Erfahre mehr über das Thema KI. Lerne in unserem Glossar wichtige Begriffe und Konzepte aus dem Bereich der generativen KI kennen.

Benötigte Materialien

In der Anwendung üben

Adobe Express öffnen

KI-Bildgeneratoren sind eine Art von generativer KI und arbeiten ähnlich wie andere Formen künstlicher Intelligenz. Sie verwenden Machine-Learning-Modelle und große Datensätze für die Erzeugung spezifischer Ergebnisse. Da einfache Text-Prompts ausreichen, sind KI-Bildgeneratoren eine schnelle, effiziente Möglichkeit, Ideen für unterschiedlichste Einsatzgebiete visuell umzusetzen.

Generative KI erstellt unter Verwendung bestimmter Machine-Learning-Algorithmen neuen und originellen Content. Die Qualität und Diversität der Ergebnisse hängen von der Qualität und Diversität der Trainings-Daten, von der Architektur und den Parametern des Modells sowie vom Trainings-Prozess ab. KI-Tools ermöglichen es sowohl Profis als auch Einsteigenden, durch Beschreibungen in Alltagssprache und andere Eingabeformen Bilder, Videos, Dokumente und digitale Experiences zu erstellen – im Falle von Adobe Firefly einzigartige Bilder, Texteffekte und Farbpaletten. Sich über die Grundlagen künstlicher Intelligenz zu informieren, ist ein guter Ausgangspunkt für deinen Einstieg in die Welt der generativen KI.

So verblüffend die mit KI erzeugten Ergebnisse auch sein mögen: Künstliche Intelligenz ist weder Zauberei noch Science-Fiction. In diesem Glossar werden wichtige Begriffe und Konzepte rund um diese innovative, sich kontinuierlich weiterentwickelnde Technologie erklärt.

KI ist ein Bereich der Informatik mit dem Ziel, intelligente Systeme zu entwickeln, die Aufgaben übernehmen können, für die menschenähnliche Intelligenz benötigt wird. Mithilfe verschiedener Techniken und Algorithmen können Maschinen von Daten lernen, Schlussfolgerungen ziehen und sich an neue Informationen anpassen. Künstliche Intelligenz kann mithilfe eines Machine-Learning-Modells, großer Datensätze und Mustererkennung spezifische Ergebnisse erzeugen, z. B. personalisierte Empfehlungen, Spracherkennung oder Übersetzungen.

Generative KI ist eine Art künstlicher Intelligenz, die Alltagssprache und andere Eingaben zum Beispiel in Bilder und Kunstwerke umwandelt. Das Potenzial von generativer KI geht aber weit über die Generierung statischer Bilder anhand von Texteingaben (Prompts) hinaus.

Mit wenigen einfachen Worten und dem richtigen KI-Generator lassen sich z. B. auch Videos, Dokumente und digitale Experiences erstellen. KI-Bildgeneratoren ermöglichen zudem die Herstellung von Kreativelementen wie Pinseln, Vektoren oder Texturen, die als Grundlage oder zur Ergänzung von Inhalten verwendet werden können.

Ein Text-Prompt ist eine Texteingabe, anhand derer ein KI-Sprachmodell die gewünschten Inhalte oder Antworten erstellt. In der Regel handelt es sich um einen kurzen Satz oder eine Formulierung mit wichtigen Infos und Kontext für die KI. Text-Prompts kommen beim Natural Language Processing (NLP) und bei Kreativprogrammen zum Einsatz, die mit KI arbeiten.

Ein Text-Prompt besteht aus einer konkreten, schriftlichen Anweisung oder Frage, an der sich die KI beim Generieren einer Kreation mit dem gewünschten Inhalt und Stil orientiert. Die Formulierung des Prompts hat entscheidenden Einfluss auf die Qualität und Relevanz des Ergebnisses.

