Noch vor wenigen Jahren galt Künstliche Intelligenz als Zukunftsversprechen: effizienter, kreativer, produktiver. Politiker, Unternehmen und Technologievisionäre zeichneten das Bild einer neuen industriellen Revolution. Heute kippt die Stimmung – zuerst in den USA, inzwischen auch in Europa. Aus Neugier wird Skepsis, aus Faszination wächst offene Ablehnung.

Die Frage lautet nicht mehr nur, was KI kann. Sondern: Wem nützt sie eigentlich – und wer bezahlt den Preis?

In den USA ist bereits von einer „Wutwelle gegen KI“ die Rede. Der Begriff stammt aus einem Bericht von n-tv über Proteste gegen Rechenzentren, wachsende Arbeitsplatzängste und den Vertrauensverlust gegenüber dem Silicon Valley. Besonders symbolträchtig war dabei ein Auftritt des ehemaligen Google-Chefs Eric Schmidt, der bei einer Universitätsveranstaltung ausgebuht wurde. Für viele Amerikaner verkörpert Schmidt genau jene Tech-Elite, die milliardenschwere KI-Systeme entwickelt, während Millionen Menschen um ihre berufliche Zukunft fürchten.

Wenn Maschinen plötzlich die Mittelschicht bedrohen

Diese Entwicklung kommt nicht aus dem Nichts. KI verändert erstmals nicht nur Fabriken oder Lagerhallen, sondern direkt die Arbeitswelt der Mittelschicht. Übersetzer, Grafiker, Journalisten, Programmierer, Sachbearbeiter oder Kundenservice-Mitarbeiter erleben, wie Software innerhalb weniger Sekunden Aufgaben erledigt, für die früher Stunden nötig waren.

Die eigentliche Sprengkraft liegt dabei weniger in der Technologie selbst als im Gefühl gesellschaftlicher Entwertung. Viele Menschen erleben KI nicht als Werkzeug, sondern als Konkurrenz.

Dabei argumentieren Unternehmen fast immer mit Effizienz. OpenAI, Google, Microsoft oder Meta sprechen von Produktivitätsgewinnen und neuen Möglichkeiten. Tatsächlich zeigen zahlreiche Studien, dass KI Routineaufgaben beschleunigt und Prozesse optimieren kann. Doch der gesellschaftliche Konflikt entsteht dort, wo die Gewinne privatisiert und die Risiken sozialisiert werden.

Wer profitiert von KI? Meist große Technologiekonzerne und Investoren. Wer trägt die Unsicherheit? Beschäftigte.

In den USA verschärft sich dieser Konflikt besonders stark, weil dort soziale Sicherungssysteme schwächer ausgeprägt sind als in Europa. Wer seinen Job verliert, verliert oft gleichzeitig Krankenversicherung und finanzielle Stabilität. Entsprechend emotional fällt die Debatte aus. Aus technologischer Innovation wird schnell ein politischer Kulturkampf.

Der unsichtbare Energiehunger der KI

Hinzu kommt ein zweiter Faktor: die physische Infrastruktur der KI.

Die Öffentlichkeit spricht meist über Chatbots und Bildgeneratoren. Doch hinter generativer KI stehen gigantische Rechenzentren mit enormem Strom- und Wasserverbrauch. Genau dagegen formiert sich zunehmend Widerstand. In mehreren US-Bundesstaaten protestieren Bürger gegen neue KI-Anlagen, weil sie steigende Energiekosten, Wasserknappheit oder Umweltbelastungen befürchten. Was früher nach abstrakter Digitalisierung klang, wird plötzlich konkret sichtbar: riesige Industrieanlagen, die Landschaften verändern und enorme Ressourcen verschlingen.

Diese Debatte erreicht inzwischen auch Europa.

Besonders in Deutschland wächst die Kritik an der massiven Expansion von Rechenzentren. Rund um Frankfurt – einem der größten Internetknoten der Welt – warnen Kommunen und Energieexperten seit Jahren vor wachsendem Strombedarf und Flächenverbrauch. Gleichzeitig fordert die Europäische Union den beschleunigten Ausbau eigener KI-Infrastruktur. Die EU-Kommission spricht offen davon, Europa zum „KI-Kontinent“ machen zu wollen.

Europas schwieriger Spagat

Hier zeigt sich ein grundlegender Widerspruch europäischer Politik: Einerseits soll KI streng reguliert werden, andererseits möchte Europa technologisch mit den USA und China konkurrieren. Der europäische AI Act gilt bereits jetzt als eines der weltweit strengsten Regelwerke für künstliche Intelligenz. Gleichzeitig fürchten Politiker, Europa könne wirtschaftlich abgehängt werden, wenn man bei KI zu vorsichtig agiert.

Die Folge ist eine eigentümliche Doppelbotschaft: KI gilt gleichzeitig als Risiko und als wirtschaftliche Notwendigkeit.

Gerade Deutschland steckt dabei in einem besonderen Dilemma. Die deutsche Wirtschaft basiert stark auf Industrie, Ingenieurswesen und hochqualifizierter Facharbeit – also genau jenen Bereichen, die zunehmend automatisiert werden könnten. Gleichzeitig altert die Gesellschaft rapide, weshalb viele Unternehmen KI als Antwort auf Fachkräftemangel betrachten.

Doch auch hier wächst die gesellschaftliche Skepsis. Anders als in den USA äußert sie sich bisher weniger laut oder populistisch, sondern eher technokratisch: Datenschutz, Urheberrechte, Transparenz, Regulierung, digitale Souveränität. Hinter diesen Begriffen steckt jedoch dieselbe Grundfrage: Wer kontrolliert die Technologie?

Die Angst vor digitaler Abhängigkeit

Denn ein Großteil der leistungsfähigsten KI-Systeme stammt aus den USA. Europa droht damit in eine neue digitale Abhängigkeit zu geraten – ähnlich wie bei sozialen Netzwerken, Cloud-Diensten oder Halbleitern. Viele europäische Politiker sprechen deshalb inzwischen offen von „technologischer Souveränität“.

Doch genau hier beginnt ein weiterer Konflikt. Denn technologische Unabhängigkeit kostet Milliarden. Neue Rechenzentren, Energieversorgung, Chips, Glasfasernetze und KI-Forschung müssen finanziert werden – oft mit öffentlichen Geldern. Kritiker fragen deshalb zunehmend, warum Staaten gigantische Summen in KI investieren, während gleichzeitig Schulen, Infrastruktur oder Wohnungsbau unterfinanziert bleiben.

Warum KI Menschen existenziell verunsichert

Hinzu kommt ein psychologischer Aspekt, der häufig unterschätzt wird: KI verändert das Verhältnis vieler Menschen zu ihrer eigenen Arbeit.

Über Jahrzehnte galt Wissen als Schutzschild gegen Automatisierung. Wer studierte, kreativ arbeitete oder komplexe Probleme löste, fühlte sich relativ sicher. Generative KI erschüttert genau dieses Selbstverständnis. Zum ersten Mal können Maschinen Texte schreiben, Bilder erzeugen, programmieren oder analytische Aufgaben übernehmen, die bislang als genuin menschlich galten.

Das erzeugt eine tiefere Form der Verunsicherung als frühere Automatisierungswellen.

Nicht zufällig vergleichen manche Soziologen die aktuelle Stimmung mit den Debatten über Globalisierung in den 1990er- und 2000er-Jahren. Auch damals profitierten Unternehmen und Investoren enorm, während viele Arbeitnehmer sich zunehmend austauschbar fühlten. Heute scheint sich dieses Muster im digitalen Raum zu wiederholen.

Zwischen Faszination und Misstrauen

Dabei ist die öffentliche Wahrnehmung von KI widersprüchlich. Viele Menschen nutzen KI-Systeme bereits täglich – oft freiwillig und begeistert. Gleichzeitig wächst das Misstrauen gegenüber den Unternehmen dahinter. Besonders junge Menschen entwickeln ein ambivalentes Verhältnis zur Technologie: neugierig, aber skeptisch; fasziniert, aber alarmiert.

Hinzu kommt die Sorge vor Desinformation und Kontrollverlust. Deepfakes, automatisierte Propaganda oder manipulative Algorithmen verstärken das Gefühl, dass KI nicht nur Arbeitsplätze bedroht, sondern auch demokratische Prozesse destabilisieren könnte. Neue Forschungen zu robuster Deepfake-Erkennung zeigen zwar Fortschritte, gleichzeitig verdeutlichen sie aber auch, wie schnell sich Manipulationstechnologien weiterentwickeln.

Fazit: Die eigentliche KI-Revolution ist gesellschaftlich

Die eigentliche Gefahr liegt womöglich nicht in einer „Superintelligenz“, wie sie Science-Fiction-Filme beschreiben. Sondern in einem schleichenden gesellschaftlichen Vertrauensverlust.

Wenn Menschen das Gefühl bekommen, dass Technologie nur wenigen dient, wächst Widerstand fast zwangsläufig. Genau das scheint derzeit zu passieren. KI wird zunehmend nicht mehr als neutrale Innovation wahrgenommen, sondern als Symbol eines Wirtschaftssystems, das Effizienz höher bewertet als soziale Stabilität.

Noch ist offen, wohin diese Entwicklung führt. Möglich ist eine neue Balance zwischen Innovation und Regulierung. Möglich ist aber auch eine gesellschaftliche Polarisierung, bei der KI ähnlich umkämpft wird wie einst Atomkraft, Gentechnik oder soziale Medien.

Fest steht bereits jetzt: Die eigentliche KI-Revolution findet nicht in Serverräumen statt. Sondern in der gesellschaftlichen Frage, wie viel technologische Disruption Demokratien überhaupt aushalten.

Quellen und weiterführende Links

• n-tv: „In den USA rollt eine Wutwelle gegen KI“
• EU-Kommission: Aktionsplan für den „KI-Kontinent Europa“
• Arxiv: „Robust Deepfake Detection“
• Arxiv: „Embodied AI in Action“

Der Beitrag Die KI-Gegenbewegung erschien zuerst auf Kunst & KI.

Als die Academy of Motion Picture Arts and Sciences Anfang Mai 2026 festlegte, dass nur Rollen, die „demonstrably performed by humans with their consent“, also nachweislich von Menschen und mit deren Zustimmung gespielt wurden, Oscar-würdig sind, war das mehr als eine Branchenregel. Es war ein kultureller Schutzwall. Ebenso gilt nun: Drehbücher müssen „human-authored“ sein, menschlich verfasst. Hollywood zog damit eine Linie, die weit über Preisverleihungen hinausreicht. Die Botschaft lautet: KI darf Werkzeug sein – aber nicht stillschweigend Autor, Darsteller oder kreativer Eigentümer.

Diese Entscheidung ist kein isolierter Sonderfall, sondern Teil einer größeren globalen Auseinandersetzung: Wem gehören Stimme, Gesicht, Stil, Expertise und Persönlichkeit im Zeitalter generativer Modelle? Und noch grundsätzlicher: Wird menschliche Arbeit künftig bezahlt – oder nur noch gescannt?

