KI-Helfer der generativen KI
Seit 2023 tauchen im Wochentakt neue KI-Tools auf, mit deren Hilfe wir verschiedene Arten von Inhalten wie Texte, Bilder, Sprache, Musik oder Videos erstellen können. Wenn wir wissen wie, klappt das oft sogar in beeindruckender Qualität.
Wenn heute von „KI“ gesprochen wird, sind meist die Anwendungen der „generativen KI“ gemeint. Tatsächlich ist diese Technologie jedoch nur ein Teilbereich im riesigen Feld von Anwendungen der Künstlichen Intelligenz.
Wichtig ist nicht, alle Anwendungen zu kennen (das ist unmöglich 😉 sondern sie zuordnen zu können – und einige wenige zu beherrschen. Welche hast du bereits ausprobiert, um Texte, Bilder, Audios oder Videos zu erstellen?
Nebenbei bemerkt: Oft wird diese Ausgabe als „kreativ“ bezeichnet – was wir etwas anders sehen. Ganz klar können diese Anwendungen aber Kreativität fördern, indem sie inspirieren und Ideen generieren, die wir als Anwender:innen weiterspinnen bzw. weiter entwickeln können.
Lass uns kurz einordnen und klären, wie diese „Generative KI“ arbeitet:
- KI bzw. AI: Als Überbegriff für Systeme, die menschenähnliche Denken und Handeln simulieren.
- Machine Learning: Ein Teil von KI mit dem Systeme aus Daten lernen und sich selbst verbessern. Und zwar ohne extra für eine bestimmte Aufgabe programmiert zu werden. Generative KI nutzt fortgeschrittene Techniken des maschinellen Lernens, geht aber darüber hinaus, indem sie neue Inhalte erzeugt.
- Deep Learning: Ein Teil des maschinellen Lernens, der auf neuronalen Netzen basiert. Generative KI nutzt Deep-Learning-Modelle, um komplexe Muster in Daten zu erkennen und daraus neue Kombinationen zu generieren.
- Generative KI: Ein Teil des Deep Learnings, der darauf abzielt, neue Inhalte wie Texte, Bilder, Videos oder Musik zu erzeugen.
Zusammengefasst: Bei Generativer KI – „GenAI“ – kommen also erprobte KI-Techniken wie
- „Machine Learning “ = aus Daten lernen und
- „Deep Learning“ = Muster in diesen Daten erkennen
zum Einsatz. Daraus können KI-Systeme – dank einer Unmenge von Daten und schlauer Algorithmen – neue Kombinationen bilden und so anscheinend „neue“ Inhalte (genau genommen Ableitungen aus bestehenden Daten und Muster) erstellen bzw. generieren. Das „Leistungsspektrum“ von GenAI geht dabei weit über „Inhalte generieren“ hinaus – nämlich:
- Erstellen von Inhalten: Generieren von Texten, Bildern, Videos und Musik
- Prozesse optimieren: Automatisieren oder Verbessern von Geschäftsprozessen in fast allen Bereichen: Kundenservice, Angebotserstellung, Chatbot für Finanzen, Steuer, Recht uvm. und auch verschieden Aufgaben des Marketings.
- Personalisierung ausbauen: Erstellen von individualisierten Inhalten bzw. Erlebnissen
- Kreativität befeuern: KI als Quelle für Inspiration und Brainstorming
- Coding/Programmierung: Mustererkennung kann Entwicklern dabei helfen Programmcode zu verbessern
Hier eine Auswahl von KI-Anwendungen, die meist mit „Gen AI“ oder „Generative KI“ bezeichnet werden und mit denen wir bereits Erfahrungen gesammelt haben.
KI-Anwendungen für Texte, Bilder, Audios, Video
Hier eine Übersicht einiger der bekanntesten Tools für die genannten Bereiche, mit denen wir gute Erfahrungen gemacht haben. Bitte achte immer darauf, dass deine Daten – besonders bei kostenlosen Versionen – zu Trainingszwecken genutzt werden können; Ausnahme: Wenn du die API-Vartiante auf deinem eiogenen Server installiserst
Textgenerierung (Sprachbots)
Du möchtest mithilfe einer KI-Anwendung Texte zusammenfassen, überarbeiten, erstellen lassen? Dann versuche es doch mal mit
- ChatGPT https://chatgpt.com von OpenAI, US
- Claude https://claude.ai/ von Antropic, UA
- Jasper https://www.jasper.ai von Jasper Inc, US
- Gemini https://gemini.google.com von Google, US
- Llama https://www.llama.com von Meta Platforms, US
- Neuroflash https://writesonic.com , Neuroflash GmbH, EU
- Perplexity https://www.perplexity.ai/, Perplexity AI, US
- Writesonic https://writesonic.com , Writesonic Ltd., US
Für alle gilt: Saubere Inputs, iterative Frage-Antwort Sessions und eigene Stil-Beispiele tragen zu einem individuelleren Ergebnis (Output) bei. Besonders die marketing-getriebenen (Neuroflash, Jasper) arbeiten mit Preismodellen pro Nutzer und Markenstimme und integrieren Bildgenerierung und zT Workflows. Bei anderen (zB. Writesonic) werden Credits benötigt/abgezogen; das ist auch die Vorgehensweise, mit der Open-AIs eigenständige (API-)Version abrechnet, die du auf deinem eigenen Server installierst – also nicht mit den Anwendungen in der „Cloud“ arbeitest.
