Creative AI: verstehen, gestalten und kreativ anwenden

Streng genommen geht schon heute im Kreativalltag nichts mehr ohne den Einsatz von künstlicher Intelligenz. Angefangen bei der ersten Google-Anfrage über Pinterest-Moodboards und Filter in Photoshop bis zur automatisierten Ausspielung von Web­­content. »Sobald etwas gut funktioniert, heißt es nicht mehr KI, sondern nur noch Software. Und die nutzen wir ganz selbstverständlich«, sagt Peter Kabel, Professor für Interaction Design an der HAW Hamburg, wo er vor drei Jahren das Forschungsprojekt aiXdesign ins Leben gerufen hat, in dem er die Potenziale und Auswirkun­gen von KI auf die Kreativbranche untersucht.

Neu und spannend sind Entwicklun­gen, die zeigen: Die Maschine kann auch kreativ sein! Das wurde ihr lange abgesprochen – und sorgt entsprechend für Irritationen und Ängste. Dazu besteht laut Michael Katzlberger aber kein Anlass: »Ideenfindung ist keine rein menschliche Fähigkeit mehr. Aber Menschen bewerten und ergänzen die Ideen von Maschinen. So entsteht eine symbiotische, hy­bri­de Zusammenarbeit.« Der KI-Experte be­rät Unternehmen, gibt Seminare und Workshops und entwickelt für Kunden KI-gestützte Kreativprojekte.

Inhaltsverzeichnis

• KI: Ein Designtool wie jedes andere
• Co-Creation mit KI: Künstler und Kollegin
• AI anwenden: Berufsbilder im Wandel
• KI verstehen: Sich vorbereiten auf die Zukunft
• Creative AI: Zwischen Kontrolle und Überraschung
• Einsatz von KI in der Kreativbranche: Lasst uns was kochen!
• Eigene Softwaretools: Probiert’s einfach aus!
• Menschliche und künstliche Intelligenz: Arbeitet zusammen!
• Creative AI: Technik und Tools im Überblick
• “Irgendwann wird es egal sein, ob ich mit einem menschlichen Assistenten oder mit einer Maschine spreche.”

Die Möglichkeiten für Co-Creation mit KI wachsen stetig, die Entwicklungsschritte bei leistungsstarken Machine-Learning-Modellen sind enorm. So ist es inzwischen möglich, bildgenerierende Modelle per Text Prompt – also per Eingabe von Wörtern, Sätzen oder Befehlen – zu steuern. Das geht sogar auf dem eigenen Handy: Mit der App Dream von wombo.ai lassen sich so per Texteingabe innerhalb von Sekunden surreale Kunstwerke in verschiede­nen Stilen erstellen. Und das ist nur ein Vorgeschmack darauf, was die neuronalen Netze des KI-Unternehmens OpenAI oder des Grafikpro­zes­sorenherstellers Nvidia mittlerweile leisten können. Die Expertinnen und Experten, mit denen wir gesprochen haben, sind sich einig: Die Kreativbranche steht durch KI vor einer massiven Disruption – ähnlich der Umstellung von der analogen Druckvorstufe auf Desktop-Publishing in den 1980ern.

KI: Ein Designtool wie jedes andere

Die KI macht das alles aber nicht allein. Für brauch­ba­re Ergebnisse muss man Arbeit investieren – von der Wahl des richtigen KI-Modells über das Zusam­men­stel­len und Aufbereiten der Trainingsdaten bis hin zur Kuratierung des Outputs. Um künstliche Intelligenz als Werkzeug einschätzen und nutzen zu können, braucht es ein grundlegendes Verständnis ihrer Wirkungsweise und Fähigkeiten ebenso wie ihrer Grenzen und Beschränkungen. Zwar kann man dank immer einfacherer Tools und Interfaces auch als Laie erste Experimen­te mit KI machen. Um damit professionell arbeiten zu können, sind dann aber doch ein paar Programmierkenntnisse erforderlich.

»Man kann KI nur verstehen, wenn man selbst Hand anlegt«, sagt Peter Kabel, der mit aiXdesign Workshops für Einsteiger:innen anbietet. Er nennt die Technologie »Augmented Intelligence« und sieht sie als eine Art Prothese, mit der sich menschliche Fähigkeiten erweitern lassen: »Die Aufgabe von Kreativen verändert sich: Sie erarbeiten und kuratieren den Input und treffen eine Auswahl des Outputs. Die ›eigentliche Kreation‹, also die Umsetzung, wird zunehmend automatisiert und von Maschinen erledigt.« Große Potenziale liegen beispielsweise in den Bereichen Ideation und Designexploration. »KI erwei­tert den Möglichkeitsraum enorm«, erklärt der Künstler und Creative Coder Andreas Refsgaard, der in seinen Projekten sehr spielerisch mit KI umgeht. »Als einzelner Mensch kann ich nur eine begrenzte Anzahl von Ideen haben. Die Maschine aber verfügt über eine unendli­che explorative Kreativität.«

Nach oben

Co-Creation mit KI: Künstler und Kollegin

Wohin die Co-Creation mit künstlicher Intelligenz füh­ren kann, zeigen Artists wie Refik Anadol mit seinen hypnotisierenden Datenskulpturen, KI-Pionier Mario Klingemann oder das Studio Entangled Others mit seinen futuristischen Arbeiten zu Biodiversität und neuen Ökosystemen. Aber auch im angewandten Design finden sich erste Anwendungen. Furore machte 2020 etwa der »AI Designer« Nikolay Ironov der internationalen Kreativagentur Art Lebedev Studio: eine KI, die mit handgezeichneten Vektorgrafiken trainiert wurde und so lernte, Logos und ganze Brand Identities zu erstellen. Die Ergebnisse waren zwar nicht überragend – und die menschlichen Kolleg:innen haben dabei sicherlich noch mal Hand angelegt –, aber die Story sorgte für Aufmerksamkeit und Kreativawards.

