Nils Hartmann, Chief Creative Officer und Managing Partner bei Parasol Island, erklärt, wo der Unterschied zwischen Rekontextualisierung und bloßer Reproduktion liegt und wie heute neue Formen von Originalität entstehen können.

PAGE: Wie kann sich kreative Eigenständigkeit in heutigen Zeiten mit KI durchsetzen?

Nils Hartmann: Nicht über das Machen, sondern über das Unterscheiden. Wenn alle aus denselben (Cloud-)Archiven schöpfen, produziert das statistisch zwangsläufig mehr Ähnlichkeit. Eigenständigkeit entsteht heute nicht mehr durch die reine Erstellung, sondern durch Auswahl, Haltung und tiefe Rekontextualisierung – durch das Wissen, das man von außen in den Loop bringt oder bewusst ausschließt. Die KI berechnet den wahrscheinlichsten Output; unsere Aufgabe ist es, genau dort den unwahrscheinlichen Gegenentwurf zu setzen.

PAGE: Wo liegt der Unterschied zwischen Rekontextualisierung und bloßer Reproduktion?

Nils Hartmann: Im Widerstand des Materials. Beim klassischen Sampling – »Crate Digging«, ein Break auf der MPC – bringt das Original seinen »Geist« mit: seine Geschichte, seinen Kontext, seine Reibung. Ähnlich wie bei dem Stilmittel der Collage. Das ist Rekontextualisierung: Ich setze etwas Konkretes in eine neue Beziehung. Reproduktion dagegen ist, wenn dieser Geist in einer statistischen Wolke verdampft – wenn die Referenz so unsichtbar wird, dass nichts mehr Widerstand leistet. Kein Widerstand, keine Bedeutung. Oder wenn die Referenz zu eindeutig ist und nichts mehr dechiffriert werden muss.

PAGE: Können neue Formen von Originalität entstehen, wenn wir immer wieder Reproduziertes aus den Algorithmen weiterverarbeiten?

Nils Hartmann: Unbedingt sogar. Vor allem an den Bruchstellen. Indem man bewusst Brüche, Fehler und Mutationen erzeugt und sie mit echtem Wissen verbindet. Nicht das Wiederkäuen schafft Neues, sondern der Moment, in dem man den Algorithmus gegen seine eigene Wahrscheinlichkeit zwingt. Für unseren professionellen Alltag suchen wir nach neuen, ungesehenen visuellen Lösungen. Der Kampf um Aufmerksamkeit lässt sich nicht mit more sameness lösen. Aber das geht nur mit Führung (=Direction) und nicht, in dem man einfach die Ergebnisse so nimmt, wie sie kommen.

PAGE: »Den Algorithmus gegen seine eigene Wahrscheinlichkeit zwingen«, das trifft es gut. Aber wie ist es bei selbst programmierten KI-Tools? Die lassen sich mit eigenem Material füttern. Besteht da auch die Gefahr von ständiger Reproduktion?

Nils Hartmann: Ein Modell, das ausschließlich auf das eigene Material trainiert ist, perfektioniert vor allem eines: sich selbst zu wiederholen. Sofern das beabsichtigt ist, kann das Vorgehen zu eigenständigeren Lösungen führen als die Arbeit mit Tools von der Stange. Eigene Tools sind enorm wertvoll – wenn man sie als Erweiterung nutzt, um unerreichbare Territorien zu erkunden oder neue visuelle Ausdrucksformen finden möchte. Die Gefahr ist da, wenn wir KI als Optimierungsmaschine einsetzen, die den gewünschten Stil bis zur Erschöpfung dupliziert. Das ist es, was die meisten Anbieter (Adobe, OpenAI, etc.) ja verkaufen. Nicht »Einzigartigkeit«, sondern »sowohl als auch«. Wir sollten also nicht nur mit handelsüblichen Lösungen experimentieren. Es gibt eine engagierte Community (ähnlich wie damals bei der demoscene, Processing & vvvv), die Grenzen auslotet. Um den Bogen zur Musik zu schließen: It grows in the underground.

Danke!