Vom Werkzeug zur Enteignung

Lange galt die Debatte um Automatisierung als klassische Industriefrage. Roboter ersetzen Fabrikarbeiter, Software automatisiert Routinebürokratie. Die KI-Welle der 2020er Jahre hat dieses Narrativ verschoben. Erstmals geraten jene Berufe unter Druck, die lange als „nicht automatisierbar“ galten: Synchronsprecher, Sprecherinnen, Illustratoren, Journalisten, Berater, Moderatoren, Musiker, Influencer.

Der Grund ist nicht nur Effizienz. KI kopiert keine Arbeitsschritte allein – sie reproduziert Identität. Eine Stimme ist nicht bloß Ton, sondern Wiedererkennbarkeit. Ein Influencer verkauft nicht nur Inhalte, sondern Persona. Ein Berater liefert nicht nur Informationen, sondern Glaubwürdigkeit. Genau diese ökonomisch verwertbaren Eigenschaften werden nun digital extrahierbar.

Besonders sichtbar wurde das im Synchronbereich. Branchenvertreter warnen seit Jahren davor, dass neue Vertragsmodelle Sprecher faktisch dazu drängen könnten, ihre Stimmen für Datenbanken und synthetische Repliken verfügbar zu machen. Was früher eine Performance war, könnte morgen ein Asset im Besitz Dritter sein. Der Konflikt dreht sich also nicht nur um Jobverlust, sondern um Eigentumsverschiebung: Vom Künstler zum Plattformbetreiber.

Die neue Machtfrage: Consent reicht nicht immer

Auf dem Papier klingt „Zustimmung“ nach Schutz. Doch wer in prekären Branchen arbeitet, weiß: Vertragsfreiheit ist oft asymmetrisch. Wenn Streamingdienste, Studios oder Agenturen KI-Klauseln zur Bedingung machen, wird Einwilligung schnell zur ökonomischen Notwendigkeit.

Darum ist die Oscar-Regel so bemerkenswert. Sie verknüpft menschliche Leistung ausdrücklich mit Zustimmung und Sichtbarkeit. Ein digitaler Doppelgänger allein reicht nicht. Das adressiert die zentrale Sorge vieler Kreativer: Dass sie nicht nur ersetzt, sondern unsichtbar ersetzt werden.

Auch außerhalb Hollywoods entstehen ähnliche Fronten. In den USA soll der NO FAKES Act digitale Repliken von Stimme und Aussehen stärker rechtlich absichern. Ziel ist ein bundesweiter Schutz vor unautorisierter KI-Reproduktion von Persönlichkeitsmerkmalen.

Das verweist auf ein tieferes Problem: Das klassische Urheberrecht schützt Werke – aber nicht immer ausreichend die Person selbst. Doch KI trainiert gerade auf Personenmerkmalen.

Kreativität als Grenzfall

Die Verteidiger generativer Systeme argumentieren oft, KI sei letztlich nur ein neues Werkzeug – wie CGI, Photoshop oder Sampling. Tatsächlich ist Technologie in Kunst nie neutral gewesen. Auch Motion Capture oder Autotune veränderten Produktionsweisen.

Der Unterschied liegt jedoch im Maßstab. CGI erweitert menschliche Arbeit. Generative Systeme können sie in bestimmten Bereichen substituieren. Wenn ein Studio hundert Nebenrollen digital erzeugt oder eine Marke virtuelle Influencer nutzt, geht es nicht nur um technische Optimierung, sondern um die potenzielle Verdrängung realer Arbeitsmärkte.

Academy-Präsidentin Lynette Howell Taylor formulierte deshalb gegenüber AP: „Humans have to be at the center of the creative process.“ Dieser Satz ist kulturpolitisch bedeutsam, weil er nicht Technik verbietet, sondern menschliche Zentralität normiert.

Die entscheidende Debatte lautet also nicht: Darf KI im Film existieren? Sondern: Wo endet Assistenz und wo beginnt Ersetzung?

Das Junior-Problem: Wenn KI die Karriereleiter frisst

Besonders unterschätzt wird die Wirkung auf Wissensberufe. In Beratung, Marketing, Übersetzung oder Medienarbeit ersetzt KI oft zuerst Einstiegsaufgaben: Recherche, Entwürfe, Präsentationen, Standardtexte. Kurzfristig steigert das Produktivität. Langfristig entsteht jedoch ein strukturelles Problem: Wer lernt noch den Beruf, wenn die Lernphase automatisiert wird?

Viele Karrieren beruhen darauf, zunächst repetitive Arbeit zu übernehmen und daraus Expertise zu entwickeln. Wenn diese Stufe verschwindet, könnte nicht nur Beschäftigung schrumpfen, sondern auch der Nachwuchs an Fachkräften.

KI bedroht damit nicht nur aktuelle Jobs, sondern möglicherweise die Reproduktionslogik ganzer Professionen.

Influencer und die Kommerzialisierung synthetischer Nähe

Noch deutlicher wird das bei digitalen Persönlichkeiten. KI-Influencer wie Lil Miquela zeigten bereits vor Jahren, dass Aufmerksamkeit und parasoziale Bindung nicht zwingend an reale Menschen gekoppelt sein müssen. Marken interessiert primär Reichweite, Steuerbarkeit und Risikominimierung. Ein virtueller Creator wird nicht krank, altert nicht, streikt nicht.

Das verändert die Logik der Creator Economy fundamental. Wer heute Persönlichkeit monetarisiert, konkurriert künftig nicht nur mit anderen Menschen, sondern mit synthetischen Identitäten, die vollständig im Besitz von Unternehmen stehen.

Die Frage ist dann nicht mehr: „Wer ist authentisch?“ Sondern: „Ist Authentizität ökonomisch überhaupt noch notwendig?“

Europa zwischen Regulierung und Lücke

Die EU versucht mit dem AI Act vor allem Transparenz- und Risikofragen zu adressieren, etwa Kennzeichnungspflichten für Deepfakes. Doch Arbeits- und Vergütungsrechte bleiben vielfach indirekt geregelt. Transparenz allein schützt jedoch nicht vor ökonomischer Entwertung.

Ein Synchronsprecher, dessen Stimme legal gekennzeichnet synthetisch reproduziert wird, verliert möglicherweise trotzdem Marktanteile.

Deshalb fordern Gewerkschaften und Berufsverbände zunehmend ein neues Paradigma: Nicht nur Transparenz, sondern Beteiligung. Wer Stimme, Gesicht oder Stil liefert, soll an deren maschineller Verwertung beteiligt werden – ähnlich Lizenzrechten.

Zwischen Alarmismus und Verharmlosung

Natürlich ist nicht jede KI-Anwendung dystopisch. Viele Kreative nutzen generative Tools produktiv: beim Storyboarding, in der Postproduktion, bei Übersetzungen oder Ideenfindung. Auch kleinere Produktionen können durch KI Zugang zu Ressourcen erhalten, die früher nur Großstudios vorbehalten waren.

Doch genau darin liegt die politische Herausforderung: Zwischen demokratisierender Technologie und Konzentration wirtschaftlicher Macht.

Die größten Gewinne fließen meist nicht an einzelne Kreative, sondern an Plattformen, Modellanbieter und Rechtehalter. Wer die Infrastruktur kontrolliert, kontrolliert zunehmend auch die Wertschöpfung.

Die eigentliche Frontlinie

Die entscheidende gesellschaftliche Auseinandersetzung verläuft daher nicht zwischen „pro KI“ und „anti KI“. Sie verläuft zwischen zwei Modellen:

Modell A: KI als Werkzeug zur Erweiterung menschlicher Fähigkeiten
Modell B: KI als Infrastruktur zur Skalierung menschlicher Ersetzbarkeit

Die Oscar-Regeln, Hollywood-Tarifverträge und Gesetze wie der NO FAKES Act sind erste Versuche, Modell A institutionell zu stärken.

Ob das reicht, ist offen. Denn Technologie entwickelt sich schneller als Arbeitsrecht, und Vertragsmacht bleibt ungleich verteilt.

Fazit: Die Zukunft gehört nicht automatisch den Maschinen – sondern den Regeln

Die aktuelle KI-Debatte ist im Kern keine Maschinenfrage, sondern eine Governance-Frage. Wer definiert, was menschliche Leistung ist? Wer profitiert von digitalisierten Identitäten? Und wer wird kompensiert, wenn Persönlichkeit selbst zur Ressource wird?

Die Oscars haben erstmals sichtbar gemacht, dass Institutionen bereit sind, menschliche Autorschaft explizit zu schützen. Das ist ein symbolischer Anfang – aber eben nur ein Anfang.

Denn solange Stimme, Gesicht, Stil und Expertise primär als Trainingsdaten betrachtet werden, bleibt die Gefahr bestehen, dass aus Arbeit nicht nur Effizienz gewonnen wird, sondern Enteignung.

Die eigentliche Herausforderung des KI-Zeitalters lautet deshalb nicht, ob Maschinen kreativ werden. Sondern ob Menschen die Rechte an ihrer Kreativität behalten.

Quellen & weiterführende Links:

• Reuters: Academy Awards 2026 rule changes on AI eligibility: https://www.reuters.com/lifestyle/ai-actors-writers-will-be-ineligible-oscars-2026-05-01/
• Associated Press / WTOP: Human authorship and Academy statement: https://wtop.com/national/2026/05/oscars-organization-expands-international-film-eligibility-addresses-ai-in-new-rules/
• Vanity Fair: AI and Oscars policy overview: https://www.vanityfair.com/hollywood/story/oscars-change-rules-ai-international-feature?srsltid=AfmBOopBZQl02W9OsXxeVXbvw69rWxkgOjQDUJtNt4mhRnKhr26b_u6l
• NO FAKES Act overview (US digital replica law): https://en.wikipedia.org/wiki/No_Fakes_Act

Der Beitrag Der Mensch als Trainingsmaterial erschien zuerst auf Kunst & KI.

Als die EU im Frühjahr 2024 den AI Act verabschiedete, war die Rhetorik groß. Europa wolle „weltweit Maßstäbe setzen“. Man schaffe „vertrauenswürdige KI“. Man verbinde Innovation mit Grundrechten.

Doch hinter den Pressemitteilungen und Feierbildern in Brüssel begann sofort eine andere Debatte — leiser, schärfer, konfliktreicher.

Start-ups warnten vor Abwanderung.
Bürgerrechtsorganisationen sprachen von aufgeweichten Verboten.
Juristen rätseln bis heute über zentrale Definitionen.

Je näher der August 2026 rückt — der Zeitpunkt, an dem viele zentrale Vorschriften greifen — desto deutlicher wird: Der AI Act ist kein konsensuales Prestigeprojekt. Er ist ein politischer Drahtseilakt mit offenem Ausgang.

Der große Anspruch: Europas Antwort auf das Silicon Valley

Der AI Act ist das weltweit erste umfassende Gesetz zur Regulierung künstlicher Intelligenz. Sein Kern: ein risikobasierter Ansatz.

Was gefährlich ist, wird verboten.
Was riskant ist, wird streng reguliert.
Was harmlos ist, bleibt weitgehend frei.

