KI Kunst - Warum KI kein neuer Pinsel ist

KI-Kunst - Warum KI kein neuer Pinsel ist

{{#ev:youtube| https://www.youtube.com/watch?v=8dyReIUnJUg |500|center}}

Einleitung

KI-Kunst wirkt auf den ersten Blick wie eine neue Variante des digitalen Arbeitens: Früher malte man mit Pinsel, Farbe, Kamera, Collage, Computer oder Grafiktablett, heute schreibt man einen Prompt und erhält ein Bild. Diese Sicht ist jedoch zu einfach. Eine bildgenerierende KI ist nicht bloß ein Werkzeug in der Hand einer einzelnen Person, sondern ein komplexes soziotechnisches System aus Trainingsdaten, maschinellem Lernen, Modellarchitektur, Softwareoberfläche, Plattformökonomie, Urheberrecht, Kunstmarkt und menschlichen Entscheidungen. Deshalb lautet die zentrale Frage dieses aiMOOCs: Warum ist KI kein neuer Pinsel, sondern eine neue Produktionsbedingung von Bildern?

Der Kurs verbindet Kunstgeschichte, Epochen, Stilrichtungen, Medienbildung, Ethik, Urheberrecht und Bildkompetenz. Du lernst, KI-Bilder nicht nur nach ihrer Oberfläche zu beurteilen, sondern nach den historischen, technischen, rechtlichen und gesellschaftlichen Zusammenhängen, in denen sie entstehen.

Lernziele

Nach diesem aiMOOC kannst Du erklären, warum KI-Kunst mehr ist als ein digitales Zeichenwerkzeug. Du kannst zentrale Begriffe wie Prompt, Trainingsdaten, Diffusionsmodell, GAN, Latent Space, Stiltransfer, Autorschaft und Aneignungskunst sinnvoll verwenden. Du kannst KI-Bilder kunsthistorisch einordnen, mit traditionellen Stilrichtungen vergleichen und kritisch beurteilen, welche Rolle Urheberrecht, Bias, Stereotyp und Transparenz spielen. Außerdem entwickelst Du eigene Kriterien für verantwortungsvolle kreative Arbeit mit KI-Systemen.

Was ist KI-Kunst?

KI-Kunst bezeichnet künstlerische oder bildgestalterische Arbeiten, die ganz oder teilweise mithilfe von KI-Systemen entstehen. Dazu zählen unter anderem Text-zu-Bild-Systeme, Bild-zu-Bild-Verfahren, neuronaler Stiltransfer, Generative Adversarial Networks, Diffusionsmodelle, Inpainting, Outpainting, Deepfakes und multimodale Systeme, die Text, Bild, Ton oder Video miteinander verbinden.

Wichtig ist: Ein KI-Bild entsteht nicht allein im Moment des Schreibens eines Prompts. Es beruht auf vielen vorgelagerten Entscheidungen: Welche Bilder und Texte wurden gesammelt? Wie wurden sie beschriftet? Welche Werke wurden in die Trainingsdaten aufgenommen? Welche Filter, Moderationsregeln und Nutzungsbedingungen gelten? Welche Parameter steuern das Ergebnis? Wer wählt aus, bearbeitet weiter, veröffentlicht und verkauft das Bild? Diese Fragen machen KI-Kunst zu einem Thema, das über Technik hinausgeht.

Warum KI kein neuer Pinsel ist

Ein Pinsel überträgt die Bewegung der Hand relativ direkt auf ein sichtbares Material. Auch ein Grafiktablett oder eine Kamera verändert diesen Vorgang, aber die Bedienperson entscheidet in der Regel unmittelbar über Ausschnitt, Linie, Druck, Komposition oder Belichtung. Ein KI-System arbeitet anders: Es erzeugt Bilder aus statistischen Mustern, die in großen Datenmengen gelernt wurden. Die einzelne Person gibt eine Richtung vor, aber das System übersetzt diese Richtung durch ein Modell, dessen innere Gewichtungen für die Nutzenden meist nicht durchschaubar sind.

Der Satz KI ist kein neuer Pinsel bedeutet nicht, dass Kunstschaffende KI nicht als Werkzeug verwenden können. Er bedeutet, dass dieses Werkzeug selbst bereits kulturelle, technische und rechtliche Vorentscheidungen enthält. Ein Pinsel hat keine Trainingsdaten. Ein Pinsel kennt keine Milliarden Bild-Text-Paare. Ein Pinsel reproduziert nicht automatisch Stilmerkmale aus fremden Werken. Ein Pinsel verändert nicht die Frage, wer als Urheber gilt, in derselben Weise wie ein KI-System. Deshalb muss KI-Kunst als neue Bildinfrastruktur verstanden werden.

Der Unterschied zwischen Werkzeug und System

Ein Werkzeug erweitert menschliche Handlungsmöglichkeiten. Ein System organisiert Handlungsmöglichkeiten. Bei KI-Kunst gehören zum System mindestens fünf Ebenen:

Datensatz: Die Sammlung von Bildern, Texten und Metadaten, aus denen das Modell Muster lernt.
Modell: Die mathematische Struktur, die Verbindungen zwischen Text, Bild, Stil, Form, Farbe und Motiv berechnet.
Interface: Die Oberfläche, über die Nutzende Prompts, Parameter, Seeds, Referenzbilder oder Stile eingeben.
Auswahl: Die menschliche Entscheidung, welches Ergebnis verworfen, weiterbearbeitet oder veröffentlicht wird.
Kontext: Der Ort der Präsentation, etwa Museum, Galerie, Social Media, Werbung, Schule oder Kunstmarkt.