Adobe Firefly ist die neue Familie generativer KI-Modelle für die Produkte von Adobe. Im Fokus steht dabei zunächst die Generierung von Bildern und Texteffekten anhand von Texteingaben (Prompts) der Userin bzw. des Users. Firefly eröffnet neue Möglichkeiten zur Ideenfindung, Gestaltung und Kommunikation und verbessert den Kreativ-Workflow erheblich. Damit ist Firefly die natürliche Weiterentwicklung der Technologie, die Adobe seit 40 Jahren anbietet. Wie bei allen Produkten geht es darum, Anwenderinnen und Anwender dabei zu unterstützen, ihre Ideen so umzusetzen, dass das Endergebnis ihren Vorstellungen entspricht.

Große Sprachmodelle (bzw. Large Language Models, LLMs) wie die beliebte KI-Software ChatGPT umfassen Milliarden von Parametern und können menschliche Sprache verarbeiten und generieren. Inzwischen erzielen sie dabei erstaunlich gute Ergebnisse.

Machine Learning ist eine Form von KI, bei der Systeme aus Daten „lernen“ und ihre Leistung mit der Zeit verbessern können – ohne weitere Programmierung. Es gibt Lerntechniken mit und ohne Überwachung sowie bestärkendes Lernen.

Neuronale Netze sind von der Struktur des menschlichen Gehirns inspirierte Computer-Modelle. Sie setzen sich aus miteinander verbundenen Knoten oder Neuronen zusammen, die auf Ebenen organisiert sind. Neuronale Netze werden bei verschiedenen KI-Aufgaben genutzt.

Deep Learning ist eine Art von Machine Learning. Hier werden komplexe Daten und Aufgabenstellungen mithilfe von neuronalen Netzen mit mehreren verborgenen Ebenen verarbeitet, z. B. bei der Bilderkennung und der Verarbeitung natürlicher Sprache.

Mithilfe von generativen KI-Modellen wie GANs, VAEs oder Transformern lassen sich neue, realistische Bilder erzeugen. Dies revolutioniert die Erstellung visueller Inhalte sowie die Arbeit mit bzw. die Performance von Kreativ-Software. KI-Bildgeneratoren sind eine Art von generativer KI und arbeiten ähnlich wie andere Formen künstlicher Intelligenz. Sie verwenden Machine-Learning-Modelle und große Datensätze für die Erzeugung spezifischer Ergebnisse.

Im KI-Kontext bezeichnet Textgenerierung die Erzeugung von kohärenten, kontextrelevanten, schriftlichen Inhalten mithilfe von großen Sprachmodellen oder rekurrenten neuronalen Netzen.

Unüberwachtes Lernen ist ein Machine-Learning-Ansatz, bei dem das Modell anhand von nicht gekennzeichneten oder nicht klassifizierten Daten lernt. Muster und Strukturen werden ohne gezielte Überwachung ermittelt.

Beim Transfer Learning werden aus dem Training für eine bestimmte Aufgabe erlangte Erkenntnisse genutzt, um das Lernen und die Leistung des Modells für eine andere, verwandte Aufgabe zu optimieren. So sind für die zweite Aufgabe weniger Trainings-Daten erforderlich.

„Data Augmentation“ bezeichnet die künstliche Vergrößerung eines Datensatzes durch verschiedene Transformationen der Originaldaten. Sie verbessert die Generalisierungsfähigkeit des Modells.

Voreingenommenheit in der KI bezieht sich auf eventuell vorhandene Präferenzen in KI‑Modellen, die menschliche Vorurteile in den Trainings-Daten widerspiegeln und zu diskriminierenden Ergebnissen führen.

Erklärbare KI zielt darauf ab, Entscheidungsprozesse von KI-Modellen nachvollziehbar und transparent zu gestalten. Dies ist wichtig, um Vertrauen aufzubauen und ihr Verhalten zu verstehen, insbesondere bei kritischen Anwendungen.

Ethik bezieht sich auf die verantwortungsvolle Entwicklung, Implementierung und Nutzung von KI-Technologien. Sie umfasst Themen wie Datenschutz, Voreingenommenheit, Transparenz und Haftung.