Wesentlich praxisorientierter ist der Layout Creator, den Strichpunkt 2019 für die Deutsche Post DHL programmiert und kürzlich neu aufge­setz­t hat. Trainiert auf die Corporate-Design-Regeln des Unternehmens, unterstützt das Tool Laien dabei, spie­lerisch markenkonforme Inhalte zu ge­stalten (sie­he PAGE 09.19, Seite 66 ff.). Die Software zeigt, wie konkret künstliche Intel­ligenz im Gestaltungsprozess unterstüt­zen kann – wobei Creative Technologist Andreas Stiegler ungern von KI spricht, sondern lieber von Unter­be­rei­chen wie Machine Learning und Pro­ce­du­ral Generation.

Ein Problem für künstliche Intelligenz im Design sieht Florian Jenett, Professor für Medieninformatik und Digitale Gestal­tung an der Hochschule Mainz, im Mangel an nutzbaren Daten: »Unsere Arbeit als Gestalter:innen erzeugt einfach zu wenig und zu unterschiedliche Daten. Oft arbeitet man an einem einzigen InDesign-File. Wir müssen verstehen, wie wir besser an die neue Technologie andocken können und inwiefern wir dafür unse­re Arbeitsweisen verändern müssen.« Unter anderem diese Frage will er im Rahmen des Hochschulverbundprojekts KITeGG erforschen, das Bund und Länder mit rund fünf Millionen Euro fördern.

Nach oben

AI anwenden: Berufsbilder im Wandel

Bei aller Begeisterung für die neuen Möglichkeiten darf man die Risiken von künstlicher Intelligenz nicht außer Acht lassen. Diese liegen im kreativen Bereich vor allem in einem möglichen Bias von Algorithmen, die mit einseitigen Daten trainiert wurden, in Deep Fakes sowie in einer drohenden Gleichförmigkeit der Ergebnisse, da sich KI immer am Durchschnitt von Trainingsdaten orientiert. Bei den großen Netzwerken lässt sich zum Beispiel fast nicht nach­vollziehen, womit sie trainiert wurden. Das Language Prediction Model GPT-3 von OpenAI etwa wurde mit der komplet­ten englischsprachigen Wikipedia, mit verschiedenen Reddit-­Foren und ei­nem großen Datensatz von Büchern trainiert und ist dadurch in der ­Lage, Texte zu schreiben, die auch von Menschen stammen könn­ten. Wie und ob die Bücher und Inhalte kuratiert wurden, ist allerdings unklar. Immerhin ist sich OpenAI bewusst, dass sein Modell mitunter problematische Inhalte ausgibt und versieht diese im Verdachtsfall mit einer Warnung.

Und ja: Natürlich werden mit der kontinuierlichen Verbesserung der Technologie manche Arbeitsschritte und auch Jobprofile obsolet, etwa Produktbeschreibungen oder Fotoshootings für Onlineshops. Gleichzeitig wächst der Bedarf an neuen Fähigkeiten – vor allem, was den Umgang mit Daten angeht: »Wo bekomme ich die Daten her, um Modelle zu trainieren? Wie stelle ich sicher, dass sie divers genug sind? Wie kuratiere ich sie – und die Millionen Ergebnisse, die ein Modell produziert? Das sind alles Fragen, mit denen sich Designer:innen künftig auseinandersetzen müssen«, ist Creative Technologist Tom-Lucas Säger von aiXdesign überzeugt. Zudem wird sich der Berufseinstieg verändern, glaubt seine Kollegin, die Designerin Sarah Pfeiffer: »Typische Arbeiten von Berufs­an­fänger:innen wie Reinzeichnung oder Bildretusche können künf­tig Algorithmen übernehmen. Designer:innen können dann von Anfang an viel konzeptioneller denken und arbeiten.«

Nach oben

KI verstehen: Sich vorbereiten auf die Zukunft

Kreative werden sich vermehrt auf Fähigkeiten wie interkulturelles Wissen und Empathie konzentrieren müssen, die nötig sind, um Kreation einzuordnen und passgenau zu kommunizieren. Und sie müssen technischer denken. »Wer komplett vor Code zurückschreckt, wird es in Zukunft schwer haben im Design­beruf«, glaubt Peter Kabel. Und auch Benedikt Groß, Professor für Interaction Design an der HfG Schwäbisch Gmünd ist überzeugt: »Wenn man KI nicht versteht, kann man viele Dinge in der digitalen Welt bald nicht mehr gestalten. Deshalb müssen wir dieses Wissen in der Designausbildung vermitteln.«

