Generative KI
Generative KI bezeichnet Computerprogramme, die neue Inhalte erzeugen: Texte, Bilder, Musik, Videos oder Programmcode. Sie erfinden diese Inhalte nicht aus dem Nichts, sondern setzen sie aus Mustern zusammen, die sie in riesigen Mengen von Beispielmaterial gefunden haben.
Die meisten Computerprogramme sortieren, rechnen oder prüfen. Generative KI dagegen erzeugt etwas Neues: einen Text, ein Bild, ein Musikstück, ein Video oder ein Stück Programmcode. Man gibt eine Anweisung ein, etwa „schreibe eine Zusammenfassung dieses Artikels“, und erhält ein Ergebnis, das vorher nirgendwo existierte. Möglich wird das, weil das Programm vorher enorme Mengen an Beispielen durchgearbeitet hat, also Millionen von Texten oder Bildern aus dem Internet. Daraus hat es gelernt, welche Wörter, Sätze oder Bildpunkte typischerweise zusammenpassen. Das Ergebnis ist keine Kopie eines Beispiels, sondern eine neue Kombination aus gelernten Mustern.
Vom Sortieren zum Erschaffen
Bis vor wenigen Jahren war KI vor allem gut im Einordnen. Ein Programm konnte auf einem Foto erkennen, ob eine Katze zu sehen ist. Es konnte E-Mails als Werbung oder als wichtig markieren. Solche Systeme wählen aus vorgegebenen Antworten die passende aus. Generative Systeme haben diese Grenze gesprengt: Sie liefern nicht eine Antwort aus einer Liste, sondern formulieren sie selbst.
Wirtschaftlich ist das der Grund für die enormen Investitionen der letzten Jahre. Sehr viel Büroarbeit besteht aus dem Erzeugen von Inhalten: Berichte, Kundenmails, Werbetexte, Übersetzungen, Software. Ein Werkzeug, das dabei einen ersten Entwurf liefert, spart in vielen Berufen Zeit. Deshalb tauchen Begriffe wie generative KI heute in Quartalsberichten von Konzernen auf und nicht mehr nur in Forschungsartikeln.
Gleichzeitig entstehen dadurch neue Probleme. Wenn jeder überzeugende Texte und echt wirkende Fotos in Sekunden herstellen kann, wird es schwerer, Echtes von Erfundenem zu unterscheiden. Außerdem ist umstritten, ob die Trainingsdaten überhaupt genutzt werden durften. Zahlreiche Zeitungen und Künstler haben deswegen Klagen eingereicht.
Muster statt Wissen: was beim Erzeugen passiert
Bei Texten arbeiten die Systeme Stück für Stück. Das Modell schätzt, welches Wort als Nächstes am wahrscheinlichsten folgt, hängt es an und schätzt erneut. So entsteht Satz für Satz ein ganzer Text. Es kennt keine Bedeutung im menschlichen Sinn, sondern nur statistische Zusammenhänge zwischen Wörtern. Genau das erklärt eine bekannte Schwäche: Wenn das Modell etwas nicht weiß, erfindet es die wahrscheinlichste Fortsetzung. Solche frei erfundenen, aber selbstsicher formulierten Angaben nennt man Halluzinationen.
Bei Bildern läuft es anders. Verbreitet sind sogenannte Diffusionsmodelle. Sie beginnen mit einer Fläche aus reinem Bildrauschen, also zufälligen Farbpunkten. Dann entfernen sie dieses Rauschen in vielen kleinen Schritten. Bei jedem Schritt orientieren sie sich an der Textanweisung des Nutzers. Nach mehreren Dutzend Runden ist aus dem Rauschen ein passendes Bild geworden.
Ein häufiger Irrtum ist, dass das Programm bei jeder Anfrage im Internet nachschaut. Das tut es normalerweise nicht. Sein Wissen steckt in Milliarden intern gespeicherter Zahlenwerte, den Parametern, die beim Training eingestellt wurden. Nur wenn eine Suchfunktion ausdrücklich dazugeschaltet ist, kommen aktuelle Quellen ins Spiel.
Wo generative Systeme heute stecken
Am bekanntesten sind Chatprogramme wie ChatGPT, Gemini oder Claude. Man tippt eine Frage, bekommt eine ausformulierte Antwort. Bildgeneratoren wie Midjourney oder Stable Diffusion machen dasselbe mit Grafiken. In der Softwareentwicklung schlagen Assistenten passende Codezeilen vor, während der Programmierer tippt.
Oft merkt man die Technik gar nicht mehr, weil sie in bekannte Produkte eingebaut ist. Textverarbeitungen bieten Formulierungshilfen an. Videokonferenzsysteme schreiben nach dem Meeting eine Zusammenfassung. Handykameras ergänzen Bildbereiche, die auf dem Foto fehlen. Übersetzungsdienste und Kundenhotlines nutzen dieselbe Grundtechnik.
In Nachrichten begegnet dir der Begriff meist in drei Zusammenhängen: bei Milliardeninvestitionen in Rechenzentren, bei Streit um Urheberrechte und bei Regulierung wie der KI-Verordnung der EU. Diese schreibt unter anderem vor, dass künstlich erzeugte Inhalte gekennzeichnet werden. Wer das Prinzip versteht, kann solche Meldungen deutlich besser einordnen.