Generative KI » Was sie kann, wie sie funktioniert und wo Unternehmen sie einsetzen

Generative KI gehört zu den wichtigsten Entwicklungen im Bereich der künstlichen Intelligenz. Während klassische KI-Systeme häufig Daten analysieren, Muster erkennen oder Entscheidungen unterstützen, kann generative KI eigenständig neue Inhalte erzeugen. Dazu gehören unter anderem Texte, Bilder, Videos, Musik, Stimmen, Softwarecode und weitere digitale Inhalte.

Von Chatbots und KI-Schreibassistenten bis hin zu automatisierter Bildgenerierung und Programmierhilfe entstehen immer mehr Anwendungen, die generative künstliche Intelligenz in Unternehmen und im Alltag nutzbar machen. Doch was genau ist generative KI? Wie funktioniert sie? Welche Technologien stecken dahinter und welche Vorteile bietet sie Unternehmen?

Was ist generative KI?

Generative KI bezeichnet Systeme der künstlichen Intelligenz, die eigenständig neue Inhalte erzeugen können. Diese Inhalte basieren auf Mustern und Zusammenhängen, die das jeweilige KI-Modell während seines Trainings gelernt hat.

Generative KI kann beispielsweise:

• Texte schreiben

• Bilder erstellen

• Videos generieren

• Musik komponieren

• Stimmen erzeugen

• Softwarecode entwickeln

• Dokumente zusammenfassen

• Produktbeschreibungen erstellen

• Ideen und Konzepte entwickeln

• Daten analysieren und daraus Inhalte ableiten

Bekannte Beispiele für generative KI sind große Sprachmodelle wie ChatGPT, Bildgeneratoren und KI-Systeme für Video- oder Audioproduktion. Der entscheidende Unterschied zu vielen klassischen KI-Anwendungen besteht darin, dass generative KI nicht ausschließlich vorhandene Informationen klassifiziert oder analysiert. Sie kann auf Grundlage gelernter Muster neue Inhalte erzeugen.

Generative KI einfach erklärt

Das Prinzip lässt sich relativ einfach erklären. Ein generatives KI-Modell wird zunächst mit sehr großen Mengen an Daten trainiert. Je nach Anwendung können diese Daten beispielsweise aus Texten, Bildern, Audioaufnahmen, Videos oder Programmcode bestehen. Während des Trainings lernt das Modell statistische Zusammenhänge und Muster.

Bei einem Sprachmodell geht es beispielsweise darum, Zusammenhänge zwischen Wörtern, Sätzen und Bedeutungen zu erkennen. Bei einem Bildmodell werden wiederum Muster in Bildern und deren Beschreibungen gelernt. Gibt ein Nutzer anschließend eine Eingabe ein, die sogenannte Prompt, erzeugt das Modell daraus eine passende Ausgabe.

Beispiel:

Prompt:

„Schreibe eine Produktbeschreibung für einen nachhaltigen Bürostuhl.“

Die generative KI verarbeitet diese Anweisung und erzeugt daraus einen neuen Text. Das bedeutet allerdings nicht, dass die KI wie ein Mensch denkt. Sie arbeitet auf Grundlage der Strukturen und Wahrscheinlichkeiten, die sie während des Trainings gelernt hat.

Wie funktioniert generative KI?

Die Funktionsweise generativer KI ist technisch komplex. Für das grundlegende Verständnis reichen jedoch einige wichtige Bausteine.

1. Training mit großen Datenmengen

Am Anfang steht das Training des KI-Modells. Je nach Modell werden große Mengen an Texten, Bildern, Audio, Videos oder anderen Daten verarbeitet. Das Modell versucht dabei, Muster und Beziehungen innerhalb dieser Daten zu erkennen. Bei einem Sprachmodell kann beispielsweise gelernt werden, welche Wörter häufig gemeinsam auftreten und wie sich Sprache kontextabhängig verändert.

2. Künstliche neuronale Netze

Viele moderne generative KI-Systeme basieren auf künstlichen neuronalen Netzen. Diese orientieren sich vereinfacht am Aufbau biologischer neuronaler Netzwerke. Sie bestehen aus zahlreichen miteinander verbundenen Recheneinheiten und können während des Trainings ihre Parameter anpassen. Dadurch entsteht ein Modell, das komplexe Zusammenhänge innerhalb der Trainingsdaten abbilden kann.

