Generative KI sind KI-Modelle, die neue Inhalte erzeugen, zum Beispiel Texte, Bilder, Videos, Audio oder Programmcode. Sie haben aus sehr vielen Beispielen gelernt, wie solche Inhalte aufgebaut sind, und bauen daraus auf Zuruf etwas Neues, das den Beispielen ähnelt. Eine klassische KI bewertet oder sortiert dagegen Vorhandenes.
Stell dir jemanden vor, der Tausende Kochbücher gelesen hat. Ein Filter würde Rezepte nur einsortieren („Dessert“ oder „Hauptgericht“). Eine generative KI schreibt dir dagegen ein neues Rezept, das klingt wie aus einem dieser Bücher. Du bittest ChatGPT um ein Rezept mit Kürbis und Feta, und es entsteht ein Text, den es so vorher nicht gab.
1. Generativ oder klassisch: der Unterschied
Viele KI-Systeme, die dir früher begegnet sind, waren klassische Modelle. Sie bekommen etwas vorgelegt und geben ein Urteil zurück. Generative Modelle drehen die Richtung um. Sie bekommen eine Anweisung und liefern den Inhalt selbst. Mehr zur Einordnung im Eintrag Künstliche Intelligenz.
- Klassische KI
- Erkennt, ob eine Mail Spam ist
- Generative KI
- Schreibt eine Antwort auf die Mail
- Klassische KI
- Erkennt, ob auf dem Foto ein Hund zu sehen ist
- Generative KI
- Erzeugt ein Bild eines Hundes aus einer Beschreibung
- Klassische KI
- Wandelt gesprochene Sprache in Text um
- Generative KI
- Liest einen Text mit natürlicher Stimme vor
- Klassische KI
- Findet bekannte Fehlermuster im Programm
- Generative KI
- Schreibt eine neue Funktion nach deiner Beschreibung
gradually.aiDie Grenze ist nicht scharf. Auch ein generatives Modell kann Texte bewerten, und viele Systeme kombinieren beides. Entscheidend ist, was am Ende herauskommt, ein Urteil oder ein neuer Inhalt.
2. Wie generative KI funktioniert
Beim Training sieht ein Modell riesige Mengen an Beispielen, etwa Texte, Bilder oder Tonaufnahmen. Es lernt dabei vor allem Muster und nicht einzelne Beispiele Wort für Wort, etwa welche Wörter aufeinander folgen, wie Kanten und Farben in einem Foto zusammenpassen, wie eine Melodie verläuft. Nach dem Training kennt es eine Art Wahrscheinlichkeitslandkarte dessen, was zu einer Anweisung passt.
Beim Erzeugen wird aus dieser Landkarte gezogen. Ein Sprachmodell berechnet für das nächste Token eine Wahrscheinlichkeit und wählt eines aus. Dann wiederholt es das für das übernächste, bis die Antwort fertig ist. Weil dabei gewürfelt wird, kann dieselbe Frage zweimal unterschiedliche Antworten ergeben. Wie stark der Zufall wirkt, steuern Einstellungen wie Temperature und Top-P.
Dazu kommt ein zweiter Baustein. Damit ein Modell mit Text, Bild oder Ton rechnen kann, wird alles in Zahlen übersetzt. Das Prinzip dahinter erklärt der Eintrag zu Embeddings. Technisch zählen alle diese Modelle zum Deep Learning.
2.1 Transformer und Sprachmodelle
Die Architektur hinter den meisten Sprachmodellen heißt Transformer. Sie wurde 2017 in dem Paper „Attention Is All You Need“ vorgestellt. Ihr Kernstück ist ein Aufmerksamkeitsmechanismus, der für jedes Wort einordnet, welche anderen Wörter im Text wichtig sind. Ein Transformer erzeugt Inhalte Stück für Stück. Das klappt bei Text besonders gut, wird aber auch für Bilder und Audio genutzt. Die Familie der großen Sprachmodelle hat ihren eigenen Eintrag. GPT-3 hatte laut seinem Paper von 2020 bereits 175 Milliarden Parameter.
