Generative KI
Auf einen Blick
Generative KI erzeugt eigenständig neue Inhalte wie Texte, Bilder, Audio oder Videos, im Gegensatz zu klassifizierender KI, die nur Muster erkennt. Sie basiert auf Modellen wie GANs oder Transformern und wird für kreative und praktische Anwendungen genutzt.
KI-Grundlagen
Generative KI — KI, die neue Inhalte erzeugt (Text, Bild, Audio, Video) — im Gegensatz zu klassifizierender KI.
Beispiel
Midjourney erzeugt Bilder, ChatGPT erzeugt Texte, ElevenLabs erzeugt Stimmen.
Verwandt: LLM (Large Language Model) · Midjourney · ElevenLabs
Mehr im Glossar
Generative KI ist eine Kategorie künstlicher Intelligenz, die neue Inhalte wie Texte, Bilder, Audio oder Code erzeugt, statt nur bestehende Daten zu analysieren oder zu klassifizieren.
In einfachen Worten
Stellen Sie sich einen Koch vor, der aus Zutaten ein neues Gericht kreiert. Generative KI funktioniert ähnlich: Sie lernt aus riesigen Mengen vorhandener Daten (den „Zutaten“) und produziert daraus etwas Eigenständiges. Ein Beispiel: Sie geben „Schreibe eine E-Mail an einen Kunden, der sein Abo gekündigt hat“ ein. Die KI erzeugt einen vollständigen, kohärenten Text, den Sie direkt verwenden können. Anders als eine Suchmaschine, die nur vorhandene Seiten anzeigt, erschafft die KI hier etwas Neues.
Was bedeutet das technisch
Generative KI basiert auf tiefen neuronalen Netzen, meist sogenannten Transformer-Architekturen. Diese Modelle werden mit Unmengen an Text, Bildern oder anderen Daten trainiert. Dabei lernen sie statistische Muster und Zusammenhänge – etwa, welche Wörter häufig aufeinander folgen oder wie ein realistisches Gesicht aussieht.
Das Training ist rechenintensiv und erfordert spezialisierte Hardware wie Grafikprozessoren. Bekannte Beispiele sind GPT-4 (Text), DALL-E (Bilder) oder Stable Diffusion. Nach dem Training kann das Modell auf Basis einer Eingabe (Prompt) neue Daten generieren. Die Qualität hängt stark von der Menge und Vielfalt der Trainingsdaten ab. Ein Modell, das nur mit Kochrezepten trainiert wurde, kann keine Geschäftsbriefe schreiben.
Warum es für KMU relevant ist
Generative KI senkt Kosten und spart Zeit bei wiederkehrenden Aufgaben. Konkrete Anwendungen für KMU sind:
- Texterstellung: Entwürfe für Angebote, Newsletter oder Social-Media-Posts in Sekunden.
- Bildgenerierung: Produktfotos für den Onlineshop ohne teures Fotostudio.
- Code-Generierung: Einfache Programmierteile oder Formeln für Excel automatisch erstellen lassen.
- Übersetzungen: Mehrsprachige Kundenkommunikation ohne Übersetzungsbüro.
Die Risiken sind nicht zu unterschätzen. Generative KI halluziniert – sie erfindet Fakten, die plausibel klingen, aber falsch sind. Für KMU bedeutet das: Inhalte immer prüfen, bevor sie rausgehen. Zudem entstehen Kosten: Die Nutzung über APIs (z. B. von OpenAI) kostet Geld, und eigene Modelle zu trainieren ist für die meisten KMU zu teuer. Datenschutz ist ein weiteres Thema: Geben Sie keine sensiblen Kundendaten in öffentliche KI-Tools ein.
Verwandte Begriffe
Häufige Fragen
Was ist der Unterschied zwischen generativer und klassifizierender KI?
Klassifizierende KI ordnet Daten in vorgegebene Kategorien ein (z.B. Spam-Erkennung), während generative KI neue Daten erzeugt, die den Trainingsdaten ähneln. Generative Modelle lernen die Verteilung der Daten und können daraus neue Beispiele generieren.
Welche Arten von generativer KI gibt es?
Zu den bekanntesten gehören Generative Adversarial Networks (GANs), Variational Autoencoder (VAEs) und Transformer-basierte Modelle wie GPT. Sie werden für Text-, Bild-, Audio- und Videogenerierung eingesetzt.
Wie funktioniert ein generatives KI-Modell?
Generative Modelle lernen aus großen Datenmengen die zugrundeliegenden Muster und Wahrscheinlichkeiten. Bei der Generierung wird zufälliges Rauschen oder ein Prompt eingegeben, und das Modell erzeugt schrittweise neue Daten, die den gelernten Mustern entsprechen.
Welche Risiken birgt generative KI?
Zu den Risiken zählen die Erstellung von Deepfakes, Urheberrechtsverletzungen und die Verbreitung von Fehlinformationen. Zudem können Modelle voreingenommene oder schädliche Inhalte reproduzieren, wenn die Trainingsdaten nicht sorgfältig kuratiert sind.
Zuletzt aktualisiert: 2026-06-01 · Autor: Florian Neuhuber
Kommentare ()