Kunstgeschichte: Werkzeuge, Medien und Brüche

Die Geschichte der Kunst ist auch eine Geschichte neuer Materialien, Medien und Apparate. Die Ölmalerei veränderte seit der frühen Neuzeit die Möglichkeiten von Farbe, Lasur und Detailgenauigkeit. Die Fotografie löste im 19. Jahrhundert Debatten darüber aus, ob maschinell erzeugte Bilder Kunst sein können. Die Collage und der Dadaismus stellten infrage, ob ein Kunstwerk vollständig neu geschaffen sein muss. Marcel Duchamp zeigte mit dem Readymade, dass Auswahl, Kontext und Idee selbst künstlerisch werden können. Pop Art arbeitete mit Bildern der Massenmedien. Konzeptkunst verschob den Schwerpunkt vom handwerklichen Objekt zur Idee.

Diese Geschichte hilft, KI-Kunst einzuordnen. Neue Technik zerstört Kunst nicht automatisch. Aber jede Technik verändert, was als künstlerische Leistung gilt. Bei KI-Kunst verschiebt sich der Fokus besonders stark: von der handwerklichen Ausführung zur Auswahl, Konzeption, Datenkritik, Prozessgestaltung, Nachbearbeitung und Reflexion.

Zeitstrahl der digitalen und generativen Kunst

Zeitraum	Entwicklung	Bedeutung für KI-Kunst
1950er und 1960er	Frühe Computerkunst, Algorithmische Kunst, Plotterzeichnungen und mathematische Bildverfahren	Kunst wird zunehmend als Regel, Code und Prozess gedacht.
1970er	Harold Cohen entwickelt das Programm AARON	Ein frühes Beispiel dafür, dass Programme selbstständig Bildentscheidungen treffen können.
1980er und 1990er	Digitale Kunst, Videokunst, Netzkunst und interaktive Installationen verbreiten sich	Der Computer wird nicht nur Werkzeug, sondern künstlerischer Raum.
2010er	Deep Learning, Generative Adversarial Networks und Neuronaler Stiltransfer werden populär	KI-Systeme können Bildstile, Gesichter, Formen und Bildräume zunehmend überzeugend erzeugen.
ab 2021	Große Text-zu-Bild-Modelle werden öffentlich nutzbar	Prompting, Trainingsdaten, Copyright und Bildflut werden zentrale Kulturfragen.

Epochen und Stilrichtungen als Prompt-Vokabular

In vielen KI-Bildsystemen tauchen Namen von Kunststilen, Epochen und Künstlerinnen oder Künstlern als steuernde Wörter auf. Ein Prompt wie „im Stil des Impressionismus“ ruft jedoch nicht die historische Erfahrung des Impressionismus auf, sondern statistische Muster, die das Modell mit diesem Wort verbindet. Hier liegt ein entscheidender Unterschied: Eine Stilrichtung ist kunsthistorisch nicht nur eine Oberfläche. Sie umfasst Weltbild, Technik, Material, gesellschaftliche Situation, Bildthemen, Institutionen und Konflikte.

Epoche oder Stilrichtung	Kunsthistorischer Kern	Risiko bei KI-Prompting
Renaissance	Perspektive, Proportion, Humanismus und Wiederbezug auf die Antike	Reduktion auf harmonische Körper, Zentralperspektive und „alte Meister“-Optik
Barock	Dramatische Bewegung, Lichtregie, Machtinszenierung und religiöse Bildsprache	Verwechslung von Stil mit bloßem Hell-Dunkel-Effekt
Romantik	Gefühl, Naturerfahrung, Erhabenheit und Sehnsucht	Reduktion auf Nebel, Mondlicht und einsame Figuren
Realismus	Darstellung sozialer Wirklichkeit und alltäglicher Lebensbedingungen	Verwechslung mit fotografischer Genauigkeit
Impressionismus	Wahrnehmung von Licht, Atmosphäre und flüchtigem Moment	Reduktion auf pastellige Farben und lockeren Pinselduktus
Expressionismus	Ausdruck innerer Spannung, starke Farbe, Verzerrung und Gesellschaftskritik	Reduktion auf grelle Farben und verzerrte Gesichter
Kubismus	Aufbrechen der Zentralperspektive, Mehransichtigkeit und Formanalyse	Reduktion auf geometrische Flächen
Surrealismus	Traumlogik, Unbewusstes, Irritation und Bildmontage	Reduktion auf zufällige Fantasiebilder
Dadaismus	Anti-Kunst, Provokation, Collage und Kritik an bürgerlichen Kunstnormen	Verlust des historischen Protests durch dekorative Zufälligkeit
Pop Art	Massenmedien, Konsumkultur, Werbung und serielle Bildformen	Verwechslung mit bunter Comic-Ästhetik
Konzeptkunst	Idee, Sprache, Kontext und Regel als Werkbestandteil	Übersehen, dass der Prozess wichtiger sein kann als das fertige Bild
Digitale Kunst	Kunst mit digitalen Werkzeugen, Code, Netzwerken und interaktiven Systemen	Verengung auf glatte Computeroptik

Stil ist mehr als Oberfläche

Wenn ein KI-System ein Bild „im Stil des Impressionismus“ erzeugt, kann es sichtbare Merkmale imitieren: helle Palette, kurze Pinselstriche, Landschaft, Lichtstimmung. Es übernimmt aber nicht automatisch die historische Bedeutung dieser Stilrichtung: die Modernisierung des Sehens, die Rolle der Stadt, die Veränderung von Freizeit, die Kritik an akademischen Kunstnormen oder die technischen Bedingungen der Freilichtmalerei. Deshalb ist kunsthistorische Bildung besonders wichtig: Sie schützt davor, Stil nur als Effektfilter zu verstehen.

