KI Panorama

Wissensstufe: Einfach

  • ElevenLabs

    ElevenLabs ist auf synthetische Sprache und Voice-AI spezialisiert. Die Plattform erzeugt Sprache aus Text, verändert vorhandene Stimmen, unterstützt mehrsprachige Produktionen und bietet Sprachagenten für dialogbasierte Anwendungen.

    Funktionen

    • Text in natürlich klingende Sprache umwandeln.
    • Vorhandene Sprachaufnahmen verändern oder in andere Sprachen übertragen.
    • Voiceover, Hörinhalte und mehrsprachige Synchronisation erstellen.
    • Sprachagenten für interaktive Dialoge und Kundenprozesse aufbauen.

    Stärken

    • Spezialisierung auf Ausdruck, Stimmen und mehrsprachige Audioproduktion.
    • Anwendungen für kreative Inhalte und dialogbasierte Systeme.
    • Webanwendung, mobile Funktionen und Entwickler-APIs.

    Grenzen

    • Aussprache, Eigennamen, Emotionen und lange Aufnahmen benötigen Kontrolle.
    • Stimmenklonen birgt erhebliche Missbrauchs- und Einwilligungsrisiken.
    • Tarife, Sprachumfang und Modellzugang ändern sich.

    Datenschutz und Nutzung

    Stimmen realer Personen dürfen nur mit klarer Berechtigung und dokumentierter Einwilligung verwendet werden. Täuschende oder nicht gekennzeichnete Imitationen können rechtlich und ethisch problematisch sein.

    Preismodell und Verfügbarkeit

    ElevenLabs bietet unterschiedliche Tarife und verbrauchsabhängige Kontingente. Produktbereiche für Kreativinhalte und Sprachagenten können getrennte Bedingungen besitzen.

    Offizielle Quellen

  • ChatGPT

    ChatGPT ist ein KI-Dienst von OpenAI. Er verbindet dialogbasierte Textarbeit mit multimodalen Funktionen und kann – abhängig von der verfügbaren Produktversion – Dateien, Bilder und Sprache verarbeiten sowie Werkzeuge und agentische Abläufe nutzen.

    Funktionen

    • Fragen beantworten, Inhalte erklären, zusammenfassen und überarbeiten.
    • Dateien und Bilder analysieren sowie strukturierte Ergebnisse erzeugen.
    • Bilder erstellen und bearbeiten; Sprachdialoge und weitere multimodale Funktionen nutzen.
    • Je nach Produktversion recherchieren, Werkzeuge verwenden und mehrstufige Aufgaben bearbeiten.

    Stärken

    • Breites Aufgabenspektrum für Alltag, Lernen, Büro, Kreativität und Entwicklung.
    • Niedrige Einstiegshürde durch natürliche Sprache.
    • Verknüpfung verschiedener Medien und Arbeitsweisen in einer Oberfläche.

    Grenzen

    • Antworten können trotz überzeugender Formulierungen sachlich falsch oder unvollständig sein.
    • Aktuelle Funktionen, Modelle und Nutzungslimits ändern sich regelmäßig.
    • Folgenreiche Entscheidungen erfordern externe Quellen und fachliche Prüfung.

    Datenschutz und Nutzung

    Vertrauliche oder personenbezogene Informationen sollten nur entsprechend den gewählten Kontoeinstellungen, Vertragsbedingungen und internen Datenschutzregeln verarbeitet werden. Für Unternehmen sind die jeweils geltenden Produkt- und Datenkontrollen zu prüfen.

    Preismodell und Verfügbarkeit

    ChatGPT wird in verschiedenen Tarifen angeboten. Modelle, Werkzeuge, Limits und regionale Verfügbarkeit unterscheiden sich. Maßgeblich sind die aktuellen offiziellen Produkt- und Versionshinweise.

    Offizielle Quellen

  • Claude

    Claude ist der dialogbasierte KI-Dienst von Anthropic. Er wird für Schreiben, Analyse, Programmierung, umfangreiche Dokumente und – abhängig von Produkt und Tarif – Werkzeugnutzung sowie agentische Arbeitsabläufe eingesetzt.

    Funktionen

    • Texte analysieren, entwerfen, überarbeiten und strukturieren.
    • Dokumente und umfangreiche Kontexte bearbeiten.
    • Code erklären, erzeugen und in Entwicklungsumgebungen unterstützen.
    • Je nach Produktversion Werkzeuge, Computersteuerung und länger laufende Aufgaben nutzen.

