „Bildcode“.
Er ist ein Teil des Generationszustands.
Generative Bild-KI kann mehr als Text-to-Image
Ein Bildmodell kann beispielsweise folgende Arbeitsweisen unterstützen:
Text → neues Bild
Bild → verändertes Bild
Bildbereich → neu erzeugter Inhalt
Bildrand → Erweiterung des Motivs
Dafür werden Begriffe verwendet wie:
Text-to-Image,
Image-to-Image,
Inpainting,
Outpainting.
Diese Verfahren erhalten später eigene Erklärungen im Bereich Design & Medien beziehungsweise Bild-KI.
Was ist Inpainting?
Beim Inpainting wird nur ein bestimmter Bildbereich neu generiert.
Beispielsweise:
Ein Foto zeigt einen Tisch mit einer Vase.
Die Vase wird markiert.
Anweisung:
Ersetze die Vase durch eine kleine Tischlampe.
Das Modell verändert gezielt diesen Bereich.
Der Rest des Bildes soll möglichst erhalten bleiben.
Dadurch wird generative KI zu einem Bildbearbeitungswerkzeug.
Was ist Outpainting?
Outpainting erweitert ein bestehendes Bild über seine ursprünglichen Grenzen hinaus.
Ein Hochformatfoto kann beispielsweise seitlich verbreitert werden.
Das Modell erzeugt passende neue Bildbereiche.
Aus:
[ ursprüngliches Bild ]
wird:
[ neu ][ ursprüngliches Bild ][ neu ]
Das ist besonders praktisch, wenn dasselbe Motiv für unterschiedliche Seitenverhältnisse benötigt wird.
Generative KI kann Audio erzeugen
Audio-KI kann beispielsweise:
Sprache synthetisieren,
Stimmen verändern,
Musik erzeugen,
Geräusche generieren.
Bei Sprachsynthese wird aus Text gesprochene Sprache.
Text
↓
Sprachmodell / Audiosystem
↓
gesprochene Ausgabe
Moderne Systeme können dabei:
Betonung,
Tempo,
Emotion,
Sprechstil
modellieren.
Stimme ist mehr als nur Textinhalt
Der Satz:
Schön, dass du da bist.
kann gesprochen werden:
freundlich,
genervt,
ängstlich,
ironisch,
feierlich.
Audioerzeugung muss deshalb neben den Wörtern auch akustische Eigenschaften modellieren.
Das macht generatives Audio technisch und kreativ besonders interessant.
Sprachklonen schafft neue Möglichkeiten und Risiken
Ein System kann aus Beispielen charakteristische Eigenschaften einer Stimme modellieren und anschließend neue Sätze mit ähnlicher Stimme erzeugen.
Das kann sinnvoll sein für:
Synchronisation,
Barrierefreiheit,
Medienproduktion.
Es kann aber auch missbraucht werden, um Menschen täuschend echte Aussagen zuzuschreiben.
Generative KI betrifft deshalb nicht nur Produktivität.
Sie verändert auch die Frage:
Wann ist eine digitale Aufnahme noch automatisch ein Beweis dafür, dass jemand etwas tatsächlich gesagt hat?
Generative KI kann Musik erzeugen
Ein Modell kann beispielsweise angewiesen werden:
Ruhiges instrumentales Stück mit Klavier und Streichern, langsames Tempo, melancholische Atmosphäre.
Das System erzeugt daraus neue Audiodaten.
Dabei können unterschiedliche Systeme verschiedene Ebenen modellieren:
Melodie,
Rhythmus,
Arrangement,
Instrumentierung,
Klang.
Musik-KI wird dadurch sowohl für Ideenfindung als auch für fertige Medienproduktion interessant.
Generative KI kann Video erzeugen
Video ist besonders anspruchsvoll, weil nicht nur einzelne Bilder plausibel sein müssen.
Auch die zeitliche Entwicklung muss stimmen.
Eine Person soll nicht plötzlich:
andere Kleidung,
andere Hände,
ein anderes Gesicht
bekommen.
Ein Objekt sollte sich über mehrere Frames konsistent bewegen.
Video-KI muss daher sowohl räumliche als auch zeitliche Zusammenhänge modellieren.
Video kann aus verschiedenen Eingaben entstehen
Zum Beispiel:
Text
↓
Video
oder:
Bild
↓
animiertes Video
oder:
bestehendes Video
↓
verändertes Video
Damit wachsen klassische Filmproduktion, Animation und generative KI zunehmend zusammen.
Generative KI kann Programmcode erzeugen
Code ist für Sprachmodelle besonders interessant, weil Programmiersprachen ebenfalls strukturierte Symbolsysteme sind.
Ein Modell kann beispielsweise erzeugen:
def addiere(a, b):
return a + b
Aus einer Beschreibung:
Schreibe eine Python-Funktion, die zwei Zahlen addiert.
Bei komplexeren Aufgaben kann es:
Funktionen,
SQL,
HTML,
CSS,
JavaScript,
Tests,
Dokumentation
erzeugen.
Code wirkt oft eindeutiger als normale Sprache
Programmiersprachen besitzen klare Syntaxregeln.
Dadurch können generative Modelle häufig erstaunlich nützlichen Code produzieren.
Aber syntaktisch gültig bedeutet nicht logisch korrekt.
Zum Beispiel kann ein Programm:
kompilieren,
laufen
und trotzdem ein Sicherheitsproblem enthalten.
Generierter Code braucht deshalb genauso Review wie fremder menschlicher Code.
