Was gibt’s Neues zum Thema »Next Work«? › PAGE online
Die Reise geht weiter in Richtung Next Work, wo der Fokus auf Sinnstiftung liegt. Dafür braucht es aber mehr Vertrauen zwischen Freelancer:innen, Angestellten und Arbeitgebern, sagt Zukunftsforscher Dr. Daniel Dettling.
Dass die gut gemeinten, aber schon lange belächelten Obstkörbe im Sinne von »New Work« längst nicht mehr State of the Art in einer modernen Arbeitswelt sind, ist durch die KI-Entwicklungen noch deutlicher geworden. Nachdem die Corona-Pandemie das Schlagwort »Next Work« befeuert hatte, entwickelt sich das Buzzword nun stetig weiter. Aber was bedeutet das aktuell eigentlich für die Kreativbranche?
Kurzer Reminder: Next Work bezeichnet die radikale Neugestaltung der Arbeitswelt. Dabei verschiebt sich der Fokus weg von reiner Präsenz und Prozessoptimierung hin zu messbarem Impact, mentaler Gesundheit und der konsequenten Sinnstiftung für alle.
Man kann sagen, dass Next Work gemeinsam mit Künstlicher Intelligenz gewachsen ist – durch alle Arbeitsbereiche hindurch. In der Kreativbranche geht es weiterhin darum, die menschlichen Rollen in kreativen Arbeitsprozessen neu zu definieren, ohne dass menschliche Kreativität dabei flöten geht. Ohne, dass Jobs verloren gehen.
Impact over Profit?
Next Work nimmt dabei eine zentrale Rolle ein, weil hier der Fokus im weitesten Sinne auf Wirkung, Wohlbefinden sowie Sinnstiftung liegt und auf Netzwerk-artigem Arbeiten in Hubs. Das Wort Home-Office wirkt da schon fast veraltet.
»In dieser neuen Welt ist Arbeit nicht mehr an Ort, Zeit oder Hierarchie gebunden, sondern an Sinn, Selbstbestimmung und Zusammenarbeit.«
Das kommentiert Zukunftsforscher Dr. Daniel Dettling, Gründer der Denkfabrik Institut für Zukunftspolitik, im Freelancer-Kompass 2026. Er ordnet den Begriff als ein neues Verständnis von Arbeit ein, nicht nur als ein Modewort.
Darüber, dass Kreative mit und in ihren Arbeiten Haltung zeigen und Sinn stiften möchten, haben wir zum Beispiel bei diesem B Corp-Projekt berichtet. Hier geht es also nicht mehr nur um eine Wohlfühlatmosphäre, sondern um Wirkung und Verantwortung. Dettling meint, dass Freelancer:innen das Prinzip heute schon viel mehr leben, weil sie bereits selbstbestimmt und Ergebnis-fokussiert arbeiten würden.
Das trifft zumindest in der Designszene aber auch auf diverse Designbüros oder Agenturen zu; viele suchen sich gezielt Projekte, die Sinn stiften.
Wir brauchen eine bessere Vertrauenskultur
Dettling sagt weiter, dass »Organisationen fluider werden und Grenzen zwischen intern und extern verschwimmen«. Dafür spricht er auch eine klare Forderung aus, weil es in Deutschland viel Bürokratie und Misstrauen gebe:
»Wir brauchen eine Kultur des Vertrauens.«
Bürokratie sei auch immer ein Zeichen von Angst und für Next Work müsse man zum einen diese überwinden beziehungsweise Kontrolle abgeben können und zum anderen Menschen mehr zutrauen.
Im Grunde genommen ist das für alle gültig, sagt er, für Freelancer:innen und für Angestellte sowie für die Arbeitgeber. Mit seinen Worten räumt er Selbstständigen eine Vorreiterrolle ein, die für Next Work eine wichtige Position einnehmen.
Auch wenn alle noch dabei sind, die menschlichen Rollen mit AI in kreativen Arbeitsprozessen neu zu definieren, kann Next Work helfen, »mehr Vertrauen zu wagen«.
»Durch Vibe Coding mit KI-Tools verändert sich die Rolle von Entwickler:innen in Unternehmen grundlegend« › PAGE online
Was als Experiment mit KI-gestützter Entwicklung begann, ist bei diesem Team längst Alltag: Vibe Coding beschleunigt nicht nur die Softwareentwicklung, sondern verschiebt den Fokus von klassischem Programmieren hin zu Architektur, Bewertung und Mensch-KI-Kollaboration.