    Stärken

    • Ausführliche Text- und Dokumentarbeit.
    • Starke Ausrichtung auf Analyse, Programmierung und professionelle Arbeitsabläufe.
    • API und Integrationen für eigene Anwendungen.

    Grenzen

    • Auch Claude kann halluzinieren und Quellen falsch einordnen.
    • Funktionsumfang und Modellzugang unterscheiden sich nach Tarif und Plattform.
    • Werkzeug- oder Computeraktionen benötigen Kontrolle und klare Berechtigungsgrenzen.

    Datenschutz und Nutzung

    Vor der Verarbeitung interner Dokumente sind die jeweils geltenden Datenbedingungen, Aufbewahrungseinstellungen und Unternehmensoptionen zu prüfen.

    Preismodell und Verfügbarkeit

    Claude ist als Web- und Mobilanwendung sowie über APIs und ausgewählte Cloud-Plattformen verfügbar. Tarife, Modelle und Limits ändern sich; maßgeblich sind die offiziellen Produktinformationen.

    Offizielle Quellen

  • Gemini

    Gemini ist Googles dialogbasierter KI-Dienst. Er unterstützt Schreiben, Planung, Ideensuche, Recherche und multimodale Aufgaben; einzelne Funktionen sind mit Google-Diensten und spezialisierten Kreativ- oder Forschungswerkzeugen verbunden.

    Funktionen

    • Texte erstellen, erklären, zusammenfassen und planen.
    • Bilder und andere Medien als Eingabe verstehen.
    • Je nach Tarif Deep Research, umfangreiche Kontexte und kreative Medienfunktionen nutzen.
    • Mit ausgewählten Google-Diensten und Arbeitsabläufen zusammenarbeiten.

    Stärken

    • Enge Einbindung in das Google-Ökosystem.
    • Multimodale Modellfamilie und mehrere Leistungs- und Kostenklassen.
    • Zugang über App, Web und Entwickler-API.

    Grenzen

    • Funktionen und Modelle unterscheiden sich nach Region, Tarif und Konto.
    • Rechercheausgaben müssen anhand der Originalquellen geprüft werden.
    • Integrationen können zusätzliche Zugriffsrechte auf persönliche oder geschäftliche Daten benötigen.

    Datenschutz und Nutzung

    Bei der Verbindung mit Google-Diensten ist genau zu prüfen, welche Datenquellen freigegeben werden und welche Kontoeinstellungen gelten.

    Preismodell und Verfügbarkeit

    Gemini ist in kostenlosen und kostenpflichtigen Angeboten verfügbar. Modellzugang, Limits und Zusatzfunktionen werden laufend angepasst.

    Offizielle Quellen

  • Adobe Firefly

    Adobe Firefly ist eine Plattform für generative Kreativarbeit. Sie bietet Funktionen zum Erzeugen und Bearbeiten von Bildern, Video, Audio und Vektorgrafiken und ist mit weiteren Adobe-Anwendungen verbunden.

    Funktionen

    • Bilder aus Text erzeugen und vorhandene Bilder bearbeiten.
    • Objekte entfernen, Hintergründe erweitern und Bilder hochskalieren.
    • Video aus Text oder Bildern erzeugen und bearbeiten.
    • Audio, Sprache, Soundtracks und Vektorgrafiken erzeugen – abhängig vom verfügbaren Funktionsumfang.

    Stärken

    • Breites kreatives Medienangebot in einer Plattform.
    • Integration in Adobe-Arbeitsabläufe.
    • Kontrollierte Bearbeitungsfunktionen zusätzlich zur reinen Generierung.

    Grenzen

    • Generative Ergebnisse benötigen oft mehrere Durchläufe und manuelle Nachbearbeitung.
    • Credits, Modelle und Nutzungsrechte unterscheiden sich nach Tarif und verwendeter Modellquelle.
    • Marken-, Persönlichkeits- und Urheberrechte bleiben unabhängig vom Werkzeug zu beachten.

    Datenschutz und Nutzung

    Vor geschäftlicher Nutzung sind die Bedingungen des jeweiligen Tarifs, die Herkunft des eingesetzten Modells und die Regeln für hochgeladene Inhalte zu prüfen.

    Preismodell und Verfügbarkeit

    Firefly ist mit begrenzten kostenlosen Generierungen sowie in verschiedenen kostenpflichtigen Tarifen verfügbar. Premium-Funktionen werden über Generative Credits gesteuert.

    Offizielle Quellen

  • Runway

    Runway konzentriert sich auf generative Medienproduktion. Die Plattform bietet Modelle und Werkzeuge für Text-zu-Video, Bild-zu-Video, Videobearbeitung, Audio und agentisch erzeugte Mehrfachszenen.

