Übersicht, die den Unterschied zwischen klassischer KI und generativer KI mit konkreten Anwendungsbeispielen verdeutlicht:
🧠 Klassische KI (Analytische oder Entscheidungs-KI)
Ziel: Muster erkennen, Vorhersagen treffen, Entscheidungen automatisieren.
Arbeitsweise: Analysiert vorhandene Daten, um Regeln, Prognosen oder Klassifikationen zu erstellen.
Praktische Beispiele:
- Spam-Filter in E-Mails
→ Erkennen, ob eine Nachricht Spam ist oder nicht. - Kreditwürdigkeitsprüfung (Banken)
→ Bewertung von Kundenrisiken anhand von Finanzdaten. - Predictive Maintenance (Industrie 4.0)
→ Vorhersage, wann eine Maschine ausfallen könnte, basierend auf Sensordaten. - Gesichtserkennung in Sicherheitssystemen
→ Identifikation bekannter Personen in Videomaterial. - Navigationssysteme & Routenoptimierung
→ Berechnung der schnellsten oder effizientesten Route.
🎨 Generative KI (Kreative oder Erzeugende KI)
Ziel: Neue Inhalte erzeugen – Text, Bilder, Musik, Code oder Design.
Arbeitsweise: Nutzt große Datenmengen, um auf Basis von Mustern neue, originelle Ergebnisse zu generieren.
Praktische Beispiele:
- ChatGPT, Claude, Gemini, Mistral
→ Erstellung von Texten, Konzepten, Strategien oder Dialogen. - Midjourney, DALL·E, Stable Diffusion
→ Generierung von Bildern, Logos, Produktdesigns oder Kunstwerken. - GitHub Copilot
→ Unterstützung von Entwicklern durch automatisches Schreiben von Code. - Synthesia, HeyGen
→ Erstellung von KI-generierten Videos mit virtuellen Sprechern. - Soundraw, Amper Music
→ Komposition von Musik für Werbung, Spiele oder Filme. - 3D-Modellgenerierung in der Industrie
→ Automatisches Design von Prototypen und Produkten.
⚙️ Kurz gesagt:
- Klassische KI = Erkennt & entscheidet (analytisch, regelbasiert, optimierend)
- Generative KI = Erschafft & gestaltet (kreativ, erzeugend, inspirierend)