Generative KI ist der Zweig der künstlichen Intelligenz, der sich mit der Erzeugung neuer Inhalte befasst: Text, Bilder, Audio, Video, Code oder 3D-Assets. Während ein Klassifikator eine Eingabe einer Beschriftung zuordnet, lernt ein generatives Modell die Verteilung seiner Trainingsdaten gut genug, um neue Beispiele daraus zu sampeln. Der Begriff wurde während des KI-Booms nach dem Start von ChatGPT im November 2022 zum Mainstream und war bis 2024 zum Synonym für eine gesamte Produktkategorie und eine Investitionswelle geworden.
Technische Grundlagen
Moderne generative KI stützt sich auf eine kleine Gruppe von Modellfamilien. Autoregressive Modelle wie große Sprachmodelle erzeugen Sequenzen Token für Token und betreiben Chat-Assistenten und Codegenerierung. Diffusionsmodelle dominieren die Bild- und Videosynthese, indem sie lernen, einen schrittweisen Rauschprozess umzukehren. Frühere Ansätze umfassen das Generative Adversarial Network (2014), das die erste Welle fotorealistischer Synthese und von Deepfakes vorantrieb, sowie den Variational Autoencoder. Nahezu alle aktuellen Systeme basieren auf der Transformer (architecture)-Architektur und werden mit selbstüberwachtem Lernen anhand von Trainingsdaten in Webgrößenordnung trainiert.
Modalitäten
Textgenerierung ist die am weitesten verbreitete Form, etwa durch Assistenten wie ChatGPT, Claude, Gemini, Microsoft Copilot, DeepSeek, Doubao, Grok, Kimi und Qwen. Text-zu-Bild-Systeme wie DALL-E, Firefly, Stable Diffusion und Midjourney brachten die Generierung 2022 in die bildende Kunst; Text-zu-Video folgte ab 2024 mit Sora, Veo und LTX. Weitere aktive Modalitäten umfassen Sprachsynthese, Musikgenerierung und 3D-Generierung.
Auswirkungen und Debatte
Generative KI hat die Softwareentwicklung durch KI-Codierungsassistenten, Marketing, Design und Bildung neu gestaltet, während sie Streitigkeiten über Urheberrecht in Trainingsdaten, Arbeitsplatzverluste in kreativen Branchen, Fehlinformationen und minderwertige synthetische Inhalte in großem Maßstab, manchmal als KI-Slop bezeichnet, aufwarf. Kritiker wie die Autoren des Stochastic-Parrot-Papiers stellen in Frage, ob fließende Generierung Verständnis widerspiegelt. Befürworter argumentieren, dass die Technologie menschliche Kreativität erweitert und nicht ersetzt - eine Debatte, die weiterhin ungelöst ist.
Aktuelle Entwicklungen
Bis Mitte 2025 gaben Unternehmen zunehmend generative-KI-Pilotprojekte auf, aufgrund von Schwierigkeiten bei Integration, Datenqualität und ausbleibenden Renditen, was Analysten von Gartner und The Economist dazu veranlasste, den Zeitraum als Eintritt in die "Tal der Enttäuschungen"-Phase des Gartner-Hype-Zyklus zu charakterisieren. In einer Umfrage der Federal Reserve vom Oktober 2025 gaben ein Viertel der US-Arbeitnehmer an, im Vormonat generative KI bei der Arbeit genutzt zu haben. Eine Umfrage der Social-Media-App Just So Soul aus dem Jahr 2024 berichtete, dass 18 % der nach 2000 Geborenen generative KI "fast täglich" nutzten und über 60 % der Befragten KI-generierte Inhalte (AIGC) mögen oder lieben, während weniger als 3 % sie ablehnen oder hassen. In einer Ipsos-Umfrage von 2024 waren die Länder im asiatisch-pazifischen Raum deutlich optimistischer als westliche Gesellschaften in Bezug auf generative KI, wobei 68 % der Befragten in der Region glaubten, dass KI eine positive Auswirkung auf die Welt habe, verglichen mit 57 % weltweit. Ein UN-Bericht zeigte, dass chinesische Einrichtungen von 2014 bis 2023 über 38.000 Patente für generative KI anmeldeten - mehr als jedes andere Land.