Im Gesetz heißt es:

„Das Inverkehrbringen, die Inbetriebnahme oder die Verwendung eines KI-Systems, das unterschwellige Techniken nutzt, die sich dem Bewusstsein einer Person entziehen […], ist verboten.“

Social Scoring? Verboten.
Bestimmte Formen manipulativer KI? Verboten.
Biometrische Massenüberwachung? Grundsätzlich untersagt.

Auf dem Papier wirkt der Rahmen klar. Doch die Konfliktlinien beginnen dort, wo das Gesetz auf politische Realität trifft.

Kritik von rechts der Regulierung: „Europa stranguliert sich selbst“

Im Sommer 2023 veröffentlichten mehr als 150 europäische Start-up-Gründer einen offenen Brief. Ihre Forderung:

„Wir fordern eine Pause bei der Umsetzung des AI Act, da die Vorschriften die Innovation in Europa zu ersticken drohen.“

Hinter verschlossenen Türen wird der Ton noch deutlicher. Investoren sprechen von „regulatorischem Overkill“. Gründer berichten von Unsicherheit: Was gilt als KI? Wann wird ein System „hochriskant“? Welche Dokumentation ist ausreichend?

Der KI-Bundesverband warnte im Deutschlandfunk vor „großen Unklarheiten bei der Anwendung neuer Vorgaben“.

Die Sorge ist strategisch: Während Europa komplexe Compliance-Strukturen aufbaut, entwickeln Unternehmen in den USA milliardenschwere Foundation Models. China kombiniert staatliche Kontrolle mit massiver Förderung.

Ein Branchenkommentar formulierte es scharf:

„Die Luft auf dem hohen moralischen Ross, auf dem Europa reitet, wird dünner. Ethik ist wichtig – aber kein Altar, auf dem wir unsere Wirtschaft opfern sollten.“

Der Vorwurf: Der AI Act schafft ein Klima der Vorsicht statt der Geschwindigkeit. Und Geschwindigkeit ist im KI-Rennen ein Standortfaktor.

Kritik von links der Regulierung: „Ein Verbot mit Hintertür ist kein Verbot“

Doch während Wirtschaftsvertreter Überregulierung beklagen, argumentieren Bürgerrechtsorganisationen genau gegenteilig.

Besonders umstritten: biometrische Fernidentifizierung im öffentlichen Raum — also Gesichtserkennung durch Sicherheitsbehörden.

Zwar verbietet der AI Act solche Systeme grundsätzlich. Doch er lässt Ausnahmen zu, etwa bei Terrorismusbekämpfung oder schweren Straftaten.

European Digital Rights (EDRi) sprach deshalb von einer

„verpassten Chance, Massenüberwachung in Europa klar und dauerhaft zu verbieten.“

Amnesty International warnte, die Ausnahmeregelungen stellten „ein erhebliches Risiko für Grundrechte“ dar.

Die Kritik ist substanziell: Ein Verbot, das politische Ausnahmen zulässt, könnte in Krisenzeiten schnell ausgeweitet werden. Gerade Sicherheitsargumente haben in der europäischen Gesetzgebungsgeschichte oft expansive Wirkung entfaltet.

Generative KI: Die mächtigsten Systeme, die weichsten Regeln?

Ein weiterer neuralgischer Punkt sind sogenannte General Purpose AI-Modelle — große Basissysteme wie Sprach- oder Bildgeneratoren.

Für sie gelten Transparenzpflichten: Anbieter müssen Zusammenfassungen ihrer Trainingsdaten veröffentlichen, Risiken bewerten und technische Schutzmaßnahmen implementieren.

Doch Access Now kritisierte, die Regelungen setzten stark auf freiwillige Verhaltenskodizes und ließen zentrale Fragen offen.

Das Kernproblem:
Wer kontrolliert tatsächlich, womit diese Modelle trainiert wurden?
Wie lassen sich Urheberrechtsverletzungen nachvollziehen?
Wer prüft algorithmische Verzerrungen?

Kritiker sprechen von einer strukturellen Asymmetrie: Je größer und mächtiger ein System, desto stärker verlässt sich das Gesetz auf Selbstverpflichtungen.

Manipulation und politische Beeinflussung: Die hohe Hürde des „erheblichen Schadens“

Der AI Act verbietet KI-Systeme, die erheblichen Schaden verursachen können. Doch genau diese Formulierung sorgt für juristische Debatten.

Was ist „erheblich“?
Wie wird Schaden gemessen?
Reicht demokratische Verzerrung — oder braucht es nachweisbaren Individualschaden?

Rechtswissenschaftler warnen vor einem möglichen „Beweislastproblem“: Betroffene müssten erst den Schaden nachweisen, bevor ein Verbot greift.

Gerade im Bereich politischer Microtargeting-Techniken oder emotionaler Verhaltenssteuerung sehen Kritiker hier eine Grauzone.

Der politische Kompromiss: Ein Gesetz, das niemanden ganz zufriedenstellt

Interne Verhandlungsdokumente zeigen, wie stark der AI Act von politischen Interessen geprägt war.

Frankreich drängte auf innovationsfreundliche Regeln für Foundation Models. Deutschland wollte seine Industrie schützen. Das EU-Parlament pochte stärker auf Grundrechte.

Das Ergebnis ist ein komplexer Kompromiss:

• strikte Verbote
• umfangreiche Hochrisiko-Auflagen
• freiwillige Codes of Conduct
• gestaffelte Übergangsfristen

Politisch betrachtet ist der AI Act ein Balanceakt. Regulatorisch betrachtet ist er ein vielschichtiges Hybridmodell.

Genau darin liegt seine Stärke — oder seine Schwäche.

Die große Unbekannte: Durchsetzung

Theoretisch drohen Bußgelder von bis zu 35 Millionen Euro oder sieben Prozent des weltweiten Jahresumsatzes.

Praktisch stellt sich die Frage:
Wer kontrolliert komplexe neuronale Netzwerke?
Wer verfügt über die technische Expertise?
Wie viele spezialisierte Prüfer wird es geben?

Erfahrungen mit der DSGVO zeigen: Ambitionierte Rechtsrahmen stoßen schnell an Kapazitätsgrenzen.

Ohne ausreichende personelle Ausstattung könnten zentrale Regelungen symbolisch bleiben.

Fazit: 2026 – Der Moment der Wahrheit

Ab August 2026 werden viele Kernvorschriften verbindlich anwendbar.

Dann wird sich zeigen:

• Wandern Start-ups ab?
• Entstehen neue Compliance-Dienstleistungsmärkte?
• Oder schafft Europa tatsächlich einen Wettbewerbsvorteil durch Vertrauen?

Der AI Act ist mehr als ein Gesetz. Er ist ein Testfall für Europas Selbstverständnis im digitalen Zeitalter.

Will Europa Geschwindigkeit — oder Gestaltung?
Risiko — oder Regulierung?
Wettbewerb — oder Werte?

Die eigentliche Antwort wird nicht in Brüssel gegeben, sondern im Markt, in Gerichten und in der gesellschaftlichen Akzeptanz.

Bis dahin bleibt der AI Act das, was er jetzt schon ist:
Ein politisches Experiment mit globaler Signalwirkung — und offenem Ausgang.

Quellen

• Verordnung (EU) 2024/1689 über künstliche Intelligenz (AI Act), Amtsblatt der Europäischen Union
• Offener Brief europäischer Start-ups zur KI-Regulierung (2023)
• Deutschlandfunk: Debatte um Auswirkungen des AI Act
• European Digital Rights (EDRi): Stellungnahmen zur biometrischen Überwachung
• Amnesty International: Kritik an Ausnahmen bei Gesichtserkennung
• Access Now: Analyse zu General Purpose AI-Regelungen
• Pressemitteilungen der Europäischen Kommission zum AI Act

Der Beitrag AI Act: Innovationsbremse – oder verpasste Chance für echten Grundrechtsschutz? erschien zuerst auf Kunst & KI.

Als heise online Ende Januar berichtete, Google öffne mit „Project Genie“ ein experimentelles KI-Weltmodell für Anwender, klang das wie der nächste Schritt Richtung Science-Fiction: aus ein paar Worten und Bildern entsteht eine begehbare, reagierende 3D-Welt.

Technisch steckt dahinter „Genie 3“, ein sogenanntes Weltmodell aus dem Hause Google DeepMind. Die offizielle Einordnung ist dabei auffallend nüchtern: Ein Weltmodell „simuliert die Dynamik einer Umgebung und sagt voraus, wie sie sich entwickelt und wie sich Handlungen auf sie auswirken.“ – es simuliert also Dynamik, indem es Entwicklungen und die Folgen von Handlungen vorhersagt.

Diese Definition ist wichtig, weil sie den Kern des Hypes entzaubert: Das System berechnet nicht wie eine klassische Game-Engine Schwerkraft, Kollisionen und Materialeigenschaften anhand expliziter Regeln. Es erzeugt vielmehr eine plausible Fortsetzung dessen, was es in Daten gelernt hat: „nächster Moment“ als statistische Prognose – nur eben in interaktiver Form.

Was Project Genie tatsächlich kann und was nicht

Google beschreibt Genie 3 in einem eigenen Blogpost so: „Anders als bei erkundbaren Erlebnissen in statischen 3D-Momentaufnahmen generiert Genie 3 den Weg vor Ihnen in Echtzeit, während Sie sich bewegen und mit der Welt interagieren. Es simuliert Physik und Interaktionen für dynamische Welten.“ Das klingt nach „Holodeck“, hat aber in der Praxis deutliche Grenzen.

Auch The Verge betont in einem Hands-on, wie eingeschränkt das Ganze derzeit ist: Jede Welt ist nur kurz erkundbar; die Auflösung liegt etwa bei 720p, die Framerate um 24fps, und Eingaben können sich spürbar verzögern. Genau diese Limits nennt auch der Google-Artikel selbst („Begrenzungen in Generationen auf 60 Sekunden“; teils „höhere Latenz in der Steuerung“).

Die heise-Zusammenfassung ist ähnlich klar: Umgebungen verhalten sich nicht immer „echt“, komplexe Prompts werden nicht exakt umgesetzt, und die Simulationen sind „auf 60 Sekunden begrenzt“.

Gerade diese Diskrepanz – große Vision, kleines Produkt – ist typisch für frühe Weltmodell-Demos. Und trotzdem reagierte der Markt nervös: Reuters berichtete, dass Aktien mehrerer Spielefirmen nach der Vorstellung fielen, weil Investoren eine Disruption klassischer Entwicklungsprozesse befürchten. Das ist ein Vorgeschmack darauf, was passiert, wenn solche Systeme besser, länger konsistent und integrierbarer werden.

Warum Weltmodelle so faszinieren

Weltmodelle haben einen „Trick“, den Sprachmodelle nicht besitzen: Sie liefern nicht nur Antworten, sondern Erfahrung. Heise formuliert das als Metaverse-Potenzial: KI-Weltmodelle könnten zu einer „Holodeck-Maschine heranreifen“, die „auf Knopfdruck beliebige Welten“ erzeugt und gemeinsam erkundbar macht.