Bild: Thomas ReinermannAnja Bornmann-Reske ist Head of IT Services bei einem IT- und Softwareunternehmen und beschäftigt sich täglich mit der Frage, wie sich moderne Entwicklungsteams zwischen steigender Komplexität, Effizienzdruck und neuen KI-Tools neu organisieren können. In diesem Interview mit PAGE geht es um Vibe Coding und die Frage, wie KI-gestützte Entwicklung den Arbeitsalltag von IT-Teams verändert. Dabei werden die Aspekte Effizienz, neue Verantwortung und die Zukunft des Programmierens im Dialog mit KI beleuchtet.
PAGE: Vibe Coding ist ein Begriff, den viele mit Hobby-Entwickler:innen oder No-Code-Tools verbinden. Wie kam es dazu und war das ein bewusster Entschluss oder hat es sich einfach eingeschlichen?
Anja Bornmann-Reske: Bei uns war das tatsächlich ein sehr konkreter Trigger: Salesforce hat in einem Release KI-gestützte Entwicklungsfunktionen bereitgestellt. Unsere Entwickler:innen haben es aus Interesse und Neugier relativ schnell ausprobiert und festgestellt, dass es ihnen im Alltag echten Mehrwert bringt. Vor allem überzeugt hat sie die Geschwindigkeit, mit der erste Lösungsansätze entstehen.
Ab dem Punkt war es dann kein Zufall mehr, sondern eine bewusste Entscheidung. Wir haben gesehen, dass das Potenzial enorm ist, gerade unter unseren Rahmenbedingungen mit steigenden Anforderungen bei gleichzeitig begrenzten Ressourcen, und haben Vibe Coding gezielt in unseren Arbeitsablauf integriert.
Wann habt ihr gemerkt, dass das kein Experiment mehr ist?
Der Punkt war erreicht, als sich das Verhalten im Team verändert hat. Sobald Entwickler:innen bei neuen Anforderungen nicht mehr zuerst selbst »von Null« anfangen, sondern ganz selbstverständlich mit der KI in die Lösungsfindung gehen, verändert sich der Arbeitsmodus fundamental. Spätestens als wir gemerkt haben, dass wir Change Requests schneller einschätzen und priorisieren können, war klar: Das ist kein Experiment mehr, sondern produktiver Alltag.
Wie sieht ein typischer Arbeitstag mit Vibe Coding aus?
Der Ablauf ist weniger klassisch iterativ, sondern eher agil mit sehr schnellen, direkten Feedbackschleifen zwischen Entwickler:in und KI.
Ein typischer Tag sieht so aus:
Der/die Entwickler:in versteht die fachliche Anforderung und formuliert den Lösungsansatz.
Die KI liefert daraufhin sehr schnell konkrete Vorschläge, Code oder Varianten.
Der/die Entwickler:in bewertet diese direkt im Kontext unserer Systeme (CRM, Customer Service, ERP, ECM) und gibt gezielt Feedback oder präzisiert die Anforderungen.
Die KI reagiert darauf, und es entsteht ein enger Austausch, fast wie ein technischer Dialog.
Diese Kollaboration ermöglicht es uns, in kürzester Zeit zu belastbaren Lösungsansätzen zu kommen. Der größte Mehrwert liegt dabei für uns nicht nur in der Umsetzung, sondern vor allem darin, sehr früh einschätzen zu können, wie komplex ein Change Request ist und ob sich die Umsetzung wirtschaftlich lohnt.
Wie weit geht Vibe Coding – wird Code einfach übernommen?
Nein, Code wird bei uns nicht blind übernommen. Die Arbeitsweise hat sich jedoch verändert, da Entwickler:innen nicht mehr jede einzelne Zeile im Detail prüfen, sondern stärker die Gesamtlösung bewerten. Im Mittelpunkt steht dabei die Frage, ob der vorgeschlagene Code zur Gesamtarchitektur passt, ob er wartbar und gut integrierbar ist und ob mögliche Risiken, etwa in Bezug auf Sicherheit oder Performance, berücksichtigt sind. Dadurch verschiebt sich der Fokus zunehmend vom reinen Schreiben von Code hin zum Verstehen und kritischen Bewerten von Lösungen.
Wo zieht ihr die Grenze?
Die Grenze ziehen wir immer dort, wo Risiken und Kritikalität besonders hoch sind. Das betrifft insbesondere sicherheitsrelevante Bereiche wie Berechtigungs- und Authentifizierungslogiken, aber auch die Kernarchitektur und das grundlegende Systemdesign.
Ebenso gilt das für geschäftskritische Integrationen zwischen zentralen Systemen. In diesen Fällen bleibt die Verantwortung vollständig bei dem/der Entwickler:in, während die KI lediglich unterstützend eingesetzt wird und keine direkte Umsetzung übernimmt.