3. Transformer und große Sprachmodelle

Bei modernen Sprachmodellen spielen sogenannte Transformer-Architekturen eine besonders wichtige Rolle. Transformer können Zusammenhänge zwischen verschiedenen Teilen eines Textes effizient berücksichtigen. Dadurch können Sprachmodelle auch bei längeren Eingaben den Kontext besser verarbeiten. Auf dieser Technologie basieren viele heutige Large Language Models, kurz LLMs.

4. Prompt und Ausgabe

Nach dem Training kann ein Nutzer dem Modell eine Eingabe geben. Diese Eingabe wird als Prompt bezeichnet.

Beispielsweise:

„Erstelle fünf Ideen für eine Social-Media-Kampagne für ein mittelständisches Unternehmen.“

Die KI verarbeitet die Eingabe und erzeugt daraufhin eine entsprechende Ausgabe. Je präziser der Prompt formuliert ist, desto besser lässt sich die gewünschte Ausgabe häufig steuern.

Die Einsatzmöglichkeiten generativer künstlicher Intelligenz sind inzwischen sehr vielfältig.

Texte

Eine der bekanntesten Anwendungen ist die automatische Texterstellung.

Generative KI kann unter anderem:

• Blogartikel entwerfen

• E-Mails formulieren

• Produktbeschreibungen schreiben

• Social-Media-Beiträge erstellen

• Texte übersetzen

• Texte zusammenfassen

• Ideen entwickeln

• Texte umformulieren

• FAQ erstellen

• Marketingtexte vorbereiten

Besonders interessant ist das für Unternehmen, die regelmäßig große Mengen an Text produzieren.

Bilder

Generative KI kann auch neue Bilder erzeugen.

Aus einer textlichen Beschreibung können beispielsweise entstehen:

• Produktbilder

• Werbemotive

• Illustrationen

• Konzeptbilder

• Social-Media-Grafiken

• Hintergründe

• kreative Visualisierungen

Dadurch können Unternehmen Ideen deutlich schneller visualisieren.

Videos

Auch die Videoproduktion verändert sich durch generative KI. Moderne Systeme können unter anderem dabei helfen, Videoszenen zu erstellen, Bilder zu animieren oder aus Textbeschreibungen audiovisuelle Inhalte zu entwickeln. Das kann beispielsweise für Marketing, Social Media, Schulungen oder Produktpräsentationen interessant sein.

Musik und Audio

Generative KI wird außerdem zunehmend für Audioinhalte eingesetzt.

Dazu gehören:

• Musik

• Soundeffekte

• Sprachsynthese

• Voiceovers

• Hörbuchproduktionen

• automatische Audiobearbeitung

Damit entstehen neue Möglichkeiten für Content Creator, Musiker, Unternehmen und Medienproduktionen.

Programmcode

Auch Softwareentwicklung gehört zu den wichtigen Einsatzgebieten.

Generative KI kann Programmierer beispielsweise unterstützen bei:

• Code-Generierung

• Fehlersuche

• Code-Erklärungen

• Dokumentation

• Tests

• Refactoring

• SQL-Abfragen

• Skripten

• Prototypen

Dabei ersetzt die KI nicht automatisch den Entwickler. Vielmehr kann sie als zusätzlicher Assistent innerhalb des Entwicklungsprozesses eingesetzt werden.

Generative KI und klassische künstliche Intelligenz sind nicht dasselbe. Klassische KI-Systeme werden häufig dafür eingesetzt, Daten zu analysieren, Muster zu erkennen oder bestimmte Entscheidungen beziehungsweise Vorhersagen zu unterstützen. Generative KI konzentriert sich dagegen auf die Erzeugung neuer Inhalte.

Die Grenzen können allerdings fließend sein. Moderne KI-Systeme kombinieren zunehmend Analyse-, Such-, Automatisierungs- und Generierungsfunktionen.

Mittlerweile existieren zahlreiche bekannte generative KI-Systeme.

ChatGPT

ChatGPT kann unter anderem Texte erstellen, Fragen beantworten, Inhalte analysieren, programmieren und bei vielen alltäglichen sowie beruflichen Aufgaben unterstützen.

Google Gemini

Gemini ist eine KI-Plattform von Google und kann unter anderem Texte und andere Inhalte verarbeiten und generieren.

Microsoft Copilot

Microsoft Copilot integriert KI-Funktionen in verschiedene Microsoft-Produkte und kann beispielsweise bei Dokumenten, E-Mails, Präsentationen und Programmierung unterstützen.

Claude

Claude ist ein generatives KI-System mit Fokus auf Sprachverarbeitung, Analyse und längere Dokumente.