2.2 Diffusionsmodelle
Viele aktuelle Bildgeneratoren arbeiten mit Diffusion. Beim Training wird ein Bild schrittweise mit Rauschen überlagert, und das Modell lernt, diesen Schritt umzukehren. Beim Erzeugen startet es mit reinem Rauschen und entfernt es in vielen kleinen Schritten, gesteuert von deiner Beschreibung, bis ein Bild übrig bleibt. 2020 zeigten Ho, Jain und Abbeel, dass sich damit hochwertige Bilder erzeugen lassen. Der Ansatz der Latent Diffusion von 2021 verlegt den Prozess in einen komprimierten Raum und senkt den Rechenaufwand deutlich.
2.3 GANs
Ein Generative Adversarial Network besteht aus zwei Netzen. Der Generator erzeugt Bilder, der Diskriminator versucht, sie von echten zu unterscheiden. Beide trainieren gegeneinander, bis die Fälschungen kaum noch auffallen. Die Idee stammt von Ian Goodfellow und Kollegen aus dem Jahr 2014 und prägte die erste Welle realistischer KI-Bilder. Bei aktuellen Bildgeneratoren sind Diffusionsmodelle inzwischen verbreiteter.
2.4 Die Stationen im Überblick
Die Zeitleiste zeigt, wie sich das Feld aufgebaut hat:
- Station
- GANs (Goodfellow et al.)
- Bedeutung
- Zwei Netze trainieren gegeneinander und erzeugen realistische Bilder
- Station
- Transformer („Attention Is All You Need“)
- Bedeutung
- Architektur, auf der heutige Sprachmodelle aufbauen
- Station
- GPT-3
- Bedeutung
- Ein Sprachmodell mit 175 Milliarden Parametern löst Aufgaben allein anhand weniger Beispiele im Prompt
- Station
- Denoising Diffusion Probabilistic Models
- Bedeutung
- Diffusion erzeugt Bilder in hoher Qualität
- Station
- DALL·E (Ramesh et al.)
- Bedeutung
- Ein Transformer erzeugt Bilder aus Textbeschreibungen
- Station
- Latent Diffusion Models
- Bedeutung
- Bilderzeugung im komprimierten Raum, deutlich weniger Rechenaufwand
- Station
- ChatGPT
- Bedeutung
- OpenAI veröffentlicht einen Chatbot, der im Dialog auf Folgefragen eingeht
gradually.ai3. Praxisbeispiel: ein Anliegen, drei Ausgaben
Dasselbe Thema lässt sich mit unterschiedlichen Modellarten bearbeiten. Ein ausgedachtes Beispiel. Du willst deine Kaffeemaschine entkalken und brauchst eine Anleitung, ein Symbol dafür und eine automatische Erinnerung.
Mit einem Sprachmodell als Text:
Prompt:
Erkläre in drei kurzen Schritten, wie ich meine Kaffeemaschine entkalke.
Beispielhafte Ausgabe:
1. Entkalker nach Packungsangabe in den Wassertank geben.
2. Das Gemisch ohne Kaffeepulver durchlaufen lassen.
3. Den Tank mit klarem Wasser spülen und zweimal durchlaufen lassen.Mit einem Bildmodell als Bild:
Prompt:
Flaches Piktogramm einer Kaffeemaschine mit einem Wassertropfen, weiß auf blauem Grund.