Designhochschulen widmen sich dem Thema bislang in sehr unterschiedlichem Maße. Von einzelnen Kursen oder Workshops über offene Vortragsreihen bis hin zu Forschungsprojekten und Masterstudien­gängen. Aber auch für berufstätige Kreative gibt es viele Weiterbildungsmöglichkeiten – etwa den On­line­kurs »Elements of AI« von der finnischen Unternehmensberatung Reaktor und der Universität Helsinki oder diverse Angebote auf der Online-Plattform Coursera. Klar ist: Wir sollten vorbereitet sein auf das, was kommt. Technische In­spiration für den Einstieg geben wir in »Technik und Tools« – am besten einfach mal ausprobieren. Wir versprechen: Es macht wirklich Spaß!

Nach oben

Creative AI: Zwischen Kontrolle und Überraschung

An der Fachhochschule Nordwestschweiz experimentierten Teilnehmende in einem Workshop mit verschiedenen KI-Netzwerken, darunter auch die neuen Diffusion Models

Im Februar 2022 fand an der FHNW unter der Leitung von Ludwig Zeller der Workshop »The Neural Aesthetic of Deep Learning« statt, bei dem die Teilnehmenden verschiedene KI-Modelle für die Erstellung von Bildern ausprobierten. Dabei kam unter anderem das Disco Diffusion Google Colab Notebook zum Einsatz, mit dessen Hilfe es möglich ist, durch eine Kombination des neurona­len Netzwerks CLIP mit einem Diffusion Model Bilder per Textein­gabe zu generieren.

Für Andrea Sommer, Dozentin für visuelle Kommunikation im Studiengang Modedesign der Hochschule für Gestal­tung und Kunst FHNW, war der Workshop »ein Türöffner in eine neue Welt«, in der sie die neuen Tools per Trial and Error zu verstehen und zu kontrollieren beziehungsweise »eine gu­te Dosierung zwischen Kontrolle und Überraschung zu finden« versuchte, wie sie sagt. Das aufgeregte Gefühl bei der Bildgenerierung erinnert sie an die Entwicklung von analogen Lochkamerabildern. Mit dem Unterschied, dass die Fotos die Realität nicht eins zu eins abbilden, sondern dass im Abgleich mit dem gelernten Bildmaterial immer wieder überra­schende und unberechenbare Abweichungen entstehen. Das zentrale Potenzial besteht für Sommer darin, dass Prompts von fiktiven, nicht realen Dingen genauso behandelt und umgesetzt werden wie solche zu realistischen Motiven.

Als Dozentin für Modedesign erkundet Andrea Sommer diese KI-Programme zum einen hinsichtlich ihrer Möglichkeiten als Entwurfsmethode. »Hier sind die Ergebnisse wert­voll, die sehr unerwartete, abstrakte Übersetzungen meiner Prompts aufweisen. Sie triggern die Fantasie und erfordern im nächsten Schritt eine erfinderische Interpretation«, sagt Sommer. Zum anderen untersuche sie Disco Diffusion auch mit Blick auf seine Inszenierungsmöglichkeiten. Hier könn­te man reale Entwürfe durch möglichst präzise Texteingaben in ungewohnter Art und Weise visualisieren und eine neue Art von Fashion Imagery definieren.

Nach oben

Einsatz von KI in der Kreativbranche: Lasst uns was kochen!

Das Team von aiXdesign an der HAW Hamburg erforscht den Einsatz von KI in der Kreativbranche – und gibt sein Wissen in Workshops weiter

Alle reden über künstliche Intelligenz, aber keiner macht’s: Das war die Beobachtung, die Peter Kabel, Professor für Interaction Design an der HAW Hamburg, dazu bewog, vor drei Jahren das Forschungspro­jekt aiXdesign ins Leben zu rufen (  https://creative-kitchen.ai  ). Gemeinsam mit Studierenden erforscht er, wie sich KI-Technologien im Design anwenden lassen und wel­che Auswirkungen das auf die Kreativ­bran­che haben wird. Dem im Department Design angesiedelten aiXdesign-Team gehören derzeit Benjamin Bertram, Katha­ri­na Mumme, Sarah Pfeiffer und Tom-Lucas Säger an. Die Erkenntnisse aus ihren KI-Experimenten behalten sie nicht für sich, sondern teilen sie in öffentlichen Veranstaltungen und in Workshops – auch in Kooperation mit der PAGE Academy.

Anders als seine drei Forschungspartner:innen aus dem Kommunikationsdesign kommt Benjamin aus der Illustra­tion, wo er gerade seinen Master macht. Das Thema KI und Algorithmen beschäftigt ihn schon länger – mitt­ler­weile hat er neben JavaScript auch Python gelernt. »Programmie­ren ist für mich zu einem ganz neuen Mindset geworden. Heute gehe ich an die Gestaltung mit einem Coder-Habitus heran und frage mich, ob es eine bestimmte Lösung vielleicht schon irgendwo gibt, ob ich etwas Bestehen­des adaptieren oder verschiedene Versatzstücke neu zusammenbauen kann«, erklärt er.

