Generative AI

Was ist Generative AI?

Generative AI (GenAI) umfasst KI-Modelle, die auf Basis von Trainingsdaten neue, originäre Inhalte generieren können. Das können Texte, Bilder, Videos, Audio, Code oder auch synthetische Daten sein. Der entscheidende Unterschied zu klassischer KI: Das Modell "erfindet" etwas Neues, anstatt nur vorhandene Daten zu kategorisieren.

Wie funktioniert das technisch?

Die meisten modernen Generative-AI-Modelle basieren auf der Transformer-Architektur. Vereinfacht gesagt lernt das Modell während des Trainings statistische Muster in riesigen Datensätzen und kann daraus beim Inference-Schritt neue, plausible Ausgaben erzeugen.

Für Text-Generierung sieht ein typischer API-Aufruf so aus:

import openai

client = openai.OpenAI()

response = client.chat.completions.create(
    model="gpt-4o",
    messages=[
        {"role": "system", "content": "Du bist ein hilfreicher Assistent."},
        {"role": "user", "content": "Erkläre Generative AI in einem Satz."}
    ],
    temperature=0.7
)

print(response.choices[0].message.content)

Wichtige Anwendungsfälle für Entwickler

• Text: Chatbots, Dokumenten-Zusammenfassungen, Code-Assistenten (z. B. GitHub Copilot)
• Code: Automatische Code-Generierung, Unit-Test-Erstellung, Refactoring
• Bilder: Produktvisualisierungen, UI-Mockups via Diffusion Models
• Daten: Synthetische Testdaten generieren, wenn echte Daten fehlen

Wichtige Einschränkungen

Problem	Beschreibung
Halluzinationen	Modell erfindet plausibel klingende, aber falsche Fakten
Kontextlimit	Modelle haben ein begrenztes Context Window
Kosten	API-Aufrufe werden per Token abgerechnet
Determinismus	Gleicher Input liefert nicht zwingend gleichen Output

Generative AI vs. klassisches ML

Klassisches Machine Learning klassifiziert oder sagt vorher (z. B. "Ist diese E-Mail Spam?"). Generative AI hingegen erzeugt (z. B. "Schreibe eine Antwort auf diese E-Mail"). Viele moderne Systeme kombinieren beides.

Praktischer Einstieg

Für Entwickler ist der schnellste Einstieg über eine API wie OpenAI, Anthropic oder Google Gemini. Lokal kannst du mit Ollama Modelle wie Llama 3 oder Mistral ohne Cloud-Kosten ausprobieren:

# Ollama lokal installieren und Modell starten
ollama run llama3.2