Ausgabe:
Eine Bilddatei (zum Beispiel PNG). Kein Text, sondern Pixel.Und mit einem Modell für Code:
# Prompt:
# Schreibe eine Python-Funktion, die nach 60 Brühvorgängen
# an das Entkalken erinnert.
# Beispielhafte Ausgabe:
def pruefe_entkalken(bruehvorgaenge: int) -> str:
if bruehvorgaenge >= 60:
return "Zeit zum Entkalken."
return "Alles in Ordnung."Die Ausgaben sind Illustrationen. Frag dasselbe Modell noch einmal, bekommst du eine andere Formulierung, eine andere Reihenfolge oder ein anderes Bild. Das ist kein Fehler, sondern Teil des Prinzips. Aus der Wahrscheinlichkeitslandkarte wird jedes Mal neu gezogen. Wenn dir die Antwort nicht passt, hilft ein genauerer Prompt mehr als wiederholtes Nachfragen.
4. Welche Modelle es gibt
Unser KI-Modellverzeichnis führt 808 Modellprofile aus den vier großen Ausgabearten. Die Tabelle zeigt, wie sie sich verteilen:
- Profile im Verzeichnis
- 473
- Vergleichen
- LLM-Vergleich
- Profile im Verzeichnis
- 144
- Vergleichen
- Bildmodell-Vergleich
- Profile im Verzeichnis
- 103
- Vergleichen
- Videomodell-Vergleich
- Profile im Verzeichnis
- 88
- Vergleichen
- Audiomodell-Vergleich
gradually.aiAlle Profile findest du im KI-Modellverzeichnis.
5. Grenzen und Missverständnisse
- „Die KI weiß es.“ Ein generatives Modell sagt vorher, was plausibel klingt, nicht was stimmt. Deshalb entstehen Halluzinationen, etwa erfundene Quellen, falsche Zahlen und glatt formulierte Fehler. Prüfe Fakten, die du weiterverwendest.
- „Das Modell schlägt nach.“ Von sich aus tut es das nicht. Wissen aus dem Training hat einen Stichtag, mehr dazu unter Knowledge Cutoff Date. Zugriff auf aktuelle oder private Quellen bekommt es erst durch Zusätze wie RAG.
- „Es ist alles echt.“ Generierte Bilder, Stimmen und Videos können echte Aufnahmen täuschend nachahmen. Der EU AI Act verlangt deshalb, dass Anbieter die Ausgaben generativer Systeme maschinenlesbar als künstlich erzeugt kennzeichnen, und dass Betreiber Deepfakes offenlegen. Das steht in Artikel 50. Mehr zum Rahmen im Eintrag AI Governance.
- „Generative KI ist ein Agent.“ Ein Modell, das antwortet, handelt nicht. Erst ein KI-Agent nutzt es in einer Schleife mit Werkzeugen, um ein Ziel zu erreichen.
- „Das Ergebnis gehört automatisch mir.“ Ob und wie generierte Inhalte geschützt sind und wie die Trainingsdaten einzuordnen sind, hängt vom Land und vom Einzelfall ab. Für geschäftliche Nutzung lohnt ein Blick in die Nutzungsbedingungen des Anbieters.
6. Was heißt das für dich?
- Nutze generative KI als Entwurfswerkzeug. Sie ist stark bei Rohfassungen, Varianten und Umformulierungen. Die Verantwortung für das Ergebnis bleibt bei dir.
- Wähle die Modellart nach der Aufgabe. Text braucht ein Sprachmodell, ein Logo ein Bildmodell. Im Verzeichnis findest du Vergleiche für jede Art.
- Gib genaue Anweisungen. Je klarer Aufgabe, Format und Beispiel im Prompt stehen, desto brauchbarer die Ausgabe.
- Prüfe, bevor du veröffentlichst. Besonders bei Zahlen, Zitaten und Quellen. Und kennzeichne KI-Inhalte dort, wo es Pflicht ist oder wo Leser sonst getäuscht werden könnten.
- Fang mit dem Gratis-Tarif an. Wenn du merkst, dass du ihn ständig ausreizt, lohnt sich der Blick auf die Tarife. Aktuelle Zahlen zur Verbreitung sammeln wir in den KI-Statistiken.