Generative KI kann strukturierte Daten erzeugen
Ein besonders wichtiger praktischer Einsatz wird manchmal übersehen.
Das Modell muss nicht immer einen schönen Fließtext produzieren.
Es kann aus einer E-Mail beispielsweise erzeugen:
{
"kategorie": "support",
"prioritaet": "hoch",
"thema": "wordpress"
}
Das ist generierte Ausgabe.
Nur eben keine Prosa.
Diese Fähigkeit macht Sprachmodelle für Automatisierung sehr wertvoll.
Der Übergang von Sprache zu Struktur ist enorm nützlich
Menschen kommunizieren unstrukturiert.
Software arbeitet lieber strukturiert.
Generative KI kann die Brücke bilden:
freie Sprache
↓
Sprachmodell
↓
strukturierte Information
↓
Software
Beispiel:
"Könnten wir unseren Termin auf Dienstag
gegen halb drei verschieben?"
wird zu:
Aktion: Termin verschieben
Tag: Dienstag
Uhrzeit: 14:30
Dann kann klassische Software weiterarbeiten.
Generative KI eignet sich deshalb hervorragend für Schnittstellen
Früher musste ein Mensch lernen, wie eine Anwendung bedient wird.
Nun kann zunehmend die Anwendung menschliche Sprache interpretieren.
Statt einer komplizierten Filteroberfläche könnte jemand schreiben:
Zeige alle unbezahlten Rechnungen über 500 Euro aus diesem Monat.
Das Modell wandelt den Wunsch in eine strukturierte Anfrage um.
Darunter kann weiterhin normale Software arbeiten.
Das ist vielleicht langfristig eine der wichtigsten Folgen generativer KI.
Multimodale KI verarbeitet mehrere Medienformen
Ein System kann beispielsweise gleichzeitig:
Text
und
Bilder
verarbeiten.
Dann kann ein Nutzer ein Foto hochladen und fragen:
Was ist auf diesem Bildschirm falsch konfiguriert?
Das System verarbeitet:
Bild
+
Textfrage
↓
gemeinsame Verarbeitung
↓
Textantwort
Andere Systeme können zusätzlich:
Audio,
Video,
Dokumente
verarbeiten.
Multimodal bedeutet nicht zwingend ein einziges Modell
Nach außen wirkt ein Produkt möglicherweise wie eine einzelne KI.
Intern könnten jedoch mehrere Komponenten arbeiten.
Zum Beispiel:
Audio
↓
Spracherkennung
↓
Text
↓
Sprachmodell
↓
Antwort
↓
Sprachsynthese
Für den Nutzer fühlt sich das wie ein Gespräch mit einer einzigen KI an.
Technisch können mehrere Systeme beteiligt sein.
Wieder zeigt sich, warum wir zwischen Modell und KI-System unterscheiden.
Was ist ein generatives KI-System?
Ein reales Produkt kann beispielsweise so aufgebaut sein:
Nutzer
↓
Chatoberfläche
↓
Systemanweisungen
↓
Sprachmodell
↓
Werkzeuge
├── Websuche
├── Datenbank
├── Rechner
└── Dateien
↓
Antwort
Nur ein Teil davon ist das generative Modell.
Das Gesamtsystem entscheidet aber wesentlich darüber, wie leistungsfähig und zuverlässig die Anwendung wirkt.
Tools können Modellschwächen ausgleichen
Ein Sprachmodell muss nicht selbst komplizierte Berechnungen durchführen.
Das System kann dafür einen Taschenrechner verwenden.
Es muss aktuelle Nachrichten nicht aus seinem Training kennen.
Es kann eine Suche verwenden.
Es muss Unternehmensdaten nicht im Modell gespeichert haben.
Es kann eine Datenbank abfragen.
Dann entsteht:
Modell
→ entscheidet, welche Information benötigt wird
Tool
→ liefert reale Information
Modell
→ verarbeitet und erklärt sie
Diese Kombination ist wesentlich leistungsfähiger als ein isoliertes Modell.
RAG ist ein besonders wichtiges Beispiel
RAG steht für Retrieval-Augmented Generation.
Dabei wird ein generatives Modell mit Informationen aus einem separaten Such- beziehungsweise Retrievalsystem versorgt.
Vereinfacht:
Frage
↓
Dokumente durchsuchen
↓
passende Textstellen finden
↓
Textstellen in Kontext geben
↓
Modell erzeugt Antwort
Damit muss ein Sprachmodell nicht jedes Unternehmensdokument in seinen Parametern „wissen“.
Die benötigten Informationen werden zur Laufzeit bereitgestellt.
RAG und Fine-Tuning lösen unterschiedliche Probleme
Das wird häufig verwechselt.
RAG:
Welche Informationen soll das Modell
für diese Anfrage bekommen?
Fine-Tuning:
Wie soll das Modell grundsätzlich
besser auf bestimmte Aufgaben reagieren?
Ein ständig aktualisiertes Produktverzeichnis würde man beispielsweise nicht sinnvoll jedes Mal durch vollständiges Modelltraining aktualisieren.
Ein Retrievalsystem kann die aktuellen Daten direkt bereitstellen.
Generative KI besitzt kein garantiert vollständiges Gedächtnis
Ein Chat kann zwar frühere Nachrichten enthalten.
Das bedeutet aber nicht, dass das Modell unbegrenzt alles dauerhaft erinnert.
Was berücksichtigt wird, hängt vom gesamten System ab.
Möglicherweise existiert:
aktueller Chatkontext,
gespeicherte Nutzerdaten,
eine externe Erinnerung,
Dokumentensuche.
