"KI" wird verwendet, um alles zu beschreiben, von einem Spamfilter über einen Chatbot bis zum Tool, das dieses virale Video in deinem Feed gemacht hat. Hier ist die eine bestimmte Sache, die "generative KI" bedeutet, wie diese Modelle tatsächlich lernen und wo die Tools auf dieser Seite hineinpassen.
Die meiste KI, mit der die meisten Menschen täglich interagieren, ist diskriminativ, nicht generativ — sie betrachtet etwas bereits Vorhandenes und trifft ein Urteil darüber: Ist diese E-Mail Spam, enthält dieses Foto ein Gesicht, sollte dieses Video dir als Nächstes empfohlen werden. Generative KI ist eine andere Aufgabe: Statt vorhandenen Inhalt zu beurteilen, produziert sie neuen Inhalt — einen Textabsatz, ein Bild, einen Videoclip, eine Sprachaufnahme — aus einem Prompt oder einer Starteingabe. ChatGPT, das eine E-Mail schreibt, Midjourney, das ein Bild zeichnet, und Runway oder Veo, die einen Videoclip generieren, sind alle generative KI. Ein Spamfilter nicht, auch wenn er im weiteren Sinne noch "KI" ist.
Ein generatives Modell zu trainieren bedeutet, ihm eine enorme Anzahl echter Beispiele von dem zu zeigen, was es produzieren soll — Milliarden Sätze für ein Textmodell, riesige Datensätze von Bildern oder Video für ein Bild- oder Videomodell — und die internen Parameter des Modells anzupassen (es können Milliarden davon sein), sodass es progressiv besser darin wird, Muster in diesen Daten vorherzusagen: welches Wort plausibel als Nächstes kommt, welche Pixelwerte plausibel neben welche anderen Pixelwerte gehören. Entscheidend: Das Modell speichert und spielt nicht spezifische Trainingsbeispiele ab, wie eine Suchmaschine eine gespeicherte Webseite zurückgibt. Es lernt statistische Muster, die allgemein genug sind, um sie auf einen brandneuen Prompt anzuwenden, dem es während des Trainings nie begegnete — was sowohl die Quelle seiner Nützlichkeit ist (es kann wirklich neuartige Anfragen bewältigen) als auch die Quelle seiner seltsamsten Fehler (es produziert immer seine beste statistische Vermutung, selbst wenn diese Vermutung falsch ist).
Ein generatives Modell schlägt nichts nach und prüft keine Tatsache — es produziert die statistisch plausibelste Fortsetzung des gegebenen Prompts, vollständig basierend auf während des Trainings gelernten Mustern. Bei Textmodellen zeigt sich das als selbstbewusst geäußerte falsche Information, oft "Halluzination" genannt. Bei Bild- und Videomodellen zeigt es sich als dieselbe Handvoll wiederkehrender visueller Glitches über völlig unabhängigen Inhalt hinweg: zusätzliche oder missgebildete Finger, Schmuck und kleiner Text, die sich verzerren oder als Kauderwelsch herauskommen, feine Details, die einer Prüfung nicht standhalten. Das sind keine zufälligen Bugs, die für ein Tool spezifisch sind — es sind Artefakte dessen, was für diese Art Modell strukturell schwer exakt richtig zu machen ist: feines, präzises, regelgesteuertes Detail (eine exakte Fingeranzahl, exakte Buchstabenformen) ist ein viel schwierigeres statistisches Ziel, das konsistent zu treffen ist, als ein breites, nachsichtiges (eine Gesamthaltung, eine allgemeine Farbpalette).
KI-Videogeneratoren (Runway, Pika, Kling, Seedance, Veo und andere) sind generative KI, speziell auf Video angewandt: Eine Textbeschreibung oder ein Referenzbild geht rein, und ein kurzer neuer Videoclip — Frames, die das Modell konstruierte, keine gefilmten Aufnahmen — kommt raus. Es ist dieselbe zugrunde liegende Idee wie ein Text- oder Bildgenerator, nur mit der zusätzlichen Komplexität, dass jeder Frame visuell konsistent mit den umgebenden Frames bleiben muss. Siehe unseren eigenen Erklärer zu wie KI-Videogenerierung wirklich funktioniert für die Mechanik, oder unseren anfängerfreundlichen Rundgang durch die tatsächlichen Tools, wenn du nur wissen willst, was hinter den Videos steckt, die deinen Feed fluten.