Der Sog entsteht aus drei Faktoren:

• Interaktivität: Nutzer handeln, die Welt reagiert.
• Kontinuität: Die Illusion einer stabilen Umgebung hält (zumindest kurz).
• Niedrige Einstiegshürden: Text/Bild statt 3D-Assets, Shader, Physik-Setup.

Selbst wenn die Welten heute noch „wackeln“, ist die Richtung klar: Content-Erzeugung rutscht vom Rendern (passives Video) hin zum Begehen (aktive Szene).

Warum das trotzdem keine AGI ist

Google verknüpft Weltmodelle explizit mit dem AGI-Narrativ: „Der Aufbau einer künstlichen allgemeinen Intelligenz (AGI) erfordert Systeme, die mit der Vielfalt der realen Welt zurechtkommen“ – und Genie 3 sei ein Schritt dorthin. Auch heise verweist darauf, dass DeepMind und Wissenschaftler wie Yann LeCun und Fei-Fei Li Weltmodelle als wichtigen Baustein sehen.

Aber: AGI ist mehr als glaubwürdige Weltkulissen. Drei Gründe:

Prognose ersetzt kein Verständnis.
Weltmodelle erzeugen fortlaufend „den nächsten Frame“. The Verge beschreibt das sinngemäß als ständiges Weiter-Vorhersagen. Das kann Ursache-Wirkung imitieren, ohne sie begrifflich zu besitzen. Wenn eine Straße plötzlich zu Gras wird – ein Verge-Beispiel, ist das kein „Bug in der Physik“, sondern ein Stabilitätsproblem in der Modellkonsistenz.

Ziele, Werte und Langzeitplanung liegen nicht im Weltmodell.
Das Modell liefert eine Weltentwicklung; „Absichten“ kommen – wenn überhaupt – aus einem externen Agenten, Reward-System oder Nutzerinput. Der Begriff Weltmodell ist also nicht gleichzusetzen mit handelnder Intelligenz.

Robustheit fehlt.
DeepMind beschreibt selbst, dass Genie 3 Konsistenz „für ein paar Minuten“ hält – das ist beeindruckend, aber weit entfernt von der Dauerstabilität realer Weltinteraktion. AGI müsste mit Überraschungen, seltenen Ereignissen und langen Ketten von Konsequenzen umgehen, ohne dass die Welt „ausfranst“.

Die Pointe: Weltmodelle sind keine AGI – aber sie sind ein neuer Interaktionskanal, der KI gesellschaftlich wirkmächtiger machen kann als Text allein.

Der kritische Teil: Warum Regulierung hier schwieriger ist als bei Sprachmodellen

Bei Sprachmodellen lässt sich Regulierung oft an Aussagen aufhängen: falsche Behauptungen, gezielte Anleitung, beleidigende Inhalte, personenbezogene Daten im Output. Weltmodelle verschieben das Problem vom „Was wird gesagt?“ zu „Was wird erlebt – und wozu kann es genutzt werden?“.

Output ist nicht mehr Text, sondern ein Verlauf

Eine 60-Sekunden-Welt ist kein einzelnes Dokument, sondern ein interaktives Ereignis. Das erschwert:

• Prüfbarkeit (was genau wurde „ausgegeben“, wenn Nutzerbewegungen das Ergebnis verändern?)
• Beweisbarkeit (welcher Zustand war wann sichtbar?)
• Haftung (war es ein Modellfehler, ein Prompt, ein Remix, ein Nutzerpfad?)

Diese Probleme sind in Textsystemen deutlich einfacher zu fassen.

„Safety“ ist nicht nur Moderation, sondern Physik + Interaktion

Google nennt selbst als bekannte Schwächen: Welten sind nicht immer promptgetreu oder physiktreu, Figuren teils schwer steuerbar, Latenz, Zeitlimit. Das klingt nach Produktreife – hat aber eine Sicherheitsdimension: Sobald solche Systeme für Training, Bildung oder Robotik-Vorlauf genutzt werden, ist die Frage zentral, wie zuverlässig die Simulation ist.

Bei Text kann man sagen: „Diese Antwort ist falsch.“
Bei Weltmodellen wird es: „Dieses Verhalten der Welt ist plausibel, aber irreführend.“ Genau da wird Regulierung schwammig.

Urheberrecht und Datenherkunft werden explosiver

The Verge zitiert einen DeepMind-Produktmanager mit Blick auf Datenquellen: Genie 3 sei „hauptsächlich anhand öffentlich verfügbarer Daten aus dem Web trainiert“. Das ist eine Formulierung, die im Kontext generativer Medien seit Jahren Streit produziert – und bei interaktiven Welten noch stärker, weil „Stil“ und „Level-Design“ nicht nur angeschaut, sondern bespielt werden können.

The Verge beschreibt zudem, wie leicht dabei Franchise-ähnliche Inhalte entstehen und wie Google später unter Verweis auf „Interessen von Drittanbietern von Inhalten“ blockierte. Das deutet an: Die Konfliktlinie verläuft nicht nur zwischen „illegal“ und „legal“, sondern zwischen „technisch möglich“, „plattformpolitisch erlaubt“ und „juristisch riskant“.

Transparenzpflichten treffen bei immersiven Medien auf harte Realität

Der EU-AI-Act enthält Transparenzpflichten für synthetische Inhalte: Systeme, die KI-Inhalte erzeugen, müssen diese unter bestimmten Bedingungen als künstlich kenntlich machen. In Text ist das leicht: Label am Output. In einer begehbaren Welt stellt sich sofort die Frage: Wie markiert man eine Simulation, ohne das Erlebnis zu zerstören? Watermarks im Bild? UI-Icon? Metadaten? Und was ist mit Remixes, Streams, Mitschnitten?

Die EU arbeitet parallel an Codes/Leitlinien zur Kennzeichnung KI-generierter Inhalte. Doch je „holodeckiger“ das Medium, desto mehr wird Kennzeichnung zu einem UX-und-Standards-Problem: global verständlich, schwer entfernbar, barrierearm – und trotzdem nicht nervig.

General-Purpose AI trifft auf „Systemic Risk“ – aber die Kategorie bleibt unscharf

Die EU definiert „Allgemeine KI-Modelle“ sehr breit als Modelle, die für viele Zwecke taugen und in verschiedenste Systeme integrierbar sind. Weltmodelle passen genau in dieses Raster – gleichzeitig können sie in ganz andere Risikoklassen kippen (Training, Bildung, persuasive Medien, Sicherheitssimulationen). Hinzu kommt: Für „systemic risk“-Modelle sind laut Reuters u. a. Evaluationen, Risikominderung, Adversarial Testing und Incident Reporting vorgesehen.

Das klingt ordentlich – aber bei Weltmodellen ist unklar, was man evaluiert:

• Prompttreue?
• physikalische Konsistenz?
• Manipulationspotenzial durch Immersion?
• Urheberrechtsähnlichkeit in Level-Strukturen?
• Fähigkeit, gefährliche Handlungen realistisch zu „trainieren“?

Textmodelle haben ähnliche Fragen, aber in Welten wird „Realismus“ selbst zum Risikohebel.

Fazit: Der „Genie“ ist noch nicht aus der Flasche – aber der Flaschenhals ist Governance

Project Genie ist heute eher Demo als Produkt. Heise und Google nennen offen die Grenzen, von Promptabweichungen bis zum 60-Sekunden-Limit. Genau deshalb ist jetzt die Phase, in der Regulierung und Standards am meisten bewirken können: bevor „Holodeck-Maschinen“ alltäglich werden.

Die kritische Frage lautet weniger „Kommt AGI?“, sondern: Wer kontrolliert die Spielregeln für erlebbare, generative Wirklichkeit?
Denn sobald die stärkste Eigenschaft von KI nicht mehr „Text produzieren“, sondern „Wirklichkeit simulieren“ heißt, verschiebt sich auch das Schadensprofil: von Falschinformation zu Erfahrungsmanipulation, von Copyright-Streit zu massenhaft reproduzierbaren Kulissen, von Moderation zu Weltlogik.

Oder anders: Weltmodelle sind (noch) keine allgemeine Intelligenz – aber sie könnten ein allgemeiner Verstärker werden: für Kreativität, für Industrieumwälzung, und leider auch für Missbrauch.

Quellen & Links (Auswahl)

• heise online – „Project Genie: Google öffnet experimentelles KI-Weltmodell für Anwender“
  https://www.heise.de/news/Project-Genie-Google-oeffnet-experimentelles-KI-Weltmodell-fuer-Anwender-11158504.html
• Google Blog – „Project Genie: Experimenting with infinite, interactive worlds“
  https://blog.google/innovation-and-ai/models-and-research/google-deepmind/project-genie/
• Google DeepMind Blog – „Genie 3: A new frontier for world models“
  https://deepmind.google/blog/genie-3-a-new-frontier-for-world-models/
• Reuters – „Videogame stocks slide on Google’s AI model that turns prompts into playable worlds“ (30.01.2026)
  https://www.reuters.com/business/videogame-stocks-slide-googles-ai-model-that-turns-prompts-into-playable-worlds-2026-01-30/
• The Verge – „Google’s AI helped me make bad Nintendo knockoffs“ (Hands-on / Project Genie)
  https://www.theverge.com/news/869726/google-ai-project-genie-3-world-model-hands-on
• EU-Kommission (FAQ) – „General-Purpose AI Models in the AI Act – Questions & Answers“
  https://digital-strategy.ec.europa.eu/en/faqs/general-purpose-ai-models-ai-act-questions-answers
• EU-Kommission – „Marking and labelling of AI-generated content“ (Policy-Seite zum Code of Practice)
  https://digital-strategy.ec.europa.eu/en/policies/code-practice-ai-generated-content
• EUR-Lex – Verordnung (EU) 2024/1689 (Artificial Intelligence Act), konsolidierte ELI-Seite (EN)
  https://eur-lex.europa.eu/eli/reg/2024/1689/oj/eng
• artificialintelligenceact.eu – Artikel 50 (Transparenzpflichten; Sekundärquelle/Erklärseite)
  https://artificialintelligenceact.eu/article/50/
• Reuters – „AI models with systemic risks given pointers on how to comply with EU AI rules“ (18.07.2025)
  https://www.reuters.com/sustainability/boards-policy-regulation/ai-models-with-systemic-risks-given-pointers-how-comply-with-eu-ai-rules-2025-07-18/
  

Der Beitrag Project Genie und die Verheißung vom „Holodeck“ erschien zuerst auf Kunst & KI.

Am 11. November 2025 hat das Landgericht München ein Urteil gefällt, das weit über die neun Songtexte hinausreicht, die im Mittelpunkt der Klage standen. Die GEMA setzte sich gegen OpenAI durch, weil ChatGPT geschützte Liedtexte nahezu wortgleich wiedergeben konnte. Für das Gericht war dies ein deutliches Indiz dafür, dass die Werke im Modell „festgelegt“ worden waren — also in einer Weise gespeichert, die über reine Mustererkennung hinausgeht. Das Urteil gilt deshalb als Meilenstein: Es klärt erstmals in Deutschland umfassend, wie urheberrechtliche Regeln auf moderne KI-Systeme angewandt werden können.