Oder nichts davon.
Die Aussage:
Die KI merkt sich alles.
oder:
Die KI merkt sich nichts.
ist ohne Kenntnis des konkreten Systems zu pauschal.
Woher kommen die Fähigkeiten generativer Modelle?
Ein Teil entsteht aus dem breiten Training.
Ein weiterer aus späteren Anpassungen.
Ein weiterer aus dem aktuellen Kontext.
Und ein weiterer möglicherweise aus Tools.
Man kann deshalb grob unterscheiden:
Vortraining
→ allgemeine Fähigkeiten
Nachtraining / Fine-Tuning
→ angepasstes Verhalten
Prompt
→ aktuelle Aufgabe
Kontext
→ aktuelle Informationen
Tools
→ externe Fähigkeiten und Daten
Diese fünf Ebenen zu verstehen hilft enorm, wenn eine KI unerwartet reagiert.
Warum folgt ein Modell überhaupt Anweisungen?
Ein reines vortrainiertes Sprachmodell ist zunächst darauf optimiert, Textfortsetzungen zu modellieren.
Damit daraus ein hilfreicher Assistent wird, folgen weitere Anpassungsschritte.
Das Modell lernt stärker, auf Instruktionen zu reagieren.
Beispielsweise:
"Fasse diesen Text zusammen."
soll nicht einfach als Textfragment fortgeschrieben werden.
Das Modell soll die gemeinte Aufgabe erfüllen.
Solche instruktionsorientierten Modelle sind ein wesentlicher Bestandteil heutiger Chatassistenten.
Systemanweisungen bilden eine zusätzliche Ebene
Eine KI-Anwendung kann dem Modell Anweisungen mitgeben, bevor die eigentliche Nutzereingabe verarbeitet wird.
Zum Beispiel:
Du bist ein Assistent für technischen Support.
Oder wesentlich komplexere Regeln.
Diese Anweisungen steuern das Verhalten des Modells innerhalb der Anwendung.
Der Nutzer sieht sie möglicherweise überhaupt nicht.
Das erklärt, warum dasselbe Grundmodell in unterschiedlichen Produkten sehr verschieden wirken kann.
Generative KI bleibt probabilistisch
Selbst mit sehr detaillierten Anweisungen ist ein generatives Modell kein klassisches deterministisches Regelwerk.
Es kann:
Formulierungen variieren,
Grenzfälle unterschiedlich interpretieren,
gelegentlich Regeln falsch anwenden.
Deshalb sollte ein Workflow mit streng definierten Anforderungen zusätzliche Validierung verwenden.
Wenn ein Wert exakt sein muss, sollte er geprüft werden
Beispielsweise soll die KI erzeugen:
{
"alter": 42
}
Der nächste Prozess sollte nicht einfach blind vertrauen.
Er kann prüfen:
Ist alter tatsächlich eine Zahl?
Liegt der Wert im erlaubten Bereich?
Ist das Feld vorhanden?
Das führt zu einem wichtigen Automatisierungsprinzip:
KI erzeugt
↓
klassische Software validiert
↓
erst dann weiterverarbeiten
Generative KI ist gut mit Unscharfem – klassische Software mit Eindeutigem
Das ist eine der nützlichsten Architekturregeln.
KI:
"Was möchte dieser Kunde?"
Klassische Software:
"Wenn Kategorie = Rechnung,
an Buchhaltung senden."
KI:
"Welche Themen behandelt dieses Dokument?"
Klassische Software:
"Speichere Ergebnis in Spalte 7."
Beide ergänzen sich.
Generative KI ersetzt daher nicht automatisch die normale Programmierung.
Was bedeutet Temperatur?
Bei Sprachmodellen existieren häufig Einstellungen, die beeinflussen, wie stark wahrscheinlichere gegenüber weniger wahrscheinlichen Ausgaben bevorzugt werden.
Eine bekannte Einstellung wird oft als Temperature bezeichnet.
Sehr vereinfacht:
niedrige Temperatur
→ konservativere Auswahl
höhere Temperatur
→ mehr Variation
Das bedeutet nicht:
0 = wahr
1 = kreativ
Die genaue Wirkung hängt vom Modell und System ab.
Trotzdem hilft das Konzept zu verstehen, warum die Ausgabe nicht nur durch den Prompt bestimmt wird.
Kreativität und Zuverlässigkeit können unterschiedliche Einstellungen brauchen
Für:
Gib exakt eine Kategorie aus diesen fünf Optionen zurück.
möchte man wenig unnötige Variation.
Für:
Entwickle zehn ungewöhnliche Romanideen.
kann Variation erwünscht sein.
Ein gutes KI-System konfiguriert die Generierung deshalb passend zur Aufgabe.
Nicht jede Anwendung braucht dieselben Einstellungen.
Generative KI kann halluzinieren
Ein Modell kann beispielsweise behaupten:
WordPress besitzt seit Version X eine Funktion Y.
Die Funktion existiert nicht.
Warum entsteht das?
Weil Sprachmodelle Text erzeugen, der zum Kontext passt.
Wenn eine falsche Behauptung sprachlich plausibel ist, kann sie generiert werden.
Deshalb sollte man besonders bei:
aktuellen Fakten,
Zahlen,
Quellen,
Recht,
Medizin,
Finanzen
nicht allein auf die sprachliche Überzeugungskraft einer Antwort vertrauen.
