Generative KI

Generative KI (künstliche Intelligenz) bezeichnet KI-Systeme, die auf Basis erlernter Muster neue Inhalte erzeugen können. Dazu gehören unter anderem Texte, Bilder, Audio, Videos und Programmcode. Generative KI basiert häufig auf leistungsfähigen Modellen wie Large Language Models (LLMs) oder anderen Foundation Models. Im Engineering kann sie beispielsweise bei der Wissensarbeit, Dokumentation, Produktentwicklung und Kommunikation unterstützen.

 Auf einen Blick

Inhaltsverzeichnis

• Was ist Generative KI?
• Wie funktioniert Generative KI?
• Welche Inhalte kann Generative KI erzeugen?
• Wie wird Generative KI im Engineering eingesetzt?
• Welche Vorteile bietet Generative KI?
• Welche Herausforderungen gibt es?
• Generative KI und Large Language Models
• Generative KI und generatives Design
• Engineering-Bezug auf einen Blick
• Verwandte Begriffe
• Fazit

Was ist Generative KI?

Generative KI ist ein Teilbereich der Künstlichen Intelligenz, der auf die Erzeugung neuer Inhalte ausgerichtet ist. Ein generatives KI-Modell verarbeitet Eingaben wie Texte, Bilder oder andere Daten und erzeugt daraus eine neue Ausgabe. Welche Inhalte erzeugt werden können, hängt vom jeweiligen Modell und seiner Ausrichtung ab. (Quelle: NIST)

Der Begriff generativ beschreibt dabei die Fähigkeit, Inhalte zu erzeugen. Generative KI kann beispielsweise einen Text formulieren, ein Bild erstellen, Programmcode erzeugen oder vorhandene Inhalte in eine andere Form übertragen.

Damit unterscheidet sich Generative KI von KI-Anwendungen, die primär bestehende Daten klassifizieren, erkennen oder Vorhersagen treffen. Die Grenzen zwischen den verschiedenen KI-Funktionen können in konkreten Anwendungen jedoch fließend sein.

Viele aktuelle Anwendungen basieren auf sogenannten Foundation Models. Dabei handelt es sich um Modelle, die auf umfangreichen Daten trainiert und anschließend für unterschiedliche Aufgaben eingesetzt oder angepasst werden können. Large Language Models sind eine wichtige Gruppe solcher Modelle und auf die Verarbeitung und Erzeugung von Sprache spezialisiert.

Ein bekanntes technisches Konzept hinter vielen modernen KI-Modellen sind Transformer. Transformer-Architekturen ermöglichen unter anderem die Verarbeitung von Zusammenhängen innerhalb umfangreicher Datenmengen. Eine detaillierte Erklärung der Transformer-Technologie würde jedoch über den eigentlichen Begriff Generative KI hinausgehen.

Wie funktioniert Generative KI?

Generative KI basiert auf Modellen, die während des Trainings statistische und strukturelle Muster in Daten lernen. Bei einer Anfrage verarbeitet das Modell die bereitgestellte Eingabe und berechnet daraus eine passende Ausgabe.

Bei einem Sprachmodell kann die Eingabe beispielsweise eine Frage, eine Anweisung oder ein vorhandener Text sein. Das Modell erzeugt daraus eine Antwort oder einen neuen Text. Bei einem Bildmodell kann eine textliche Beschreibung als Eingabe dienen, aus der ein Bild erzeugt wird.

Die Eingabe wird häufig als Prompt bezeichnet. Ein Prompt kann unterschiedlich detailliert sein. Je eindeutiger die Aufgabe, der gewünschte Kontext und das Ausgabeformat beschrieben sind, desto besser lässt sich die gewünschte Ausgabe steuern. Die Gestaltung solcher Eingaben wird als Prompt Engineering bezeichnet.

Generative KI erzeugt dabei keine Datenbankabfrage im klassischen Sinn. Die Ausgabe entsteht auf Grundlage der im Modell gelernten Muster und der jeweiligen Eingabe. Deshalb kann eine Antwort plausibel formuliert sein, obwohl einzelne Inhalte sachlich falsch sind. NIST bezeichnet entsprechende Risiken unter anderem als „confabulation“, also die Erzeugung falscher oder irreführender Inhalte durch ein generatives KI-System. (Quelle: NIST)

Die Qualität einer Ausgabe hängt deshalb unter anderem vom verwendeten Modell, den verfügbaren Daten, der Aufgabenstellung und dem Anwendungskontext ab.

Welche Inhalte kann Generative KI erzeugen?

Generative KI ist nicht auf Text beschränkt. Je nach Modell und Anwendung können unterschiedliche Inhaltstypen erzeugt oder bearbeitet werden.