Man braucht aber gar nicht so tief in den Code einzu­steigen, um sich mit künstlicher Intel­ligenz zu beschäftigen, meint Katharina. Momentan erforscht die Gruppe Sprachalgorithmen, de­ren Interfa­ces komplett ohne Code funktionieren: »Natürliche Sprachmodelle sind mittlweile so weit fortgeschritten, dass man sie einfach durch Worte steuert. Will man verstehen, wie das Ganze funktioniert, und die Modelle für eigene gestalterische Anwendungen hacken, muss man natürlich etwas co­den können.« Für Tom-Lucas ist Coding ein Basic Skill wie Lesen und Schreiben: »Alle können schreiben, aber nicht alle sind hervorragende Autorinnen oder Autoren. Wir wissen, wie es geht, und können damit arbeiten – genauso sollte es auch mit Programmieren sein.«

Mehr Design in die KI-Entwicklung!

Das Team hat zwar eine generell Tech-positive Sicht, beschäftigt sich aber auch mit den Gefahren und Risiken von KI wie Bias oder Fake News. »Wir sehen uns in der Tradition der Hacker-Kultur: Wir zeigen auf, welche Möglichkeiten es gibt, hinterfragen das aber auch kritisch und schaffen Awareness dafür«, sagt Katharina. Wie bei allen Technologien kommt es auch bei KI darauf an, wie man sie nutzt. »Face Tracking kann man für Kontrollzwecke nutzen, aber auch als neue Interaktionsform zwischen Mensch und Maschine, die etwa querschnittsgelähmten Menschen mehr Accessibility ermöglicht«, so Tom-Lucas. »Es ist wichtig, dass Designerinnen und Designer in die Entwicklung von KI-Tools involviert sind. Auch wenn man den Code nicht bis ins Letzte versteht, kann man als Designer unter Codern eine andere Sichtweise einbringen und Entscheidungen mit beeinflussen.« Die Chance dazu besteht, weil vieles in der KI-Szene (noch) Open Source und der Austausch in der Community, etwa auf Reddit, sehr rege ist. »KI ist nichts, wo nur Top-Wis­sen­schaftler:innen mitreden können! Je mehr Menschen an der Entwicklung teilhaben, desto mehr Perspektiven und Ideen werden berücksichtigt«, erklärt Sarah.

Die Designer:innen sind überzeugt, dass sich die Kreativbranche durch künstliche Intelligenz grundlegend verändern wird. »Die jetzige Situation erinnert an die Anfänge der Digitalisierung vor 30 Jahren. Damals waren die Tools noch unausgereift, und man galt als Crack, wenn man Quark XPress bedienen konnte. Heute sind viele Algorithmen noch etwas glitchy und schwer zugäng­lich, aber das wird in fünf Jahren schon ganz anders aussehen«, ist Benjamin überzeugt. Das Entwicklungstempo in diesem Bereich ist enorm. »Manchmal wacht man morgens auf und liest von einem Modell, das etwas kann, von dem man gedacht hätte, dass es noch Jahre dauern würde, bis es so weit ist«, so Tom-Lucas.

Nach oben

Eigene Softwaretools: Probiert’s einfach aus!

Eigene Softwaretools zur Gestaltung entwickeln? Das Designstudio Process aus Wien macht es vor – auch im Rahmen von KI-Projekten

Martin Grödl und Moritz Resl haben sich mit ihrem Design­studio Process in Wien auf generatives und interaktives Design spezialisiert. Oft stoßen sie bei ihrer Arbeit an technische Grenzen – und überwinden diese mit selbst entwickelten Software­lösungen. Dabei hilft ihnen ihr technischer Hintergrund: Beide haben sowohl Kunst als auch Informatik studiert. »Wir verlassen uns ungern auf gängige Werkzeu­ge, weil man damit wenig individuell arbeiten kann. Wenn es der Rahmen und das Budget ei­nes Projekts zulassen, experimentieren wir mit neuen, eigenen Lösungen«, sagt Moritz Resl. Diesen DIY-Ansatz haben sie auch bei den zwei KI-Projekten genutzt, die sie bisher umgesetzt haben.

Selbst trainiertes Modell für AImoji

Für die Ausstellung »Uncanny Values« im Rahmen der Vienna Biennale 2019 gestaltete Process im Auftrag des Museums für Angewandte Kunst Wien das Branding sowie das Keyvisual. Die Idee bestand darin, ein Sujet zu finden, das von einem selbstlernenden System geschaffen beziehungsweise weiterentwickelt wird. So landeten die Designer bei Emojis, die in der heutigen Kommunikation eine große Rolle spielen – und praktischerweise klein genug sind, um damit im Rahmen der eigenen technischen Möglichkeiten ein KI-Modell zu trainieren.

Dabei kam ein Deep Convolutional Generative Adversarial Network (DCGAN) auf Basis eines Open-Source-Projekts von Coder Taehoon Kim zum Einsatz. Dieses füt­terten Grödl und Resl mit einem Dataset aus 3145 Emojis, gescrapt von Emojipedia. Sie trainierten das Modell auf ganz nor­malen Laptops, was nur wenige Stunden in Anspruch nahm. Die Ergebnisse pass­ten perfekt zum »Uncanny Values«-Motto: Die AImojis sind glit­chy, verpixelt und oft ganz schön creepy. In der Ausstellung konn­ten die Besucher:innen live beobachten, wie die KI – installiert auf ei­nem Raspberry Pi – neue Piktogramme schuf.

