Kreativität von KI-Modellen im Vergleich zur menschlichen Vielfalt

Die Fähigkeit zur Kreativität gilt oft als eine der letzten Domänen menschlicher Intelligenz, die von Maschinen nicht vollständig repliziert werden kann. Doch mit der rasanten Entwicklung künstlicher Intelligenz (KI) stellt sich zunehmend die Frage, inwieweit diese Technologie kreative Prozesse beeinflussen und sogar eigenständig kreative Leistungen erbringen kann. Eine aktuelle Analyse von Forschungsergebnissen beleuchtet diesen Sachverhalt aus einer differenzierten Perspektive und liefert wichtige Erkenntnisse für Unternehmen, die KI in ihren Innovationsprozessen einsetzen.

KI-Modelle und Kreativität: Eine differenzierte Betrachtung

Neuere Untersuchungen deuten darauf hin, dass die kreative Leistung von KI-Modellen, insbesondere wenn sie in der Masse betrachtet werden, hinter der Vielfalt menschlicher Kreativität zurückbleibt. Dies gilt selbst dann, wenn mehrere KI-Modelle gleichzeitig an einer Aufgabe arbeiten. Eine Forschungsgruppe der Duke University hat beispielsweise festgestellt, dass die Ausgaben verschiedener KI-Textgeneratoren sich weniger voneinander unterscheiden als die Inhalte, die von Menschen zu denselben Aufgabenstellungen generiert werden. Laut Emily Wenger, der Studienleiterin, sind "als Gruppe LLMs [große Sprachmodelle] weniger kreativ als Menschen". Diese Beobachtung könnte langfristige Auswirkungen auf die menschliche Kreativität haben, insbesondere wenn die Abhängigkeit von KI-Tools zunimmt.

Messung von Kreativität: Mensch vs. Maschine

Um die Kreativität von KI-Modellen und Menschen zu vergleichen, wurden standardisierte Tests eingesetzt. In einer Studie traten 22 große Sprachmodelle (LLMs) gegen über 100 Menschen in drei spezifischen Kreativitätstests an:

• Alternative Nutzungsmöglichkeiten: Die Teilnehmer sollten möglichst viele und unterschiedliche Verwendungsmöglichkeiten für ein Objekt aufzählen (z.B. ein Buch als Türstopper oder Fliegenklatsche).
• Assoziationstest: Es sollten 10 Wörter genannt werden, die inhaltlich so weit wie möglich voneinander entfernt sind.
• Assoziationsketten-Test (Forward Flow): Zu einem vorgegebenen Wort sollten Assoziationen gebildet werden, die dann wiederum als Ausgangspunkt für die nächste Assoziation dienen, bis eine Kette von 20 Wörtern entsteht.

Diese Tests zielen darauf ab, divergentes und dissoziatives Denkvermögen zu messen, welches als grundlegend für Kreativität gilt. Die Ergebnisse zeigten, dass einzelne LLMs zwar in den ersten beiden Tests vereinzelt besser abschnitten als der menschliche Durchschnitt, jedoch die Gesamtheit der KI-generierten Antworten eine deutlich geringere Varianz aufwies als die der Menschen. Im Assoziationsketten-Test schnitten Menschen durchweg besser ab. Selbst Anpassungen der Prompts, um kreativere KI-Antworten zu provozieren, führten nur zu geringfügigen Änderungen in der Varianz, wobei die menschliche Leistung weiterhin überlegen blieb.

Ursachen für die begrenzte KI-Kreativität

Die geringere kreative Vielfalt von KI-Modellen lässt sich auf deren Trainingsgrundlage zurückführen. Da die meisten KI-Modelle mit einem ähnlichen und umfangreichen Datenmaterial, wie beispielsweise dem gesamten Internet, trainiert werden, tendieren ihre Ausgaben dazu, sich zu nivellieren. Dies bedeutet, dass sie häufig auf statistisch "sichere" oder häufig vorkommende Muster zurückgreifen, was zwar effizient sein kann, aber die Entstehung wirklich origineller oder unerwarteter Ideen erschwert.