Wie stellt ihr Qualität, Sicherheit und Wartbarkeit sicher?
Qualität, Sicherheit und Wartbarkeit stellen wir bewusst über klassische und bewährte Mechanismen sicher. Dazu gehören verpflichtende Code Reviews, die unabhängig davon stattfinden, ob der Code von Menschen oder KI erstellt wurde, sowie klare Architekturprinzipien, an denen jede Lösung gemessen wird.
Zusätzlich setzen wir auf automatisierte und manuelle Tests, um Risiken frühzeitig zu erkennen, sowie auf eine strukturierte Dokumentation, die heute eine noch wichtigere Rolle spielt als früher. Insgesamt entsteht Qualität dabei weniger durch manuelles Programmieren, sondern stärker durch konsequente Bewertung und Kontrolle der Ergebnisse.
Wer trägt die Verantwortung bei Fehlern?
Ganz klar: der Mensch. Wir behandeln KI wie jedes andere Werkzeug und die Verantwortung liegt immer bei dem/der Entwickler:in, der den Code prüft, freigibt und produktiv setzt. Das ist für uns auch ein zentraler Punkt in Richtung Governance: Verantwortung ist nicht delegierbar.
Verändert Vibe Coding die Anforderungen an Entwickler:innen?
Ja, deutlich. Wir suchen weniger reine »Coder:innen« und mehr:
Menschen mit starkem Architekturverständnis.
Menschen, die Lösungen bewerten können.
Menschen, die fachliche Anforderungen gut in technische Lösungen übersetzen.
Prompting ist am Ende nichts anderes als präzise Spezifikation und genau diese Fähigkeit wird immer wichtiger.
Verlernen Entwickler:innen das Handwerk vom Programmieren?
Ich sehe die Gefahr, aber ich würde sie anders einordnen.
Für uns ist klar: Vibe Coding funktioniert nicht ohne tiefes Know-how. Es reicht nicht, ein paar Grundlagen zu verstehen. Unsere Entwickler:innen müssen die Systeme, Architekturen und Zusammenhänge wirklich durchdringen.
Beim heutigen Stand sehe ich es so, dass die Herausforderung sich verschiebt:
Die KI liefert Vorschläge, aber die Qualität dieser Vorschläge muss fundiert bewertet werden.
Fehler, Sicherheitslücken oder schlechte Architektur erkennt man nur mit Erfahrung und Tiefe.
Entscheidungen werden komplexer, nicht einfacher.
Wer nur oberflächliches Wissen hat, läuft Gefahr, scheinbar funktionierenden, aber langfristig problematischen Code zu akzeptieren. Deshalb ist meine Sicht: Vibe Coding ersetzt kein tiefes Engineering, es macht es sogar noch wichtiger.
Die Rolle verändert sich von »Umsetzer:in« hin zum »verantwortliche Architekt:in und Prüfer:in«. Und dafür braucht es mehr Erfahrung, nicht weniger.
Was würdest du jemandem sagen, der heute klassisch programmieren lernt?
Unbedingt dranbleiben, aber: Lerne Programmieren und lerne gleichzeitig, mit KI zu arbeiten. Wer beides kombiniert, hat einen klaren Vorteil, denn er oder sie versteht Probleme wirklich und kann gleichzeitig sehr schnell Lösungen entwickeln und einschätzen.
Was wird in drei Jahren wirklich wichtig gewesen sein?
Ich glaube, drei Dinge werden sich klar herauskristallisieren:
Geschwindigkeit wird zum Standard, denn der Unterschied liegt nicht mehr darin, wie schnell man entwickeln kann.
Bewertung wird zur Kernkompetenz und gute Entwickler:innen erkennt man daran, welche Lösungen sie bewusst hinterfragen oder ablehnen.
Die Kollaboration mit KI wird zum entscheidenden Skill, denn der Unterschied wird nicht mehr nur im technischen Know-how liegen, sondern darin, wie effektiv jemand mit KI arbeitet.
Gerade dieser dritte Punkt wird oft unterschätzt, denn Vibe Coding ist keine Einbahnstraße, sondern ein echter Dialog zwischen Mensch und KI. Dabei geht es darum, Anforderungen präzise zu formulieren, Ergebnisse gemeinsam mit der KI weiterzuentwickeln und durch kontinuierliches Feedback die Lösung Schritt für Schritt zu schärfen.
Wer diese Art der Zusammenarbeit beherrscht, kann die Möglichkeiten von KI deutlich besser ausschöpfen, während diejenigen, die das nicht schaffen, trotz guter Tools vergleichsweise ineffizient bleiben. Für uns als IT bedeutet das, dass der nachhaltige Wettbewerbsvorteil nicht in der Technologie selbst liegt, sondern in der Fähigkeit, sinnvoll mit ihr zu kollaborieren und daraus die richtigen Lösungen abzuleiten. Genau diese Entwicklung wird sich rückblickend als die eigentlich entscheidende Veränderung herausstellen.