KI-generierte Bilder bzw. KI-Kunst sind visuelle Inhalte, die von oder mithilfe von KI-Systemen und generativen Algorithmen entstanden sind. Dabei fließen menschliche Kreativität und KI-Technologie zusammen. KI-Bildgeneratoren wie Adobe Firefly eröffnen neue Möglichkeiten zur experimentellen Entwicklung und Umsetzung von Ideen.

Geplant ist, dass Kreative mit Firefly anhand einer Textbeschreibung und anderer Eingabeformen schnell verschiedene Design-Varianten durchspielen, unerwünschte Objekte aus Fotos entfernen, Illustrationen um zusätzliche Elemente ergänzen, die Stimmung eines Videos verändern, 3D-Objekte mit Texturen versehen oder digitale Experiences erstellen können.

„Datenschutz“ bezeichnet im Zusammenhang mit KI den Schutz personenbezogener und vertraulicher Daten, die als Teil von KI-Trainings-Datensätzen verwendet werden. Ziel ist es, die unautorisierte und potenziell unerwünschte Nutzung dieser Daten zu verhindern.

Bei der Bild-zu-Bild-Übersetzung wird mithilfe generativer KI der Stil eines Bilds verändert. Es ist beispielsweise möglich, eine Zeichnung in ein fotorealistisches Bild umzuwandeln oder eine bei Tag aufgenommene Szene wie bei Nacht aufgenommen wirken zu lassen.

Sprachmodelle sind KI-Systeme zur Verarbeitung und Generierung menschlicher Sprache. Sie werden bei NLP-Aufgaben wie maschineller Übersetzung und Textzusammenfassung eingesetzt.

Vortrainierte Modelle sind KI-Modelle, die mit umfangreichen Datensätzen trainiert und dann für die weitere Optimierung oder für Transfer Learning bei bestimmten Aufgaben zur Verfügung gestellt werden.

NLP ist ein Bereich der KI, bei dem es darum geht, Computern das Verstehen, Interpretieren und Generieren von menschlicher Sprache beizubringen. Sie kommt beispielsweise bei Chatbots und Sentiment-Analysen zum Einsatz.

Stilübertragung bedeutet bei KI, dass der Stil eines Bilds mit dem Inhalt eines anderen kombiniert wird. Dabei entsteht eine völlig neuartige oder kunstvolle Kreation.

Inpainting ist eine KI-Funktion, mit der fehlende Teile eines Bilds ergänzt werden. Sie wird oft zur Restaurierung und Optimierung von Bildern verwendet.

Bei der Hyperparameter-Optimierung werden die Einstellungen (Hyperparameter) von KI-Modellen angepasst, um die Leistung zu verbessern.

„Transferfähigkeit“ bezeichnet die Fähigkeit von KI-Modellen, in einer Domäne gewonnene Erkenntnisse zur Verbesserung der Leistung in einer anderen Domäne zu nutzen.

Multimodale KI verarbeitet und generiert Inhalte aus verschiedenen Datentypen wie Text, Bildern und Audio und ermöglicht so vielfältigere und kreativere Ergebnisse.

GANs sind eine bestimmte Art von generativem KI-Modell. Sie bestehen aus zwei konkurrierenden neuronalen Netzen – dem Generator und dem Diskriminator –, die im Tandem hochwertige künstliche Daten erzeugen.

VAEs sind generative KI-Modelle, die einen Encoder und einen Decoder verwenden, um Datenrepräsentationen geringerer Dimension zu lernen (auch „Latent Spaces“ genannt) und neue Inhalte zu generieren.

Transformer sind eine Deep-Learning-Architektur, die häufig bei großen Sprachmodellen zum Einsatz kommt. Sie ermöglicht die parallele Verarbeitung von Daten und verbessert die Recheneffizienz.

Als „kollaborative KI“ werden KI-Systeme bezeichnet, die für die Zusammenarbeit mit Menschen konzipiert wurden. Sie ergänzen menschliche Fähigkeiten und erleichtern gemeinsame Entscheidungen.