„OpenAI hätte die Rechte an den eingeklagten Songtexten erwerben müssen.“

So formulierte es das Gericht und stellte damit klar, dass weder das Training eines KI-Modells noch die spätere Ausgabe geschützter Inhalte ohne Lizenz zulässig sind. Diese Entscheidung schafft nicht nur juristische Klarheit, sondern wirft ein Schlaglicht auf ein technisches Grundproblem großer Sprachmodelle: die sogenannte Memorisierung.

Entscheidung im Überblick

Die Richter kamen zu der Überzeugung, dass ChatGPT nicht bloß auf abstrakte Weise mit den Liedtexten gearbeitet hatte, sondern dass diese Inhalte im Modell selbst in einer abrufbaren Form vorhanden waren. Denn ChatGPT konnte einzelne Texte bei einfachen Eingaben nahezu originalgetreu ausgeben. Das Gericht sah darin eine klare Verletzung des Urheberrechts.

Bemerkenswert ist, dass die Richter Training und Output als zusammenhängenden Vorgang betrachteten: Das Einlesen der Daten sei der Moment der Vervielfältigung, die spätere Ausgabe die Manifestation dieser Speicherung. Das eine sei ohne das andere nicht denkbar. Entsprechend wurde OpenAI zu Unterlassung, Auskunft und Schadensersatz verpflichtet. Eine Klagekomponente wegen Persönlichkeitsrechtsverletzung wies das Gericht hingegen zurück, was die Bedeutung der urheberrechtlichen Fragen zusätzlich hervorhob.

Technischer Hintergrund: Was ist „Memorisierung“?

Im Kern des Falls liegt ein technisches Phänomen, das in der KI-Forschung seit Jahren diskutiert wird, aber erst jetzt in den Fokus der juristischen Debatte rückt. Memorisierung bedeutet, dass ein Modell einzelne Passagen aus seinen Trainingsdaten nicht nur statistisch „versteht“, sondern fast wörtlich wiedergeben kann.

Forschungsarbeiten beschreiben das so:

„Wenn ein Modell durch geeignete Eingabe gezwungen werden kann, eine Zielsequenz nahezu unverändert zu generieren, spricht man von Memorisation.“

Warum memorisieren KI-Modelle?

Mehrere Faktoren begünstigen diesen Effekt. Modelle sehen bestimmte Texte — vor allem populäre Werke wie Liedrefrains — oft sehr häufig. Ihre klare Struktur und Wiederholung erleichtert es ihnen, im neuronalen Netz besonders stabile Muster zu bilden. Je größer das Modell und je länger das Training, desto größer das Risiko, dass es einzelne Textfolgen nicht abstrahiert, sondern quasi „auswendig lernt“.

Auch die Art des Prompts spielt eine Rolle. Wenn ein Nutzer einen bekannten Satzanfang eintippt, kann ein Modell, das diesen Eingang häufig gesehen hat, fast zwangsläufig die memorisierte Fortsetzung erzeugen.

Wie weist man Memorisierung nach?

In der Forschung existieren mehrere Methoden, darunter:

• Tests mit reduzierten Prompts,
• deterministische Abfragen bei temperature = 0,
• Wahrscheinlichkeitsanalysen („Exposure Scores“),
• und sogenannte Membership-Inference-Methoden.

All diese Verfahren zielen darauf ab, herauszufinden, ob ein Modell ein Werk intern „festgelegt“ hat — oder ob es die Ausgabe tatsächlich neu konstruiert.

Für das Gericht war entscheidend: Wenn ein Modell einen urheberrechtlich geschützten Text nahezu unverändert wiedergibt, ist das eine Form der Speicherung — und damit ein urheberrechtlich relevanter Akt.

Folgen des Urteils

Das Urteil hat erhebliche Auswirkungen auf die gesamte KI-Branche. KI-Anbieter müssen künftig genauer prüfen, welche Inhalte sie für das Training verwenden und wie sie verhindern, dass Modelle geschützte Werke reproduzieren. Der bisher verbreitete Ansatz, Modelle basierten auf rein statistischen Mustern, reicht nun juristisch nicht mehr aus.

Für Anbieter bedeutet das konkret:

• Trainingsdaten müssen gründlich kuratiert werden, einschließlich Deduplizierung oft wiederholter Passagen und Filterung geschützter Inhalte.
• Technische Maßnahmen gegen Memorisierung werden unverzichtbar, etwa Regularisierungstechniken oder Anti-Memorisation-Lernziele.
• Systeme müssen so gestaltet sein, dass der Output keine exakt gespeicherten Werke freisetzt — auch nicht bei „trickreichen“ Prompts.

Für Urheberinnen und Urheber hingegen ist das Urteil ein großer Erfolg. Die Entscheidung stärkt die GEMA und andere Verwertungsgesellschaften und zeigt, dass Rechte auch im Kontext moderner KI durchgesetzt werden können. Sie macht zudem deutlich, dass neue Lizenzmodelle für KI-Training — wie sie von der GEMA bereits angeboten werden — an Bedeutung gewinnen.

Auch andere Branchen könnten diesem Beispiel folgen: Verlage, Bildagenturen, Filmstudios und Softwarehersteller werden das Urteil genau analysieren. Es dürfte ihnen weitere juristische Grundlagen bieten, um gegen unlizenzierte Nutzung ihrer Werke in KI-Modellen vorzugehen.

Wie es weitergehen kann

Es gilt als sehr wahrscheinlich, dass OpenAI Rechtsmittel einlegt. Ein Berufungsverfahren könnte den Fall bis zum Bundesgerichtshof oder gar zum Europäischen Gerichtshof führen. Damit könnte das Urteil europaweite Wirkung entfalten — möglicherweise mit langfristigen Folgen für alle großen KI-Anbieter.

Parallel dazu wird sich der Gesetzgeber stärker mit der Frage beschäftigen müssen, wie KI-Training reguliert werden kann. Das Urteil zeigt, dass Transparenz über Trainingsdaten, klare Lizenzmodelle und definierte technische Pflichten notwendig werden könnten. Der AI Act der EU markiert bereits erste Schritte in diese Richtung, klärt aber nicht alles.

Auch technisch dürfte sich die Landschaft verändern. Modelle mit Retrieval-Augmented-Generation, die Informationen nicht intern speichern, sondern aus externen lizenzierten Quellen abrufen, könnten an Bedeutung gewinnen. Ebenso werden Forschungsarbeiten zu Memorisierung, Regularisierung, deduplizierten Korpora und Prüfmechanismen eine neue Dringlichkeit erhalten.

Langfristig deutet vieles darauf hin, dass KI-Systeme in stärker kuratierte, lizenzierte und auditierbare Datenökosysteme eingebettet werden müssen. Für Urheberinnen und Urheber kann dies neue Formen der Beteiligung eröffnen, für KI-Anbieter dagegen höhere Anforderungen an Transparenz und technische Sorgfalt bedeuten.

Fazit

Das Urteil im Fall GEMA vs. OpenAI markiert eine juristische und technologische Zäsur. Es macht deutlich, dass generative KI-Modelle nicht nur abstrakte Muster lernen, sondern konkrete Inhalte speichern können — und dass genau diese Speicherung rechtlich relevant ist. Die technische Tatsache der Memorisierung wird plötzlich zum Kernkriterium dafür, ob ein Modell Urheberrechte verletzt.

Für die KI-Branche bedeutet das: mehr Transparenz, mehr Dokumentation, mehr Lizenzen und mehr technische Verantwortung. Für Urheber entsteht die Chance, nicht nur geschützt, sondern am wirtschaftlichen Wert der KI beteiligt zu werden.

Offen ist, ob höhere Gerichte oder der europäische Gesetzgeber die Prinzipien dieses Urteils bestätigen oder weiter ausgestalten. Sicher aber ist: Die Frage, ob ein Modell etwas „versteht“ oder „auswendig gelernt“ hat, ist nicht mehr theoretisch — sie entscheidet über die Zukunft der KI-Entwicklung und darüber, wie menschliche Kreativität im digitalen Zeitalter geschützt wird.

Quellen (mit Links)

• Landgericht München I – Pressemitteilung zum Urteil
  https://www.justiz.bayern.de/gerichte-und-behoerden/landgericht/muenchen-1/presse/2025/11.php
• LTO – Bericht zum Verfahren https://www.lto.de/recht/nachrichten/n/42o1413924-lg-muenchen-i-gema-openai-chatgpt-songtexte-ki
• GEMA – Stellungnahme https://www.gema.de/de/w/grundsatzurteil-gema-gegen-openai
• Forschung zu Memorisierung https://arxiv.org/html/2505.24832v2 https://aclanthology.org/2025.naacl-long.469.pdf https://arxiv.org/html/2506.09591v1

Der Beitrag GEMA vs. OpenAI: Ein Urteil mit Folgen erschien zuerst auf Kunst & KI.

Im öffentlichen Diskurs wird künstliche Intelligenz oft als eine allwissende, fast magische Entität dargestellt. Diese Vorstellung ist jedoch irreführend und verschleiert, worum es bei der KI-Technologie im Kern wirklich geht. Das größte Missverständnis liegt in der Bezeichnung selbst: Der Begriff „Intelligenz“ verleitet dazu, der Technologie menschliche kognitive Fähigkeiten wie Bewusstsein oder Kreativität zuzuschreiben. Die Realität ist jedoch weit weniger fantastisch, aber nicht weniger beeindruckend. Die KI, die wir heute kennen und täglich nutzen, ist im Grunde ein hochentwickeltes Werkzeug, das auf einem einzigen, zentralen Prinzip basiert: der Mustererkennung. Es ist eine aufgabenspezifische Technologie, die keine allgemeinen Fähigkeiten besitzt, aber in ihrem eng definierten Fachgebiet unübertroffene Leistungen erbringen kann.

Hype vs. Realität: Die zwei Gesichter der KI

Die Fachwelt unterscheidet künstliche Intelligenz grob in zwei Hauptkategorien, um der Kluft zwischen technischem Stand und öffentlicher Wahrnehmung gerecht zu werden.

Schwache KI: Die unsichtbaren Helfer im Alltag

Die Schwache KI (auch als Narrow AI bezeichnet) ist die einzige Form der künstlichen Intelligenz, die heute existiert. Sie ist auf ein einziges, eng definiertes Aufgabengebiet spezialisiert und kann ihr Wissen nicht auf andere Bereiche übertragen. Auf ihrem Spezialgebiet ist sie oft sogar besser als der Mensch, aber außerhalb davon ist sie nutzlos. Schwache KI besitzt kein Bewusstsein und keine Emotionen; sie trifft ihre Entscheidungen auf Grundlage vorab definierter Algorithmen und umfangreicher Trainingsdaten.