Zur Ausstellungidentität gehörte auch ein AIFont, den Grödl und Resl mit demselben DCGAN entwickelten. Dafür wurde das Modell mit über 200 000 Schriften trainiert, wobei es lernte, ihre Formen nachzu­ahmen. Das Ergebnis ist also keine eigene Schrift, sondern eine bildhafte Darstellung von Buchstaben. Besonders eindrucksvoll – und leicht hypnotisierend – sind die dabei entstandenen Animationen, bei denen der Schriftzug »Uncanny Values« zwischen unterschiedlichsten Serif- und Sans-Schriften, dicken und dünnen Strichen he­rum­mäan­dert. Auch die Headlines in diesem Artikel sind im AIFont »gesetzt«. Mehr zu dem Projekt unter  https://process.studio/works/uncanny-values.

Künstliche Intelligenz für die Klimakommunikation

Etwas ausgefeilter und umfassender ist das KI-Projekt »Tokens for Climate Care«, das Process ebenfalls im Auftrag des MAK für die London Design Biennale 2021 entwickelt hat. Dabei erschafft ein System Sym­bo­le, die sich für die Kommunika­tion rund um das Thema Klimaschutz nut­zen lassen, zum Beispiel auf Demoplakaten. Neben der Auswahl des richtigen GANs, bei der Process vom Wiener KI-Technik­anbieter enliteAI unterstützt wur­de, lag die Herausforderung vor al­lem im Sammeln und Aufbereiten der Trainingsdaten.

Zwar existieren unzählige offene Quel­len für Symbole, doch sollten sie für diesen Zweck so wenig mit Bedeutung aufgeladen sein wie möglich. So suchten die Designer die rund 7000 Bildzeichen für das Dataset eigenhändig aus, die sie dann mit eigenen Bedeutungen versahen, also labelten. Dafür entwickelte Process das Climate Care Voca­bulary mit vierzig Begriffen wie etwa Trans­for­mation oder Energy, die sie den Symbo­len von Hand zuteilten. Dabei bekamen sie Unterstützung von MAK-Mitarbeitenden. Das Projekt verdeutlicht, wie viel manuelle Ar­beit im Training von KI-Modellen steckt, wenn man ein bestimmtes Ergebnis damit erzielen möchte.

Das GAN musste mehrere Male trainiert und zwischendurch immer wieder angepasst werden. »Wir haben bei dem Projekt gelernt, dass künstliche Intelligenz keine exakte Wissenschaft ist – selbst die Experten probieren einfach viel aus und schauen, was passiert«, so Martin Grödl. »Sobald man von klassischen Anwendungsfällen abweicht, wird es sehr schnell sehr komplex. Ohne die Hilfe von enliteAI hätten wir es nicht ge­schafft«, ergänzt Moritz Resl. Process war dabei nicht nur auf deren Know-how angewiesen, sondern auch auf die Rechner des Unternehmens, denn das Training überschritt die Kapazitäten des Designstudios.

Schließlich lernte das KI-Modell wie gewünscht die visuellen Charakteristiken der Symbole sowie deren assoziierte Bedeutungen, sodass es bei der Eingabe von drei Begriffen ein entsprechendes neues Symbol generieren kann. Die Ergebnisse sind zwar recht skizzenhaft und rudimentär, werden aber als Vektorgrafiken ausgeliefert, sodass sie sich weiterbearbeiten lassen. »Unser Ziel war nie, einen Generator zu bauen, der fertige Symbole ausspuckt«, sagt Moritz Resl. »Aber die Ergebnisse lassen sich gut als Inspiration nutzen. Es sind immer wieder spannende unkonventionelle Grafiken dabei, auf die wir nicht selbst gekommen wären.« Für die Identität der Ausstellung hat Process eigene Glyphen designt, deren Ästhetik auf den KI-Tokens basiert.

Ausprobieren kann man den Token-Generator leider nur vor Ort in der Ausstellung. Aktuell ist sie im Austrian Institute of Technology in Wien zu sehen (bis 22. September), wo die beiden derzeit Artists in Residence sind. Für ihr neues Projekt beschäftigen sie sich mit den dunk­len Seiten von KI – angefangen beim Thema Lieferketten und Datenbeschaf­fung über schlecht bezahlte Klick­worker bis hin zur Kontrolle über die eigenen Daten.

»Für die KI-Branche sind unsere Projekte eher kleine Spielereien – kein Vergleich zu den Modellen von Nvidia oder OpenAI«, so Martin Grödl. »Aber wir wollten herausfinden, wie die Technik funktioniert und wie man sie mit wenigen Ressourcen nutzen kann. Dabei ging es uns auch darum, KI zu entmystifizieren.« Mit ihren Pro­jek­ten wollen sie zudem andere motivieren, sich mit der Technologie auseinanderzusetzen. »Dafür muss man kei­ne gro­ße Software-Engineering-Abteilung bei ei­nem IT-Konzern sein«, so Moritz Resl. »Wir sind ja auch nur ein Zwei-Personen-Designstudio. Probiert’s einfach aus!«

Nach oben

Menschliche und künstliche Intelligenz: Arbeitet zusammen!