Bildgeneratoren

Für die Bildgenerierung existieren ebenfalls zahlreiche Modelle und Plattformen. Sie können aus Textbeschreibungen neue visuelle Inhalte erstellen.

Für Unternehmen ist generative KI besonders interessant, weil sie zahlreiche wiederkehrende Aufgaben beschleunigen kann.

Dabei geht es nicht nur darum, möglichst viele Aufgaben zu automatisieren. Entscheidend ist vielmehr die Frage:

Wo kann generative KI einen messbaren Mehrwert schaffen?

Typische Einsatzgebiete sind Marketing, Kundenservice, IT, Personalwesen, Vertrieb, Verwaltung und Wissensmanagement.

1. Generative KI im Marketing

Marketing gehört zu den Bereichen, in denen generative KI besonders schnell eingesetzt werden kann.

Unternehmen können KI beispielsweise für folgende Aufgaben verwenden:

• Blogartikel

• Newsletter

• Social-Media-Posts

• Anzeigenvarianten

• Produktbeschreibungen

• Kampagnenideen

• SEO-Texte

• Zielgruppenanalysen

• Content-Ideen

Ein Marketingteam kann dadurch schneller unterschiedliche Varianten entwickeln und anschließend die besten Ergebnisse auswählen und überarbeiten.

2. Generative KI im Kundenservice

Chatbots sind ein weiteres wichtiges Einsatzgebiet. Generative KI kann Kunden beispielsweise rund um die Uhr bei Fragen unterstützen.

Ein KI-Assistent kann:

• häufige Fragen beantworten

• Informationen aus Wissensdatenbanken bereitstellen

• Supportanfragen vorsortieren

• Antworten vorbereiten

• Mitarbeiter bei der Bearbeitung unterstützen

Bei komplexen oder sensiblen Anliegen sollte jedoch weiterhin ein Mensch eingebunden werden.

3. Generative KI in der IT

Auch IT-Abteilungen können von generativer KI profitieren.

Beispiele sind:

• Skripte erstellen

• Logdateien analysieren

• Fehlermeldungen erklären

• Dokumentationen erstellen

• SQL-Abfragen formulieren

• PowerShell-Skripte generieren

• Code analysieren

• technische Texte zusammenfassen

Besonders bei wiederkehrenden Aufgaben kann dies Zeit sparen.

4. Generative KI im Vertrieb

Im Vertrieb kann generative KI beispielsweise bei der Vorbereitung von Kundengesprächen helfen.

Mögliche Anwendungen:

• E-Mail-Entwürfe

• Gesprächszusammenfassungen

• CRM-Dokumentation

• Angebotsentwürfe

• Produktargumentationen

• Recherche

• individuelle Kundenansprache

Dadurch können Vertriebsmitarbeiter einen größeren Teil ihrer Arbeitszeit für tatsächliche Kundengespräche nutzen.

5. Generative KI im Personalwesen

Auch HR-Abteilungen können generative KI einsetzen.

Beispiele:

• Stellenanzeigen formulieren

• Bewerbungsprozesse strukturieren

• interne Informationen aufbereiten

• Schulungsmaterial erstellen

• Mitarbeiterfragen beantworten

• Onboarding-Dokumente erstellen

Gerade im Personalbereich müssen Unternehmen allerdings besonders sorgfältig mit Datenschutz und möglichen Verzerrungen umgehen.

Richtig eingesetzt kann generative KI erhebliche Vorteile bieten.

Zeitersparnis

Wiederkehrende Aufgaben können schneller erledigt werden. Ein erster Entwurf, für den ein Mitarbeiter normalerweise eine Stunde benötigt, kann mit Unterstützung einer KI möglicherweise innerhalb weniger Minuten entstehen.

Produktivitätssteigerung

Mitarbeiter können sich stärker auf Aufgaben konzentrieren, die menschliches Urteilsvermögen, Kreativität oder Kommunikation erfordern.

Skalierbarkeit

Unternehmen können größere Mengen an Inhalten erzeugen, ohne den Personalaufwand im gleichen Verhältnis erhöhen zu müssen.

Kreative Unterstützung

Generative KI kann Ideen liefern und als Sparringspartner dienen. Sie kann beispielsweise zehn verschiedene Ansätze für eine Kampagne entwickeln, aus denen anschließend ein Mensch die beste Variante auswählt.

Personalisierung

KI kann Inhalte für unterschiedliche Zielgruppen und Situationen anpassen.

Trotz der vielen Möglichkeiten ist generative KI kein fehlerfreies Werkzeug. Unternehmen sollten sich deshalb auch mit den Risiken beschäftigen.

