Generative Künstliche Intelligenz (KI) hat die Art und Weise revolutioniert, wie Bilder erstellt werden. Mit Hilfe von Algorithmen und Deep Learning können KI-Modelle hochwertige Bilder, Texte, Videos und mehr generieren. Diese generativen Modelle haben in den letzten Jahren enorme Fortschritte gemacht und sind aus den Nachrichtenfeeds nicht mehr wegzudenken.
Inhaltsverzeichnis
Kerntechnologien der generativen KI
Text-Bild-KI nutzt Kerntechnologien wie maschinelles Lernen und Deep Learning. Beim maschinellen Lernen können Computer Erfahrungswissen sammeln und Entscheidungen treffen, ohne spezifische Programmierung. Hierbei werden Algorithmen verwendet, um Muster und Verbindungen in den Daten zu erkennen. Deep Learning, eine spezielle Form des maschinellen Lernens, verwendet künstliche neuronale Netze. Im Gegensatz zu herkömmlichen maschinellen Lernverfahren, bei denen Merkmale manuell ausgewählt werden müssen, kann Deep Learning relevante Eigenschaften direkt aus rohen Daten lernen. Dadurch ist das neuronale Netzwerk in der Lage, komplexe Muster und Zusammenhänge zu erkennen.
Deep Learning hat bedeutende Fortschritte in verschiedenen Bereichen ermöglicht, darunter:
- Natürliche Sprachverarbeitung (Natural Language Processing): Die Bearbeitung und Analyse menschlicher Sprache durch computergestützte Technologien.
- Computer Vision: Die maschinelle Wahrnehmung und Verarbeitung von Bildern und Videos.
- Generative KI: Das Erzeugen neuer Inhalte wie Texte, Bilder, Videos, Audiodateien usw. mithilfe von KI.
Beeindruckende Bildern aus Textbeschreibungen
KI-Training mit rieseigen Datenmengen
In Bezug auf Bildmaterial und Grafiken kann generative KI verwendet werden, um visuelle Darstellungen aus einer Beschreibung oder einem Konzept zu erstellen. Beim Training einer Text-Bild-KI greift man auf eine große Menge an Text- und Bilddaten zurück. Die KI lernt dabei, mithilfe von Schlagworten und dem Auslesen von Metadaten der Bilder Textdarstellungen mit den entsprechenden Bildern zu verknüpfen.
Seit 2022 konkurrieren insbesondere die Unternehmen OpenAI (mit „DALL·E“), Midjourney und Stability AI (mit „Stable Diffusion“) um bahnbrechende Fortschritte in der Welt der generativen Bild-KI. Infolgedessen haben auch Google (mit „Imagen KI“), TikTok und Meta (unter anderem mit „Segment Anything Model“) eigene Initiativen gestartet. Zusätzlich ist seit Anfang 2023 die Lösung „Firefly“ von Adobe als öffentlich zugängliche Beta-Version verfügbar.
Von der Idee zum visuellen Konzept
In der Phase der Layout- und Moodboard-Erstellung erweisen sich diese Anwendungen als wertvolle Helfer, um kreative Ideen zu entwickeln. Mit minimalen Vorgaben können verschiedene Farbarrangements, Designstile und Motivansätze ausprobiert werden. Durch den Einsatz von KI-basierten Generierungsmethoden können kreative Konzepte effizient visualisiert und präsentiert werden.
Einige der erzeugten Ergebnisse erreichen bereits einen so hohen Qualitätsstandard, dass sie für kommerzielle Zwecke verwendet werden können. Ein Beispiel dafür sind die Hauptvisuals der „Unbottling Martini“-Kampagne von Martini, die mit Hilfe von Midjourney erstellt wurden. Das deutsche E-Bike-Start-up „Sushi Bikes“ vertraut sogar vollständig auf von DALL·E generierte Bilder in seiner neuesten Werbekampagne.