Die Agentur Grey Design zeigt mit dem Erscheinungsbild für den Aluminiumkonzern Speira, wie sich menschliche und künstliche Intelligenz im Designprozess ergänzen können

Ein komplett neues Corporate Design in­nerhalb von neun Wochen unter Einbezug von circa 5000 Mitarbeitenden: Es waren quasi unmögliche Anforderungen, die der Aluminiumkonzern Speira Ende 2021 in ei­nem Pitch stellte. Es sei denn, man holt sich dafür Hilfe von einer KI. Mit dieser Idee sicherte sich die Agentur Grey Design mit Sitz in Hamburg und Düsseldorf den Auftrag.

Möglich machte das vor allem Executive Creative Director Patrick Reichert-Young, der dank mehrerer Fortbildungen bei IBM mit deren KI-System Watson so vertraut ist, dass er seine Potenziale und Anwendungsmöglichkeiten innerhalb von Design- und Strategieprojekten einschätzen kann. Mit diesem Wissen ist er in deutschen Agentu­ren noch deutlich in der Minderheit. »Das Interesse ist da, aber es gibt immer noch große Berührungsängste, sich wirklich mit der Technologie auseinanderzusetzen«, so Reichert-Young. »Um KI innerhalb eines Designprozesses sinnvoll einsetzen zu können, sollte man aber zumindest in der Lage sein, ein Lernkonzept zu schreiben.«

Mensch – Maschine – Mensch

Die Arbeit für Speira startete klassisch mit einem Markenworkshop, bei dem Agentur und Kunde neun entscheidende Aspekte festlegten, die mit der Gestaltung zum Ausdruck gebracht werden sollten, darunter Circularity, denn Speira setzt auf Recycling und eine umweltgerechte Aluminiumverwertung. In einem weiteren Workshop sammelte das Team Adjektive, die das gewünschte Design beschreiben. Die ermittelten Markenaspekte und Designattribute wurden in ein Sprachmodul von Watson eingespeist. Damit die KI Adjektive wie »zeitlos« im Kontext von Design interpretieren konnte, ließ Grey sie Textausschnitte »lesen«, et­wa aus Aufsätzen von Dieter Rams und Texten über Massimo Vignelli.

Parallel führte die Agentur eine Umfrage unter sämtlichen Speira-Mitarbeitenden durch. Sie muss­ten wählen, welches Symbol oder wel­che Farbe sie für den jeweiligen Strategiebegriff am passendsten finden. Hier kam ein weiteres Watson-Modul mit Visual-Recognition-Funktion zum Einsatz, das die Angaben der einzelnen Mitarbeitenden in ein »virtuelles Logo« auf Textbasis übersetzte.

Schließlich verglich Watson die rund 5000 Ergebnisse, suchte nach Überschneidungen und erstellte daraus die Beschreibung eines visuellen Markenkerns. Dieser diente den Designern dann als Grundlage für die finale Logo- und Designentwicklung. Interessant waren dabei nicht nur die Überschneidun­gen unter den Antworten, sondern auch die Abweichungen, berichtet Reichert-Young: »Während wir uns stark auf den Aspekt In­nova­tion konzentriert haben, wurde bei der Auswertung durch die KI deutlich, dass offenbar auch das Thema Stabilität eine Rolle spielte. Manchmal sind die Fragen, die eine Maschine aufwirft, spannender als ihre Antworten.« Am Ende entstand ein filigra­nes Kreislogo, das sowohl an aufgerolltes Aluminium erinnert als auch an die Zirkularität von Recycling.

KI verstehen: Kein Grund zur Abwehr

Das Corporate Design von Speira entstand also auf Basis des Inputs einer künstlichen Intelligenz. Die Para­meter dafür definier­ten aber Menschen – ebenso wie sie die Ergebnisse der KI interpretierten und im finalen Design aufgriffen. »Viele verstehen die Rolle von KI in diesem Projekt falsch und denken, die Maschi­ne hätte alles selbst gestaltet. Daraus entsteht dann schnell eine Abwehrhaltung«, sagt Patrick Reichert-Young. Dabei setzte das Team die KI bewusst ausschließlich auf der Textebene ein. »Wenn man das System selbst ein Logo gestalten ließe, beispielsweise auf Basis von Zeichnun­gen der Belegschaft, wäre es doch sehr fraglich, ob das Signet die ausreichen­de Qualität aufweisen und ob es die Parameter der Markenstrategie einhalten würde«, so Reichert-Young.

Für ihn ist KI ein Designwerkzeug wie jedes andere, das man einsetzt, wenn es im jeweiligen Projekt sinnvoll ist: »Wichtig ist, zu verstehen, dass es sich um eine partnerschaftliche Zusammenarbeit zwischen Mensch und Maschine handelt.« Watson hat für ihn den Vorteil, dass das System modular aufgebaut ist. Es gibt eine ganze Reihe vortrainierter Modelle, die man je nach Bedarf kombinieren kann – wie im vorliegenden Fall ein Sprach- und ein Visual-Recognition-Modell. Für den Einsatz braucht es keine Programmierkenntnisse.