Eine flüssige Antwort kann vollständig falsch sein
Menschen verwenden Unsicherheit häufig sprachlich:
Ich glaube …
vermutlich …
ich bin nicht sicher …
Ein Sprachmodell muss diese Unsicherheit nicht zuverlässig mit seiner tatsächlichen Fehlerwahrscheinlichkeit verbinden.
Es kann sehr selbstbewusst klingen und falsch liegen.
Die Tonlage ist deshalb kein Qualitätsmaß.
Das ist eine der wichtigsten Kompetenzen beim Umgang mit generativer KI:
Selbstsicherheit der Formulierung nicht mit Verlässlichkeit der Information verwechseln.
Quellen können generiert statt gefunden werden
Ein besonders problematischer Fall sind scheinbare Quellenangaben.
Ein Modell kennt Muster wissenschaftlicher Zitation.
Es kann daher eine überzeugend aussehende Literaturangabe erzeugen.
Autor.
Titel.
Journal.
Jahr.
Seitenzahlen.
Trotzdem kann die Quelle erfunden sein.
Deshalb sollte ein System für quellenbasierte Recherche idealerweise echte Quellen abrufen und nicht nur aus dem Modellgedächtnis rekonstruieren.
Websuche verändert die Situation
Wenn eine KI tatsächlich eine Suchmaschine oder Datenbank benutzt, können aktuelle reale Dokumente bereitgestellt werden.
Dann lautet der Ablauf:
Frage
↓
echte Suche
↓
Quelle
↓
relevanter Inhalt
↓
Modell
↓
Antwort
Jetzt besitzt die Antwort eine externe Informationsgrundlage.
Das beseitigt nicht alle Fehler.
Das Modell kann eine Quelle immer noch falsch interpretieren.
Aber die Faktenbasis wird kontrollierbarer.
Generative KI ist deshalb hervorragend als Verarbeitungsschicht
Das Modell muss nicht die Quelle sämtlicher Wahrheit sein.
Es kann stattdessen eine Rolle übernehmen wie:
Informationen finden lassen
↓
Informationen bereitstellen
↓
KI ordnet und erklärt
Genau dann kommen die besonderen Stärken von Sprachmodellen zur Geltung:
Sprache,
Zusammenfassung,
Strukturierung,
Transformation.
Datenschutz hängt vom konkreten System ab
Generative KI verarbeitet Daten.
Wenn du einen Text eingibst, muss dieser irgendwo verarbeitet werden.
Bei einem Cloudsystem wird er möglicherweise an externe Infrastruktur übertragen.
Bei einem lokalen Modell kann die Verarbeitung vollständig auf eigener Hardware stattfinden.
Deshalb sollte vor dem Einsatz geklärt werden:
Welche Daten gehen hinein?
Wo werden sie verarbeitet?
Wer kann sie sehen?
Wie lange werden sie gespeichert?
Wofür dürfen sie verwendet werden?
Das sind keine abstrakten KI-Fragen.
Es sind konkrete Datenflussfragen.
Generative KI kann vertrauliche Daten sehr leicht aufnehmen
Die Bedienung ist so einfach, dass Risiken schnell übersehen werden.
Ein Mitarbeiter kopiert:
einen Vertrag,
eine Kundenliste,
interne Strategie,
personenbezogene Daten
in einen Chat.
Technisch ist das nur Copy & Paste.
Organisatorisch kann es eine erhebliche Datenübertragung sein.
Deshalb brauchen Unternehmen klare Regeln dafür, welche KI-Systeme für welche Informationen genutzt werden dürfen.
Lokale generative KI verändert die Vertrauensgrenze
Ein lokal betriebenes Modell kann sensible Inhalte verarbeiten, ohne sie für die Modellausführung an einen externen Anbieter zu übertragen.
Das kann interessant sein für:
interne Dokumente,
Unternehmenswissen,
private Daten.
Dafür entstehen andere Aufgaben:
Server absichern,
Modelle betreiben,
Updates durchführen,
Zugriffe kontrollieren,
Backups erstellen.
Lokal bedeutet nicht automatisch sicher.
Es bedeutet:
Die Verantwortung liegt stärker bei dir.
Generative KI kann Urheberrechtsfragen berühren
Wenn generative Systeme Inhalte erzeugen, entstehen mehrere voneinander getrennte Fragen.
Zum Beispiel:
Welche Trainingsdaten wurden verwendet?
Was darf mit dem konkreten Dienst erzeugt werden?
Wie ähnlich ist die Ausgabe bestehenden Werken?
Welche Rechte entstehen an der Ausgabe?
Darf das Ergebnis kommerziell verwendet werden?
Diese Fragen lassen sich nicht sinnvoll mit einer einzigen allgemeinen Regel beantworten.
Sie hängen von:
Rechtsordnung,
Nutzungsbedingungen,
Art des Inhalts,
konkreter Verwendung
ab.
Rechtliche Themen sollten deshalb nicht mit technischen Aussagen vermischt werden.
KI-generiert bedeutet nicht automatisch rechtefrei
Ein verbreiteter Gedanke lautet:
Das Bild hat eine KI erzeugt, also kann es keine Rechteprobleme geben.
So einfach ist es nicht.
Beispielsweise können:
Marken,
Persönlichkeitsrechte,
geschützte Figuren,
Vorlagen,
Lizenzbedingungen
eine Rolle spielen.
Ein generatives Werkzeug beseitigt nicht sämtliche Rechte anderer.
Generative KI verändert auch Authentizität
Früher konnte ein Foto relativ stark als Hinweis dienen:
Diese Szene wurde fotografiert.