Das Start-up ItsNotAI hat ein »Nicht-KI-Siegel« entwickelt, um das Vertrauen in digitale Bilder wiederherzustellen. › PAGE online
Das Zürcher Start-up ItsNotAI entwickelt ein Label, das nicht KI-Inhalte markiert, sondern menschliche Kreativität sichtbar macht. Im Gespräch erklärt einer der Gründer:innen, Thomas Tang, warum Authentizität im Zeitalter generativer Bilder zur knappen Ressource wird und wie ein »Bio-Siegel für digitale Kunst« Vertrauen in visuelle Inhalte zurückbringen soll.
In einer Welt, in der die Grenzen zwischen menschlicher Kreativität und Gestaltung und algorithmischer Generierung zunehmend verschwimmen, wird Authentizität zur neuen Währung. Das Zürcher Start-up ItsNotAI hat sich dieser Herausforderung angenommen. Anstatt lediglich KI-Inhalte zu markieren, setzt das Team auf einen »Trust Layer«, der menschliche Kreativität sichtbar macht. Ob in der Fotografie, im Fotojournalismus oder bei digitalen Kunstwettbewerben wie dem GGAC – ihre hybride Detektionstechnologie, die Vision Transformer mit menschlicher Expertise kombiniert, soll das Vertrauen in digitale Bilder wiederherstellen. Im Gespräch mit PAGE erläutert einer der Gründer:innen, Thomas Tang, warum »menschlich gemacht« in Zukunft ein Luxusgut sein könnte und warum ihr Label das Potenzial hat, zum Bio-Siegel der digitalen Kunstwelt zu werden.
Durch den Fokus auf die verschiedenen Bildschichten kann erkannt werden, ob es sich um KI-generierte Inhalte oder von Menschen erstellte Bilder handelt.
Erinnert ihr euch an den Moment, in dem euch klar wurde: »Wir müssen ItsNotAI gründen«? Was genau ist da passiert?
Unser Team hat ursprünglich einen technischen Hintergrund. Wir haben bemerkt, dass man in sozialen Medien oft nicht mehr echte Aufnahmen von KI-generierten unterscheiden kann und dass dies, da sich die Modelle immer weiter verbessern, in Zukunft mit dem menschlichen Auge gar nicht mehr erkennbar sein wird. Daraufhin haben wir uns mit dem Thema der Erkennung von KI-Bildern befasst, wobei uns die Technologie dahinter sofort begeistert hat. Dieses Problem betrifft aber nicht nur die sozialen Medien, sondern kann in vielen verschiedenen Sektoren massive Schäden anrichten, von Versicherungsbetrug bis hin zu Deepfakes. Durch Gespräche mit lokalen Künstlern haben wir dann von der speziellen Herausforderung gehört, die KI für originelle Fotografie und Illustration darstellt. Deshalb haben wir uns entschieden, einen Service im Format eines Labels für Künstler anzubieten, das authentische, KI-freie Werke klar kennzeichnen soll.
Warum habt ihr euch bewusst dafür entschieden, nicht KI-Inhalte zu markieren, sondern menschliche Arbeit sichtbar zu machen?
Die Kennzeichnung KI-generierter Inhalte funktioniert derzeit unzuverlässig, da sie stark auf Selbstverantwortung basiert. Einige KI-Generatoren nutzen zwar Wasserzeichen, um den Ursprung aus künstlicher Intelligenz zu markieren, aber inzwischen gibt es auch Tools, die genau diese Wasserzeichen aus KI-generierten Bildern wieder entfernen. Wenn bald schätzungsweise mehr als die Hälfte der neuen Inhalte im Internet KI-generiert sind, scheint es für uns sinnvoller, jene Inhalte zu markieren, die nicht KI-generiert sind, da dies in Zukunft wahrscheinlich eher die Ausnahme, als die Regel sein wird. Auch aus ökonomischer Sicht kann es Sinn ergeben, die wertvollere Minderheit hervorzuheben. Auf Bildplattformen, wo mittlerweile immer mehr KI-Inhalte erscheinen, kann ein solches Label Künstlern helfen, sich abzuheben. Gleichzeitig werden unsere Detektionsmodelle auch von Plattformen genutzt, um KI-Content zu erkennen.
Nehmt uns einmal mit durch einen echten Fall: Jemand reicht ein Bild ein, was passiert dann Schritt für Schritt bei euch im Hintergrund?
