Die KI, die du schon genutzt hast, hat sortiert. Generative KI erschafft
Zwanzig Jahre lang war die KI im Alltag unsichtbar und klassifizierte nur. Der Spamfilter entschied Spam oder nicht. Die Foto-App entschied, welches Gesicht zu wem gehört. Die Bank entschied Betrug oder nicht. Die Empfehlungs-Engine sortierte, was als Nächstes gezeigt wird. Jedes dieser Beispiele nimmt etwas Vorhandenes und versieht es mit einem Label oder einer Bewertung. Was ist KI behandelt diese größere Familie.
Generative KI kehrt die Richtung um. Statt ein Bild zu nehmen und "Katze" auszugeben, nimmt sie "eine Katze auf einer Fensterbank in der Dämmerung" und gibt ein Bild aus. Statt eine E-Mail zu bewerten, schreibt sie eine. Das Modell hat die Muster von Millionen Beispielen so gut gelernt, dass es ein neues erzeugen kann, das dazu passt.
Diese Umkehrung ist der ganze Grund, warum die Technologie die Öffentlichkeit erreichte. Klassifikation ist eine Funktion innerhalb des Produkts von jemand anderem. Generierung ist ein eigenständiges Produkt: eine Anfrage eingeben, ein Ergebnis erhalten. ChatGPT ging am 30. November 2022 an den Start und erreichte im Januar 2023, zwei Monate nach dem Start, geschätzte 100 Millionen monatlich aktive Nutzer, laut einer von Reuters am 1. Februar 2023 berichteten UBS-Analyse, die zu diesem Zeitpunkt schnellste Verbraucheranwendung überhaupt, weil zum ersten Mal die Ausgabe des Modells selbst der Zweck war.
Was folgte, war kein gleichmäßiges Rinnsal. Die Zeitleiste der Modellveröffentlichungen verzeichnet 41 wichtige Markteinführungen seit jenem Tag, 31 davon in 2025 und 2026. Orange markiert ein Reasoning-Modell oder eine Familie mit Denkmodus; der schattierte Abschnitt beginnt mit o1-preview.
Jedes generative Modell lernt, wie ein plausibles Beispiel aussieht, und erzeugt dann eins
Jedes generative Modell wird im Kern auf dieselbe Weise trainiert: Man zeigt ihm eine enorme Zahl von Beispielen und lässt es lernen, wie ein plausibles Beispiel aussieht. Zur Nutzungszeit wird es dann gebeten, ein neues Sample zu erzeugen, das zum Muster und zur Anfrage passt.
Bei Text lernt das Modell, das nächste Token vorherzusagen, und erzeugt eine Antwort Token für Token. Was ist ein LLM liefert die vollständige Erklärung. Bei Bildern und Video ist Diffusion der dominierende Ansatz: Das Modell lernt, in kleinen Schritten Rauschen aus einem Bild zu entfernen, und startet zur Generierungszeit bei reinem Rauschen, entfernt es Schritt für Schritt, während eine Textbeschreibung steuert, was entsteht. Das Rezept, das die meisten Bildmodelle nutzen, ist das 2020er Paper zu Denoising Diffusion Probabilistic Models von Ho, Jain und Abbeel; der Ansatz, den es ablöste, generative adversarial networks, stammt von Goodfellow et al. aus dem Jahr 2014. Musikgeneratoren übernehmen meist eines der beiden Verfahren.
Die Konsequenz, die man sich merken sollte: Alle erzeugen, was passt, nicht, was wahr ist. Ein Textmodell erzeugt ein Zitat, das aussieht wie ein Zitat. Ein Bildmodell erzeugt eine Hand, die zum Muster von Händen passt, manchmal mit sechs Fingern. Die Flüssigkeit und die Fehler kommen aus derselben Quelle, und was ist eine KI-Halluzination behandelt die Textvariante im Detail.
Vier Medien, vier Modellarten, ein Fenster
2022 bedeutete generative KI Text und, getrennt davon, Bilder. Bis 2026 leitet ein einziges Chatprodukt zu vier Arten von Generatoren weiter, und das Modell dahinter ist jedes Mal ein anderes.
| Medium | Was du eingibst | Was zurückkommt | Modellart | Beispiele im Whizi-Auswahlmenü |
|---|---|---|---|---|
| Text und Code | Eine Frage oder Anweisung | Fließtext, eine Tabelle, ein Programm | Sprachmodell | GPT, Claude, Gemini, DeepSeek und 280+ weitere |
| Bilder | Eine Beschreibung, oder ein Bild plus eine Bearbeitung | Ein neues oder bearbeitetes Bild | Diffusionsmodell | Whizi Image, Nano Banana, Flux, Stable Diffusion |
| Video | Eine Beschreibung oder ein Startbild | Ein kurzer Clip | Video-Diffusionsmodell | Whizi Video AI |
| Musik | Ein Stil, eine Stimmung, manchmal Text | Eine Audiospur | Audio-Generierungsmodell | Whizi Music AI |
Die zugrunde liegende Produktentscheidung ist, dass diese unterschiedlich abgerechnet werden, weil sie unterschiedlich viel kosten. Eine Textantwort kostet einen Bruchteil eines Cents. Ein Bild ist ein eigener Zähler. Video und Musik sind die teuren Posten und liegen auf dem obersten Plan.
Bildgenerierung ist bei Starter nicht enthalten, umfasst 100 pro Monat bei Pro und 500 pro Monat bei Powerhouse, und Video- sowie Musikgenerierung sind Powerhouse-Funktionen, laut wie Whizi-Guthaben funktioniert. Der Abstand zwischen einer Textantwort und einem Videoclip ist der Abstand zwischen der Erzeugung von 500 Tokens und der Erzeugung mehrerer Sekunden Bildmaterial, und die Preisgestaltung folgt dem Rechenaufwand.