Nach oben

Creative AI: Technik und Tools im Überblick

GANs, Diffusion Models, Google Colab, ml5.js: Ein Überblick über die wichtigsten Technologien, Modelle, Plattformen und Trends

Wenn wir von KI sprechen, meinen wir meist Machine Learning. Anders als beim »normalen« Programmieren wie im generativen Design, bei dem man mit Regeln das Verhalten der Maschine lenkt, erkennt diese beim maschinellen Lernen in Trainingsdaten bestimmte Muster und kann diese dann eigenständig reproduzieren. So können etwa GANs (Generative Adversarial Networks) ganz neue Bilder generieren, die den Beispielen aus dem Training verblüffend ähnlich sehen. Es entstehen aber auch immer wieder fehlerhafte und seltsame Mo­ti­ve, die die ganz eigene GAN-Ästhetik aus­ma­chen: glitchy, ineinanderfließend, traumhaft und psychedelisch. Je größer das Trainingsdaten­set und je län­ger das Training, desto besser die Ergebnisse.

AI for Beginners: Teachable Machine, GauGAN2, GPT-3

Laut Creative Coder Andreas Refsgaard kann man verschiedene Komplexitätslevel im Umgang mit KI unterscheiden. Das erste ist Machine Learning in bestehender Software wie Photoshop – heutzutage selbstverständlich. Als Nächstes kommt die Nutzung frei zugänglicher KI-Modelle. Hier gibt es einsteigerfreundliche Platt­for­men wie Googles Teachable Machine, wo man Modelle selbst mit Fotos trainiert und dabei lernt, wie Klassifikation und Training funk­ti­o­nieren. Viel Zeit kann man auch mit dem Gau­GAN2 von Nvidia verbringen, das Zeichnungen in foto­rea­lis­ti­sche Land­schaf­­ten um­wan­delt – zwar noch recht glit­chy, aber gerade deshalb inte­res­­sant.

Das Sprachmodell GPT-3 von OpenAI kann man über eine API im Browser ausprobieren. Der Free-Trial-Account umfasst ein Kontingent an Model Usage. Wer dieses aufbraucht, muss auf einen bezahlten Account upgraden. Im »Playground« kann man verschiedene Prompts eingeben und sich anschauen, was GPT-3 dazu ausspuckt. Unter »Examples« finden sich weitere Anwendungen wie »Mood to color«, die Textbeschrei­bungen in Farbwerte übersetzt, oder der Befehl »Summarize for a 2nd grader« genauso wie Übersetzungsfunktionen für diverse Sprachen – auch für Code. Für Letzteres hat OpenAI übrigens auch ein eigenes Netzwerk namens Codex entwickelt: Es wurde mit öffentlich zugänglichem Code trainiert und beherrscht mehr als ein Dutzend Programmiersprachen. Derzeit befindet es sich in einer privaten Betaphase.

Advanced Level: Google Colab, Hugging Face, ml5.js, Watson

Etwas anspruchsvoller wird es, wenn man bestehende vortrainierte Modelle selbst weitertrainiert (Transfer Learning) und dann mitein­ander kombiniert (Chaining). Für diese Methode hat sich die Platt­form Google Colab etabliert, auf der man kos­tenlos den Code für verschiedene Anwendungen (Modelle) findet, ihn direkt im Browser – also über Google-Server – ausführen und die Ergebnisse exportieren kann. Den Code muss man nicht selbst »anfassen«, sondern kann ihn sich mittels einfacher Buttons zu­sammen­stellen und ausführen lassen. In sogenannten Notebooks finden sich neben dem Code auch Erklärungen und Anleitungen.

Noch ein wenig fortgeschrittener sind Libraries für KI-Code wie Hugging Face und ml5.js. Letztere richtet sich an Artists, Creative Coder und Studierende und bietet »friendly access« zu Machine-Learning-Algorithmen und -Modellen direkt im Browser – eine Empfehlung von Refsgaard für alle, die ein bisschen Programmiererfahrung haben. Die Plattform RunwayML, bisher eine gute Anlaufstelle für vortrainierte Modelle, justiert derzeit ihr Geschäftsmodell neu und konzentriert sich verstärkt aufs Videoediting. Unter dem Reiter »ML Lab« hat man aber noch Zugriff auf verschiedene KI-Modelle. Für größere Unternehmen oder Kunden kommt auch die Zusammenarbeit mit IBM Watson infrage. Für die KI existieren diverse vortrainierte Module, die sich miteinander kombinieren lassen. Das anspruchsvollste Level im KI-Game schließlich erreichen nur wenige: KI-Modelle from scratch selbst programmieren und trainieren. Hierfür braucht es zudem die entsprechende Hardware, etwa eine extrem leis­tungs­fähige Grafikkarte.