Das Bild wird völlig unabhängig von seinen Metadaten durch unsere Modelle untersucht. Wir nutzen Ensemble-Modelle, die Convolutional Neural Networks (CNN) und Vision Transformer kombinieren: Das CNN sucht nach Anomalien wie unnatürlichem Bildrauschen, Texturen oder Fehlern im Frequenzbereich, die typisch für KI-Generatoren sind. Der Vision Transformer zerlegt das Bild hingegen in Kacheln (Patches) und analysiert mittels Attention-Mechanismen die globalen Zusammenhänge, ob weit voneinander entfernte Bildelemente, wie Schattenwurf oder Proportionen logisch zusammenpassen. Es gibt mittlerweile mehrere private sowie Open Source Modelle für KI-Erkennung. Der Aufwand besteht darin, diese Modelle laufend zu trainieren und ihre Genauigkeit zu evaluieren.
Mithilfe dieser Schritte kann das System erkennen, ob es sich um KI-generierte Inhalte oder von Menschen erschaffene Bilder handelt.
Gab es schon einen Fall, bei dem eure Systeme uneindeutig waren und ihr wirklich diskutieren musstet, ob ein Bild »menschlich« ist oder nicht? Wie entscheidet man sowas?
Unser Modell liefert eine Wahrscheinlichkeit zwischen 0 und 1. Durch unser Fine-Tuning ist es sehr unwahrscheinlich, dass ein nicht-KI generiertes Bild fälschlicherweise als KI eingestuft wird. In uneindeutigen Fällen behalten wir eine Human-in-the-Loop Komponente: hierbei überprüft ein Experte das Bild manuell auf verbliebene Auffälligkeiten und trifft die finale Entscheidung. Es kann jedoch vorkommen, dass ein KI-Bild nicht sofort erkannt wird, etwa dann, wenn das spezifische KI-Modell, welches das Bild generiert hat, unserem Modell noch nicht bekannt ist. Es kann dann notwendig sein, das Modell teilweise neu zu trainieren.
Ihr habt mit einem Fotografen gearbeitet und große Mengen seiner Bilder analysiert, wie kam es zu dieser Zusammenarbeit?
Der Fotograf verfügte über eine große Sammlung von Bildern, darunter fotojournalistische Arbeiten und historische, politische Aufnahmen. Er wollte sein Werk durch ein Label eindeutig als »nicht-KI« kennzeichnen lassen. Unser ItsNotAI-Label stützt sich auf unsere Detektionsmodelle und dient somit als Bestätigung, dass die Bilder rein menschlichen Ursprungs sind.
Was war das Ziel dieses Projekts? Ging es eher um Schutz, Archivierung oder auch um Sichtbarkeit?
Das Hauptziel war es, unsere Technologie zu testen und ihre erfolgreiche Anwendung zu demonstrieren. Außerdem war es für uns eine sehr gute Gelegenheit, eventuelle Schwachstellen unserer Software ausfindig zu machen und Probleme zu beheben. Wir sind zu der Erkenntnis gekommen, dass es an der UX Einiges zu tun gibt, aber die grundlegende Technologie funktioniert gut.
Was habt ihr durch das Labeln dieser vielen Bilder gelernt? Über Fotografie, aber auch über KI?
Allen voran haben wir gelernt, dass die Zielgruppe eine solche Software und die Transparenz, die wir damit schaffen möchten, sehr wertschätzt. Wir haben beim Labeln auch gemerkt, wie schwer es für den durchschnittlichen Betrachter mittlerweile ist, KI-generierte Bilder als solche zu erkennen. Die KI simuliert Fotografie auf den ersten Blick so makellos, dass sie mit bloßem Auge kaum noch von echten Bildern zu unterscheiden sind. Hier ist eine Analyse durch unsere Software eine deutlich genauere Methode. Aktuell arbeiten wir daran, das Tool in der Verwendung noch intuitiver zu gestalten.
Wie hat der Fotograf selbst auf eure Ergebnisse reagiert? Eher erleichtert, überrascht oder auch kritisch?
Er war vor allem neugierig, diese neue Technologie auszuprobieren und sehr erleichtert, dass sich nun langsam Lösungen etablieren, die mit der rasanten technischen Entwicklung Schritt halten können.
»Unser Detektionsmodell wird eingesetzt, um sicherzustellen, dass in den reinen Human-Art-Kategorien des Wettbewerbs tatsächlich keine KI verwendet wird.«
Lässt sich euer Modell ohne das Label einsetzen?