Ethische Fragestellungen bei generativer KI betreffen beispielsweise eventuelle Vorurteile bei der Generierung von Inhalten, den verantwortungsvollen Einsatz von KI sowie den Einfluss von KI-generierten Inhalten auf die Gesellschaft und die Kreativbranche.

Domänenspezifische Sprachmodelle sind KI-Modelle, die maßgeschneiderten, relevanten Output für bestimmte Branchen oder Bereiche liefern.

Bei der Lizenzierung von KI-generierten Inhalten sind rechtliche Fragen zum Eigentum und zu den Nutzungsrechten an von KI-Systemen generierten Inhalten zu klären.

Bei Kreativprojekten lassen sich KI-Technologien und menschlicher Input unter Einbeziehung der Stärken beider kombinieren.

Techniken zur Minderung der Voreingenommenheit sollen faire, inklusive Resultate bei der Content-Erstellung und Entscheidungsfindung von generativen KI-Modellen bewirken.

„Inferenz“ bedeutet, dass ein trainiertes KI-Modell für Prognosen oder zum Generieren von Inhalten anhand neuer Eingabedaten genutzt wird.

In-Domain-Daten sind Trainings-Datensätze, die ein spezifisches Fachgebiet oder die Zielaufgabe genau repräsentieren und so eine optimale Leistung des KI‑Modells gewährleisten.

Deep Dream ist eine auf neuronalen Netzen beruhende Visualisierungstechnik zum Ergänzen und Bearbeiten von Bildern, die zu surrealen, traumähnlichen Ergebnissen führt.

Im Zuge der Datenbereinigung werden Fehler und Inkonsistenzen in Datensätzen ermittelt und korrigiert, damit das Training von KI-Modellen exakt und zuverlässig verläuft.

Autoencoders sind neuronale Netze, die beim Unsupervised Learning zum Komprimieren und anschließenden Rekonstruieren von Daten eingesetzt werden (insbesondere bei generativer KI).

„Stochastik“ bezeichnet die Zufälligkeit bei KI-Modellen, die zur Vielfalt der generierten Ergebnisse beiträgt.

Zero-Shot-Learning ist ein Machine-Learning-Ansatz, bei dem ein Modell anhand einer einfachen Textbeschreibung Aufgaben ausführen kann, für die es nicht gezielt trainiert wurde.

One-Shot-Learning ist ein Machine-Learning-Ansatz, bei dem ein einziges Beispiel für das Training eines Modells ausreicht, ähnlich wie beim menschlichen Lernen.

Beim selbstüberwachten Lernen generiert ein Modell anhand der inhärenten Struktur von Daten eigene Kennzeichnungen für das Training. Somit sind keine umfangreichen, von Menschen gekennzeichneten Datensätze erforderlich.

Auf kollaborativen KI-Plattformen wie Adobe Firefly können Menschen im Zusammenspiel mit KI innovative Inhalte generieren und neue kreative Möglichkeiten erkunden.

Die CAI ist eine von verschiedenen Organisationen und Technologieunternehmen gegründete Initiative mit dem Ziel, Standards und Technologien zur Überprüfung der Echtheit digitaler Medieninhalte festzulegen. Die CAI versucht, Integrität und Transparenz zu gewährleisten und Fehlinformationen sowie Deepfakes zu entlarven, indem sie Tools bereitstellt, mit denen sich Ursprung und Bearbeitungsverlauf von Mediendateien nachvollziehen lassen.

Inhaltsurhebernachweise sind Metadaten oder digitale Zertifikate, die digitalen Inhalten angefügt werden, um Herkunft, Urheberschaft und Änderungsverlauf nachzuweisen. Sie sind Teil des Frameworks der CAI und spielen eine wichtige Rolle bei Fragen zur Echtheit und Vertrauenswürdigkeit von Mediendateien.

Outpainting ist im Bereich KI und Computer Vision eine Technik, mit der Inhalte über die Kanten eines vorhandenen Bilds hinaus generiert werden können. Während beim Inpainting fehlende Teile eines Bilds ausgefüllt werden, werden beim Outpainting Elemente außerhalb des Bilds ergänzt. Dies ergibt oft eine kreative und realistische Extrapolation.