>> Wir verwenden für unsere Projekte diese Variante, um unsere und die Daten unserer Kunden zu schützen.
Bildgenerierung
Du möchtest Bilder erzeugen, also Text in Bild umwandeln?
- Midjourney https://www.midjourney.com
- DALL-E https://openai.com/index/dall-e-3
- Stable Diffusion https://beta.dreamstudio.ai/generate
Text in Audio (text-to-Speech)
Du möchtest deine Texte in Sprache ausgeben, also Audiofiles erstellen?
- ElevenLabs https://elevenlabs.io
- PlayHT https://play.ht
- Whisper https://www.whispertranscribe.com
Transkription (speech-to-Text)
Du möchtest deine Audiobeiträge in Sprache ausgeben, also Transkripte erstellen?
- Deepgram https://deepgram.com
- Whisper https://www.whispertranscribe.com
auch OpenAI Whisper https://openai.com/research/whisper - Notta https://www.notta.ai
Musikgenerierung
- Suno https://www.suno.ai
- Udio https://udio.com
Videogenerierung und -bearbeitung
- HeyGen https://www.heygen.com
- Runway ML https://runwayml.com
- D-ID https://www.d-id.com
- Synthesia https://www.synthesia.io
Nachhaltigkeitsinfo:
Bilder + Videos generieren kostet serverseitig viel Strom
Falls du vorhast, Bild- oder Videogenerierung zu deinem neuen Hobby zu machen, sei dir bitte bewusst, dass eine Anfrage/Aufgabe an ein KI-System Einiges an Energie verbraucht. Dabei ist der Rechenaufwand bei Bildern deutlich (ca. 100x) höher als bei Textmodellen und ca. 1000x höher bei Videogenerierung.
Geringster Verbrauch: Anfrage an eine Suchmaschine (z.B. Google)
- Eine Suchmaschinenanfrage nutzt optimierte Indizes und spezialisierte Algorithmen, um große Datenbanken zu durchsuchen. Der Energieverbrauch beläuft sich auf nur ca. 10% von Textgenerierung.
Niedriger Verbrauch: Textgenerierung (z.B. ChatGPT & friends – siehe oben)
- Sprachmodelle arbeiten mit numerischen Vektoren, komplexe (Bild-)Verarbeitungsoperationen sind nicht notwendig.
- Energiebedarf: 0,1 – 10 Wh pro Anfrage, je nach Modellgröße und Server-Infrastruktur.
Anm.: In den Angaben ist nicht mit eingerechnet, wie viel Ressourcen bereits in Dateneingabe/Trainings geflossen sind.
Mittlerer Verbrauch: Bildgenerierung (z.B. DALL·E)
- Die Modelle müssen viele Millionen Pixel verarbeiten und optimieren. Jede Iteration ist rechenintensiv
- Energiebedarf: 10 – 100 Wh pro Bild, abhängig von der Bildauflösung und Modellkomplexität
Anm.: In den Angaben ist nicht mit eingerechnet, wie viel Ressourcen bereits in Dateneingabe/Trainings geflossen sind.
Höchster Verbrauch: Videogenerierung.
- Die Verarbeitung ist exponentiell komplexer, da zeitliche und räumliche Dimensionen berücksichtigt werden.
- Energiebedarf: 100 – 1000+ Wh pro Minute Video
Die Modelle müssen viele Millionen Pixel verarbeiten und optimieren. Jede Iteration ist rechenintensiv - Energiebedarf: 10 – 100 Wh pro Bild, abhängig von der Bildauflösung und Modellkomplexität
- Anm.: In den Angaben ist nicht mit eingerechnet, wie viel Ressourcen bereits in die Trainings geflossen sind.