Wie generative Bild-KI funktioniert

Bildgenerierende KI-Systeme lernen nicht wie Menschen durch bewusstes Betrachten, sondern durch mathematische Optimierung. Sie analysieren große Mengen von Bild-Text-Beziehungen und bilden daraus Muster. Ein System lernt zum Beispiel, dass bestimmte Wörter häufig mit bestimmten Farben, Formen, Bildkompositionen, Gegenständen oder Stilmerkmalen zusammenhängen. Beim Generieren wird dann kein einzelnes gespeichertes Bild einfach kopiert, sondern ein neues Bild aus gelernten Wahrscheinlichkeiten aufgebaut. Trotzdem können Trainingsdaten, Ähnlichkeiten, Stilübernahmen und mögliche Rechtsverletzungen problematisch sein.

Diffusionsmodelle

Ein Diffusionsmodell arbeitet vereinfacht gesagt mit Rauschen und Entrauschen. Im Training lernt das Modell, wie Bilder schrittweise verrauscht werden und wie aus Rauschen wieder sinnvolle Bildstrukturen entstehen können. Bei der Generierung startet das System mit Rauschen und nähert sich Schritt für Schritt einem Bild an, das zum Prompt passt. Dabei spielen Textencoder, latente Bildräume, Seeds, Sampling, Guidance Scale und andere Parameter eine Rolle.

Generative Adversarial Networks

Generative Adversarial Networks bestehen aus zwei gegeneinander arbeitenden Komponenten: einem Generator und einem Diskriminator. Der Generator erzeugt Bilder, der Diskriminator bewertet, ob sie echten Trainingsbeispielen ähneln. Durch dieses Gegenspiel kann das System lernen, immer überzeugendere Bilder herzustellen. GANs waren besonders wichtig für frühe realistische KI-Gesichter, Stilbilder und experimentelle generative Kunst.

Neuronaler Stiltransfer

Beim neuronalen Stiltransfer werden Inhalte eines Bildes mit visuellen Merkmalen eines anderen Bildes kombiniert. Dabei kann zum Beispiel die Komposition eines Fotos mit Farb- und Formmustern eines bekannten Kunstwerks verbunden werden. Dieses Verfahren machte vielen Menschen erstmals sichtbar, dass KI nicht nur Objekte erkennen, sondern auch Bildstile transformieren kann.

Latenter Raum

Der latente Raum ist ein rechnerischer Bedeutungsraum. In ihm werden Bild- und Textmerkmale nicht als sichtbare Bilder gespeichert, sondern als mathematische Beziehungen. Nähe im latenten Raum bedeutet: Bestimmte Merkmale treten statistisch gemeinsam auf. Das erklärt, warum Prompts oft überraschende Ergebnisse liefern. Ein Wort verändert nicht nur ein einzelnes Objekt, sondern kann die gesamte Bildlogik verschieben.

Prompting: Schreiben, Steuern, Kuratieren

Prompting ist die Kunst, ein KI-System durch Sprache, Referenzbilder und Parameter zu lenken. Ein Prompt kann Motiv, Material, Perspektive, Licht, Stil, Format, Stimmung und technische Eigenschaften enthalten. Trotzdem ist Prompting nicht dasselbe wie Malen. Ein Pinselstrich ist eine direkte Spur der Hand. Ein Prompt ist eher eine Anweisung an ein komplexes Bildsystem.

Gute KI-Arbeit besteht häufig nicht in einem einzigen genialen Prompt, sondern in einem Prozess: Idee entwickeln, Prompt formulieren, Varianten erzeugen, Ergebnisse prüfen, Fehler erkennen, Parameter verändern, Bild weiterbearbeiten, Quellen und Rechte reflektieren, Veröffentlichungskontext wählen. Die künstlerische Leistung verschiebt sich also zur Kuration, Konzeption, Bildkritik und Postproduktion.

Prompt-Beispiel und Analyse

Prompt-Baustein	Beispiel	Wirkung
Motiv	Eine Person betrachtet ein leuchtendes Bildarchiv	Legt das Hauptthema fest
Epoche	inspiriert vom Barock	Gibt Lichtdramaturgie und Inszenierung vor
Medium	digitale Collage	Verändert die erwartete Materialästhetik
Perspektive	Blick von oben	Steuert Bildraum und Komposition
Ethik-Hinweis	keine lebenden Künstler imitieren	Unterstützt verantwortungsvolle Stilentscheidungen
Negativer Prompt	keine verzerrten Hände, keine Stereotype	Versucht unerwünschte Bildmerkmale zu reduzieren

Autorschaft: Wer macht das Bild?

Die Frage nach der Autorschaft ist bei KI-Kunst besonders schwierig. Beteiligt sind die Person, die das Bild in Auftrag gibt oder promptet, die Entwicklerinnen und Entwickler des Modells, die Betreiber der Plattform, die Urheberinnen und Urheber der Trainingsbilder, die Menschen, die Datensätze beschriftet oder moderiert haben, und manchmal auch Personen, deren Bilder oder Stile indirekt in Trainingsdaten vorkommen.

In der Kunstgeschichte ist Autorschaft nie völlig einfach gewesen. In Werkstätten der Renaissance arbeiteten Meister, Gehilfen und Lernende gemeinsam. In der Fotografie entscheiden Technik, Objektiv, Licht, Labor und Abzug mit. In der Konzeptkunst kann eine Idee wichtiger sein als die Ausführung. KI-Kunst verschärft diese Fragen jedoch, weil sehr viele unsichtbare Beiträge in das Modell eingehen.