    Funktionen

    • Videos aus Text oder Bildern erzeugen.
    • Bestehende Videos stilistisch oder inhaltlich verändern.
    • Clips verlängern, Bildformate anpassen und Sequenzen kombinieren.
    • Mit einem Kreativ-Agenten mehrteilige Videos planen und zusammensetzen.

    Stärken

    • Spezialisierung auf Bewegtbild und visuelle Kontrolle.
    • Kombination aus Generierung, Bearbeitung und Produktionsablauf.
    • API-Zugang für Bild-, Video- und Audiofunktionen.

    Grenzen

    • Bewegungen, Physik, Identitätskonsistenz und längere Handlungen können weiterhin Fehler zeigen.
    • Hochwertige Ergebnisse benötigen Auswahl, Iteration und Schnitt.
    • Modelle und maximale Längen ändern sich regelmäßig.

    Datenschutz und Nutzung

    Bei realen Personen, Markenmaterial und Kundenproduktionen sind Einwilligungen, Rechte und die jeweils geltenden Plattformbedingungen zu prüfen.

    Preismodell und Verfügbarkeit

    Runway wird in abgestuften Tarifen angeboten; rechenintensive Generierungen verwenden Kontingente oder Credits. Einzelne Modelle können nur in bestimmten Tarifen verfügbar sein.

    Offizielle Quellen

  • Suno

    Suno ist eine Plattform zur KI-gestützten Musikproduktion. Nutzer können aus einer Beschreibung oder eigenen Texten vollständige Musikstücke erzeugen und – je nach Produktversion – Songs bearbeiten, remixen, covern oder mit eigenen Audioideen weiterentwickeln.

    Funktionen

    • Musik und vollständige Songs aus Textbeschreibungen erzeugen.
    • Eigene Liedtexte, Stile und musikalische Vorgaben verwenden.
    • Bestehende Ideen über Cover-, Remix-, Sample- und Studiofunktionen weiterbearbeiten.
    • Je nach Funktion Stimmen oder eigene musikalische Präferenzen einbinden.

    Stärken

    • Sehr niedrige Einstiegshürde für vollständige Musikstücke.
    • Schnelle Erprobung verschiedener Genres, Arrangements und Textideen.
    • Zusätzliche Bearbeitungswerkzeuge über die reine Ein-Klick-Generierung hinaus.

    Grenzen

    • Musikalische Struktur, Aussprache und längere Konsistenz können schwanken.
    • Ähnlichkeiten zu bestehenden Werken oder Stimmen müssen kritisch geprüft werden.
    • Nutzungs- und Verwertungsrechte hängen vom Tarif und den aktuellen Bedingungen ab.

    Datenschutz und Nutzung

    Bei eigenen Stimmaufnahmen oder fremdem Audiomaterial sind Einwilligungen und Rechte zu beachten. Für Veröffentlichungen gelten zusätzlich die Bedingungen von Plattformen und Verwertungsgesellschaften.

    Preismodell und Verfügbarkeit

    Suno bietet kostenlose und kostenpflichtige Nutzung. Export, kommerzielle Rechte, Kontingente und Studiofunktionen unterscheiden sich nach Tarif.

    Offizielle Quellen

  • Retrieval-Augmented Generation (RAG)

    Bei RAG beantwortet ein Sprachmodell eine Frage nicht nur aus seinen Parametern. Zuerst werden passende Quellen gesucht, anschließend erzeugt das Modell auf Basis dieser Fundstellen eine Antwort.

    Einfach erklärt

    RAG funktioniert wie eine offene Buchprüfung: Das System sucht zuerst relevante Textstellen und legt sie dem Sprachmodell vor. Das Modell formuliert daraus eine Antwort.

    Dadurch können aktuelle oder interne Dokumente verwendet werden, ohne das Basismodell vollständig neu zu trainieren.

    Anschauliches Beispiel

    Ein Unternehmen speichert Bedienungsanleitungen in einer Wissensbasis. Bei einer Frage sucht das System passende Abschnitte, fügt sie in den Kontext ein und erzeugt eine Antwort mit Verweisen auf die verwendeten Dokumente.

    Fortgeschrittene Erklärung

    Typische RAG-Systeme zerlegen Dokumente in Abschnitte, erzeugen Embeddings, speichern sie in einem Index und suchen bei einer Anfrage nach ähnlichen Passagen. Ein Retriever liefert Kandidaten, die im Prompt des Generators verwendet werden.