Ja, absolut. Auf der Visuals Conference in Hamburg haben wir erstmals unser Modell auch als Programmierschnittstelle (API) angeboten. Beispielsweise arbeiten wir zurzeit zusammen mit einem führenden digitalen Kunstwettwettbewerb in Asien, dem GGAC. Unser Detektionsmodell wird eingesetzt, um sicherzustellen, dass in den reinen Human-Art-Kategorien des Wettbewerbs tatsächlich keine KI verwendet wird. Das ist deutlich genauer und effizienter als eine manuelle Überprüfung. Es freut uns sehr zu sehen, dass unsere Technologie weltweit auf Nachfrage stößt.
Was ist die überraschendste Erkenntnis, die ihr seit der Gründung hattet?
Als Team mit technischem Hintergrund war der intensive Austausch mit der Kreativbranche für uns eine besonders wertvolle Erfahrung. Die überraschendste Erkenntnis war dabei die Vielfalt an Zukunftsperspektiven, die große Offenheit gegenüber neuen Tools sowie der ehrliche und offene Austausch innerhalb der Community. Das hat uns sehr geholfen, unsere Software nicht nur aus einer reinen Ingenieursperspektive zu entwickeln, sondern sie exakt an den Bedürfnissen der Branche auszurichten.
Hat sich euer eigener Blick auf Kreativität durch eure Arbeit verändert?
Ja, wir hatten unter anderem auch die Möglichkeit, mit KI-Künstlern über deren Verständnis von Kreativität zu sprechen. Wir schätzen jede Form von Kreativität und verstehen uns in erster Linie als neutrales Tool, das für Transparenz im Kreativitätsspektrum sorgt.
Ihr sprecht von einem »Trust Layer«, wo wird Vertrauen im digitalen Bild heute am dringendsten gebraucht?
Vertrauen – und vor allem ein Tool zur Unterscheidung von KI und nicht-KI – wird überall dort dringend gebraucht, wo man mit bloßem Auge nicht mehr erkennen kann, was echt ist, man aber gezielt authentische Inhalte sucht. Nicht nur auf Kunstplattformen, sondern auch bei Stockbild-Anbietern sieht man, dass KI-Bilder und echte Fotografien zunehmend vermischt werden und immer schwerer zu unterscheiden sind. Dieses Bedürfnis nach Transparenz ist zentral für alle, die echte Bilder suchen, da authentische Werke weiterhin eine besondere Wertschätzung genießen.
Alle Bilder, die von Menschen geschaffen wurden, erhalten ein „Certificate of Human Creation” und einen Tag. “CGI Art” heißt in diesem Fall, dass es am Computer modelliert wurde (z.B. mit Blender).
Seht ihr eure Arbeit eher im Kunstkontext oder auch im Journalismus und bei Desinformation?
Unsere Technologie ist sehr breit anwendbar und in manchen Branchen schlicht essenziell: für Presseagenturen ist es beispielsweise unerlässlich geworden, echte von KI-generierten Bildern unterscheiden zu können. Unsere Technologie ist sehr breit anwendbar. Der Kunstkontext war für uns anfangs wie ein »Trainingslager«, um durch die immense Vielfalt an Bild- und Kreativformen die Grenzen unserer Detektionsgenauigkeit auszutesten. Zudem ist dies eine Zielgruppe, die sehr offen für Innovationen ist. Unser Modell wird heute bereits von Bildanbietern und Plattformen genutzt, um KI-Inhalte in großen Archiven zu identifizieren. Beim Label selbst sehen wir noch eine etwas langsamere Adaption – teils wegen des Integrationsaufwands, teils, weil sich das Vertrauen in ein solches Gütesiegel erst organisch aufbauen muss.
Wie sieht für euch eine Zukunft aus, in der KI und menschliche Kreativität koexistieren?
Wir schätzen jede Form der Kreativität und glauben, dass eine Koexistenz der natürliche Weg sein wird. Wir sehen uns dabei schlicht als das notwendige Werkzeug, um traditionell geschaffene Werke unterscheidbar zu machen.
Was müsste passieren, damit sich euer Label wirklich durchsetzt? Könnte so ein Label irgendwann so selbstverständlich werden wie ein Bio-Siegel?
Wir sind aktuell in Gesprächen, unser Label direkt in Kunstplattformen zu integrieren. Wenn das gelingt, könnte es sehr bald ein weit verbreitetes, kleines Siegel werden, das für viele digitale Werke zum Standard gehört, ähnlich wie das Bio-Siegel im Supermarkt.
Glaubt ihr, dass »menschlich gemacht« in Zukunft tatsächlich zu einer Art Luxus wird?