Autorschaft als Entscheidungskette

Entscheidung	Menschlicher Anteil	Systemischer Anteil
Thema wählen	Intention, Fragestellung, Zielgruppe	Plattformvorschläge und Bildtrends
Prompt formulieren	Sprache, Stilentscheidung, kunsthistorisches Wissen	Modellinterne Wort-Bild-Beziehungen
Bild generieren	Parameterwahl und Variantensteuerung	Berechnung durch Modell und Trainingsmuster
Ergebnis auswählen	Urteil, Geschmack, Konzept, Kritikfähigkeit	Menge und Qualität der erzeugten Varianten
Bild bearbeiten	Montage, Retusche, Kontextualisierung	Funktionen wie Inpainting, Upscaling und Filter
Veröffentlichung	Titel, Erklärung, Lizenz, Transparenz	Plattformregeln, Sichtbarkeit und Algorithmen

Urheberrecht, Trainingsdaten und Verantwortung

Bei KI-Kunst geht es nicht nur um Ästhetik, sondern auch um Urheberrecht, Persönlichkeitsrecht, Datenschutz, Transparenz und Fairness. Viele Bildmodelle wurden oder werden mit sehr großen Datensätzen trainiert. Darin können urheberrechtlich geschützte Werke, Fotos, Illustrationen, Produktbilder, private Bilder oder problematische Inhalte enthalten sein. Ob und wann Training, Output oder Stilübernahme rechtlich zulässig sind, hängt vom jeweiligen Land, vom konkreten Modell, von den Daten, vom Ausgabebild und vom Nutzungskontext ab. Dieser Kurs ersetzt keine Rechtsberatung.

In Deutschland und der Europäischen Union sind insbesondere die Fragen wichtig, ob ein Werk eine persönliche geistige Schöpfung ist, welche Rolle Text und Data Mining spielt, ob Rechteinhaber einen Nutzungsvorbehalt erklären konnten, wie KI-generierte Inhalte gekennzeichnet werden müssen und ob ein Ausgabebild wesentliche geschützte Merkmale eines vorhandenen Werkes übernimmt. Für Schule, Studium und kreative Praxis ist deshalb ein sorgfältiger Umgang sinnvoll: Quellen prüfen, Nutzungsbedingungen lesen, keine lebenden Künstlerinnen oder Künstler ungefragt imitieren, KI-Anteile transparent machen und eigene kreative Entscheidungen dokumentieren.

Trainingsdaten als kulturelles Gedächtnis und Problemfeld

Trainingsdaten sind nicht neutral. Sie enthalten Auswahlentscheidungen, Lücken, Machtverhältnisse und Vorurteile. Wenn bestimmte Bildtypen im Internet häufiger vorkommen, können KI-Systeme diese überbetonen. Wenn Berufe, Geschlechter, Hautfarben, Kulturen oder Körper in Datensätzen stereotyp dargestellt werden, kann das Modell solche Stereotype reproduzieren. Deshalb gehört zur KI-Kunst immer auch Datenkritik.

Bias und Stereotype

Bias bedeutet eine systematische Verzerrung. Ein KI-Bildmodell kann zum Beispiel bestimmte Berufe häufiger männlich darstellen, bestimmte Kulturen exotisieren oder Schönheit an sehr engen Normen ausrichten. Solche Fehler sind nicht bloß technische Pannen. Sie zeigen, dass KI-Systeme gesellschaftliche Bilder und Vorurteile aufnehmen und verstärken können. Künstlerische Arbeit mit KI kann deshalb kritisch sein, wenn sie diese Muster sichtbar macht, stört oder reflektiert.

KI-Kunst und Kunstmarkt

KI-Bilder verändern auch den Kunstmarkt. Sie können schnell, billig und massenhaft erzeugt werden. Dadurch entstehen neue Möglichkeiten für Illustration, Concept Art, Game Design, Werbung, Social Media und experimentelle Kunst. Gleichzeitig geraten professionelle Bildberufe unter Druck, wenn Auftraggeber menschliche Arbeit durch billigere KI-Ausgaben ersetzen. Außerdem stellt sich die Frage, wie Originalität, Knappheit und Provenienz bewertet werden, wenn Millionen Varianten erzeugt werden können.

Ein KI-Bild wird nicht automatisch wertvoll, weil es technisch beeindruckend ist. In der Kunst zählen auch Kontext, Idee, Haltung, Materialentscheidung, Präsentation, Risiko und gesellschaftliche Relevanz. Deshalb kann ein reflektiertes KI-Projekt künstlerisch interessant sein, während ein beliebiges schön aussehendes KI-Bild eher dekorativ bleibt.

KI-Kunst als Gegenstand der Bildanalyse

Bei der Analyse von KI-Kunst helfen klassische Methoden der Bildanalyse, müssen aber erweitert werden. Neben Beschreibung, Formanalyse, Deutung und Kontext brauchst Du Fragen nach Datengrundlage, Modell, Prompt, Bearbeitung und Kennzeichnung.

Analysemodell in sieben Schritten

Bildbeschreibung: Was ist sichtbar? Welche Motive, Figuren, Farben, Räume und Blickrichtungen erkennst Du?
Formanalyse: Wie sind Komposition, Licht, Perspektive, Textur, Schärfe, Stil und Format gestaltet?
Kunsthistorische Einordnung: Welche Epochen, Stile oder Bildtraditionen werden erkennbar zitiert?
Technische Analyse: Wurde das Bild durch Text-zu-Bild, Bild-zu-Bild, Stiltransfer, Inpainting oder Montage erzeugt?
Promptanalyse: Welche sprachlichen Anweisungen könnten das Bild geprägt haben?
Ethikprüfung: Gibt es Stereotype, problematische Körperbilder, kulturelle Aneignung, Deepfake-Risiken oder fehlende Kennzeichnung?
Deutung: Welche Aussage entsteht durch das Zusammenspiel von Bild, Technik und Kontext?