Ein weiterer Aspekt ist die Funktionsweise generativer KI-Systeme, die Inhalte basierend auf Wahrscheinlichkeitsverteilungen aus riesigen Trainingsdatensätzen produzieren. Dies führt dazu, dass KI-Vorschläge oft konventionell oder vorhersehbar ausfallen. Bei reinen Mengenkriterien können KI-Systeme zwar hohe Werte erreichen, bei der von Experten bewerteten Originalität oder Nützlichkeit bleiben sie jedoch oft hinter menschlichen Leistungen zurück.

Die Rolle der Mensch-KI-Kombination

Die Meta-Analyse einer Studie aus dem Juli 2025 zeigt, dass die Kombination von menschlicher und künstlicher Intelligenz in vielen Fällen zu einer Steigerung der Kreativität führen kann. Personen, die bei kreativen Aufgaben von generativen KI-Systemen unterstützt wurden, erzielten systematisch bessere Ergebnisse als solche, die ohne maschinelle Hilfe arbeiteten. Dieser positive Effekt zeigte sich konsistent über verschiedene Aufgabenarten, Teilnehmergruppen und KI-Modelle hinweg.

Synergien und Interaktionsprozesse

Die Studien zeigten unterschiedliche Formen der Mensch-KI-Interaktion. Häufig entwickelten Probanden zunächst eigenständig kreative Lösungen und nutzten anschließend KI-generierte Vorschläge zur Inspiration. Eine iterative Zusammenarbeit, bei der Mensch und KI abwechselnd Ideen einbrachten und Feedbackschleifen integriert waren, führte zu besonders hohen Effektstärken. Dies unterstreicht, dass die Qualität der Interaktion zwischen Mensch und Maschine entscheidend für den Erfolg ist.

Besonders deutlich wurde die positive Wirkung der Mensch-KI-Kombination bei Aufgaben, die eine hohe Ideenvielfalt und Geschwindigkeit erforderten, wie beispielsweise Brainstorming oder die Entwicklung von Werbetexten. Bei Aufgaben, die auf logische Stringenz und Tiefe abzielten (z.B. wissenschaftliche Texte), war der Effekt zwar vorhanden, jedoch weniger ausgeprägt.

Einbußen bei der Ideenvielfalt

Trotz der positiven Gesamtwirkung der Mensch-KI-Kombination zeigte sich in einem Bereich ein auffälliger Negativtrend: die Vielfalt der generierten Ideen. Die Analyse deutet auf einen deutlichen Rückgang der Ideenvielfalt bei Nutzung generativer KI hin. Dieser Effekt war statistisch signifikant und unabhängig von Aufgabenstellung oder KI-Modell konsistent. Dies stellt die positive Gesamtbewertung der Zusammenarbeit in ein differenziertes Licht, da kreative Vielfalt ein zentrales Qualitätsmerkmal vieler Innovationsprozesse darstellt.

Strukturelle Gründe für diese eingeschränkte Diversität liegen in der Funktionsweise der Sprachmodelle, die Inhalte basierend auf Wahrscheinlichkeitsverteilungen aus riesigen Trainingsdatensätzen produzieren. Dies führt dazu, dass KI-Vorschläge oft konventionell oder vorhersehbar sind. Psychologische Mechanismen, wie die Ankerheuristik, tragen ebenfalls dazu bei, dass Menschen sich unbewusst an KI-generierten Vorschlägen orientieren und dadurch das Spektrum eigener Ideen verengen.

Um diese negativen Effekte abzumildern, empfehlen die Studienautoren, KI-Input in den frühen Phasen kreativer Prozesse bewusst zu reduzieren und Teams darin zu schulen, KI-Vorschläge kritisch zu hinterfragen. Technisches Fine-Tuning der KI-Modelle und gezieltes Prompt-Engineering können ebenfalls dazu beitragen, die Diversität der Ausgaben zu erhöhen.