Ja. KI-Content zu produzieren ist in vielen Fällen günstiger, deutlich schneller und kann bestimmte künstlerische Prozesse komplett ersetzen. Traditionell menschlich hergestellte Kunst wird definitiv seltener und ohne technische Hilfe immer schwieriger als solche zu identifizieren sein. Doch in einer Welt KI-generierter Inhalte ist die echte, menschliche Kreativität unersetzlich. Sie ist der wichtigste Wettbewerbsvorteil von Künstlern, denn es ist genau diese Originalität, die das Publikum tiefgehend wertschätzt und für die es auch in Zukunft bezahlen möchte. Genau hier setzen wir an.
Sprechen wir bald alle wie ChatGPT? Wie KI unsere Sprache verändert. › PAGE online
KI verändert nicht nur, wie wir schreiben, sondern zunehmend auch, wie wir sprechen und denken. Eine aktuelle Studie zeigt, wie tief dieser Einfluss bereits reicht und warum es gerade jetzt entscheidend ist, sprachlich und kreativ eigenständig zu bleiben.
Bild: Jana ReskeSprache verändert sich ständig. Neue Begriffe entstehen, alte verschwinden und Bedeutungen verschieben sich. Das beobachten wir schon, seit es Sprache gibt, aber noch nie gab es eine Zeit wie jetzt, in der viele Leute die gleichen Tools wie LLMs (ChatGPT und Co.) für die Erstellung von Texten nutzen.
Dadurch haben wir alle quasi die gleiche Quelle für geschriebene Texte und es gibt einen Überfluss an geschriebenem Material. Das nehmen wir als sogenannten »AI Slop« wahr, weil sich alle Texte ähnlich anhören und scheinbar keine Seele mehr haben. Zwar können wir meistens nicht mehr genau erkennen, ob Inhalte durch KI erstellt oder von Menschen geschrieben wurden, aber wir bekommen oft ein Gefühl dafür, ob ein Text wirkliche Inhalte hat oder eher leere Phrasen enthält.
Erste messbare Veränderungen von Sprache durch KI
Für dieses Phänomen gab es lange keine klar messbaren Beweise, aber eine aktuelle Studie des Max-Planck-Instituts für Bildungsforschung zeigt erstmals empirisch, wie tief dieser Einfluss bereits reicht. Dafür analysierte ein Forschungsteam mehr als 700.000 Stunden Audiomaterial aus Podcasts und YouTube-Videos, sowohl vor als auch nach der Veröffentlichung von ChatGPT im Jahr 2022.
Das Ergebnis ist, dass bestimmte Wörter und Formulierungen, die typisch für KI-generierte Texte sind, seitdem deutlich häufiger in der gesprochenen Sprache auftauchen. Im Englischen betrifft das Begriffe wie »delve«, »realm« oder »meticulous«. Für das Deutsche gibt es dafür noch keine klaren Belege. Dennoch entsteht bei vielen der Eindruck, dass sich auch hier bestimmte Formulierungen häufen
Besonders auffällig ist die Geschwindigkeit dieser Veränderung. Innerhalb von nur anderthalb Jahren stieg die Nutzung einzelner Begriffe um bis zu 50 Prozent. Und das nicht nur in vorbereiteten Formaten oder Texten, sondern auch in spontanen Gesprächen.
So schleichen sich bestimmte Wörter, die häufig von LLMs verwendet werden, in unseren täglichen Sprachgebrauch ein.
Ein zentraler Befund der Studie ist, dass KI nicht nur einzelne Interaktionen beeinflusst, sondern sich ihre sprachlichen Muster bereits in der breiteren Kommunikation verbreiten. Der Einfluss geht also über die direkte Nutzung von Tools wie ChatGPT hinaus: Bestimmte sprachliche Eigenschaften tauchen auch bei Menschen auf, die gar nicht bewusst mit KI gearbeitet haben. In analysierten Podcast-Gesprächen zeigen sich diese Effekte bereits in spontaner, natürlicher Sprache.
KI-Systeme prägen nicht nur Sprache, sondern auch Kultur
Damit verschiebt sich die Rolle von KI grundlegend. Sie ist nicht mehr nur ein Werkzeug, sondern ein Medium, das kulturelle Entwicklung mitprägt. Die Studie beschreibt diesen Einfluss als potenziell tiefgreifend, da generative KI erstmals in dieser Skalierung in Kommunikationsprozesse eingreift und dadurch gesellschaftliche Veränderungen anstoßen kann.
Ein besonders kritischer Punkt ist die Gefahr kultureller Vereinheitlichung. Wenn KI-Systeme bestimmte sprachliche Muster bevorzugen und diese durch ihre breite Nutzung verstärkt werden, kann das langfristig zu einem Verlust von Vielfalt führen. Dieser Effekt könnte sich selbst verstärken, weil zukünftige Modelle zunehmend auf Daten trainiert werden, die bereits von KI geprägt sind. So entsteht ein Kreislauf, in dem sich bestimmte Ausdrucksweisen immer weiter durchsetzen.