Heute kann ein vollständig synthetisches Bild fotorealistisch aussehen.
Dasselbe gilt zunehmend für:
Audio,
Video.
Damit wird die Frage wichtiger:
Woher kommt ein Medium?
Nicht nur:
Sieht es echt aus?
Die technische Fähigkeit zur Generierung verändert damit auch Medienkompetenz.
Generative KI kann Deepfakes ermöglichen
Wenn:
Gesicht,
Stimme,
Bewegung
eines realen Menschen synthetisch nachgebildet werden, können realistisch wirkende Medien entstehen, die Ereignisse zeigen, die so nie stattgefunden haben.
Das kann für:
Film,
Synchronisation,
Kunst
legitime Anwendungen besitzen.
Es kann ebenso für:
Betrug,
Desinformation,
Identitätsmissbrauch
eingesetzt werden.
Generative KI ist deshalb weder grundsätzlich gut noch schlecht.
Der Nutzungskontext entscheidet.
Warum ist generative KI gerade jetzt so bedeutend?
Mehrere technische Entwicklungen treffen zusammen.
Modelle wurden leistungsfähiger.
Rechenhardware wurde besser verfügbar.
Große Datenmengen konnten verarbeitet werden.
Modellarchitekturen entwickelten sich weiter.
Und vor allem:
Die Bedienung wurde unglaublich einfach.
Früher brauchte man für viele KI-Anwendungen spezielles Fachwissen.
Heute kann eine Eingabe lauten:
Mach mir eine Tabelle mit den Unterschieden.
Natürliche Sprache wurde zur Benutzeroberfläche.
Dadurch können viel mehr Menschen KI direkt nutzen
Man muss nicht programmieren, um:
Texte analysieren,
Bilder erzeugen,
Dokumente zusammenfassen,
Ideen entwickeln
zu lassen.
Das senkt die Zugangshürde enorm.
Und genau das erklärt einen großen Teil des aktuellen gesellschaftlichen Effekts generativer KI.
Die einfache Oberfläche darf nicht über die Komplexität dahinter täuschen
Ein Eingabefeld sieht banal aus.
Dahinter können jedoch arbeiten:
große Modelle,
GPU-Cluster,
Datenbanken,
Suchsysteme,
Sicherheitsmechanismen,
weitere Werkzeuge.
Das ist ähnlich wie beim Webbrowser.
Du gibst:
example.de
ein.
Dahinter passieren:
DNS,
TLS,
HTTP,
Serververarbeitung,
Datenbankzugriffe.
Eine einfache Bedienung bedeutet nicht einfache Technik.
Generative KI senkt Produktionskosten
Ein Mensch kann in kurzer Zeit:
zwanzig Textvarianten,
fünfzig Bildideen,
mehrere Codeentwürfe
erzeugen lassen.
Dadurch wird die Erstellung einzelner Varianten sehr billig.
Das verändert Arbeitsprozesse.
Die knappe Ressource verschiebt sich zunehmend von:
Erzeugen
zu:
Auswählen, Prüfen und Steuern.
Wenn jeder 100 Bilder erzeugen kann, wird Auswahl wichtiger
Früher war ein einzelnes professionelles Bild teuer.
Heute können sehr viele Varianten erzeugt werden.
Das bedeutet nicht automatisch bessere Ergebnisse.
Jemand muss weiterhin beurteilen:
Welche Variante erfüllt die Aufgabe?
Welche wirkt glaubwürdig?
Welche passt zur Marke?
Welche enthält Fehler?
Produktionsmenge und Qualität sind unterschiedliche Dinge.
Dasselbe gilt für Texte
Eine KI kann in Minuten zehn Artikelentwürfe erzeugen.
Das bedeutet nicht, dass zehn gute Artikel entstanden sind.
Nun werden wichtiger:
Themenauswahl,
Recherche,
Faktenprüfung,
Redaktion,
Informationsarchitektur,
Qualitätskontrolle.
Generative KI kann den Schreibvorgang drastisch beschleunigen.
Sie entscheidet nicht automatisch, welcher Inhalt überhaupt veröffentlicht werden sollte.
KI macht gute Prozesse wertvoller
Wenn eine schlechte Arbeitsweise automatisiert wird, entsteht:
schlechter Prozess
×
hohe Geschwindigkeit
=
sehr viel schlechter Output
Wenn ein guter Prozess automatisiert wird:
gute Regeln
+
gute Daten
+
Prüfung
+
Automatisierung
=
skalierbarer Prozess
Deshalb ist generative KI besonders mächtig in Kombination mit klaren Workflows.
Ein guter KI-Workflow trennt Aufgaben
Beispielsweise:
Thema festlegen
↓
Quellen beschaffen
↓
Informationen strukturieren
↓
Entwurf erzeugen
↓
Fakten prüfen
↓
Stil prüfen
↓
Freigabe
Nicht jeder Schritt muss dasselbe Modell verwenden.
Vielleicht ist überhaupt nicht jeder Schritt KI.
Genau daraus entsteht professionelle Automatisierung.
Generative KI kann als Copilot arbeiten
Ein möglicher Einsatz ist:
Mensch führt.
KI unterstützt.
Zum Beispiel:
Mensch entwickelt Idee
↓
KI erzeugt Varianten
↓
Mensch wählt
↓
KI überarbeitet
↓
Mensch entscheidet
Hier übernimmt die KI produktive Routinearbeit.
Die finale Verantwortung bleibt beim Menschen.
Für viele kreative Aufgaben ist dieses Modell sehr effektiv.