Typische Anwendungsbereiche sind:

• Textgenerierung: Erstellen, Zusammenfassen oder Überarbeiten von Texten
• Bildgenerierung: Erzeugen neuer Bilder auf Basis von Eingaben
• Audiogenerierung: Erzeugen oder Bearbeiten von Sprache und anderen Audiodaten
• Videogenerierung: Erzeugen oder Bearbeiten von Videoinhalten
• Codegenerierung: Erstellen oder Ergänzen von Programmcode
• Multimodale Anwendungen: Verarbeitung und Kombination verschiedener Datentypen

Die konkrete Leistungsfähigkeit hängt vom jeweiligen Modell und Anwendungssystem ab. Ein Sprachmodell ist beispielsweise auf sprachbezogene Aufgaben spezialisiert. Ein multimodales System kann mehrere Arten von Eingaben und Ausgaben verarbeiten.

Wie wird Generative KI im Engineering eingesetzt?

Im industriellen Umfeld kann Generative KI vor allem Aufgaben unterstützen, bei denen Informationen verarbeitet, strukturiert oder neu formuliert werden. Die Einsatzmöglichkeiten reichen damit über klassische Büroanwendungen hinaus.

Konstruktion und Produktentwicklung

In Konstruktion und Produktentwicklung kann Generative KI beispielsweise bei der Aufbereitung technischer Informationen unterstützen. Dazu gehört etwa das Zusammenfassen von Dokumentationen, das Strukturieren von Anforderungen oder das Erstellen erster Textentwürfe für technische Dokumente.

Generative KI ersetzt dabei keine fachliche Prüfung von Konstruktionsergebnissen. Technische Anforderungen, Berechnungen, Sicherheitsaspekte und finale Entwicklungsentscheidungen müssen weiterhin anhand geeigneter Verfahren und durch Fachpersonen bewertet werden.

Technische Dokumentation

Bei umfangreichen technischen Dokumentationen kann Generative KI Texte zusammenfassen, strukturieren oder für unterschiedliche Zielgruppen aufbereiten. Beispielsweise kann vorhandenes technisches Wissen in eine verständlichere Form übertragen werden.

Besonders relevant ist dabei die Qualität der zugrunde liegenden Informationen. Fehlerhafte oder unvollständige Daten können zu fehlerhaften Ausgaben führen.

Wissensmanagement

Unternehmen verfügen häufig über große Mengen an technischen Informationen. Dazu zählen beispielsweise Produktdokumentationen, Arbeitsanweisungen, Serviceunterlagen und interne Wissensbestände.

Generative KI kann dabei helfen, Informationen schneller aufzufinden, zusammenzufassen und in natürlicher Sprache aufzubereiten. Voraussetzung ist ein geeigneter Zugriff auf relevante Daten und eine kontrollierte Verarbeitung dieser Informationen.

Service

Im technischen Service kann Generative KI beispielsweise bei der Aufbereitung von Serviceinformationen oder bei der Erstellung von Antwortentwürfen unterstützen. Ein System kann vorhandene Informationen strukturieren und daraus einen ersten Lösungsvorschlag formulieren.

Bei sicherheitsrelevanten oder technisch kritischen Fragestellungen ist eine fachliche Prüfung erforderlich. Eine plausibel formulierte Antwort ist kein Beleg für ihre technische Richtigkeit.

Mehr: KI im Engineering

Welche Vorteile bietet Generative KI?

Generative KI kann verschiedene Aufgaben in wissensintensiven Prozessen unterstützen.

Typische Vorteile sind:

• schnellere Erstellung erster Text- und Inhaltsentwürfe
• Unterstützung bei der Strukturierung umfangreicher Informationen
• Zusammenfassung großer Dokumentmengen
• Aufbereitung von Informationen für unterschiedliche Zielgruppen
• Unterstützung bei wiederkehrenden Aufgaben der Wissensarbeit
• schnellere Entwicklung erster Ideen und Varianten

Der konkrete Vorteil hängt stark vom jeweiligen Anwendungsfall ab. Eine sinnvolle Einführung setzt daher voraus, dass die Aufgabe, die verfügbaren Daten und die erforderliche Qualität der Ergebnisse bekannt sind.

Welche Herausforderungen gibt es?

Generative KI bringt neben ihren Einsatzmöglichkeiten auch spezifische Risiken mit sich. NIST beschreibt unter anderem Risiken durch falsche oder erfundene Inhalte (Halluzinationen), Datenschutz- und Informationssicherheitsprobleme, schädliche Inhalte, Verzerrungen sowie Herausforderungen bei der Mensch-KI-Interaktion. (Quelle: NIST)

Für Unternehmen sind insbesondere folgende Punkte relevant:

Richtigkeit:
Generierte Inhalte können Fehler enthalten. Auch eine sprachlich überzeugende Antwort muss deshalb fachlich geprüft werden.

Daten und Vertraulichkeit:
Bei der Verwendung interner Informationen muss geklärt sein, welche Daten verarbeitet werden dürfen und unter welchen Bedingungen ein KI-System darauf zugreifen darf.

Urheberrecht und geistiges Eigentum:
Bei generierten oder verarbeiteten Inhalten können rechtliche Fragen entstehen. Die konkrete Bewertung hängt vom jeweiligen Anwendungsfall und den verwendeten Systemen ab.

Nachvollziehbarkeit:
Bei geschäftlich oder technisch relevanten Anwendungen muss nachvollziehbar sein, wie KI-Ausgaben entstehen, geprüft und verwendet werden.