KI-Kunst und kulturelle Aneignung

Kulturelle Aneignung ist ein sensibles Thema in der KI-Kunst. Wenn KI-Systeme kulturelle Zeichen, religiöse Symbole, traditionelle Muster oder indigene Bildsprachen ohne Kontext mischen, können bedeutungsvolle kulturelle Formen zur bloßen Oberfläche werden. Besonders problematisch ist es, wenn marginalisierte Gruppen nicht beteiligt sind, ihre Bildsprachen aber kommerziell genutzt werden. Verantwortungsvolle KI-Kunst fragt daher: Wem gehört ein Bildwissen? Wer profitiert? Wer wird dargestellt? Wer darf widersprechen?

KI-Kunst in Schule, Ausbildung und Studium

Im Unterricht bietet KI-Kunst große Chancen. Du kannst historische Stile vergleichen, Bildsprache analysieren, Quellenkritik üben, ethische Fragen diskutieren und eigene kreative Prozesse dokumentieren. Wichtig ist aber, dass KI nicht als Abkürzung für Denken verwendet wird. Ein gutes KI-Projekt zeigt, was Du entschieden, geprüft, verworfen und begründet hast.

Projektidee: Stilgeschichte kritisch visualisieren

Eine Lerngruppe kann mehrere KI-Bilder zu einer Epoche erstellen und anschließend prüfen, welche Klischees entstehen. Beim Thema Impressionismus wäre zu fragen: Werden immer nur Seerosen, Lichtpunkte und Pastellfarben erzeugt? Fehlen soziale Aspekte, moderne Stadt, Bahnhöfe oder Freizeitkultur? Beim Expressionismus wäre zu fragen: Wird die gesellschaftskritische Spannung sichtbar oder nur eine grelle Oberfläche? So wird aus KI-Nutzung ein kunsthistorisches Forschungsprojekt.

Fallbeispiele für Diskussionen

Fallbeispiel 1: Der scheinbar alte Meister

Ein KI-Bild sieht aus wie ein Gemälde der Renaissance. Es zeigt perfekte Perspektive, weiches Licht und antike Architektur. Die Analyse darf aber nicht bei „sieht alt aus“ stehen bleiben. Du fragst: Welche Elemente stammen aus tatsächlichen Renaissance-Konventionen? Welche sind moderne Fantasie? Welche Körperbilder werden wiederholt? Wird eine Epoche verstanden oder nur imitiert?

Fallbeispiel 2: Der lebende Künstler als Prompt

Eine Person gibt den Namen einer lebenden Künstlerin oder eines lebenden Künstlers in ein KI-System ein, um Aufträge im ähnlichen Stil zu erzeugen. Rechtlich und ethisch ist das heikel. Auch wenn ein Stil als solcher nicht immer einfach geschützt ist, kann eine gezielte Nachahmung unfair sein, die wirtschaftliche Existenz gefährden und die persönliche Handschrift einer Person ausnutzen. Verantwortungsvolles Prompting vermeidet solche Imitationen und entwickelt stattdessen eigene Stilbeschreibungen.

Fallbeispiel 3: Das KI-Bild im Museum

Ein Museum zeigt KI-generierte Bilder. Entscheidend ist nicht nur, ob sie schön aussehen. Wichtig ist die kuratorische Frage: Was wird sichtbar gemacht? Der Algorithmus? Die Datengrundlage? Die Geschichte der Computerkunst? Die Arbeit der Menschen hinter dem System? Die Kritik an Bildproduktion? Erst durch diesen Kontext kann aus einem generierten Bild ein reflektierter Beitrag zur zeitgenössischen Kunst werden.

Argumente: KI als Werkzeug und KI als Strukturwandel

Es gibt gute Gründe, KI als Werkzeug zu betrachten: Menschen entwickeln Ideen, formulieren Prompts, wählen Ergebnisse aus, bearbeiten Bilder weiter und stellen sie in künstlerische Zusammenhänge. Gleichzeitig gibt es gute Gründe, KI nicht nur als Werkzeug zu sehen: Sie beruht auf massenhaften Daten, verschiebt Autorschaft, automatisiert Stilproduktion, verändert Märkte und erzeugt neue rechtliche Konflikte. Eine differenzierte Position lautet daher: KI kann in einem künstlerischen Prozess als Werkzeug genutzt werden, ist aber kunsthistorisch und gesellschaftlich mehr als ein Werkzeug.

Kriterien für verantwortungsvolle KI-Kunst

Transparenz: Mache sichtbar, wenn KI wesentlich am Bild beteiligt war.
Eigenleistung: Dokumentiere Deine Idee, Auswahl, Überarbeitung und Begründung.
Quellenkritik: Prüfe, welche Modelle, Daten oder Referenzen Du verwendest.
Respekt: Imitiere keine lebenden Künstlerinnen und Künstler ohne Zustimmung.
Fairness: Achte auf Stereotype, Diskriminierung und kulturelle Aneignung.
Rechtsbewusstsein: Beachte Nutzungsbedingungen, Lizenzen und Urheberrechte.
Kontext: Erkläre, warum KI für Deine Aussage sinnvoll ist.
Nachbearbeitung: Nutze eigene Gestaltung, statt nur Varianten zu konsumieren.
Dokumentation: Halte Prompts, Parameter, Schritte und Entscheidungen fest.
Kritikfähigkeit: Frage, was das Bild verschweigt, vereinfacht oder verzerrt.