Beispiele für schwache KI begegnen uns unzählige Male pro Tag:

• Sprachassistenten wie Siri und Alexa verarbeiten und beantworten spezifische Fragen. Obwohl sie „menschlich“ wirken mögen, verstehen sie den Kontext einer Unterhaltung nicht wirklich, sondern analysieren und ordnen lediglich Sprachmuster zu.
• Empfehlungssysteme auf Streaming-Diensten wie Netflix analysieren das Kauf- oder Sehverhalten, um Muster zu erkennen und auf dieser Basis Produkte oder Filme vorzuschlagen.
• Autonome Fahrzeuge sind extrem komplexe Systeme, aber sie sind auf das definierte Gebiet des Fahrens beschränkt. Auch ein hochentwickeltes selbstfahrendes Auto würde nicht wissen, wie es auf eine E-Mail antworten soll.
• E-Mail-Spam-Filter und Betrugserkennung im Finanzsektor sind weitere klassische Beispiele, die spezifische Muster in Datenmengen identifizieren.

Starke KI: Das theoretische Ideal ohne reale Beispiele

Im krassen Gegensatz dazu steht die Starke KI (auch Artificial General Intelligence, AGI). Sie ist das theoretische Konzept einer menschenähnlichen, vielseitigen Intelligenz, die jede intellektuelle Aufgabe bewältigen könnte, die auch ein Mensch kann. Eine Starke KI wäre in der Lage, Wissen von einem Bereich auf einen anderen zu übertragen, abstrakt zu denken, kreativ Probleme zu lösen und wäre theoretisch sogar mit Selbstwahrnehmung ausgestattet. Bisher ist eine solche KI jedoch rein spekulativ und existiert nicht.

Künstliche Superintelligenz (ASI)

Künstliche Superintelligenz (ASI) ist ein hypothetisches Intelligenzniveau, das die kognitiven Fähigkeiten der klügsten menschlichen Gehirne in nahezu allen Bereichen, einschließlich wissenschaftlicher Kreativität, allgemeiner Weisheit und sozialer Fähigkeiten, bei Weitem übertrifft. Sie ist eine Form der Künstlichen allgemeinen Intelligenz (AGI), die nicht nur eine breite Palette von Aufgaben auf menschlichem Niveau lösen kann, sondern dies auch in einem Ausmaß tut, das die menschliche Leistungsfähigkeit bei weitem übersteigt. ASI ist in der Lage, sich selbst zu verbessern und neues Wissen auf eine Weise zu generieren, die uns unvorstellbar erscheint.

Die Spielarten der KI: Von Regeln bis hin zu Agenten

KI ist ein Teilgebiet der Informatik und umfasst eine Vielzahl unterschiedlicher Ansätze.

Regelbasierte Systeme und Expertensysteme

Die einfachste Form der KI basiert auf einem festen, regelbasierten Ansatz. Diese Systeme lernen nicht aus Daten und verbessern sich nicht über die Zeit. Sie treffen ihre Entscheidungen strikt nach vordefinierten Regeln. Eine fortgeschrittenere Variante sind Expertensysteme, die das Entscheidungsvermögen von menschlichen Experten in einem bestimmten Bereich simulieren.

Maschinelles Lernen (ML) und seine Unterarten

Der Großteil der heute existierenden KI fällt in den Bereich des Maschinellen Lernens (ML). Hierbei werden Algorithmen nicht explizit programmiert, sondern lernen selbstständig aus riesigen Datensätzen.

Es gibt drei Hauptmethoden des Maschinellen Lernens:

• Überwachtes Lernen (Supervised Learning): Hierbei wird die KI mit gelabelten Datensätzen trainiert, also mit Paaren aus Input und der korrekten Antwort. Die KI lernt, diese Paare zuzuordnen. Ein Spam-Filter ist ein Beispiel dafür: Er lernt anhand von Nachrichten, die als „Spam“ oder „Nicht-Spam“ markiert wurden, künftig neue E-Mails selbstständig zu klassifizieren.
• Unüberwachtes Lernen (Unsupervised Learning): Bei dieser Methode erhält die KI ungelabelte Daten ohne die richtigen Antworten. Ihre Aufgabe ist es, selbstständig Muster und Strukturen in den Daten zu erkennen. Empfehlungssysteme auf Netflix oder Amazon sind ein Paradebeispiel: Sie analysieren das Verhalten von Millionen von Nutzern, um Ähnlichkeiten zu finden und daraufhin Empfehlungen zu generieren.
• Bestärkendes Lernen (Reinforcement Learning): Bei diesem Ansatz lernt ein „Agent“ durch Ausprobieren in einer simulierten Umgebung. Er führt Aktionen aus und erhält dafür positive „Belohnungen“ oder negative „Strafen“. Dadurch entwickelt er eine Strategie, um seine Belohnungen zu maximieren. Dieses Prinzip wird oft im Gaming angewendet, wie bei der Entwicklung von Spiel-KI, die gegen menschliche Meister im Schach oder Go antreten kann.

Neuronale Netze und Deep Learning

Die beeindruckendsten Fortschritte im Maschinellen Lernen sind auf den Einsatz von Künstlichen Neuronalen Netzen zurückzuführen. Diese Netze sind eine vereinfachte Nachbildung des menschlichen Gehirns, bestehend aus miteinander verbundenen Knotenpunkten, den sogenannten „Neuronen“. Sie sind in Schichten aufgebaut, die den Lernprozess unterteilen: eine Eingabeschicht, eine oder mehrere versteckte Schichten (hidden layers) und eine Ausgabeschicht.

Deep Learning ist ein Spezialgebiet des Maschinellen Lernens, das tiefe neuronale Netze verwendet, also Netzwerke mit einer Vielzahl von versteckten Schichten. Dadurch können sie noch komplexere Probleme lösen, etwa in der Bild- und Sprachverarbeitung.

Generative KI und GANs

Generative Modelle sind eine spezielle Art von KI, die auf Maschinelles Lernen und Deep Learning zurückgreifen, um neue, originäre Daten zu erzeugen. Sie können Texte, Bilder oder Musik erschaffen.

Eine wichtige Unterkategorie sind Generative Adversarial Networks (GANs). Sie bestehen aus zwei neuronalen Netzen, die gegeneinander arbeiten:

• Der Generator erzeugt „gefälschte“ Daten, beispielsweise ein realistisches Bild einer Person.
• Der Diskriminator vergleicht die gefälschten Daten mit echten und versucht, die Fälschungen zu identifizieren.

Durch diesen Wettbewerb lernt der Generator, immer realistischere Inhalte zu erzeugen, die der Diskriminator nicht mehr von echten unterscheiden kann. Ein bekanntes, aber kontroverses Anwendungsbeispiel sind „Deepfakes“, täuschend echte Videos von Personen.

Skizze 1: Die Arbeitsweise eines GANs

Code-Snippet:

graph LR
    subgraph "Generator (Erzeuger)"
        A[Zufällige Eingabe] --> B(Erstellt 'gefälschte' Daten)
    end
    subgraph "Diskriminator (Klassifizierer)"
        C(Echte Daten)
        D(Klassifiziert Daten als 'echt' oder 'gefälscht')
    end
    B -- füttert --> D
    C -- füttert --> D
    D -- sendet Feedback --> B

Agenten und Multiagentensysteme

Ein Agent in der KI ist ein System, das seine Umgebung wahrnimmt und eigenständig Aktionen ausführt, um ein Ziel zu erreichen. Ein einfacher Rauchdetektor ist ein Beispiel für einen Agenten: Er nimmt Rauch wahr und löst einen Alarm aus. Auch ein Roboter an einem Fließband, der seine Umgebung wahrnimmt, um effizienter zu arbeiten, kann ein Agent sein.

Noch komplexer sind Multiagentensysteme (MAS), in denen mehrere KI-Agenten zusammenarbeiten, um eine Aufgabe zu lösen. Sie können große und komplexe Probleme bewältigen, die ein einzelner Agent nicht lösen könnte. Beispiele sind intelligente Verkehrsmanagement-Systeme, bei denen Agenten die Verkehrsströme optimieren, oder die Logistik in der Lieferkette, wo sie die Abläufe von der Beschaffung bis zur Auslieferung koordinieren.

Mensch vs. Algorithmus: Wo die wahren Unterschiede liegen

Der entscheidende Unterschied zwischen menschlicher und künstlicher Intelligenz liegt nicht in der Fähigkeit, Aufgaben zu erledigen, sondern im „Warum“ und „Wie“. Während die KI auf der effizienten Verarbeitung von Daten basiert, sind die menschliche Kreativität und das Bewusstsein von Absicht, Emotion und Erfahrung geprägt.

Kreativität: Intention vs. Iteration

Menschliche Kreativität ist ein mysteriöser, vielschichtiger Prozess, der aus Emotionen, persönlichen Erfahrungen und einem tiefen Verständnis für kulturelle Kontexte entsteht. Sie hat das Potenzial, etwas wirklich Originelles und Neues zu schaffen.

Die KI-Kreativität ist demgegenüber eine Iteration: Sie beruht auf der statistischen Rekombination von Mustern aus den ihr bekannten Daten. Eine KI kann lernen, den Stil eines Van Gogh zu imitieren oder Musik im Stil von Mozart zu komponieren. Sie hat jedoch keine persönliche Absicht oder künstlerische Intention.

Eine Studie der Max-Planck-Gesellschaft fand eine überraschende Ähnlichkeit in den kreativen Strategien von Menschen und KI-Modellen, nämlich einen Kompromiss zwischen Flexibilität (Ideen in der Breite suchen) und Beharrlichkeit (Ideen in der Tiefe ausloten). Doch während die menschlichen Testpersonen ihre Strategie anpassten, zeigten die KI-Modelle eine konsequente Präferenz für einen einzigen Ansatz. Dies unterstreicht, dass die maschinelle Herangehensweise mechanisch bleibt, während die menschliche situationsbezogen und adaptiv ist.

Bewusstsein und Emotion: Die unüberwindbare Grenze

Der vielleicht fundamentalste Unterschied liegt in der Existenz von Bewusstsein und Emotionen. Das menschliche Bewusstsein ist komplex und beinhaltet ein EGO und Selbstwahrnehmung. Unsere Handlungen sind von Empathie, Mitgefühl und einem tiefen Verständnis für die sozialen und moralischen Konsequenzen unseres Handelns geprägt.

KI-Systeme besitzen hingegen kein Bewusstsein, keine Gefühle oder einen moralischen Kompass. Sie können menschliche Reaktionen simulieren, basierend auf Mustern aus riesigen Datenmengen, aber ihnen fehlt die eigene emotionale Tiefe und die Fähigkeit, echte soziale Beziehungen aufzubauen.

Das wahre Potenzial liegt daher nicht darin, dass KI den Menschen ersetzt, sondern in der Mensch-Maschine-Kollaboration. Die KI kann als effizienter „Sparringspartner“ und „Katalysator“ fungieren, der repetitive Aufgaben übernimmt. Der Mensch wiederum steuert die entscheidenden Aspekte bei: die Intentionalität, den Kontext, die emotionale Tiefe und das kreative Schaffen aus dem „Nichts“.