Es lohnt sich, hier präzise zu sein, weil die beiden vermischt werden: KI-Hintergrundentfernung (was RemoveGifBG tut) basiert auf einer eng verwandten Familie neuronaler Netztechniken, aber sie ist nicht im selben Sinne generativ. Ihre Aufgabe ist Klassifikation, nicht Erschaffung — für jedes Pixel in einem Bild oder Videoframe entscheiden, ob es Teil des Motivs oder Teil des Hintergrunds ist, dann eines behalten und das andere verwerfen. Sie erfindet keine neuen Pixel, wie ein Bildgenerator eine ganze Szene aus einem Text-Prompt erfindet; sie trifft eine Behalten-oder-Verwerfen-Entscheidung über bereits vorhandene Pixel. Siehe wie KI-Hintergrundentfernung wirklich funktioniert für die Details und warum es bei Video und GIFs ein viel schwierigeres Problem ist als bei einem einzelnen Foto.
Die Kurzfassung
Sieh dir an, wie KI-Videogenerierung funktioniert
Verwandt: Wie KI-Hintergrundentfernung funktioniert · Wie KI-Videos gemacht werden (Anfängerleitfaden) · Alle Anleitungen
Es ist eine Kategorie von KI-Modellen, die darauf trainiert sind, neuen Inhalt zu produzieren — Text, Bilder, Video, Audio, Code — statt vorhandenen Inhalt nur zu klassifizieren oder zu analysieren. Ein Spamfilter ("ist diese E-Mail Spam oder nicht") ist KI, aber nicht generativ. Ein Tool, das eine E-Mail schreibt, ein Bild zeichnet oder aus einer Beschreibung ein Video generiert, ist generativ: Die Ausgabe ist neues Material, das das Modell konstruiert, kein Etikett, das auf etwas bereits Vorhandenes angewendet wird.
Das Training setzt das Modell einer enormen Menge vorhandenen Beispielinhalts aus (Text, Bilder oder Video, je nachdem, was es generieren soll) und passt Millionen oder Milliarden interner Parameter an, sodass das Modell progressiv besser darin wird, Muster in diesen Daten vorherzusagen — welches Wort plausibel auf andere Wörter folgt, welche Pixelwerte plausibel auf andere Pixelwerte folgen. Es merkt sich nicht spezifische Beispiele und spielt sie ab; es lernt statistische Muster, die allgemein genug sind, um sie auf völlig neue Prompts anzuwenden, die es während des Trainings nie sah.
Weil das Modell die statistisch plausibelste nächste Ausgabe generiert, nichts nachschlägt und keine Tatsache verifiziert. Bei Text zeigt sich das als selbstbewusst geäußerte falsche Information ("Halluzination"). Bei Bildern und Video zeigt es sich als dieselbe Handvoll wiederkehrender visueller Fehler — zusätzliche Finger, verzerrter Text, Schmuck, der seine Form nicht hält — weil das genau die Arten von feinem, strukturell präzisem Detail sind, das über ein ganzes generiertes Bild oder einen Clip am schwersten statistisch konsistent zu halten ist.
Nicht ganz, obwohl es ein naher Verwandter ist. KI-Hintergrundentfernung nutzt dieselbe Familie neuronaler Netztechniken (trainiert an riesigen Mengen Beispieldaten, macht Vorhersagen auf Pixelebene), aber ihre Aufgabe ist Klassifikation, nicht Generierung: Ist dieses Pixel Vordergrund oder Hintergrund? Sie erschafft keine neuen Pixel wie ein Bildgenerator — sie entscheidet, was von einem bereits vorhandenen Bild zu behalten ist.