Implikationen für Unternehmen und die kreative Praxis

Die Erkenntnisse aus diesen Studien haben weitreichende Implikationen für Unternehmen und die kreative Community. Eine übermäßige Abhängigkeit von KI-Tools könnte dazu führen, dass Sprache und Inhalte weltweit immer ähnlicher werden, was die Originalität und Einzigartigkeit kreativer Ergebnisse beeinträchtigen könnte.

Für Unternehmen, die innovative Konzepte oder Produkte entwickeln möchten, ist es daher ratsam, auf eine vielfältige Gruppe menschlicher Akteure für Brainstorming-Prozesse zu setzen, anstatt sich ausschließlich auf KI zu verlassen. KI sollte als ein mächtiges Werkzeug verstanden werden, das menschliche Kreativität unterstützen und beschleunigen kann, aber nicht als Ersatz für die einzigartige Fähigkeit des Menschen, wirklich neue und unkonventionelle Ideen zu generieren.

Die Zukunft der Kreativität liegt somit nicht im Wettstreit zwischen Mensch und Maschine, sondern in einer symbiotischen Zusammenarbeit, die die Stärken beider Seiten optimal nutzt, während gleichzeitig Bewusstsein für die Grenzen der KI geschaffen und Strategien zur Förderung der menschlichen Vielfalt entwickelt werden.

Bibliographie:

- GEO (2025): "Moderne KI-Modelle sind deutlich unkreativer als gemeinhin angenommen". Online verfügbar unter https://www.geo.de/wissen/moderne-ki-modelle-sind-deutlich-unkreativer-als-gemeinhin-angenommen-36983848.html - 20 Minuten (2026): "Studie zeigt: KI-Modelle übertreffen menschliche Kreativität im Durchschnitt". Online verfügbar unter https://www.20min.ch/story/mensch-vs-maschine-laut-studie-ist-chatgpt-wahrscheinlich-kreativer-als-du-103492035 - SciBlog.at (2025): "Generative KI & Kreativität: Meta‑Analyse zeigt Mensch‑KI-Power". Online verfügbar unter https://sciblog.at/2025/07/19/generative-ki-kreativitaet-meta%E2%80%91analyse-zeigt-mensch%E2%80%91ki-power/ - UZH News (2005): "Brainstorming – alleine oder in der Gruppe?". Online verfügbar unter http://www.news.uzh.ch/de/articles/2005/1606.html - Festland Blog (o.J.): "Kreative Intelligenz: 3x3 Aha-Momente". Online verfügbar unter https://www.festland.ch/blog/kreative-intelligenz-3x3-aha-momente - Wissenschaftswelle (o.J.): "KI schlägt durchschnittliche Menschen in Kreativitätstests – doch menschliche Spitzenleistungen bleiben unerreicht". Online verfügbar unter https://www.wissenschaftswelle.de/nachrichten/ki-schl%C3%A4gt-durchschnittliche-menschen-in-kreativit%C3%A4tstests-%E2%80%93-doch-menschliche-spitzenleistungen-bleiben-unerreicht - MacUser.de Community (2026): "KI und deren Auswirkung auf die kreative Community". Online verfügbar unter https://www.macuser.de/goto/post?id=12778199 - Aktion Freiheit statt Angst (2025): "Suchtverhalten bei KI-Nutzung". Online verfügbar unter https://www.a-fsa.de/de/articles/9275-20250909-suchtverhalten-bei-ki-nutzung.htm - Presse-Board.de (2026): "KI und Teamwork: Warum starke Mitarbeiter auch in Zukunft unersetzlich bleiben". Online verfügbar unter https://www.presse-board.de/ki-und-teamwork-warum-starke-mitarbeiter-auch-in-zukunft-unersetzlich-bleiben/ - Gwriters (2025): "Konkurrenz oder Helfer: Wird KI Informatik ersetzen?". Online verfügbar unter https://gwriters.de/blog/ki-informatik - Heise Online (o.J.): "Analyse: KI-Modelle auch als Gruppe weniger kreativ als viele Menschen". Online verfügbar unter https://www.heise.de/news/Analyse-KI-Modelle-auch-als-Gruppe-weniger-kreativ-als-viele-Menschen-11255791.html