Aktuelle KI Kurse & Schulungen
Startseite > Definitionen Künstliche Intelligenz – KI Glossar, Lexikon & Begriffe > Generative KI
6 A B C D E F G H I K L M N O P Q R S T U V W Z
Ga Ge Gh Go Gp Gr
Gen Ges

Generative KI

—

von

Philipp: Schweizer KI Akademie

Einfach erklärt

Generative KI sind Verfahren, die auf Basis von Beispieldaten neue Inhalte erzeugen: Texte, Bilder, Audio, Video oder Code. Statt fest vorgegebener Regeln lernen Modelle Wahrscheinlichkeitsmuster aus Daten und nutzen diese, um ähnliche, aber neue Inhalte zu erzeugen.

Alltags‑Beispiele: Textzusammenfassungen, Bild‑/Video‑Generierung aus Prompts, Musik‑ und Sprachsynthese, Code‑Vorschläge, Produktbeschreibungen, Social‑Posts.

Für Praxis & Weiterbildung findest du Angebote im Kurs‑ & Schulungs‑Hub. Unternehmen starten am besten mit einer KI‑Beratung & Potenzialanalyse; Umsetzung & Integration unterstützt die KI‑Agentur.

Professionelle Definition

Unter Generative KI versteht man modellbasierte Verfahren (u. a. Generative Sprachmodelle, Diffusionsmodelle, GANs, Variational Autoencoders), die die Verteilung der Trainingsdaten approximieren und daraus Stichproben (Samples) ziehen. Sprachmodelle (LLMs) modellieren die bedingte Verteilung P(Token | Kontext), Diffusionsmodelle lernen die schrittweise Rausch‑Entfernung, GANs setzen Generator und Diskriminator in einem Minimax‑Spiel ein.

Wichtige Modellfamilien & Aufgaben

  • LLMs/Transformer: Text‑Generierung, Übersetzen, Zusammenfassen, Tool‑Nutzung; Prompting, Fine‑Tuning, RAG.
  • Diffusionsmodelle: Text‑zu‑Bild/Video, Bild‑Editing (Inpainting/Outpainting), Bild‑zu‑Bild.
  • GANs/VAEs: Bild‑Synthese, Stiltransfer, Datenaugmentation.
  • Multimodal: Joint‑Modelle für Text, Bild, Audio, Video.

Chancen

  • Produktivität: Content‑Erstellung, Prototyping, Datenaufbereitung.
  • Innovation: Neue Services (assoziative Suche, Assistenten, Simulation).
  • Mehrsprachigkeit: Lokalisierung, Barrierefreiheit (TTS, Untertitel).

Risiken & Guardrails

  • Halluzination/Bias: Verlässlichkeit, Verzerrungen, Evaluationspflicht.
  • IP/Urheberrecht: Trainingsdaten, Output‑Nutzung.
  • Datenschutz/Geheimhaltung: Umgang mit personenbezogenen & vertraulichen Daten.
  • Safety & Governance: Nutzungskontrollen, Logging, Wasserzeichen/Content Credentials.

Hinweise zu rechtlichen/organisatorischen Leitplanken findest du in Datenschutz & Compliance in der KI‑Automatisierung. Zur Ideenfindung helfen die KI‑Use‑Cases.

Einführung in der Praxis

  1. Use‑Cases priorisieren (Wert, Aufwand, Risiko).
  2. Data & Prompt‑Pipelines aufsetzen (RAG, Guardrails, Evaluationsmetriken).
  3. Prototyp → Pilot → Rollout mit Monitoring (Qualität, Kosten, Sicherheit).

Quellen