Im Software- und KI-Bereich bezeichnet „Beta“ eine Testphase, in der ein Produkt oder ein Service vor der offiziellen Markteinführung einer ausgewählten Gruppe von Userinnen und Usern zur Verfügung gestellt wird. Durch diese Beta-Tests erhält die Entwicklung Feedback, kann Bugs schneller finden und ausgehend von realen Use Cases Verbesserungen vornehmen, sodass eine stabilere, optimierte endgültige Version entsteht.

„Gewerbliche Nutzung“ bedeutet im Kontext von KI, dass KI-Modelle, KI-Software oder KI-generierte Inhalte zum Zweck der Gewinnerzielung eingesetzt werden. Eine Haftungsfreistellung schützt Anwenderinnen und Anwender rechtlich vor potenziellen Verlusten, Schäden oder Haftungsansprüchen aus der Verwendung von KI-Produkten oder -Services.

Die C2PA ist ein Zusammenschluss von Unternehmen mit dem Ziel, Standards und Technologien zur Zertifizierung von Herkunft, Authentizität und Vertrauenswürdigkeit digitaler Inhalte festzulegen. Die C2PA arbeitet eng mit der CAI zusammen, um die Verbreitung von Fehlinformationen zu verhindern und die Integrität von Medien zu schützen.

„Inhaltsbasierte Füllung“ ist ein Computer-Vision- und Bildbearbeitungsverfahren, mit der KI-gestützte Software Objekte aus Bildern entfernen und die so entstehende Lücke intelligent füllen kann. Die KI analysiert die umgebenden Pixel und Strukturen und generiert dann Inhalt, der sich nahtlos in das Bild einfügt und nicht auffällt.

Die Namensnennung oder Credits sind Möglichkeiten, den Personen, die KI-generierte Inhalte erstellt haben oder besitzen, die angemessene Anerkennung zukommen zu lassen. Dazu gehört eine angemessene Akkreditierung, um Plagiate zu vermeiden und die Rechte am geistigen Eigentum zu wahren.

Im Kontext von KI bezeichnet „Rauschen“ irrelevante oder zufällige Daten in einem Datensatz. Diese unerwünschten Informationen können die Leistung und Genauigkeit von Machine-Learning-Modellen beeinträchtigen. Deshalb ist die Rauschunterdrückung ein wichtiger Schritt bei der Datenaufbereitung.

Varianten sind im Kontext von KI-Modellen oder Algorithmen verschiedene Versionen oder Iterationen, die durch Änderungen oder Anpassungen am ursprünglichen Modell entstehen. Geändert werden können beispielsweise Hyperparameter, Trainings-Daten oder Architekturkonfigurationen, um verschiedene Ansätze zu testen und die Leistung zu optimieren.

Seeds sind beim Training von KI-Modellen die anfänglichen Zufallswerte, mit denen die Parameter des Modells initialisiert werden. Verschiedene Seed-Werte können beim Training zu unterschiedlichen Modellergebnissen führen. Diese Technik wird oft genutzt, um die Zufälligkeit zu steuern und die Reproduzierbarkeit sicherzustellen.

ControlNet ist in der KI-Forschung ein Konzept, bei dem zusätzlich zum Hauptmodell ein separates neuronales Netz trainiert wird, um den Output zu überwachen und zu regulieren. Dieses zusätzliche Netz fungiert als Kontrollmechanismus, der die Stabilität und Zuverlässigkeit des Modells erhöht und zur Einhaltung der gewünschten Funktionsweise beiträgt.

NSFW ist das Akronym für „Not Safe for Work“ (nicht für den Arbeitsplatz geeignet) und bezieht sich auf Inhalte, die in bestimmten Situationen als unangemessen oder anstößig erachtet werden können. Eine NSFW-Liste oder Sperrliste enthält Stichwörter, Formulierungen oder Inhaltsdeskriptoren, anhand derer KI-Systeme unangemessenes oder sensibles Material in anwendergenerierten Inhalten oder Suchergebnissen erkennen und entfernen.