Glossar

Begriff	Erklärung
KI-Kunst	Kunst oder Gestaltung, die ganz oder teilweise mithilfe künstlicher Intelligenz entsteht.
Prompt	Texteingabe oder Anweisung, mit der ein KI-System gesteuert wird.
Trainingsdaten	Daten, aus denen ein KI-Modell Muster lernt.
Diffusionsmodell	Generatives Modell, das aus Rauschen schrittweise ein Bild erzeugt.
Generative Adversarial Networks	Modelltyp mit Generator und Diskriminator.
Latent Space	Mathematischer Bedeutungsraum, in dem Bild- und Textmerkmale organisiert werden.
Seed	Startwert, der Varianten und Wiederholbarkeit einer Generierung beeinflusst.
Inpainting	KI-gestütztes Ergänzen oder Ersetzen von Bildbereichen.
Outpainting	KI-gestütztes Erweitern eines Bildes über den ursprünglichen Rand hinaus.
Bias	Systematische Verzerrung in Daten, Modellen oder Ergebnissen.
Autorschaft	Frage danach, wer für ein Werk schöpferisch, rechtlich und kulturell verantwortlich ist.
Kuration	Auswahl, Anordnung und Kontextualisierung von Bildern oder Werken.

Merksatz

KI-Kunst ist nicht einfach Malerei mit einem neuen Pinsel. Sie ist Bildproduktion in einem Netzwerk aus Daten, Modellen, Menschen, Märkten, Rechten und Deutungen. Wer KI-Kunst verstehen will, muss deshalb nicht nur Bilder anschauen, sondern ihre Entstehungsbedingungen analysieren.

Interaktive Aufgaben

Quiz: Teste Dein Wissen

Warum ist KI-Kunst nicht einfach mit einem neuen Pinsel vergleichbar? (Weil KI-Systeme auf Trainingsdaten, Modellen und Plattformen beruhen) (!Weil KI-Bilder nie von Menschen ausgewählt werden) (!Weil Pinsel keine Kunst erzeugen können) (!Weil digitale Bilder grundsätzlich keine Kunst sind)

Was ist ein Prompt? (Eine Texteingabe oder Anweisung an ein KI-System) (!Ein historischer Malgrund) (!Eine klassische Drucktechnik) (!Ein Museumskatalog)

Was sind Trainingsdaten in der bildgenerierenden KI? (Bilder, Texte und Metadaten, aus denen ein Modell Muster lernt) (!Die fertigen Bilder einer Ausstellung) (!Die Farben auf einer Palette) (!Die Eintrittskarten eines Museums)

Was beschreibt ein Diffusionsmodell vereinfacht? (Ein Verfahren, das aus Rauschen schrittweise ein Bild erzeugt) (!Ein Verfahren zum Trocknen von Ölfarbe) (!Eine Epoche der Renaissance) (!Eine Art von Bilderrahmen)

Warum ist kunsthistorisches Wissen beim Prompting wichtig? (Weil Stilrichtungen mehr bedeuten als sichtbare Oberflächen) (!Weil alle Stile nur aus Farbtönen bestehen) (!Weil KI keine Bilder mit Stil erzeugen kann) (!Weil Kunstgeschichte für digitale Bilder verboten ist)

Was meint Bias bei KI-Bildern? (Eine systematische Verzerrung in Daten oder Ergebnissen) (!Eine besonders glänzende Bildoberfläche) (!Eine Form des Bilderrahmens) (!Eine neutrale mathematische Wahrheit)

Welche Frage gehört zur Analyse von KI-Kunst? (Welche Rolle spielten Modell, Daten, Prompt und Auswahl) (!Welche Farbe hatte ausschließlich der erste Pinselstrich) (!Wie schwer war die Leinwand vor dem Malen) (!Welche Museumswände wurden zuerst gestrichen)

Was ist eine verantwortungsvolle Praxis im Umgang mit KI-Kunst? (KI-Anteile transparent machen und eigene Entscheidungen dokumentieren) (!Lebende Künstler ungefragt möglichst genau imitieren) (!Alle Ergebnisse ohne Prüfung veröffentlichen) (!Prompts grundsätzlich geheim halten)

Welche kunsthistorische Bewegung stellte die Idee des fertigen Kunstobjekts besonders stark infrage? (Konzeptkunst) (!Romanik) (!Rokoko) (!Historismus)

Warum kann die Verwendung von Künstlernamen in Prompts problematisch sein? (Weil sie gezielte Stilnachahmung und faire Vergütung berühren kann) (!Weil Namen in Prompts technisch unmöglich sind) (!Weil alle Künstlernamen automatisch gemeinfrei sind) (!Weil Stilfragen nie etwas mit Ethik zu tun haben)

Memory

Prompt	Texteingabe zur Steuerung eines KI-Systems
Trainingsdaten	Materialbasis für gelernte Muster
Diffusion	Schrittweises Entrauschen zum Bild
Bias	Systematische Verzerrung
Kuration	Auswahl und Kontextualisierung von Ergebnissen
Autorschaft	Frage nach schöpferischer Verantwortung

Drag and Drop

Ordne die richtigen Begriffe zu.	Thema
Fotografie	Apparat und Bildausschnitt
Collage	Kombination vorhandener Bildelemente
Readymade	Auswahl und Kontext als Kunstentscheidung
Konzeptkunst	Idee wichtiger als handwerkliche Ausführung
KI-Kunst	Daten, Modell, Prompt und Auswahl
Stiltransfer	Übertragung visueller Merkmale

Kreuzworträtsel

Prompt	Wie heißt eine Texteingabe, mit der ein KI-Bildsystem gesteuert wird?
Datensatz	Wie nennt man eine geordnete Sammlung von Trainingsmaterial?
Diffusion	Welches Verfahren erzeugt Bilder vereinfacht durch schrittweises Entrauschen?
Urheber	Wie nennt man eine Person, die ein Werk schöpferisch geschaffen hat?
Bias	Wie heißt eine systematische Verzerrung in Daten oder Ergebnissen?
Kontext	Was ist neben dem Bild selbst wichtig, um Kunst zu deuten?