Falsche Informationen

Generative KI kann überzeugend klingende, aber falsche Informationen erzeugen. Bei Sprachmodellen wird dieses Problem häufig als Halluzination bezeichnet. Deshalb sollten wichtige Informationen immer überprüft werden.

Datenschutz

Unternehmen müssen darauf achten, welche Daten sie in externe KI-Systeme eingeben. Personenbezogene Daten, vertrauliche Unternehmensinformationen oder Geschäftsgeheimnisse sollten nicht ohne entsprechende Prüfung an externe Systeme übermittelt werden.

Urheberrecht

Bei KI-generierten Inhalten können außerdem urheberrechtliche und lizenzrechtliche Fragen relevant sein. Unternehmen sollten deshalb klären, welche Nutzungsrechte für die verwendeten Systeme und erzeugten Inhalte gelten.

Abhängigkeit von KI

Eine Organisation sollte nicht blind von einem einzigen KI-Anbieter abhängig werden. Strategisch sinnvoll kann eine Architektur sein, die verschiedene Modelle und Anbieter berücksichtigen kann.

Qualitätskontrolle

KI-generierte Inhalte benötigen je nach Einsatzgebiet eine menschliche Kontrolle. Besonders bei rechtlichen, finanziellen, medizinischen oder sicherheitsrelevanten Informationen ist eine sorgfältige Prüfung entscheidend.

Eine Halluzination entsteht, wenn ein KI-System eine Information erzeugt, die plausibel klingt, aber tatsächlich falsch oder nicht belegt ist. Beispielsweise könnte ein Sprachmodell eine nicht existierende Quelle nennen oder eine falsche Zahl als Tatsache darstellen.

Das Problem entsteht unter anderem dadurch, dass generative Sprachmodelle nicht einfach eine klassische Datenbank durchsuchen und anschließend eine Wahrheit ausgeben. Sie generieren Antworten auf Basis erlernter Muster und des vorhandenen Kontexts.

Deshalb gilt:

Eine überzeugend formulierte KI-Antwort ist nicht automatisch eine korrekte Antwort. Für Unternehmen ist diese Unterscheidung besonders wichtig.

Ein Prompt ist eine Anweisung oder Eingabe, mit der ein Nutzer eine generative KI steuert.

Ein einfacher Prompt wäre:

„Schreibe einen Blogartikel über künstliche Intelligenz.“

Ein besser strukturierter Prompt könnte dagegen beispielsweise Zielgruppe, Tonalität, Umfang, Thema und gewünschtes Ergebnis definieren. Je genauer die Anforderungen beschrieben werden, desto leichter kann das KI-System eine passende Antwort erzeugen. Das Arbeiten mit guten Prompts wird deshalb zunehmend als Prompt Engineering bezeichnet.

Prompt Engineering beschreibt die systematische Gestaltung von Eingaben für KI-Systeme.

Ein guter Prompt kann beispielsweise folgende Informationen enthalten:

1. Rolle: Welche Perspektive soll die KI einnehmen?

2. Aufgabe: Was soll sie erledigen?

3. Kontext: Welche Informationen sind relevant?

4. Zielgruppe: Für wen ist das Ergebnis gedacht?

5. Format: Wie soll die Ausgabe strukturiert sein?

6. Grenzen: Was soll die KI vermeiden?

Beispiel:

„Agiere als SEO-Redakteur. Erstelle einen ausführlichen Artikel über generative KI für deutsche mittelständische Unternehmen. Verwende eine verständliche Sprache, strukturiere den Artikel mit H2- und H3-Überschriften und erkläre Vorteile, Risiken und konkrete Anwendungsfälle.“

Das ist wesentlich präziser als lediglich „Schreibe etwas über generative KI“.

Besonders interessant wird generative KI in Kombination mit Automatisierung.

Ein Unternehmen könnte beispielsweise einen Prozess aufbauen, bei dem:

Kundenanfrage → KI analysiert Anfrage → Informationen werden abgerufen → Antwort wird erstellt → Mitarbeiter prüft → Antwort wird versendet Dadurch wird generative KI nicht nur als Chatbot verwendet, sondern Bestandteil eines größeren Geschäftsprozesses. In Verbindung mit APIs, Datenbanken und Automatisierungsplattformen können daraus leistungsfähige KI-Workflows entstehen.

Eine weitere Entwicklung sind sogenannte KI-Agenten. Während ein klassischer Chatbot hauptsächlich auf eine einzelne Unterhaltung reagiert, können KI-Agenten stärker auf die Durchführung von Aufgaben ausgerichtet sein.