    Varianten kombinieren Vektorsuche mit Stichwortsuche, Reranking, Metadatenfiltern, mehrstufiger Suche oder Werkzeugaufrufen.

    Expertenwissen

    Das ursprüngliche RAG-Konzept kombiniert parametrisches Wissen eines Seq2Seq-Modells mit nichtparametrischem Wissen in einem externen Index. Moderne Implementierungen sind oft modularer und verwenden unabhängige Embedding-, Retrieval-, Reranking- und Generationsmodelle.

    Die Gesamtqualität wird durch Retrieval Recall, Präzision, Chunking, Kontextaufbereitung, Zitierlogik und Generatorverhalten bestimmt. RAG verhindert Halluzinationen nicht automatisch: Ein Modell kann Quellen falsch interpretieren oder trotz fehlender Belege antworten.

    Möglichkeiten und Grenzen

    • Aktuelle und interne Wissensbestände nutzbar machen.
    • Quellen und Dokumentstellen können angezeigt werden.
    • Schlechte Suche führt zu schlechten Antworten.
    • Berechtigungen und Datenschutz müssen bereits beim Retrieval durchgesetzt werden.
    • Antworten müssen gegen die tatsächlich gefundenen Belege geprüft werden.

    Quellen

  • Inferenz

    Die Nutzung eines trainierten Modells, um für neue Eingaben eine Ausgabe oder Vorhersage zu berechnen.

    Einfach erklärt

    Die Nutzung eines trainierten Modells, um für neue Eingaben eine Ausgabe oder Vorhersage zu berechnen.

    Beispiel

    Nach dem Training erkennt ein Bildmodell ein neues Foto – dieser Anwendungsschritt ist Inferenz.

    Technische Bedeutung

    Inferenz umfasst den Vorwärtslauf durch das Modell und gegebenenfalls Sampling, Decoding oder Werkzeugaufrufe.

    Verwandte Begriffe

    Training, Modell, Token

    Quellen

  • Diffusionsmodelle

    Ein Diffusionsmodell kann aus Rauschen schrittweise ein strukturiertes Bild oder andere Daten erzeugen. Es hat im Training gelernt, wie verrauschte Beispiele wieder in plausible Daten zurückgeführt werden.

    Einfach erklärt

    Im Training wird ein Bild zunehmend verrauscht. Das Modell lernt für viele Rauschstufen, wie es einen kleinen Teil dieses Rauschens wieder entfernen kann.

    Bei der Erzeugung beginnt das System mit Rauschen und wiederholt den gelernten Entrauschungsschritt. Eine Texteingabe kann den Prozess in Richtung eines gewünschten Motivs steuern.

    Anschauliches Beispiel

    Aus einer zufälligen Pixelwolke entstehen zuerst grobe Flächen, dann Formen, Objekte und Details. Der Prozess ist nicht mit dem Freilegen eines versteckten fertigen Bildes gleichzusetzen; das Bild wird während der Berechnung erzeugt.

    Fortgeschrittene Erklärung

    Denoising Diffusion Probabilistic Models definieren einen Vorwärtsprozess, der Daten schrittweise in Rauschen überführt, und einen gelernten Rückwärtsprozess. In praktischen Bildsystemen findet die Diffusion häufig in einem komprimierten latenten Raum statt.

    Konditionierung kann über Text-Embeddings, Bilder, Kanten, Tiefenkarten oder andere Steuersignale erfolgen. Dadurch sind Text-zu-Bild, Bildvariation, Inpainting und strukturell kontrollierte Erzeugung möglich.

    Expertenwissen

    Der Rückwärtsprozess approximiert bedingte Übergangsverteilungen beziehungsweise eine Score-Funktion. Die Trainingsziele können auf Rauschvorhersage, Datenvorhersage oder andere Parametrisierungen ausgerichtet sein.

    Sampling-Verfahren beeinflussen Geschwindigkeit, Qualität und Reproduzierbarkeit. Weniger Schritte beschleunigen die Erzeugung, können aber Detailtreue und Stabilität verändern.

    Möglichkeiten und Grenzen

    • Hochwertige Erzeugung und Bearbeitung von Bildern sowie zunehmend weiterer Modalitäten.
    • Gezielte Steuerung über Text und zusätzliche Kontrollsignale.
    • Details, Textdarstellung und räumliche Konsistenz können fehlerhaft sein.
    • Trainingsdaten, Urheberrecht, Identitätsmissbrauch und Deepfakes erfordern klare Regeln.

    Quellen