KI kann auch vollständig im Hintergrund arbeiten
Ein anderes Szenario:
Supportmail kommt an
↓
KI klassifiziert
↓
Software verteilt Ticket
Der Nutzer sieht die KI überhaupt nicht.
Das Ergebnis ist kein Chat.
Generative KI wird damit zu einer normalen Softwarekomponente.
Langfristig wird wahrscheinlich sehr viel KI genau auf diese Weise genutzt werden:
unsichtbar innerhalb bestehender Anwendungen.
Wo generative KI besonders gut funktioniert
Typische Stärken liegen bei Aufgaben, die:
Sprache,
Transformation,
Variation,
Mustererkennung,
unstrukturierte Informationen
enthalten.
Zum Beispiel:
Zusammenfassen.
Umformulieren.
Klassifizieren.
Ideen erzeugen.
Information aus Text extrahieren.
Code erklären.
Dokumente durchsuchen.
Bilder entwerfen.
Wo generative KI weniger sinnvoll sein kann
Bei einer exakten einfachen Berechnung:
19 % von 417,30 Euro
ist ein Taschenrechner besser.
Bei einer eindeutigen Datenbankabfrage:
Bestellung Nummer 17283
sollte die Datenbank die Information liefern.
Bei einer harten Regel:
wenn Betrag > 1.000
→ Freigabe
ist normale Software zuverlässiger.
Generative KI sollte deshalb gezielt eingesetzt werden.
Ein KI-System kann selbst entscheiden, welches Werkzeug besser ist
Ein moderner Assistent kann beispielsweise erkennen:
Mathematikfrage.
Dann verwendet er:
Rechner
Aktuelle Information.
Dann:
Websuche
Firmendaten.
Dann:
interne Datenbank
Freie Formulierung.
Dann:
Sprachmodell
Das Modell wird damit zum Vermittler zwischen Mensch und verschiedenen Werkzeugen.
Daraus entstehen KI-Agenten
Ein Agent geht noch einen Schritt weiter.
Statt nur einmal eine Antwort zu erzeugen, kann das System:
Ziel verstehen,
nächsten Schritt auswählen,
Werkzeug verwenden,
Ergebnis bewerten,
weiterplanen.
Vereinfacht:
Ziel
↓
planen
↓
Aktion
↓
Ergebnis
↓
erneut planen
↓
weitere Aktion
Das ist leistungsfähig.
Es erhöht gleichzeitig Anforderungen an:
Berechtigungen,
Überwachung,
Kostenkontrolle,
Sicherheit.
Agenten behandeln wir später unter:
/wissen/ki-agenten/.
Generative KI kann Fehler skalieren
Ein Mensch macht einen Fehler in einem Dokument.
Ein automatisiertes Modell produziert denselben Fehler in 50.000 Dokumenten.
Skalierung wirkt in beide Richtungen.
Deshalb sollte vor Automatisierung geklärt werden:
Wie wird ein Fehler erkannt?
Wie groß kann sein Schaden werden?
Kann der Prozess gestoppt werden?
Gibt es Stichproben?
Welche Schritte brauchen Freigabe?
Das wird bei produktiver KI mindestens so wichtig wie die Wahl des Modells.
Human in the Loop ist oft sinnvoll
Ein Workflow kann beispielsweise lauten:
KI analysiert
↓
KI erstellt Vorschlag
↓
Mensch prüft
↓
Freigabe
Das ist keine gescheiterte Automatisierung.
Wenn die KI 90 Prozent der manuellen Arbeit erledigt und der Mensch nur noch die kritische Entscheidung trifft, kann der Prozess hervorragend sein.
Vollautomatisierung ist kein Selbstzweck.
Die Fehlerkosten entscheiden über den Kontrollbedarf
Ein KI-System schlägt fünf Überschriften vor.
Eine ist schlecht.
Kaum Schaden.
Ein KI-System gibt einem Kunden eine falsche medizinische Empfehlung.
Möglicherweise erheblicher Schaden.
Deshalb:
niedrige Fehlerkosten
→ leichte Kontrolle
hohe Fehlerkosten
→ starke Kontrolle
Die gleiche Modellqualität kann für eine Aufgabe völlig ausreichend und für eine andere völlig ungeeignet sein.
Generative KI sollte evaluiert werden
„Funktioniert ziemlich gut“ reicht für einen Produktivprozess irgendwann nicht mehr.
Man braucht Testfälle.
Zum Beispiel:
100 typische Eingaben
↓
erwartete Anforderungen
↓
Modellantworten
↓
bewerten
Dann lassen sich Fragen beantworten:
Wie häufig ist die Kategorie richtig?
Wie oft fehlen Informationen?
Wie oft wird halluziniert?
Wie hoch sind Kosten?
Wie lange dauert eine Antwort?
Evaluation macht KI vergleichbarer.
Benchmarks sind nützlich, aber nicht dein Workflow
Ein Modell kann in öffentlichen Benchmarks hervorragend abschneiden.
Deine konkrete Aufgabe kann trotzdem schlecht funktionieren.
Beispielsweise:
Das Modell ist allgemein sehr stark.
Aber deine Anwendung braucht:
deutsche juristische Klassifikation,
exaktes JSON,
sehr lange Dokumente,
geringe Hardwarekosten.
Dann zählt die Leistung in genau diesem Szenario.
Das beste Modell ist dasjenige, das deine Aufgabe zuverlässig erfüllt.
Größer ist nicht automatisch besser
Große Modelle besitzen häufig stärkere allgemeine Fähigkeiten.