Von GANs zu Diffusion Models

Für die Kreativbranche ist vor allem die Bildgenerierung durch Machine Learning spannend, was 2014 mit der Entwicklung der GAN-Technologie möglich wurde. Gerade in diesem Anwendungsbereich zeigt sich auch, wie schnell die Fortschrit­te sind. Anfang 2021 stellte das KI-Forschungs- und Entwicklungs­unternehmen OpenAI das KI-Modell DALL-E vor, das mit Bild- und Textdaten trainiert wurde und daher zu Text­eingaben passende Bilder generiert, die von CLIP, einem anderen KI-Modell, auf ihre Qualität hin geprüft und sortiert werden. Während OpenAI eine abgespeckte Version von CLIP veröffentlich­te, gibt es bisher keinen Zugang zu DALL-E, sondern nur (ziemlich beeindruckende) Beispielbil­der unter  https://openai.com/blog/dall-e. Aber auch in Kombina­tion mit GANs lassen sich mit CLIP KI-Systeme entwickeln, die auf Texteingaben hin Bilder generieren oder verändern.

Im Februar 2021 veröffentlichte OpenAI ein Paper, in dem das Team eine neue Netzwerkarchitektur zur Bildgenerierung vorstell­te: sogenannte Diffusion Models, die anders funktionieren als GANs. Bei Letzteren erzeugt ein Generatornetzwerk zufällige Bilder, die von einem Diskriminatornetzwerk mit Trainingsdaten verglichen und bewertet werden, woraufhin der Generator lernt, Motive zu erzeugen, die der Diskriminator nicht mehr von den Originalquellen unterscheiden kann (daher der Name Generative Ad­versarial Networks). Diffusion Models dagegen fügen Bildern während des Trainings schrittweise Rauschen hinzu und lernen anschließend, diesen Prozess rückgängig zu machen. Fertig trainiert können sie aus purem Rauschen beliebige Bilder mit den im Training gesehenen Objekten generieren (siehe »Zwischen Kontrolle und Überraschung«). Diese Technik ist der GAN-Arbeits­weise offensichtlich überlegen: Schon nach drei Monaten überstieg die Bildqualität der Diffusion Models die von GANs.

Ende 2021 ging es mit dem KI-Modell GLIDE von OpenAI weiter. Die Abkürzung steht für »Guided Language to Image Diffusion for Generating and Editing«. Man kann damit also mit Diffusion Models Bilder anhand von Prompts generieren und sogar im Detail bearbeiten. Eine zusätzliche Qualitätskontrolle durch CLIP ist bei diesem Modell nicht mehr nötig. GLIDE ist noch nicht in vollem Umfang zugänglich. OpenAI veröffentlichte eine Teilversion, die mit stark gefilterten Daten trainiert wurde und beispielsweise keine Bilder von Menschen generieren kann – aus Sicherheitsgründen. Mehr Informatio­nen und Daten gibt es im GitHub-Ordner von GLIDE, tes­ten kann man das Modell über Google Colab. Anfang April 2022 stellte OpenAI DALL-E 2 vor, das noch realistischere Bilder in viermal höherer Auflösung erzeugt. Es ist bisher nicht via API ver­füg­bar, da OpenAI noch die Fähigkeiten und Limitationen des Netzwerks erforscht.

Currently trending: Prompt Engineering

Derzeit wird in der KI-Community viel mit CLIP und GLIDE experimentiert, und es entstehen immer wieder neue Systeme, An­wen­dungs­mög­lichkeiten und verblüffende Kunstwerke. Manche sehen im Prompt Engineering, also der Formulierung der Text­eingaben, bereits eine eigene Kunstform. Die Bewegung hat sogar ein eigenes Manifest: »The Promptist Manifesto«, natürlich verfasst von GPT-3.

Um bei diesen Experi­men­ten und Entwicklungen mitmischen zu können, benö­tigt man allerdings Kenntnisse in Python, der Programmiersprache, in der die meis­ten KI-Anwendungen geschrieben sind. Und man muss dranbleiben: »Ich verfolge die Szene auf Twitter und lese mich so weit wie möglich in Papers von Informa­ti­ke­­r:in­­nen ein, um zu verstehen, wie ein neues Modell oder eine neue Anwendung positioniert ist und was daran innovativ ist«, sagt Ludwig Zeller, Dozent und Designforscher am Ins­ti­tut Digitale Kommunikati­ons-Umge­bun­gen an der Fachhochschule Nordwestschweiz. Für Designerinnen und Designer lohnt es sich, zumindest ein Stück weit in die neue Technik einzusteigen, auch wenn es am Anfang etwas einschüchternd ist. Für komplexere Fälle kann man sich immer KI-Experten mit ins Boot holen.

Nach oben

“Irgendwann wird es egal sein, ob ich mit einem menschlichen Assistenten oder mit einer Maschine spreche.”

Nach oben

Weitere Informationen zum Thema Creative AI

• DALL-E 2: Diese KI erstellt täuschend echte Fake-Bilder
• Neue Creative AI: Midjourney

Dieser Artikel ist in PAGE 06.2022 erschienen. Die komplette Ausgabe können Sie hier runterladen.

PDF-Download: PAGE 6.2022

Produkt-Details anzeigen

Creative AI nutzen ++ How-To: Interaktive Graphic Novel ++ Risographie in Motion ++ Nachhaltige Etiketten gestalten ++ Typographisches Storytelling ++ Interview Erik Marinovich ++ EXTRA Agen-tur- und Projektmanagementsoftware

8,80 €

AGB