Das kritische Auge: Kontroversen, Gefahren und Kritik

Mit dem rasanten Fortschritt der KI-Entwicklung wachsen auch die Kritikpunkte und ethischen Herausforderungen, die nicht nur technischer, sondern auch gesellschaftlicher Natur sind.

Der Algorithmus-Bias: Wenn Vorurteile digital werden

Eines der größten ethischen Probleme ist der „Algorithmus-Bias“, ein systematischer Fehler in KI-Algorithmen, der zu unfairen oder diskriminierenden Ergebnissen führt. Die technologische Abhängigkeit der KI von riesigen Datensätzen ist die direkte Ursache dieses Problems.

Die Hauptursachen für Bias sind:

• Daten-Bias: Voreingenommene Trainingsdaten, die gesellschaftliche Vorurteile wie Rassismus oder Sexismus widerspiegeln. Wenn eine KI mit historischen Einstellungsdaten trainiert wird, die Männer bevorzugen, wird sie diese Benachteiligung fortsetzen.
• Design-Bias: Unbewusste Vorurteile der Entwickler können sich in den Algorithmen selbst wiederfinden.

KI-Systeme spiegeln somit nicht nur unsere gesellschaftlichen Vorurteile wider, sondern können sie auch aktiv verstärken.

Skizze 2: Der Bias-Kreislauf

Code-Snippet:

graph TD
    A[Gesellschaftliche Vorurteile] --> B
    B --> C
    C --> D
    D --> E[Verstärkung gesellschaftlicher Vorurteile]
    E --> A

Die „Black Box“: Mangel an Transparenz

Viele komplexe KI-Systeme gelten als „Black Box“, da ihre Entscheidungsprozesse für den Menschen oft nicht mehr nachvollziehbar sind. Dies ist in kritischen Bereichen problematisch, da die Grundlagen für eine Entscheidung transparent sein müssen.

Die Arbeitswelt im Wandel: Gefahr oder Chance?

Die Angst vor massivem Jobverlust durch KI ist weit verbreitet. Doch während ein Teil der Befragten in Umfragen angibt, Angst vor dem Jobverlust zu haben oder diesen bereits erlebt zu haben, sehen andere die KI als notwendiges Werkzeug. Die Technologie kann repetitive und zeitaufwendige Aufgaben übernehmen und somit Freiräume für kreativere, menschliche Aufgaben schaffen. Ironischerweise könnte das Ignorieren der KI-Möglichkeiten eher zum Jobverlust führen, als sie zu nutzen.

Ethik, Haftung und Urheberrecht: Die ungelösten Fragen

Die technologische Entwicklung hat das Recht in vielen Bereichen überholt. Es fehlen noch klare Rahmenbedingungen für grundlegende ethische und rechtliche Fragen.

• Haftung: Wer haftet bei Fehlentscheidungen eines autonomen KI-Systems?
• Transparenz: Es gibt mangelnde Transparenzpflichten gegenüber den betroffenen Individuen, die den Entscheidungen der KI ausgesetzt sind.
• Urheberrecht: Wem gehört ein Werk, das von einer KI erzeugt wurde, die auf der Analyse bestehender Daten trainiert wurde?

Fazit: Ein Werkzeug in menschlicher Hand

Die künstliche Intelligenz ist heute eine „schwache“ Form, deren beeindruckende Leistungen auf hochentwickelter Mustererkennung basieren. Sie ist ein äußerst mächtiges Werkzeug, aber keine dem Menschen ebenbürtige Intelligenz. Sie hat kein Bewusstsein, keine Emotionen und keine echte Kreativität. Ihre Fähigkeiten sind beeindruckend, aber stets auf die Daten beschränkt, mit denen sie trainiert wurde.

Die Zukunft der KI hängt von einer reflektierten und verantwortungsvollen Nutzung durch den Menschen ab. Es geht darum, die Technologie als Partner zu sehen, ihre Stärken in der Datenverarbeitung und Effizienz zu nutzen und ihre Schwächen – den Mangel an Kreativität, Bewusstsein und Emotion – durch menschliche Aufsicht und Intentionalität auszugleichen.

Quellen

Studie der Max-Planck-Gesellschaft: https://www.mpg.de/24920933/0623-nepf-nimmt-ki-die-welt-auf-dieselbe-weise-wahr-wie-der-mensch-und-versteht-sie-149575-x

Der Beitrag KI für Einsteiger: Was künstliche Intelligenz wirklich ist – und was nicht erschien zuerst auf Kunst & KI.

Künstliche Intelligenz (KI) gilt vielen als Motor von Innovation und Fortschritt. Doch je stärker die Systeme in unseren Alltag, in Politik, Kultur und Wirtschaft eingreifen, desto lauter werden auch die Stimmen des Protests. Von London bis Berlin, von New York bis Grünheide formieren sich Künstler:innen, Bürgerrechtsgruppen und Umweltschützer:innen, die vor den Risiken der Technologie warnen und klare Grenzen einfordern.

Künstler:innen weltweit gegen den „Datenraub“

Eine der sichtbarsten globalen Aktionen kam aus der Musikszene: Über 1.000 Künstler:innen in Großbritannien veröffentlichten 2025 ein „stilles Album“ auf Spotify und Apple Music – jede Spur 30 Sekunden absolute Stille.

Die Musikerin Imogen Heap, eine Mitinitiatorin, erklärte:

„Wir sind keine Datenquelle, wir sind Menschen. Wenn unsere Stimmen und Melodien in Maschinen verschwinden, ohne dass wir zustimmen oder beteiligt werden, verlieren wir unsere Kunst.“

Auch in den USA haben sich prominente Autor:innen gegen den Einsatz ihrer Texte in KI-Modellen gewehrt. Der Schriftsteller Jonathan Franzen formulierte es so:

„KI ist wie ein gigantischer Staubsauger für geistiges Eigentum. Sie saugt alles auf – und hinterlässt leere Räume dort, wo Kreativität war.“

Aktuell sorgt auch die Band Massive Attack für Schlagzeilen: Sie zog ihre Musik von Spotify zurück – aus Protest gegen Investitionen von CEO Daniel Ek in militärische KI-Projekte.

Proteste gegen KI-Überwachung und Kriegstechnologie

Medienwirksam war auch der Protest in Genf während des „AI for Good Summit“ 2024. Aktivist:innen hielten Schilder mit der Aufschrift „AI for War“ in die Kameras. Eine Sprecherin der Gruppe erklärte:

„Solange Unternehmen wie Google und Microsoft an Projekten mit militärischem Nutzen beteiligt sind, ist KI nicht ‚for good‘ – sondern ein Werkzeug des Krieges.“

In Deutschland warnt die NGO AlgorithmWatch seit Jahren vor biometrischer Überwachung. Sprecherin Angela Müller sagte im Frühjahr 2025:

„Gesichtserkennung im öffentlichen Raum ist das Ende der Anonymität. Wer auf einer Demo steht, darf nicht für immer in Datenbanken landen.“

Auch global formieren sich Bewegungen wie die Kampagne „Stop Killer Robots“, die ein internationales Verbot autonomer Waffensysteme fordert.

Arbeitskämpfe: Wenn KI Jobs ersetzt

Neben kulturellen und ethischen Fragen geht es zunehmend auch um Arbeitsplätze. TikTok-Moderator:innen in Berlin traten 2025 in den Streik, nachdem ihre Stellen durch KI-gestützte Moderationssysteme bedroht waren.

Noch drastischer agierten Aktivist:innen in London und den USA: Sie traten im September 2025 in den Hungerstreik vor den Büros von DeepMind und Anthropic – mit der Forderung, die Entwicklung besonders mächtiger KI-Systeme zu pausieren, bis deren Sicherheit geprüft ist.

Umwelt und Energiehunger der KI im Fokus

Auch die ökologischen Folgen der KI werden zunehmend zum Thema. In Grünheide bei Berlin, wo Tesla seine Gigafactory betreibt, sprechen Aktivist:innen offen von einer „Digitalisierung auf Kosten der Natur“.

Die Initiative „Tesla stoppen“ schreibt:

„Der Wasserverbrauch dieser Fabrik ist gigantisch. Wenn jetzt noch Rechenzentren dazukommen, die KI antreiben, trocknet unsere Region buchstäblich aus.“

Ähnliche Stimmen werden international laut. In Dublin blockierten Aktivist:innen 2024 den Bau eines neuen Rechenzentrums. Einer von ihnen erklärte gegenüber der Presse:

„Wir können nicht gleichzeitig Klimaneutralität versprechen und Energie-Monster wie diese bauen. KI braucht Strom – und dieser Strom fehlt dann woanders.“

Medien und Demokratie im Spannungsfeld

Die Medienbranche erhebt ebenfalls ihre Stimme. In Berlin kritisierte eine Allianz aus Verlagen und Sendern Googles neue KI-Zusammenfassungen („AI Overviews“).

Ein Sprecher des Bundesverbands Digitalpublisher und Zeitungsverleger sagte dazu:

„Wenn Google Inhalte einfach zusammenfasst, verschwinden die Originalquellen. Das ist Gift für unabhängigen Journalismus – und am Ende für die Demokratie.“

Auch international klingen die Warnungen ähnlich. Maria Ressa, philippinische Journalistin und Friedensnobelpreisträgerin, erklärte:

„Ohne Regeln wird KI zur größten Desinformationsmaschine, die wir je gesehen haben. Sie bedroht freie Wahlen auf der ganzen Welt.“

Fazit: Ein globaler Chor der Skepsis

Ob „stilles Album“, Hollywood-Streiks, Hungerstreiks, Anti-Überwachungs-Petitionen oder Umweltproteste: Der Widerstand gegen KI ist vielstimmig und international. Während Künstler:innen ihre Rechte verteidigen, warnen Bürgerrechtsgruppen vor Überwachung, und Umweltbewegungen kritisieren die gigantische Infrastruktur.

Deutschland – und besonders Berlin-Brandenburg – steht mitten in diesem Diskurs. Die Proteste gegen Googles KI-Angebote, gegen Überwachung in Hamburg oder gegen Tesla in Grünheide zeigen, dass sich die globalen Debatten hierzulande in lokales Handeln übersetzen. KI ist längst nicht nur eine Frage der Technik, sondern ein gesellschaftlicher Konflikt, der weltweit auf den Straßen, in Gerichtssälen und in den Medien ausgetragen wird.

Quellen & weiterführende Links

• BasicThinking: Technophobie – der KI-Widerstand wächst
• Publishing Scotland: Creative industries protest EU’s AI Act implementation
• AlgorithmWatch: 50.000 gegen Gesichtserkennung
• WeAct / Campact: Stoppt die KI-Überwachung in Hamburg
• AA.com.tr: Protest in Geneva slams AI for Good Summit
• Wikipedia: Tesla Gigafactory Berlin-Brandenburg – Proteste
• Euronews: TikTok-Moderator:innen in Deutschland streiken wegen KI
• India Today: Hungerstreik vor DeepMind-Büros
• The Guardian: Massive Attack ziehen Musik von Spotify zurück
• Stop Killer Robots: Globale Kampagne gegen autonome Waffensysteme
• Deutschlandfunk: Medien-Allianz geht gegen Googles KI-Zusammenfassungen vor

Der Beitrag Widerstand gegen die Maschine erschien zuerst auf Kunst & KI.

