Ein recht aktuelles Thema in vielen Bereichen ist generative KI. Generative KI bezieht sich auf Methoden der künstlichen Intelligenz (KI), die in der Lage sind, neue Inhalte wie Texte, Bilder, Musik oder Videos zu erstellen. Prominente Beispiele sind u. a. Google Gemini, OpenAI’s ChatGPT und Microsoft Copilot oder freie Modelle, wie Meta’s Llama 2, BLOOM oder Smaug-72B (aktueller aktueller Spitzenreiter der Hugging Face LLM-Rangliste). Im Gegensatz zu vielen anderen KI-Methoden, die Daten analysieren und interpretieren, lernt generative KI Muster und Strukturen aus den bereitgestellten Trainingsdaten, um daraus neuartige Ergebnisse zu generieren. So kann generative KI beispielsweise in der Produktentwicklung neue Designs und Funktionen für Produkte vorschlagen, für das Marketing kreative Werbekonzepte und Kampagnen entwickeln oder im Innovationsprozess bei der Suche nach neuen Lösungsansätzen unterstützen:

• Bereitstellen und Verdichten von Information:
  KI kann bei der Recherche, Erklärung und Zusammenfassung von Inhalten unterstützen und so Informationen verdichten und schnell erfassbar machen.
• Muster und Trends erkennen:
  KI kann große Datenmenegen auswerten, Muster und Trends erkennen und Voraussagen treffen.
• Neue Perspektiven und Denkansätze:
  Durch unkonventionelle Ideen und Perspektiven, die durch KI generiert werden, können Denkblockaden beseitigt werden.
• Varianten:
  KI kann bei der Erstellung von Lösungsvarianten, -alternativen, Designvarianten und Szenarien unterstütz werden
• Sichtweisen:
  KI kann verschiedene Sichtweisen auf ein Problem einnehmen und erläutern aber auch eigene Sichtweisen und die des Teams analysieren.
• Prototyping:
  Mit generativer KI können schnell Bilder, Skizzen, Wireframes, Designs sowie Videos zu Demonstrations- und Testzwecken generiert, Varianten gebildet und iterativ verbessert werden. Im digitalen Bereich kann KI auch zur Code-Generierung eingesetzt und so schnell digitale Prototypen entwickelt werden.
• Evaluation & Testing:
  Das Feedback der Nutzer kann zusammengefasst und analysiert werden.
• Schulung:
  Mit KI können Schulungsmaterialen, Bilder und Videos generiert werden.
• Teamkompetenzen erweitern:
  KI kann Fachexpertiese in ein Team bringen und so dessen Kompetenzen erweitern.
• Automatisierung:
  KI kann bei wiederholenden Aufgaben zur Automatisierung eingesetzt werden. So können beispielsweise die Datenerfassung und -analyse aber auch Prozesse automatisiert werden.
• Zukunftsszenarien:
  KI kann auch Zukunftsszenarien entwerfen und deren Auswirkungen potenzielle Auswirkungen darlegen.

Dennoch sollte generative KI stets als unterstützendes Hilfsmittel und nicht als unfehlbare Quelle des Wissens betrachtet werden. Generative KI hat ihre Grenzen und birgt Risiken. Ein gutes Beispiel ist hier das sogenannte Halluzinieren. Hierbei wird ein überzeugendes Ergebnis generiert, dass jedoch nicht durch die Trainingsdaten gerechtfertigt zu sein scheint und objektiv falsch sein kann. Gerade bei den nicht spezialisierten Modellen muss man auch davon ausgehen, dass sie nur begrenzte Möglichkeiten bei sehr spezifischen Problemfällen haben. Zudem muss berücksichtigt werden, dass die Modelle durch die verwendeten Trainingsdaten immer auch einem gewissen Bias unterliegen. Es kann auch vorkommen, dass ein Ergebnis generiert wird, dass auf urheberrechtlich geschützten Daten basiert und so Lösungen entwickelt werden, die urheberrechtlich problematisch sind. Zudem kann es sein, dass bestimmte rechtliche und regulatorische Bedingungen einzuhalten sind, die eine generierte Lösung u. U. nicht berücksichtigt. Und nicht zuletzt muss man berücksichtigen, dass die Generierung mit generativer KI eher intransparent ist und so Entscheidungsprozesse nicht nachvollzogen werden können.

Nutzt man generative KI weise, so kann es zu guten Synergieeffekten zwischen menschlicher und künstlicher Intelligenz kommen. Vollständig ersetzten wird generative KI den Menschen in Kreativprozessen aktuell wohl eher nicht. Grundsätzlich ist KI als Werkzeug anzusehen, das die Kreativität unterstützt.