Zahlreiche Content Management Systeme bieten Möglichkeiten zur einfachen Integration von generierten Stock-Materialien über Verknüpfungen zu KI-Anwendungen. Zum Beispiel wird im Feedback Hub von CoreMedia eine Schnittstelle zu DALL·E angeboten. AEM implementiert Funktionen wie intelligentes Tagging, intelligentes Zuschneiden und automatisierte Bildbearbeitung, die auf Adobe Sensei basieren. Darüber hinaus gibt es bereits Plugins für WordPress, die die offenen Schnittstellen von OpenAI nutzen.
KI beschleunigt Arbeitsabläufe
KI kann auch dazu dienen, bestehende Arbeitsabläufe zu beschleunigen, ohne die komplette Grafikerstellung zu übernehmen. Es gibt eine Reihe von Tools, darunter solche von TopazLabs oder chaiNNer, die mit KI-Unterstützung das Skalieren, Entrauschen und Schärfen von Bildern ermöglichen. Wie gut das kostenlose chaiNNer KI-generierte Bilder vergrößern kann, hat KI-Journey hier bereits getestet.
Mit Stable Diffusion und dem ControlNet können unter Anderem auch fertige Grafiken aus Zeichnungen erzeugt oder Modell-Posen von einem Bild auf ein anderes übertragen werden. Metas „Segment Anything Model“ ist darauf ausgerichtet, Objekte in komplexen Umgebungen zu erkennen und freizustellen, und sogar das Freistellen und die Retusche von Hintergründen in Photoshop basieren mittlerweile auf KI-gestützten Algorithmen. In Adobes „Firefly“ können Vektorgrafiken mit nur einem Klick in verschiedenen Farbvarianten umgefärbt werden, und seit Mai 2023 ist es in der Beta-Version von Photoshop mit der Funktion „Generative Fill“ möglich, vollständige Bildinhalte zu ersetzen, zu löschen oder völlig neu zu generieren. Dies alles revolutioniert die Arbeit mit Stockmaterial.
Grenzen der generativen Bild-KI
Künstliche Intelligenz (KI) kann beim Erstellen von Bildern nicht alle Anforderungen erfüllen. Es ist wichtig zu wissen, welche Begrenzungen es gibt, um generative KI auf verantwortungsvolle und ethisch richtige Weise einzusetzen.
Qualität
Die Qualität von KI-generierten Bildern kann hoch sein, aber es gibt dennoch Einschränkungen hinsichtlich der Detailtreue und des Realismus. Dies ist darauf zurückzuführen, dass KI-Modelle auf einem begrenzten Datensatz von Bildern trainiert werden und möglicherweise nicht in der Lage sind, alle subtilen Nuancen realer Bilder zu erfassen. Insbesondere die Darstellung von Händen stellt eine besondere Herausforderung für viele KI-Algorithmen dar.
Urheberrecht und Datenschutz
Mit KI-Modellen besteht die Möglichkeit, Bilder zu erstellen, die das Urheberrecht verletzen können. Das bedeutet, dass KI-Modelle Bilder generieren können, die auf urheberrechtlich geschützten Gemälden oder Fotos basieren. Ebenso ist noch unklar, wer das Urheberrecht an solchen KI-generierten Bildern besitzt. Zusätzlich sind die Regelungen zum Datenschutz und insbesondere zur Haftung bei Datenschutzverstößen noch nicht vollständig geklärt. Unternehmen sollten daher rechtlichen Rat einholen. KI-Journey hat in diesem Zusammenhang auch darauf hingewiesen, dass besondere Vorsicht im Umgang mit Midjourney geboten ist. Zu empfehlen ist hier auch der Podcast „Deepfakes vs. Datenschutz – KI-Recht #2“ von Dr. Thomas Schwenke.