Sie brauchen aber:
mehr Rechenleistung,
mehr Speicher,
mehr Energie,
möglicherweise höhere API-Kosten.
Ein kleines Modell kann für:
Spamklassifikation,
Themenzuordnung,
einfache Extraktion
völlig ausreichen.
Ein guter KI-Stack kann deshalb mehrere Modelle kombinieren.
Modell-Routing kann Kosten sparen
Ein System könnte beispielsweise arbeiten:
einfache Aufgabe
↓
kleines Modell
schwierige Aufgabe
↓
großes Modell
Oder:
Regel reicht?
↓
gar keine KI
KI nötig?
↓
kleines Modell
unsicher?
↓
großes Modell
kritisch?
↓
Mensch
Das ist wesentlich effizienter als:
Schicke alles an das größte Modell.
Lokale generative KI macht Modellgröße unmittelbar spürbar
Bei Cloud-KI sieht der Nutzer die Hardware kaum.
Lokal muss ein Modell in die verfügbare Infrastruktur passen.
Dann werden plötzlich Begriffe wichtig wie:
VRAM,
RAM,
Quantisierung,
Tokens pro Sekunde,
Modellgröße.
Damit kommen wir später zu unserem lokalen KI-Bereich.
Was bedeutet Quantisierung?
Modelle enthalten sehr viele numerische Werte.
Diese können mit unterschiedlichen Präzisionen gespeichert werden.
Wird eine geringere Präzision verwendet, kann der Speicherbedarf sinken.
Dadurch lässt sich möglicherweise ein Modell auf kleinerer Hardware ausführen.
Vereinfacht:
hohe Präzision
→ mehr Speicher
Quantisierung
→ weniger Speicher
→ mögliche Qualitätseinbußen
Wie stark die Qualität beeinflusst wird, hängt vom Modell und Verfahren ab.
Ein lokales Modell ist nicht automatisch privat
Das Modell kann lokal laufen.
Die Anwendung könnte trotzdem:
Telemetrie senden,
Webdienste verwenden,
Cloudspeicher einbinden.
Datenschutz muss deshalb das gesamte System betrachten.
Nicht nur die Position der Modelldatei.
Dasselbe Prinzip kennen wir aus unserem Bereich Sicherheit & Datenschutz.
Was ist Open Source bei KI?
Bei KI wird der Begriff „offen“ für unterschiedliche Dinge verwendet.
Ein Projekt kann beispielsweise offen bereitstellen:
Programmcode,
Modellgewichte,
Trainingsinformationen,
Lizenz.
Nicht jedes öffentlich herunterladbare Modell ist automatisch in jedem denkbaren Sinn Open Source.
Für die Praxis ist deshalb wichtiger, die konkrete Lizenz und den tatsächlichen Umfang der Offenheit zu prüfen, als nur auf ein Marketingetikett zu achten.
Modellgewichte sind das Ergebnis des Trainings
Wenn ein trainiertes Modell lokal heruntergeladen wird, enthält die Datei unter anderem die gelernten Parameter beziehungsweise Gewichte.
Man lädt also nicht den kompletten Trainingsdatensatz herunter.
Die Gewichte sind das Ergebnis des Trainingsprozesses.
Dadurch können Modelldateien groß sein, ohne sämtliche ursprünglichen Trainingsdaten als normale Dateien zu enthalten.
Ein Modell kann Wissen nicht zuverlässig rückwärts wie eine Datenbank auslesen
Weil Wissen in komplexen Parametern verteilt repräsentiert wird, ist eine Frage wie:
Zeige mir exakt alle Dokumente, aus denen du diesen Fakt gelernt hast.
bei einem normalen Sprachmodell häufig nicht sinnvoll beantwortbar.
Das ist ein fundamentaler Unterschied zu einer Suchmaschine.
Genau deshalb sind Retrieval und Quellenzugriff so wichtig, wenn Nachvollziehbarkeit benötigt wird.
Generative KI und Suchmaschinen erfüllen unterschiedliche Aufgaben
Suchmaschine:
vorhandene Dokumente finden
Generative KI:
neue Ausgabe erzeugen
Moderne Systeme verbinden beides.
Das kann sehr leistungsfähig sein:
Suche
→ aktuelle Quellen
Generative KI
→ verständliche Zusammenfassung
Man sollte trotzdem immer wissen, welche Komponente welche Aufgabe übernommen hat.
Eine generierte Antwort kann Informationen aus mehreren Quellen verbinden
Das ist eine besondere Stärke.
Ein System bekommt:
Quelle A.
Quelle B.
Quelle C.
Dann kann das Modell beispielsweise formulieren:
A und B stimmen bei Punkt X überein, während C eine andere Schlussfolgerung zieht.
Diese Synthese wäre mit einer klassischen Suchmaschine allein wesentlich aufwendiger.
Generative KI ist deshalb besonders stark als Informationsverarbeitungsschicht.
Zusammenfassen kann trotzdem Informationen verlieren
Eine Zusammenfassung ist immer eine Auswahl.
Das Modell entscheidet beziehungsweise wird angewiesen, was wichtig erscheint.
Dadurch können Details verloren gehen.
Eine fünfseitige Zusammenfassung eines hundertseitigen Berichts ist nicht derselbe Bericht.
Deshalb sollte bei wichtigen Entscheidungen die Originalquelle weiterhin erreichbar sein.
Generative KI kann Orientierung liefern.
Sie ersetzt nicht automatisch das Primärdokument.