Wofür generative KI gut ist, und wo ihre ehrlichen Grenzen liegen
Sie ist gut bei ersten Entwürfen von allem mit bekannter Form: einer E-Mail, einer Zusammenfassung, einer Funktion, einem Produktfoto, einem Hintergrundtrack. Sie ist gut bei Transformation, also etwas Vorhandenes zu nehmen und in einer anderen Form auszugeben: übersetzt, gekürzt, für ein anderes Publikum umgeschrieben, umgestaltet. Und sie ist gut bei Volumen, indem sie zwanzig Varianten produziert, wo ein Mensch zwei produzieren würde.
Sie ist konstruktionsbedingt schwach bei drei Dingen. Bei Fakten, die ihr nicht gegeben wurden, weil sie erzeugt, was passt, statt was ist. Bei Präzision im Randbereich: der sechste Finger, der Code, der kompiliert und trotzdem das Falsche tut. Und beim Urteil, ob das Ergebnis gut ist, was bei der Person bleibt, die gefragt hat. Der Leitfaden zur KI-Nutzung ist die praktische Version davon, innerhalb dieser Grenzen zu arbeiten.
Die Faustregel: Generative KI ist das richtige Werkzeug, wenn du ein gutes Ergebnis schneller erkennst, als du es selbst erzeugen könntest. Wenn du eine gute Ausgabe nicht von einer schlechten unterscheiden kannst, ist sie für diese Aufgabe noch nicht das richtige Werkzeug.
Generative KI ist ein Zweig des maschinellen Lernens, das ein Zweig der KI ist
Künstliche Intelligenz ist der Oberbegriff: jede Software, die etwas tut, das wir intelligent nennen würden, würde ein Mensch es tun. Maschinelles Lernen ist die Methode, die die meiste moderne KI nutzt, also Regeln aus Daten zu lernen, statt sie einzuprogrammieren. Generative KI ist der Zweig des maschinellen Lernens, dessen Ausgabe neuer Inhalt ist. Ein großes Sprachmodell ist das generative Modell für Text. Ein Chatbot ist die App, die darum herumgebaut ist. Jedes ist eine Teilmenge des vorherigen, und das KI-Glossar enthält die vollständige Sammlung der Begriffe an einem Ort.
Die praktische Lesart: Wenn ein Produkt behauptet, es "nutzt KI", frag nach, welche Art. Sortiert, bewertet oder sagt es voraus, ist es die alte Art und funktioniert wahrscheinlich gut. Erzeugt es, ist es die neue Art und braucht eine Person, die die Ausgabe prüft.
- Frag, ob ein Produkt klassifiziert oder generiert; nur bei der zweiten Art muss die Ausgabe geprüft werden
- Nutze generative KI für erste Entwürfe und Transformationen von Dingen mit bekannter Form
- Prüfe jeden Fakt, jede Zahl oder jedes Zitat in generiertem Text gegen eine Quelle, die du öffnen kannst
- Rechne mit Präzisionsfehlern im Detail: Hände und Randfälle im Code
- Passe das Medium zum Plan: Text ist überall günstig, Bilder und Video werden separat abgerechnet
Häufige Fragen
Was ist der Unterschied zwischen KI und generativer KI?
KI ist der Oberbegriff für Software, die Aufgaben erledigt, die wir mit Intelligenz verbinden. Die meiste KI vor 2022 klassifizierte, bewertete oder sagte voraus: Spamfilter, Gesichtserkennung, Empfehlungssysteme. Generative KI ist der Zweig, der neue Inhalte erzeugt, etwa Text, Bilder, Video und Musik, indem er die Muster von Beispielen lernt und daraus neue passende Samples erzeugt.
Was sind Beispiele für generative KI?
ChatGPT, Claude und Gemini für Text und Code; Bildgeneratoren wie Flux, Stable Diffusion und Nano Banana; Videogeneratoren, die aus einer Beschreibung oder einem Standbild einen Clip machen; und Musikgeneratoren, die aus einem Stil und einer Stimmung eine Spur erzeugen. Ein Multi-Modell-Arbeitsbereich wie Whizi bringt alle vier hinter ein Chatfenster.
Wie funktioniert generative KI?
Ein Modell wird auf eine sehr große Zahl von Beispielen trainiert, bis es gelernt hat, wie ein plausibles Beispiel aussieht, und wird dann gebeten, ein neues zu erzeugen, das zu einer Anfrage passt. Textmodelle erzeugen ein Token nach dem anderen, indem sie das jeweils nächste vorhersagen. Bild- und Videomodelle nutzen meist Diffusion und verwandeln zufälliges Rauschen Schritt für Schritt in ein Bild, während eine Textbeschreibung das Ergebnis steuert.
Ist ChatGPT generative KI?
Ja. ChatGPT ist eine Chat-App, die auf einem großen Sprachmodell aufbaut, dem generativen Modell für Text. Es ging am 30. November 2022 an den Start und erreichte im Januar 2023 geschätzte 100 Millionen monatlich aktive Nutzer, laut einer von Reuters berichteten UBS-Analyse, der Moment, in dem generative KI vom Forschungsfeld zur Verbraucherkategorie wurde.
Warum macht generative KI Fehler?
Weil sie erzeugt, was zum Muster ihrer Trainingsdaten passt, nicht, was wahr ist. Ein Textmodell erzeugt ein Zitat, das aussieht wie ein Zitat, egal ob die Quelle existiert; ein Bildmodell erzeugt eine Hand, die aussieht wie eine Hand, gelegentlich mit sechs Fingern. Das Modell an eine Quelle zu binden und die Ausgabe zu prüfen sind die Lösungen, und sie liegen bei der Person, die sie nutzt.