Menschliche Kontrolle:
Besonders bei technischen, sicherheitsrelevanten oder geschäftskritischen Entscheidungen sollte Generative KI unterstützend eingesetzt werden. Die Verantwortung für die Entscheidung muss klar geregelt sein.

NIST empfiehlt für generative KI unter anderem organisatorische Maßnahmen zur Definition von Rollen und Verantwortlichkeiten, zur Bewertung von Risiken sowie zur Überwachung und Prüfung von KI-Systemen. (Quelle: NIST)

Ein erfolgreicher Einsatz erfordert deshalb mehr als die Auswahl eines geeigneten KI-Modells. Ebenso wichtig sind qualitativ hochwertige Daten, eine klare KI-Governance sowie definierte Prozesse für den verantwortungsvollen Umgang mit KI. Unternehmen sollten zunächst ihre KI-Readiness bewerten und mit überschaubaren Pilotprojekten starten. So lassen sich Erfahrungen sammeln, Anwendungsfälle validieren und Mitarbeitende schrittweise an neue Arbeitsweisen heranführen.

Generative KI und Large Language Models

Large Language Models (LLMs) sind eine wichtige Klasse von KI-Modellen für sprachbezogene Aufgaben. Sie können Texte analysieren und erzeugen und bilden damit eine technische Grundlage für viele Anwendungen der Generativen KI.

Generative KI ist jedoch weiter gefasst als LLMs. Der Begriff umfasst auch Systeme für andere Inhaltstypen wie Bilder, Audio oder Video.

ChatGPT, Gemini, Claude und Copilot sind Beispiele für Anwendungen beziehungsweise Dienste, die generative KI einsetzen. Die konkreten Funktionen und zugrunde liegenden Modelle können sich unterscheiden.

Generative KI und generatives Design

Generative KI und Generatives Design sind verwandte, aber unterschiedliche Konzepte.

Generative KI erzeugt Inhalte auf Basis von Eingaben und gelernten Mustern. Generatives Design bezeichnet dagegen einen Ansatz in der Produktentwicklung, bei dem Varianten eines Designs anhand definierter Anforderungen und Randbedingungen erzeugt und bewertet werden.

Im Engineering kann generatives Design beispielsweise mit CAD- und Simulationsprozessen verbunden sein. Es sollte deshalb nicht mit der allgemeinen Erzeugung von Inhalten durch Generative KI gleichgesetzt werden.

Engineering-Bezug auf einen Blick

Für Unternehmen ist besonders die Verbindung mit vorhandenen Informationssystemen relevant. Generative KI kann beispielsweise mit Wissensbeständen oder Unternehmensdaten verbunden werden. Dadurch entstehen Anwendungen, die Antworten auf Basis unternehmensspezifischer Informationen erzeugen.

Dabei müssen Zugriffsrechte, Datenqualität und Datenschutz berücksichtigt werden. Die technische Integration allein stellt noch keine fachlich zuverlässige Antwort sicher.

Verwandte Begriffe

Künstliche Intelligenz: Oberbegriff für verschiedene Verfahren und Systeme, mit denen Aufgaben bearbeitet werden, die typischerweise menschliche kognitive Fähigkeiten erfordern. Generative KI ist ein Teilbereich davon.

Large Language Model (LLM): Ein auf Sprache spezialisiertes KI-Modell. LLMs bilden eine wichtige technische Grundlage vieler generativer Anwendungen.

Foundation Model: Ein breit einsetzbares KI-Modell, das auf umfangreichen Daten trainiert und für verschiedene Aufgaben verwendet oder angepasst werden kann.

Transformer: Eine Modellarchitektur, die eine wichtige technische Grundlage vieler moderner KI-Modelle bildet.

Prompt Engineering: Gestaltung und Optimierung von Eingaben für KI-Systeme, um gewünschte Ergebnisse gezielter zu erhalten.

KI-Agenten: KI-basierte Systeme, die Aufgaben über einzelne Eingaben hinaus bearbeiten und dabei je nach System beispielsweise Werkzeuge oder externe Datenquellen einbeziehen können.

Fazit

Generative KI bezeichnet KI-Systeme, die neue Inhalte wie Texte, Bilder, Audio, Video oder Code erzeugen können. Für Unternehmen im Engineering bietet die Technologie vor allem bei der Verarbeitung und Erstellung von Informationen interessante Einsatzmöglichkeiten. Dazu zählen technische Dokumentation, Wissensmanagement, Service sowie Aufgaben in Konstruktion und Produktentwicklung.

Die Qualität der Ergebnisse hängt vom Modell, den Eingaben, den Daten und dem jeweiligen Anwendungskontext ab. Fachliche Prüfung, klare Verantwortlichkeiten und ein geeigneter Umgang mit Unternehmensdaten sind deshalb wichtige Voraussetzungen für einen kontrollierten Einsatz.

Quelle:

• National Institute of Standards and Technology (NIST) – Definition und Einordnung von Generative AI sowie Risiken und Empfehlungen für den Umgang mit generativer KI, unter anderem zu Confabulation, Human-AI-Konfiguration, Governance und Risikomanagement: Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile

« Zurück zum Index