Generative KI verändert Wissensarbeit
Viele Tätigkeiten bestehen aus:
lesen,
sortieren,
schreiben,
vergleichen,
strukturieren.
Genau darin sind moderne Sprachmodelle stark.
Deshalb betrifft generative KI besonders Bereiche wie:
Redaktion,
Marketing,
Beratung,
Programmierung,
Verwaltung,
Forschung.
Das bedeutet nicht, dass diese Berufe verschwinden müssen.
Es bedeutet, dass sich der Anteil manueller Routinearbeit verändern kann.
Die Rolle des Menschen verschiebt sich
Wenn die KI den ersten Entwurf erzeugt, wird wichtiger:
Ist das Thema richtig gewählt?
Sind die Fakten korrekt?
Fehlt etwas?
Ist die Argumentation sinnvoll?
Passt das Ergebnis zur Zielgruppe?
Die menschliche Arbeit verschiebt sich teilweise von:
Produktion
zu:
Steuerung,
Bewertung,
Entscheidung.
Das ist ein anderes Kompetenzprofil.
Prompting ist nur ein Teil dieser neuen Kompetenz
Der Begriff Prompt Engineering bekam viel Aufmerksamkeit.
Natürlich ist es hilfreich, klare Anweisungen formulieren zu können.
In produktiven KI-Systemen werden aber mindestens ebenso wichtig:
Datenqualität,
Kontextmanagement,
Toolintegration,
Validierung,
Evaluation,
Sicherheit,
Workflowdesign.
Ein genialer Prompt repariert keinen schlechten Prozess.
Gute KI-Nutzung beginnt deshalb nicht beim Prompt
Sondern bei:
Welche Aufgabe soll gelöst werden?
↓
Welche Informationen sind notwendig?
↓
Welche Fehler sind akzeptabel?
↓
welches Modell reicht?
↓
welche Prüfung brauchen wir?
Erst danach wird die konkrete Modellanweisung wichtig.
Das verhindert die typische Vorgehensweise:
Wir haben KI. Wo können wir sie irgendwie einbauen?
Generative KI ist ein Werkzeug, keine Strategie
Ein Unternehmen wird nicht automatisch produktiver, weil es einen Chatbot lizenziert.
Ein Blog wird nicht besser, weil Texte schneller generiert werden können.
Eine Software wird nicht besser, weil überall ein KI-Button eingebaut wird.
Der Nutzen entsteht erst aus der Verbindung:
reales Problem
+
passendes KI-Verfahren
+
guter Prozess
Technologie allein liefert keine sinnvolle Anwendung.
Was du dir über generative KI merken solltest
Generative KI ist ein Teilbereich künstlicher Intelligenz, bei dem Modelle neue Inhalte erzeugen.
Diese Inhalte können beispielsweise sein:
Text
Bilder
Audio
Video
Code
strukturierte Daten
Ein generatives Modell ist keine klassische Datenbank fertiger Antworten.
Es lernt während des Trainings statistische und strukturelle Zusammenhänge und verwendet diese später während der Inferenz, um neue Ausgaben zu berechnen.
Bei Sprachmodellen geschieht die Generierung schrittweise über Tokens. Moderne große Sprachmodelle basieren häufig auf Transformer-Architekturen und können sehr unterschiedliche sprachliche Aufgaben übernehmen.
Bei Bildgenerierung werden häufig Diffusionsverfahren verwendet, bei denen aus einer verrauschten Darstellung schrittweise ein zum Prompt passendes Bild entsteht.
Generative KI kann darüber hinaus:
Audio,
Stimmen,
Musik,
Video
und Programmcode erzeugen.
Ein generatives KI-System besteht häufig aus wesentlich mehr als dem Modell:
Benutzeroberfläche
↓
Anweisungen
↓
Modell
↓
Tools
↓
Daten
↓
Validierung
Dadurch können externe Systeme aktuelle Informationen, Berechnungen oder Unternehmenswissen bereitstellen.
Begriffe, die wir auseinanderhalten sollten:
Prompt
→ aktuelle Anweisung
Kontext
→ aktuell verfügbare Information
RAG
→ externe Informationen abrufen
Fine-Tuning
→ Modell durch weiteres Training anpassen
Tool
→ externe Funktion benutzen
Generative Modelle arbeiten probabilistisch.
Deshalb können sie:
variieren,
Fehler machen,
Informationen erfinden,
plausibel klingen und trotzdem falsch liegen.
Die wichtigste praktische Konsequenz lautet:
Generieren
ist nicht dasselbe wie
Verifizieren.
Je größer die möglichen Folgen eines Fehlers, desto stärker muss die Ausgabe kontrolliert werden.
Generative KI funktioniert besonders gut bei:
unstrukturierter Sprache,
Transformation,
Zusammenfassung,
Variation,
Klassifikation,
Informationsaufbereitung.
Für exakt definierte Berechnungen und feste Geschäftsregeln bleibt klassische Software häufig die bessere Lösung.
Die leistungsfähigsten Systeme kombinieren deshalb:
klassische Software
+
generative KI
+
echte Daten
+
klare Kontrolle
Nicht:
generative KI für alles
Und genau darin liegt wahrscheinlich die praktisch wichtigste Bedeutung dieser Technologie.
Nicht darin, dass künftig jedes Programm durch einen Chatbot ersetzt wird.
Sondern darin, dass Maschinen erstmals in sehr großem Umfang mit unstrukturierter menschlicher Sprache und kreativen Medien arbeiten können und damit eine neue Verbindung zwischen Menschen und klassischer Software entsteht.