Generative KI

Generative KI ist eine Gruppe von Computerprogrammen, die selbst Inhalte erzeugen. Man gibt eine Anweisung ein, etwa "schreibe eine Bewerbung" oder "zeichne eine Katze im Weltraum", und erhält ein fertiges Ergebnis. Das Wort "generativ" kommt vom lateinischen generare, also erzeugen. Der Unterschied zu älteren Programmen ist wichtig: Frühere Systeme haben Dinge vor allem sortiert, erkannt oder bewertet. Ein Spamfilter entscheidet nur, ob eine Mail Werbung ist. Generative Programme dagegen liefern etwas Neues, das vorher nirgends genau so existiert hat.

Warum plötzlich alle darüber reden

Bis etwa 2020 war Textproduktion durch Maschinen unbrauchbar holprig. Mit ChatGPT im Herbst 2022 wurde das für Millionen Menschen erstmals im Alltag nützlich. Der Dienst erreichte in zwei Monaten rund 100 Millionen Nutzer. Damit wurde eine Technik, die vorher nur Fachleute kannten, zum Massenprodukt.

Wirtschaftlich ist das ein Umbruch. Texte, Bilder und Code waren immer teuer, weil Menschen Zeit dafür brauchten. Jetzt sinken diese Kosten stark. Deshalb investieren Konzerne wie Microsoft, Google und Amazon zweistellige Milliardenbeträge in Rechenzentren. Der Chiphersteller Nvidia wurde vor allem deshalb zu einem der wertvollsten Unternehmen der Welt.

Gleichzeitig entstehen neue Probleme. Erfundene, aber überzeugend klingende Aussagen nennt man Halluzinationen. Gefälschte Videos von echten Personen heißen Deepfakes. Und viele Urheber fragen, ob ihre Werke ohne Erlaubnis als Trainingsmaterial verwendet wurden. Über solche Fragen laufen derzeit zahlreiche Gerichtsverfahren.

Vom Trainingsmaterial zur fertigen Antwort

Am Anfang steht das Training. Das Programm bekommt gigantische Datenmengen zu sehen, etwa große Teile des öffentlichen Internets. Bei Texten lautet die Übungsaufgabe: Sage voraus, welches Wort als Nächstes kommt. Millionenfach wiederholt, entwickelt das System dabei ein statistisches Gefühl für Sprache. Was es dabei speichert, sind keine Sätze, sondern Milliarden von Zahlenwerten, sogenannte Parameter.

Beim Benutzen läuft nur noch diese Vorhersage ab. Das Modell wählt Wort für Wort das jeweils wahrscheinlichste nächste Stück. Genau deshalb tippt ein Chatbot seine Antwort scheinbar in Echtzeit. Bei Bildern funktioniert es anders: Das Programm startet mit reinem Bildrauschen und entfernt es schrittweise, bis das gewünschte Motiv sichtbar wird. Dieses Verfahren heißt Diffusion.

Ein hilfreicher Vergleich ist ein Musiker, der tausende Lieder gehört hat. Er kann in einem bestimmten Stil improvisieren, ohne ein Stück auswendig zu kennen. Der Vergleich hat aber eine Grenze. Das Modell versteht den Inhalt nicht, es rechnet mit Wahrscheinlichkeiten. Deshalb kann es eine falsche Antwort genauso selbstsicher formulieren wie eine richtige. Ein verbreiteter Irrtum ist, ein Chatbot schlage die Antwort irgendwo nach. Ohne angeschlossene Suchfunktion tut er das nicht.

Generative KI im Alltag und in Produkten

Am bekanntesten sind Chat-Assistenten wie ChatGPT, Google Gemini oder Claude. Bildgeneratoren wie Midjourney und Stable Diffusion erzeugen Grafiken aus einer Textbeschreibung. Programmierer nutzen Werkzeuge wie GitHub Copilot, die Codezeilen vorschlagen. In vielen Fällen läuft die Technik unsichtbar mit, etwa bei Übersetzungen, Zusammenfassungen in E-Mail-Programmen oder Kundendienst-Chats.

In der Schule und im Beruf ist der Umgang damit zur eigenen Frage geworden. Viele Universitäten verlangen inzwischen, dass eine Nutzung angegeben wird. Die EU hat mit dem AI Act Regeln beschlossen, die unter anderem eine Kennzeichnung künstlich erzeugter Inhalte vorsehen.

In Wirtschaftsnachrichten tauchen dazu regelmäßig bestimmte Stichwörter auf. "Modell" meint das trainierte Programm selbst. "Prompt" ist die Eingabe des Nutzers. "Token" sind die Wortbausteine, nach denen Anbieter ihre Preise berechnen. Wer diese vier Begriffe kennt, versteht die meisten Meldungen zum Thema ohne weitere Erklärung.