Diskriminierung
KI-Modelle haben die Tendenz, voreingenommen zu sein, was dazu führen kann, dass generierte Bilder diesn Bias widerspiegeln. Wenn ein Algorithmus ausschließlich mit Katzenbildern trainiert wird, würde er auf allen generierten Bildern wahrscheinlich nur Katzen zeigen. In der Realität sind hier meist weiße Personen überrepräsentiert. Zudem werden durch das Training mit Stockmaterial Personen überdurchschnittlich häufig als sportlich und jung dargestellt. Um solche Voreingenommenheiten im Voraus zu minimieren, ist es entscheidend, den Trainingsdatensatz divers und repräsentativ zu gestalten, um ein breites Spektrum an Merkmalen und Identitäten abzudecken. Anwender:innen der Tools können dem Bias entgegenwirken, indem sie präzise, inkludierende Prompts formulieren und dabei Bewusst auf Diversität achten.
Kreativität
Obwohl KI-Systeme die Fähigkeit haben, kreative Bilder zu generieren, können sie in ihrer Einzigartigkeit eingeschränkt sein, da ihnen nur begrenzte Trainingsdaten zur Verfügung stehen. Die Qualität und Einzigartigkeit der generierten Bilder hängt stark von der Größe und Vielfalt des zugrunde liegenden Datensatzes ab. Je größer und vielfältiger die Datenbank ist, desto einzigartiger können die Ergebnisse ausfallen.
Corporate Design & Konsistenz
Wenn es um spezifische Anforderungen an den Inhalt und Stil von Bildern geht, können verschiedene Hindernisse auftreten. Während in einigen Fällen Referenzbilder als Orientierung dienen können, ist es oft schwierig, genaue Vorgaben für Dinge wie den Abstand zum Rand, den Bildausschnitt, genaue Farbwerte oder Kleidungsvorgaben zu machen. Es ist nicht immer einfach, diese Feinheiten präzise zu kommunizieren oder von KI-Modellen umsetzen zu lassen.
Benutzerfreundlichkeit
Bei den führenden Anbietern haben Nutzerinnen und Nutzer derzeit die Wahl zwischen umfangreichen Funktionen und einer einfachen Bedienbarkeit. Programme wie Stable Diffusion, Automatic1111 und ControlNet bieten viele technische Möglichkeiten, erfordern jedoch einen großen Lernaufwand und ein wenig technisches Grundverständnig. Auf der anderen Seite sind Anwendungen wie Midjourney, DALL·E und Firefly einfacher zu erlernen, bieten aber noch begrenzte Funktionalitäten.
Fazit
Die Integration von künstlicher Intelligenz in den Prozess der Bildgenerierung hat Potenzial für deutliche Verbesserungen in Bezug auf Effizienz und Kosteneinsparungen. Generative KI-Systeme wie Midjourney und Stable Diffusion ermöglichen eine schnelle Produktion hochwertiger Bilder. Trotz beeindruckender Fortschritte weisen KI-generierte Bilder jedoch noch Schwachstellen in Bezug auf Detailschärfe, Realismus, kreative Einzigartigkeit und Konsistenz auf. Sie können auch von Vorurteilen geprägt sein und rechtliche Fragen bezüglich des Urheberrechts aufwerfen. Bei der Auswahl des richtigen KI-Tools müssen Anwender zwischen Funktionsvielfalt und Benutzerfreundlichkeit abwägen.
Illustrationen mit KI erstellen und vergrößern
Upscaling mit ChaiNNer – kostenfreie Gigapixel-Alternative
Midjourney v5 – täuschend echt
Midjourney – KI-Bildgenerierung für Einsteiger
Jana arbeitet seit 2006 im Bereich Content Management und wurde von Midjourney so richtig für KI-Tool angefixed. Als Hobby-Illustratorin, die sowohl mit digitalen als auch mit traditionellen Medien arbeitet, sieht sie die Deeplearning-Algorithmen als wunderschöne neue Spielzeugkiste.
ChatGPT ist ein ChatBot von OpenAI.
ChatGPT wird als Co-Autor genannt, wenn die KI den Text spürbar mitgestaltet hat, jedoch inhaltlich keinen oder wenig Einfluss hatte.