LearningApps

Lückentext

KI-Kunst entsteht nicht allein durch einen digitalen Pinsel, sondern durch das Zusammenspiel von

, Modell, Interface und menschlicher Auswahl. Ein

ist eine sprachliche Anweisung, die ein Bildsystem steuert. Ein

kann aus Rauschen schrittweise ein Bild erzeugen. Kunsthistorische Stile sind mehr als Oberflächen, weil sie immer auch einen historischen

besitzen. Eine verantwortungsvolle KI-Praxis macht KI-Anteile

und dokumentiert eigene Entscheidungen. Problematisch wird KI-Kunst unter anderem dann, wenn sie Stereotype durch

verstärkt oder lebende Künstler ungefragt imitiert. Deshalb braucht die Analyse von KI-Kunst sowohl Bildkompetenz als auch

.

Offene Aufgaben

Leicht

Bildbeschreibung: Suche ein KI-generiertes Bild und beschreibe es ohne Bewertung. Achte auf Motiv, Farbe, Licht, Raum, Figuren und Stimmung.
Promptanalyse: Formuliere drei mögliche Prompts, die zu einem ausgewählten KI-Bild geführt haben könnten. Begründe Deine Vermutungen.
Stilvergleich: Vergleiche ein KI-Bild, das „impressionistisch“ wirkt, mit einem echten Werk des Impressionismus. Notiere Gemeinsamkeiten und Unterschiede.
Transparenz: Entwirf ein kleines Schild für eine Ausstellung, auf dem ehrlich erklärt wird, wie ein KI-Bild entstanden ist.

Standard

Kunstgeschichte: Erstelle eine Zeitleiste von der Fotografie über Computerkunst bis zur KI-Kunst. Erkläre zu jeder Station, welche Debatte sie ausgelöst hat.
Ethik: Schreibe eine Stellungnahme zur Frage, ob man lebende Künstlerinnen und Künstler in Prompts namentlich imitieren sollte.
Datenkritik: Untersuche mehrere KI-Bilder zu Berufen. Prüfe, ob Geschlechterrollen, Hautfarben, Alter oder Körperformen stereotyp dargestellt werden.
Kuratorisches Konzept: Plane eine Mini-Ausstellung mit fünf KI-Bildern zum Thema „Stil ist nicht Oberfläche“. Formuliere Titel, Reihenfolge und Wandtexte.

Schwer

Urheberrecht: Recherchiere die Grundfragen von KI-Kunst und Urheberrecht in Deutschland. Erstelle eine Übersicht, die zwischen Training, Output, Bearbeitung und Veröffentlichung unterscheidet.
Künstlerisches Projekt: Entwickle eine eigene Bildserie, in der Du KI nur als einen Schritt verwendest. Dokumentiere Idee, Prompts, Varianten, Auswahl, Nachbearbeitung und Reflexion.
Kritische Bildanalyse: Analysiere ein KI-Bild nach dem Sieben-Schritte-Modell aus diesem aiMOOC. Beziehe Kunstgeschichte, Technik, Ethik und Kontext ein.
Debatte: Organisiere eine Pro-und-Contra-Diskussion zur These „KI demokratisiert Kunst“. Berücksichtige Chancen, Arbeitsbedingungen, Macht der Plattformen und kulturelle Vielfalt.

Lernkontrolle

Transferanalyse: Erkläre an einem selbst gewählten Beispiel, warum ein KI-Bild kunsthistorisch überzeugend aussehen kann, ohne die Geschichte der zitierten Stilrichtung wirklich zu verstehen.
Vergleich: Vergleiche Pinsel, Kamera und KI-System als Bildwerkzeuge. Arbeite heraus, worin jeweils menschliche Kontrolle, technische Vermittlung und Zufall liegen.
Fallentscheidung: Eine Werbeagentur möchte den Stil einer lebenden Illustratorin mit KI nachahmen, ohne sie zu beauftragen. Beurteile den Fall ethisch und wirtschaftlich.
Ausstellungskritik: Entwirf Kriterien, nach denen ein Museum entscheiden könnte, ob ein KI-Bild ausstellungswürdig ist.
Promptreflexion: Entwickle einen Prompt zu einer historischen Stilrichtung und schreibe anschließend eine Reflexion darüber, welche historischen Aspekte der Prompt vermutlich vereinfacht.
Medienkompetenz: Erstelle einen Leitfaden für Mitschülerinnen und Mitschüler, wie sie KI-Bilder erkennen, kennzeichnen und verantwortungsvoll verwenden können.

Lernnachweis

Für einen Lernnachweis zu diesem Thema ist wichtig, dass Du nicht nur ein KI-Bild erzeugst, sondern den gesamten Prozess verstehst und begründest. Dein Lernnachweis kann aus einer Analyse, einer Präsentation, einem Portfolio oder einem künstlerischen Projekt bestehen.

Fachbegriffe: Verwende zentrale Begriffe wie Prompt, Trainingsdaten, Diffusionsmodell, Bias, Autorschaft und Kuration korrekt.
Kunsthistorische Einordnung: Zeige, welche Epoche oder Stilrichtung Du behandelst und warum sie nicht nur aus Oberflächenmerkmalen besteht.
Prozessdokumentation: Dokumentiere Prompts, Varianten, Auswahlentscheidungen, Nachbearbeitung und Reflexion.
Ethik und Recht: Erkläre, wie Du mit Urheberrecht, Künstlernamen, Trainingsdaten, Transparenz und Stereotypen umgegangen bist.
Bildanalyse: Analysiere mindestens ein Ergebnis nach Beschreibung, Form, Technik, Kontext und Deutung.
Eigenleistung: Mache deutlich, worin Deine eigene kreative, analytische oder kuratorische Leistung besteht.
Präsentation: Stelle Deine Ergebnisse verständlich, kritisch und visuell nachvollziehbar dar.

