KI-Bildgenerator: Sie kennen sicher­lich das lange deut­sche Wort „Donau­dampf­schiff­fahrts­gesellschafts­kapitän“. Das Bild ist eine KI-erzeugte Visu­ali­sie­rung die­ses Wortes. Auf dem ers­ten Blick ganz hübsch.

Auf den zweiten und dritten Blick fal­len auf dem Bild sonder­bare Sachen auf. Das Steuer­rad ist nicht in Fahrt­richtung an­ge­bracht. Zudem scheint der Steuer­stand gar nicht zum Haupt­schiff zu ge­hören. Die KI hat wohl eine eigen­artige Vor­stel­lung von einem Steuer­stand. Zudem sind die unte­ren bei­den Decks merk­wür­dig ver­formt. Das Bild ist nicht in sich stimmig.

Es gibt jedoch eine Erklärung für diese Abnor­mi­tä­ten, näm­lich die Art der Auf­gaben­stel­lung bei der Er­zeu­gung des Bil­des. Die Auf­gabe lau­tete: „Zeige den Kapi­tän eines Dampf­schif­fs auf einem Fluss.“ Das klingt ein­fach, ist es aber nicht.

Einen Kapi­tän würde man norma­ler­weise im Steuer­haus dar­stel­len. Dann könnte man jedoch nicht er­ken­nen, dass es sich um ein Dampf­schiff han­delt. Und man würde nicht sehen, dass es auf einem Fluss fährt. Um alle An­for­de­run­gen unter einen Hut zu krie­gen, hat sich die KI die be­kann­ten Rea­li­tä­ten offen­bar etwas zu­recht­gebo­gen.

Man könnte auch sagen: Die Abwei­chun­gen sind das Er­geb­nis einer Ver­zweif­lungs­tat unter dem Druck einer schwie­ri­gen Auf­gabe.

So wie es beim oben ge­zeigten Bild ein Pro­blem mit komi­schen Unge­nauig­kei­ten gibt, gibt es ein ähn­li­ches Pro­blem auch bei der Text­ausgabe. Von An­fang an war auf­ge­fal­len, dass Chat­GPT kon­fa­bu­liert - sich quasi Infor­ma­tio­nen herbei-halluzi­niert.

Beim Menschen spricht man von ↗Konfa­bu­lation, wenn jemand ver­sucht mehr Erin­ne­rungen aus sei­nem Ge­dächt­nis ab­zu­rufen als er sich ge­merkt hat. Das Ge­hirn füllt die Erin­ne­rungs­lücken dann mit Sachen, die wahr­schein­lich pas­sen. Der Be­fragte weiß dabei selbst gar nicht, dass es sich nicht um eine echte Erin­ne­rung han­delt. Und das machen wir alle. Jeder hat Lücken, die er auto­ma­tisch mit krea­ti­ven Er­klä­run­gen auf­füllt.

Wenn man nicht unter Druck steht, kann man ein­fach locker sagen: „Das weiß ich nicht.“ Wenn man je­doch unter dem Druck steht, jetzt eine Aus­sage tref­fen zu müs­sen, oder wenn man z.B. einen Auf­satz mit einer be­stimm­ten Länge ab­lie­fern muss, steigt die Nei­gung zum Konfa­bu­lieren. Unter dem Druck, die Erwar­tung zu er­fül­len, schwa­felt man irgend­etwas, das pas­send klingt - in der Hoff­nung, dass es rich­tig sein könnte (provo­zier­te Kon­fa­bu­la­tion).
Möglicher­weise unter­liegt ChatGPT auf­grund irgend­wel­cher tech­ni­scher Para­meter eben­falls so einem Be­ant­wor­tungs­druck.

Abgesehen von möglichen Fehl­informa­tio­nen ist eine KI ein sehr inte­res­san­tes Tool, das nicht nur für ↗lustige KI-Bilder, son­dern auch für ernst­hafte An­wen­dun­gen in Indus­trie und Wis­sen­schaft ein­ge­setzt wer­den kann.

Firmen versuchen ihre Produkt­kataloge oder lang­wei­lige Spezi­fi­ka­tio­nen durch einen freund­lichen KI-Kauf­berater zu er­set­zen. Aber aller An­fang ist schwer: In der Presse wurde be­rich­tet, wie die ers­ten Chat­bots gro­ßer Anbie­ter sich ver­lei­ten lie­ßen, auf Nach­frage kosten­lose Zusatz­leis­tun­gen oder Preis­rabatte zu ver­spre­chen, die real gar nicht an­ge­bo­ten wer­den. Dies ist womög­lich der glei­che Effekt wie beim o.g. Antwort­druck und der provo­zier­ten Kon­fa­bu­la­tion.

Andere Beispiele für Fachanwen­dun­gen sind Sprach­über­setzer, wie z.B. von der deut­schen Firma DeepL, die ggf. in beste­hende Anwen­dun­gen inte­griert wer­den kön­nen. Dazu werden API-Schnitt­stellen an­ge­bo­ten, wo­durch die Daten aus einer Fach­anwen­dung in die externe KI und zurück über­mit­telt werden.

In der Produktion kann KI einge­setzt werden, um anhand von Maschinen­sensoren voraus­zu­sagen, wann eine Maschine ge­war­tet wer­den muss, bevor es zu einem Aus­fall kommt.
Und bei der Lagerverwal­tung kann KI helfen, durch Vorher­sagen Eng­pässe zu ver­mei­den, ggf. schon bei der Be­schaf­fung und in der Liefer­kette.

Außerdem können Künstliche Intelli­genzen hel­fen große Daten­mengen (Big Data) zu analy­sie­ren und daraus Voraus­sagen ab­zulei­ten. Ein bekann­tes Bei­spiel sind lang­fris­tige Klima-Modelle.
Ein anderes Beispiel betrifft das Wachs­tum und die Ver­ände­rung der Be­völke­rung, z.B. um vorher­sagen zu kön­nen, wie viele Lehrer und andere Fach­kräfte ganz ande­rer Berufs­grup­pen aus­gebil­det wer­den müs­sen, um den zu­künf­ti­gen Be­darf der Wirt­schaft und der Ge­sell­schaft decken zu können.