Künstliche Intelligenz (KI) verändert zunehmend die Spielräume der Tanzkunst – sie liefert Inspiration und technische Mittel zur Analyse sowie interaktive Partner in Live-Performances. Doch wie genau sieht dieser Wandel aus, was funktioniert gut, was wirft Fragen auf? Im Folgenden beleuchte ich exemplarisch deutsche Projekte, bringe Stimmen aus der Praxis und reflektiere kritische Aspekte.

Beispiele aus Deutschland mit Stimmen der Beteiligten

Deep.Dance (Hamburg)

Das Stück Deep.Dance, entwickelt von Jascha Viehstädt mit einem internationalen Team, nutzt ein künstliches neuronales Netz, das eine Choreographie vollständig erzeugt. Drei Tänzer*innen führen anschließend die von der KI berechnete Choreographie bis ins Detail aus.

Ein Pressestatement beschreibt Deep.Dance so:

„In Deep.Dance ersetzt ein Team aus internationalen Künstlerinnen sich selbst durch eine künstliche Intelligenz. Eine vollständige Choreographie, kreiert durch ein von ihnen programmiertes, künstlich-neuronales Netz, wird bis ins Detail von drei Tänzerinnen ausgeführt.“ Deep.Dance

Aus der Kritik heißt es über Deep.Dance:

„… threateningly successful interplay of artificial conceptual and human-bodily-motor intelligence“ jaschaviehstaedt.com

Diese Formulierungen zeigen, wie das Projekt nicht nur als technische Spielerei betrachtet wird, sondern als ästhetische Erfahrung, die Fragen aufwirft, wie weit menschliche Bewegung durch algorithmische Strukturen geprägt werden kann.

Weitere Projekte und Initiativen

Während Deep.Dance eines der bekannteren Beispiele ist, gibt es auch Projekte, die KI-Elemente in Tanzlehre und Forschung einsetzen. Ein bereits beschriebener Ansatz ist Vortanz an der Deutschen Sporthochschule Köln, wo Pose-Estimation etc. zur Reflexion und Verbesserung der Tanztechnik genutzt werden.

Das österreichisch-deutsche DANCR-Projekt verbindet Tanz und Robotik sowie maschinelles Lernen, um Werkzeuge zu entwickeln, die Choreografien analysieren und neue Formen der Interaktion ermöglichen.

Stimmen und Reflexion aus der Praxis

Die Zitate von Deep.Dance (siehe oben) zeigen, dass Künstlerinnen bewusst KI als Mitgestalterin behandeln: Die KI erzeugt Bewegungssequenzen, die menschliche Ausführung verlangt und formt. Die Beschreibung „threateningly successful interplay …“ spricht von einer Spannung: Die KI arbeitet nicht einfach unterstützend, sondern sie fordert heraus, lässt hinterfragen, was menschlich ist und was Maschine.

Ein weiteres relevantes Element: Deep.Dance spricht davon, dass die Bewegungen „statistisch vorbestimmt“ seien, aber dann durch Menschen ausgeführt werden, also eine doppelte Vermittlung zwischen Maschinellem und Körperlichem.

Kritische Aspekte

1. Autorschaft und Urheberrecht
   Wem gehört das Werk, wenn eine KI Bewegungsfolgen generiert? Wenn KI-Modelle auf existierende Choreografien trainiert werden, wie transparent sind die Quellen? Wer profitiert?
2. Körperlichkeit und Ausdruck
   KI kann Bewegungsdaten erzeugen und Visualisierungen unterstützen, aber Ausdruck, Nuancen, Intuition, Präsenz – all das hängt sehr stark vom menschlichen Körper, von Erfahrung und Empfindung ab. Es besteht die Gefahr, dass Tanz zu reiner Form oder reinem Muster reduziert wird.
3. Kulturelle Verzerrungen (Bias)
   Trainingsdaten spiegeln oft westliche, akademisch dominierte Tanztraditionen wider. Weniger verbreitete Stilrichtungen, lokale Ausdrucksformen und non-westliche Bewegungsweisen werden möglicherweise ignoriert oder stereotypisiert.
4. Ästhetische Limitierungen
   Manche KI-Bewegungen wirken sehr „geordnet“, vorhersehbar oder „glatt“. Unvorhersehbarkeit und Imperfektion sind aber oft Elemente, die Tanz lebendig machen. KI-Outputs können beeindruckend sein, aber auch emotional distanziert.
5. Zugang & Ressourcen
   Projekte wie Deep.Dance haben relativ gute Fördermittel und technische Ausstattung. Freie Compagnien, Studierende oder Tanzschaffende ohne solche Mittel stehen vor Barrieren: Kosten für Hardware, Entwicklung und technische Expertise.
6. Ethik & Publikumserwartungen
   Wie offen sollte sein, was KI gemacht hat? Wird Publikum genügend informiert? Könnte eine KI-Choreographie als weniger „authentisch“ wahrgenommen werden – und wenn ja, wie damit umgehen?

Fazit

KI hat im Feld Tanzkunst bereits überzeugt als Inspirationsquelle, Werkzeug und als Mittel, Bewegung neu zu formen. Projekte wie Deep.Dance in Deutschland zeigen, wie ästhetisches Potenzial und kritische Reflexion zusammengehen können. Dabei ist entscheidend, dass Tanzschaffende nicht nur Technik nutzen, sondern Verantwortung übernehmen: gegenüber Körperlichkeit, kultureller Vielfalt, sozialer Gerechtigkeit und künstlerischer Integrität.

Der Beitrag Von der Bühne ins Rechenzentrum: Tanzkunst und künstliche Intelligenz erschien zuerst auf Kunst & KI.

In den letzten Tagen hat sich erneut gezeigt, wie stark das Spannungsfeld zwischen Künstlicher Intelligenz (KI) und der Kunstwelt wächst. Während einige die Technologie als inspirierendes Werkzeug für neue Ausdrucksformen begreifen, sehen andere in ihr vor allem eine Bedrohung für künstlerische Integrität, faire Ausbildung und gesellschaftliche Werte. Drei aktuelle Beispiele verdeutlichen, wie komplex die Diskussion ist – von Hochschulen über bekannte Bildhauer bis hin zu Werbekampagnen.

1. KI in der Lehre: Streit an der Universität von New South Wales

Die Universität von New South Wales (UNSW) in Sydney hat kürzlich einen neuen Kurs mit dem Titel „Generative AI for Artists“ eingeführt. Er soll Studierenden den praktischen Umgang mit KI-Tools für künstlerische Arbeit näherbringen – von der Bildgenerierung bis zu multimedialen Installationen.

Doch die Einführung hat eine Welle der Kritik ausgelöst: Über 7 000 Menschen unterschrieben eine Petition gegen das Angebot. Die Gegnerinnen und Gegner befürchten vor allem ethische und ökologische Probleme. Einerseits besteht die Sorge, dass KI-Modelle unrechtmäßig auf urheberrechtlich geschützte Werke trainiert wurden, was die Rechte lebender Künstlerinnen und Künstler verletzen könnte. Andererseits verweisen Kritiker auf den hohen Energieverbrauch großer KI-Modelle, der Fragen nach ökologischer Verantwortung aufwirft.

Die Leitung der Universität verteidigt den Kurs jedoch mit Nachdruck. Ein einfaches Ignorieren der Technologie sei keine Lösung – vielmehr müsse die nächste Generation von Kunstschaffenden lernen, sie kritisch wie kreativ einzusetzen, um handlungsfähig zu bleiben.

2. Antony Gormley: „KI ist Diebstahl im großen Stil“

Auch außerhalb der Hochschulen wächst die Skepsis gegenüber KI. Der international bekannte britische Bildhauer Antony Gormley, Schöpfer ikonischer Werke wie dem Angel of the North, meldete sich jüngst in einem Interview deutlich zu Wort.

Gormleys Hauptkritik richtet sich gegen das ungefragte Training von KI-Systemen auf den Werken lebender Künstlerinnen und Künstler. Er spricht von einem „Diebstahl auf massiver Ebene“: Werke würden digital einverleibt, ohne die Urheber zu fragen oder zu entlohnen. Für Gormley bedroht dies die Integrität künstlerischer Praxis, da Originalität und geistiges Eigentum durch maschinell generierte Kopien entwertet werden könnten.

Seine Worte fügen sich in eine breitere Debatte ein, die in den letzten Monaten intensiver geworden ist: Viele Kunstschaffende fordern rechtliche Regelungen, die ihre Werke vor unautorisierter Nutzung im KI-Kontext schützen.

3. KI-Werbung sorgt für Spott in Melbourne

Wie unterschiedlich die Wahrnehmung von KI in der Öffentlichkeit sein kann, zeigte zuletzt ein Fall aus Australien. Für die Melbourne Royal Show wurde eine Werbekampagne mit KI-generierten Bildern umgesetzt.

Die Motive sollten Aufmerksamkeit erregen – glänzende Schafe, futuristische Lichteffekte, bunte Szenen. Doch stattdessen ernteten die Bilder Spott und Irritation: Viele Betrachter empfanden sie als „verstörend“ oder „billig“, die verzerrten Proportionen von Tieren und Objekten wirkten eher grotesk als einladend.

Während Kritiker den Einsatz als Symbol mangelnder Sorgfalt und Wertschätzung für künstlerische Qualität sahen, verwiesen die Organisatoren auf gestiegene Ticketverkäufe. Ein Hinweis darauf, dass KI-Werbung zwar aneckt, aber dennoch wirksam sein kann – selbst wenn sie polarisiert.

Fazit: Kunstwelt zwischen Neugier, Kritik und Ablehnung

Diese Beispiele machen deutlich, dass KI und Kunst aktuell von drei Hauptspannungsfeldern geprägt sind:

1. Bildung und Ethik – Wie sollen Kunsthochschulen mit KI umgehen: als Werkzeug oder als Risiko?
2. Künstlerische Integrität – Wie können Urheberinnen und Urheber ihre Werke vor unbefugter Nutzung schützen?
3. Gesellschaftliche Wahrnehmung – Wie reagiert die Öffentlichkeit auf KI-Ästhetik zwischen Faszination und Ablehnung?

Eines ist klar: Die Diskussion wird nicht so schnell enden. Vielmehr ist zu erwarten, dass sie die Kunstwelt in den kommenden Jahren intensiv begleiten und prägen wird – und dass Künstlerinnen, Institutionen und Publikum gemeinsam neue Antworten finden müssen.

Quellen

The Guardian: UNSW course on AI art sparks backlash

Financial Times: Antony Gormley über KI und künstlerischen Diebstahl

news.com.au: Kritik an KI-Werbung für die Melbourne Royal Show

Der Beitrag KI und Kunst: Aktuelle Entwicklungen und Debatten erschien zuerst auf Kunst & KI.