OERs zum Thema

Links

KI-Kunst

aiMOOC-Projekte

Schulfach+

Prüfungsliteratur 2026
Bundesland	Bücher	Kurzbeschreibung
Baden-Württemberg	Abitur Der zerbrochne Krug - Heinrich von Kleist Heimsuchung - Jenny Erpenbeck Mittlere Reife Der Markisenmann - Jan Weiler oder Als die Welt uns gehörte - Liz Kessler Ein Schatten wie ein Leopard - Myron Levoy oder Pampa Blues - Rolf Lappert	Abitur Dorfrichter-Komödie über Wahrheit/Schuld; Roman über einen Ort und deutsche Geschichte. Mittlere Reife Wahllektüren (Roadtrip-Vater-Sohn / Jugendroman im NS-Kontext / Coming-of-age / Provinzroman).
Bayern	Abitur Der zerbrochne Krug - Heinrich von Kleist Heimsuchung - Jenny Erpenbeck	Abitur Lustspiel über Machtmissbrauch und Recht; Roman als Zeitschnitt deutscher Geschichte an einem Haus/Grundstück.
Berlin/Brandenburg	Abitur Der zerbrochne Krug - Heinrich von Kleist Woyzeck - Georg Büchner Der Biberpelz - Gerhart Hauptmann Heimsuchung - Jenny Erpenbeck	Abitur Gerichtskomödie; soziales Drama um Ausbeutung/Armut; Komödie/Satire um Diebstahl und Obrigkeit; Roman über Erinnerungsräume und Umbrüche.
Bremen	Abitur Nach Mitternacht - Irmgard Keun Mario und der Zauberer - Thomas Mann Emilia Galotti - Gotthold Ephraim Lessing oder Miss Sara Sampson - Gotthold Ephraim Lessing	Abitur Roman in der NS-Zeit (Alltag, Anpassung, Angst); Novelle über Verführung/Massenpsychologie; bürgerliche Trauerspiele (Moral, Macht, Stand).
Hamburg	Abitur Der zerbrochne Krug - Heinrich von Kleist Das kunstseidene Mädchen - Irmgard Keun	Abitur Justiz-/Machtkritik als Komödie; Großstadtroman der Weimarer Zeit (Rollenbilder, Aufstiegsträume, soziale Realität).
Hessen	Abitur Der zerbrochne Krug - Heinrich von Kleist Woyzeck - Georg Büchner Heimsuchung - Jenny Erpenbeck Der Prozess - Franz Kafka	Abitur Gerichtskomödie; Fragmentdrama über Gewalt/Entmenschlichung; Erinnerungsroman über deutsche Brüche; moderner Roman über Schuld, Macht und Bürokratie.
Niedersachsen	Abitur Der zerbrochene Krug - Heinrich von Kleist Das kunstseidene Mädchen - Irmgard Keun Die Marquise von O. - Heinrich von Kleist Über das Marionettentheater - Heinrich von Kleist	Abitur Schwerpunkt auf Drama/Roman sowie Kleist-Prosatext und Essay (Ehre, Gewalt, Unschuld; Ästhetik/„Anmut“).
Nordrhein-Westfalen	Abitur Der zerbrochne Krug - Heinrich von Kleist Heimsuchung - Jenny Erpenbeck	Abitur Komödie über Wahrheit und Autorität; Roman als literarische „Geschichtsschichtung“ an einem Ort.
Saarland	Abitur Heimsuchung - Jenny Erpenbeck Furor - Lutz Hübner und Sarah Nemitz Bahnwärter Thiel - Gerhart Hauptmann	Abitur Erinnerungsroman an einem Ort; zeitgenössisches Drama über Eskalation/Populismus; naturalistische Novelle (Pflicht/Überforderung/Abgrund).
Sachsen (berufliches Gymnasium)	Abitur Der zerbrochne Krug - Heinrich von Kleist Woyzeck - Georg Büchner Irrungen, Wirrungen - Theodor Fontane Der gute Mensch von Sezuan - Bertolt Brecht Heimsuchung - Jenny Erpenbeck Der Trafikant - Robert Seethaler	Abitur Mischung aus Klassiker-Drama, sozialem Drama, realistischem Roman, epischem Theater und Gegenwarts-/Erinnerungsroman; zusätzlich Coming-of-age im historischen Kontext.
Sachsen-Anhalt	Abitur (keine fest benannte landesweite Pflichtlektüre veröffentlicht; Themenfelder)	Abitur Schwerpunktsetzung über Themenfelder (u. a. Literatur um 1900; Sprache in politisch-gesellschaftlichen Kontexten), ohne feste Einzeltitel.
Schleswig-Holstein	Abitur Der zerbrochne Krug - Heinrich von Kleist Heimsuchung - Jenny Erpenbeck	Abitur Recht/Gerechtigkeit und historische Tiefenschichten eines Ortes – umgesetzt über Drama und Gegenwartsroman.
Thüringen	Abitur (keine fest benannte landesweite Pflichtlektüre veröffentlicht; Orientierung am gemeinsamen Aufgabenpool)	Abitur In der Praxis häufig Orientierung am gemeinsamen Aufgabenpool; landesweite Einzeltitel je nach Vorgabe/Handreichung nicht einheitlich ausgewiesen.
Mecklenburg-Vorpommern	Abitur (Quelle aktuell technisch nicht abrufbar; Beteiligung am gemeinsamen Aufgabenpool bekannt)	Abitur Land beteiligt sich am länderübergreifenden Aufgabenpool; konkrete, veröffentlichte Einzeltitel konnten hier nicht ausgelesen werden.
Rheinland-Pfalz	Abitur (keine landesweit einheitliche Pflichtlektüre; schulische Auswahl)	Abitur Keine landesweite Einheitsliste; Auswahl kann schul-/kursbezogen erfolgen.