{"id":88895,"date":"2026-06-25T14:06:40","date_gmt":"2026-06-25T12:06:40","guid":{"rendered":"https:\/\/www.mitsm.de\/wissen\/was-ist-generative-ki-und-was-kann-sie-wirklich\/"},"modified":"2026-08-14T13:40:09","modified_gmt":"2026-08-14T11:40:09","slug":"was-ist-generative-ki-und-was-kann-sie-wirklich","status":"publish","type":"knowledge","link":"https:\/\/www.mitsm.de\/ch\/wissen\/was-ist-generative-ki-und-was-kann-sie-wirklich\/","title":{"rendered":"Was ist generative KI und was kann sie wirklich?"},"content":{"rendered":"

Generative KI ist derzeit eines der meistdiskutierten Themen in der Technologiewelt \u2013 und das aus gutem Grund. Ob Texte schreiben, Bilder erstellen oder Code generieren: Die M\u00f6glichkeiten dieser Technologie scheinen schier grenzenlos. Doch was steckt wirklich dahinter, und was kann generative KI tats\u00e4chlich leisten? Dieser Artikel beantwortet die wichtigsten Fragen rund um generative KI \u2013 verst\u00e4ndlich, praxisnah und ohne unn\u00f6tigen Fachjargon.<\/p>\n

Was ist generative KI und wie unterscheidet sie sich von klassischer KI?<\/h2>\n

Generative KI ist eine Form der k\u00fcnstlichen Intelligenz, die eigenst\u00e4ndig neue Inhalte erzeugt \u2013 darunter Texte, Bilder, Audio, Video oder Code. Im Gegensatz zur klassischen KI, die prim\u00e4r Daten analysiert, klassifiziert oder Vorhersagen trifft, erzeugt generative KI aktiv neue Ausgaben auf Basis erlernter Muster. Der entscheidende Unterschied liegt in der Kreativit\u00e4t: Generative KI produziert, klassische KI bewertet oder sortiert.<\/p>\n

Wie funktioniert generative KI technisch gesehen?<\/h2>\n

Generative KI basiert in der Regel auf sogenannten Large Language Models (LLMs) oder \u00e4hnlichen neuronalen Netzwerken, die auf enormen Datenmengen trainiert wurden. Das Modell lernt statistische Zusammenh\u00e4nge zwischen W\u00f6rtern, Bildelementen oder anderen Datenpunkten und nutzt dieses Wissen, um neue, plausible Ausgaben zu generieren.<\/p>\n

Das Training erfolgt in mehreren Phasen: Zun\u00e4chst wird das Modell un\u00fcberwacht auf riesigen Textmengen oder Bilddatens\u00e4tzen vortrainiert, anschlie\u00dfend folgt oft ein Fine-Tuning anhand spezifischer Aufgaben oder menschlichen Feedbacks. Die meisten f\u00fchrenden Systeme basieren auf der Transformer-Architektur, die es dem Modell erm\u00f6glicht, Kontext \u00fcber lange Textpassagen hinweg zu erfassen. Bekannte Beispiele sind GPT-Modelle von OpenAI oder Gemini von Google.<\/p>\n

Was kann generative KI wirklich leisten \u2013 und was nicht?<\/h2>\n

Generative KI kann beeindruckend viel: Sie schreibt Texte, fasst Dokumente zusammen, \u00fcbersetzt Sprachen, generiert Programmiercode, erstellt realistische Bilder und unterst\u00fctzt kreative Prozesse. Gleichzeitig hat sie klare Grenzen \u2013 sie versteht nicht wirklich, was sie produziert, und kann Fehler als Fakten pr\u00e4sentieren. Ohne menschliche Pr\u00fcfung sind generative Modelle daher in sensiblen Bereichen nur eingeschr\u00e4nkt einsetzbar.<\/p>\n

Welche Risiken und ethischen Fragen bringt generative KI mit sich?<\/h2>\n

Generative KI birgt erhebliche Risiken: Dazu geh\u00f6ren die Verbreitung von Fehlinformationen, Urheberrechtsfragen, Datenschutzprobleme sowie die M\u00f6glichkeit, manipulative oder diskriminierende Inhalte zu erzeugen. Ein zentrales ethisches Problem ist die Bias-Problematik: Wenn Trainingsdaten gesellschaftliche Vorurteile enthalten, reproduziert das Modell diese. Regulatorische Rahmenbedingungen wie der EU AI Act setzen hier zunehmend klare Leitplanken.<\/p>\n

Wie k\u00f6nnen Fach- und F\u00fchrungskr\u00e4fte generative KI sinnvoll einsetzen?<\/h2>\n

Fach- und F\u00fchrungskr\u00e4fte setzen generative KI sinnvoll ein, indem sie sie als Werkzeug zur Unterst\u00fctzung \u2013 nicht als Ersatz \u2013 f\u00fcr menschliches Urteilsverm\u00f6gen verstehen. Praktische Einstiegspunkte sind zum Beispiel:<\/p>\n