Generative KI

Generative KI (kurz GenKI, englisch: GenAI, generative artificial intelligence) ermöglicht es, anhand von Texteingaben Texte, Bilder, Videos oder Audios (z.B. Stimmen oder Musik) zu erzeugen. Die Grundlage dafür ist ein intensives Training, welches oft hunderttausende Datensätze erfordert. Basierend auf diesen Trainingsdaten kann die KI dann das gelernte replizieren. Zu den bekanntesten GenAI-Tools zählen beispielsweise ChatGPT (Text), Midjourney (Bilder), Suno (Musik) und ElevenLabs (Stimmen).

Warum ist Generative KI relevant?

Generative KI hält immer stärker Einzug in den Alltag und die Arbeitswelt. Das ist maßgeblich dem Fakt zu verdanken, dass sie sehr leicht zugänglich sind und man schnell zu verwertbaren Ergebnissen kommt.

In einer Bitkom-Studie von 2024 gaben etwa 20% der befragen Unternehmen an, generative KI zu nutzen. Ein Jahr später hat sich dieser Wert mit 36% fast verdoppelt. Dabei standen vor allem Text- und Bild- und Stimmengenerierung im Vordergrund. Die Studie aus 2025 kommt zu dem Schluss, dass jedes dritte Unternehmen KI einsetzt, bei Startups sogar mehr als 80%. Generative KI habe die Technologie in die Breite getragen und verändert Arbeitsweisen, Kommunikation und Geschäftsmodelle grundlegend [vgl. “Bitkom-Studie 2025”].

Wofür wird Generative KI kritisiert?

Eine KI muss trainiert werden, wobei mehrere tausend bis hunderttausende Datensätze benötigt werden. Dabei werden diese Datensätze verarbeitet und abstrakte Merkmale wie Formen und Muster erlernt. Die wenigsten KI-Anbieter verwenden dabei Trainingsdaten aus fairen Quellen, sondern freizugängliche Texte und Bilder aus dem Internet, wobei die geltenden Urheberrechte missachtet werden.

Nicht nur erfordert das Training eine Menge Daten, sondern auch leistungsstarke Hardware (RAM und Grafikkarten) sowie eine Menge Energie [vgl. “Carbon Footprint of GPT-4”]. Auch das Beantworten von Anfragen verbraucht Energie – mit der Energie von 15-24 ChatGPT-Anfragen könnte man eine Glühbirne eine Stunde lang betreiben [s. “ChatGPTs Energy Use per Query”]. Daher wird Generative KI auch im Kontext des Klimawandels kritisiert.

Im künstlerischen Bereich wird Generative KI häufig dafür kritisiert, dass sie seelenlos ist. KI besitzt keine intentionale Kreativität: Sie fühlt nicht und weiß nicht, was sie tut. Ihr Output basiert auf den gelernten Mustern und Eigenschaften, mit denen sie versucht, die gestellte Aufgabe zu erfüllen. Dabei kann durchaus etwas Neues entstehen – jedoch immer nur innerhalb des von ihr gelernten Kontexts.

Wann wird Generative KI zur Gefahr?

KI ist ziemlich gut darin, von ihrem Output überzeugt zu sein. Dabei muss man aber immer daran denken, dass die Ergebnisse auf Wahrscheinlichkeit und Trainingsdaten basieren – und nicht auf belastbaren Ergebnissen. Sie erfindet oft Dinge dazu – das nennt man Halluzinationen. Dadurch kommt es zu Falschaussagen bzw. Fehlinformationen, weshalb es immer notwendig ist, dass der Mensch den Output bewertet, bevor er ihn verwendet.

Je nachdem, wie die KI trainiert wurde, kann es auch zu Bias und Diskriminierung kommen. Ein Beispiel ist Microsoft's Twitter-Chatbot Tay, welcher mit Twitter interagierte von davon lernte. Da der Bot nach wenigen Stunden äußerst rassistische Posts machte, wurde er nach 16 Stunden wieder vom Netz genommen.
Aber auch bereits mit einem fest trainierten System kann es je nach Auswahl der Trainingsdaten zu einem solchen Bias kommen.

Ein letztes Beispiel für Gefahr durch Generative KI ist, wenn sie für Identitätsdiebstahl und Deep Fakes missbraucht wird. Dabei werden Informationen wie Aussehen und Stimme einer anderen Person imitiert und künstlich reproduziert. Die daraus erzeugten Fake-Bilder und -Videos einer Person können durch Telefon-Betrüger verwendet werden, um z.B. mit einem Stimmklon per Telefon Geld von Bekannten zu ergaunern, oder den Ruf der jeweiligen Person beschädigen.