Ein Agent könnte beispielsweise:

• Informationen recherchieren

• Daten analysieren

• Tools verwenden

• Dateien bearbeiten

• Systeme ansprechen

• mehrere Arbeitsschritte miteinander verbinden

Damit verschiebt sich die Nutzung von KI zunehmend von der reinen Content-Erzeugung hin zur Aufgabenautomatisierung.

Die Einführung sollte strategisch erfolgen. Es reicht nicht aus, Mitarbeitern einfach einen KI-Zugang bereitzustellen. Ein sinnvoller Ansatz besteht aus mehreren Schritten.

1. Geschäftsprozesse analysieren

Zunächst sollte untersucht werden, welche Aufgaben besonders zeitaufwendig oder repetitiv sind.

2. Geeignete Anwendungsfälle auswählen

Nicht jeder Prozess eignet sich gleichermaßen für generative KI. Besonders interessant sind Aufgaben mit hohem Text-, Analyse- oder Kommunikationsanteil.

3. Datenschutz und Sicherheit prüfen

Vor der Einführung sollten unter anderem Datenschutz, Zugriffsrechte und der Umgang mit Unternehmensdaten geklärt werden.

4. Mitarbeiter schulen

Mitarbeiter müssen verstehen, wie KI-Systeme funktionieren und welche Grenzen sie besitzen.

5. Pilotprojekt starten

Statt direkt das gesamte Unternehmen umzustellen, kann zunächst ein begrenzter Anwendungsfall getestet werden.

6. Ergebnisse messen

Unternehmen sollten beispielsweise überprüfen:

• Wie viel Zeit wird eingespart?

• Wie verändert sich die Qualität?

• Wie hoch ist die Akzeptanz?

• Welche Kosten entstehen?

• Welche Risiken treten auf?

7. Erfolgreiche Anwendungen skalieren

Funktioniert ein Pilotprojekt gut, kann der Einsatz auf weitere Abteilungen und Prozesse ausgeweitet werden.

Nein. Generative KI ist kein Selbstzweck.

Unternehmen sollten nicht fragen:

„Wo können wir KI einsetzen?“

Sinnvoller ist:

„Welches Problem können wir mit KI besser, schneller oder günstiger lösen?“

Wenn ein Prozess bereits effizient funktioniert und eine KI keinen messbaren Mehrwert liefert, muss er nicht zwangsläufig mit künstlicher Intelligenz erweitert werden.

Gerade kleine und mittelständische Unternehmen können von generativer KI profitieren. Sie verfügen häufig nicht über die gleichen personellen Ressourcen wie große Konzerne. KI kann deshalb dabei helfen, bestimmte Aufgaben effizienter zu erledigen.

Interessante Einsatzbereiche sind beispielsweise:

• Marketing

• Kundenkommunikation

• interne Wissensdatenbanken

• Angebotsvorbereitung

• Dokumentation

• Büroorganisation

• IT-Support

• Recherche

• Content-Erstellung

Entscheidend ist dabei ein kontrollierter und sinnvoller Einsatz.

Generative KI wird zahlreiche Tätigkeiten verändern. Dabei bedeutet Automatisierung nicht zwangsläufig, dass komplette Berufe verschwinden. Viel häufiger werden einzelne Aufgaben innerhalb eines Berufs automatisiert oder unterstützt.

Ein Marketingmitarbeiter kann beispielsweise weiterhin für Strategie und Kampagnen verantwortlich sein, während die KI erste Textvarianten erstellt. Ein Entwickler bleibt für die Architektur und Qualität des Systems verantwortlich, während die KI bei Code und Dokumentation unterstützt. Die zentrale Fähigkeit wird daher zunehmend darin bestehen, KI sinnvoll mit menschlicher Expertise zu kombinieren.

Die Entwicklung generativer KI schreitet schnell voran. Zukünftige Systeme werden voraussichtlich stärker multimodal arbeiten. Das bedeutet, dass Text, Bilder, Audio, Video und andere Datenformate innerhalb eines Systems miteinander verarbeitet werden können. Gleichzeitig dürfte die Verbindung von KI mit externen Tools, Unternehmensdaten und Automatisierungen weiter an Bedeutung gewinnen.

Dadurch wird generative KI zunehmend weniger wie ein einzelner Chatbot und mehr wie eine digitale Arbeitsplattform funktionieren. Auch KI-Agenten, personalisierte KI-Assistenten und unternehmensinterne KI-Systeme dürften in Zukunft eine größere Rolle spielen.