In diesem Zusammenhang warnt die Studie auch vor einem Risiko für die Systeme selbst: Wenn sprachliche Muster zu stark vereinheitlicht werden, kann die Vielfalt der Trainingsdaten abnehmen. Das könnte wiederum die Qualität und Leistungsfähigkeit zukünftiger Modelle beeinträchtigen.
Wie gehen wir als Gesellschaft mit diesen Veränderungen um?
Die Forschung weist auf mögliche gesellschaftliche Folgen hin, die über Sprache hinausgehen. Wenn sich menschliche und maschinelle Kommunikationsmuster zunehmend angleichen, könnten sich auch etablierte Vorstellungen von Autorität, sozialer Identität und Glaubwürdigkeit verändern. Sprache fungiert traditionell als ein Instrument sozialer Abgrenzung. Verschwimmen diese Unterschiede, entstehen neue Dynamiken und potenziell auch neue Formen von Bias.
Ein konkretes Beispiel dafür ist die Wahrnehmung bestimmter Wörter: Begriffe, die von KI bevorzugt verwendet werden, könnten künftig mit geringerer Kompetenz oder intellektueller Autorität assoziiert werden. Dadurch verändert sich nicht nur, wie wir sprechen, sondern auch, wie wir Sprache bewerten.
Kritisch bleiben in einer Welt voller KI-Inhalte
Wenn KI beginnt, nicht nur unsere Arbeit, sondern auch unsere Sprache und Denkweisen zu prägen, stellt sich zwangsläufig die Frage, wie wir damit umgehen wollen. Denn so bequem und produktiv die Zusammenarbeit mit diesen Systemen auch ist, sie bringt eine stille Gefahr mit sich: dass wir ihre Muster übernehmen, ohne sie noch bewusst zu hinterfragen.
Das wird besonders im kreativen Kontext deutlich. Wenn sich Formulierungen angleichen, Texte plötzlich ähnlich lesen und Ideen zwar korrekt, aber austauschbar wirken, dann ist das kein Zufall. Es ist ein Zeichen dafür, dass wir uns zu stark an das halten, was uns vorgeschlagen wird, anstatt es als Ausgangspunkt zu nutzen. Die Folge ist das, was viele inzwischen als »AI Slop« bezeichnen – Inhalte, die technisch einwandfrei sind, aber kaum noch eine eigene Haltung besitzen.
Dem entgegenzuwirken bedeutet nicht, auf KI zu verzichten, sondern sie bewusster einzusetzen. Es bedeutet, Ergebnisse nicht als fertige Lösungen zu akzeptieren, sondern sie als Ausgangsmaterial zu begreifen. Als etwas, das geprüft, weitergedacht und dem im besten Fall auch widersprochen werden muss. Denn genau in dieser Reibung entsteht Qualität und genau dort beginnt kreative Eigenleistung.
Das setzt allerdings voraus, dass wir uns nicht in eine passive Rolle drängen lassen. Wer mit KI arbeitet, sollte sich deshalb immer wieder fragen: Warum klingt das so? Welche Annahmen stecken dahinter? Würde ich das selbst genauso formulieren oder nur, weil es plausibel wirkt? Diese Form der kritischen Distanz ist keine Hürde, sondern eine Voraussetzung dafür, dass aus Unterstützung keine Abhängigkeit wird.
Langfristig geht es dabei um mehr als nur bessere Texte oder Designs. Es geht darum, kulturelle Vielfalt in Sprache, Ausdruck und Perspektiven zu bewahren. Wenn wir uns zu sehr an standardisierte Muster anpassen, verlieren wir genau das, was kreative Arbeit ausmacht: Unterschiedlichkeit, Eigensinn und die Fähigkeit, Dinge anders zu sehen.
Vielleicht liegt die eigentliche Aufgabe deshalb nicht darin, immer effizienter mit KI zu arbeiten, sondern bewusster. Nicht schneller zu produzieren, sondern genauer hinzusehen und nicht jede Antwort zu akzeptieren, sondern immer wieder zu prüfen, ob sie wirklich die richtige ist.
In einer Welt, in der die Grenzen zwischen menschlicher Kreativität und Gestaltung und algorithmischer Generierung zunehmend verschwimmen, wird Authentizität zur neuen Währung. Das Zürcher Start-up 
Künstliche Intelligenzvor 3 Monaten
Künstliche Intelligenzvor 2 Monaten
Künstliche Intelligenzvor 2 Monaten
Künstliche Intelligenzvor 2 Monaten
