KI und Konzeption: das Schaf im Wolfspelz

KI und Konzeption: das Schaf im Wolfspelz

Kürzlich ist die neue Trendstudie „Kommunikation in der digitalen Transformation“ der ZHAW Zürcher Hochschule für Angewandte Wissenschaften erschienen. Sie zeigt mit knapp 100 Prozent KI-Nutzung für Texterstellung und für konzeptionelle Arbeiten, dass KI in der Kommunikation (zumindest in der Schweiz) klar angekommen ist.

Bemerkenswert ist jedoch ein anderer Aspekt der Studie: Nur ein Drittel der befragten Kommunikatorinnen und Kommunikatoren hält Kreativitätsverluste für ein ernstzunehmendes Risiko der KI-Nutzung. Diese Kombination überrascht und wirft Fragen auf. Man muss keine „KI-Kassandra“ sein, die jeglichen technischen Fortschritt verteufelt, um zu erkennen: Konzeptions- und Kreativarbeit mit KI verlangt einen bewussteren Umgang.

1. Technische Grenzen: Warum KI zum Konsens neigt

Sprachmodelle (LLMs) bevorzugen bei der Suche nach Antworten aus ihren Trainingsdaten die vermutlich sicherste Wahl. Bei simplen Aufgaben wie Übersetzungen oder Zusammenfassungen ist das unproblematisch. Bei ergebnisoffenen Aufgaben wie Strategieentwicklung, kreativen Ideen oder Marktpositionierungen sieht das anders aus.

Die auf Nummer sicher gehende KI liefert vor allem:

• Vorherrschende Meinungen

• Bewährte Strategien

• Bekannte, etablierte Kreativlösungen

Außergewöhnliche, exotische oder mutige Optionen abseits der Norm werden dagegen seltener vorgeschlagen. Das Motto lautet oft: Glätten statt Schärfen, Ecken und Kanten bleiben außen vor.

Die Gefahr der „algorithmischen Monokultur“

Verantwortlich dafür ist das sogenannte Alignment-Training (oft via RLHF – Reinforcement Learning from Human Feedback). Die Methode trimmt das Modell darauf, „den meisten Menschen zu gefallen“, statt auf pure Originalität. Eine Langzeit-Analyse über 68 Sprachmodelle und drei Jahre hinweg zeigt, dass diese Tendenz bei ergebnisoffenen Fragen auch mit neueren, besseren Sprachmodellen wider Erwarten nicht abnimmt, sondern sogar noch zunimmt, so dass die Autoren vor einer „algorhytmischen Monokultur“ warnen.

2. Psychologische Gründe: Die unterschätzte Macht des Framings

Klassische Konzeptionsarbeit ist anstrengend: Wir recherchieren intensiv, hinterfragen Annahmen, wechseln Perspektiven, antizipieren Gegenpositionen und ringen in Sparring-Sessions um die besten Ideen. Das Ergebnis ist ein mehrfach geprüftes, valides Konzept.

Die Co-Creation mit KI läuft anders ab. Die KI kämpft nicht für oder gegen Ideen, sie findet fast alles großartig und präsentiert Arbeitsergebnisse rasch und überzeugend. Hier greift ein klassischer Framing-Effekt: Menschen neigen dazu, präsentierte Optionen zu übernehmen und sie später als eigene Präferenz zu erleben, ohne die Beeinflussung durch die Präsentation zu bemerken.

Ein überzeugend formulierter, schnell gelieferter KI-Vorschlag wirkt deshalb nicht wie Beeinflussung, sondern wie eine gute Idee. Genau dieses Muster beschreiben auch Forscher der TU Darmstadt und LMU München als Risiko von KI-gestützter Co-Konstruktion. Sie kommen unabhängig davon zu dem Schluss, dass sich ergebnisoffene Aufgaben grundsätzlich nicht vollständig automatisieren lassen, weil das eigentliche Ziel erst im Zusammenspiel mit dem Menschen entsteht.

Sprachmodelle neigen also zu Standardantworten, zu bewährten, gesicherten Lösungen. Verbunden mit der überzeugenden Präsentation unserer KI-Systeme kann es passieren, dass wir diese Ergebnisse zu schnell für eine gute, eigene Idee halten und dabei unsere menschlichen Stärken wie Kreativität, strategisches Denken, geistige Flexibilität nicht mehr bzw. nicht häufig genug in diese KI-Konzeptionsprozesse einbringen.

Die anfangs erwähnte ZHAW-Studie gibt keinen Aufschluss darüber, wie genau die befragten Kommunikator:innen KI für konzeptionelle, kreative Aufgaben nutzen. Dass Kreativitätsverluste aber nur von einem Drittel als Risiko eingeschätzt werden, deutet für mich eher darauf hin, dass Effekte wie Framing oder die inhärenten Suchkriterien von Sprachmodellen noch zu oft übersehen werden. Auch hier kann der Framing-Effekt auftreten: wenn ich Konzept- und Kreativarbeit mit KI als wertvoll und hilfreich einschätze, betrachte ich sie nicht mehr als Risiko.

3. Kann ich KI gezielt zu mehr Kreativität prompten?

Wird ein Golf sportlicher, wenn ich ihn in Ferrari-Rot lackiere? Gefühlt ja, real nein. KI wird nicht per se kreativer, wenn ich Kreativitätstechniken über Prompts oder Agents einspiele. Die Grenze liegt in den Trainingsdaten selbst: Ein Träumer-Prompt nach der Disney-Methode sucht mir zwar eine andere, als „kreativ“ geltende Schicht aus derselben Wissensbasis hervor, die vermutlich mutiger ist als die ersten Standard-Antworten. Weil Alignment-Training Sprachmodelle wie beschrieben auf konsensfähige Antworten trimmt, mildern gezielte Prompts die Tendenz zum Konsens also ab, heben sie aber nie auf. Anders gesagt: Die KI bleibt ein Schaf im Wolfspelz: selbstbewusst im Ton, mutig im Auftreten, aber im Kern angepasst und auf Konsens gebürstet, ähnlich wie der Ferrari-rote Golf.

4. Fazit: Was bedeutet das jetzt für uns Kommunikator:innen?

Im Kern geht es darum, bewusster mit KI zu arbeiten und vorab zu beurteilen, welche Aufgaben sie kann, wo ihre Grenzen liegen und wann sie wie eng und kritisch begleitet werden muss. Diese Kompetenz muss jeder Anwender und Anwenderin selbst entwickeln. Laut der schon erwähnten ZHAW-Studie wird genau das zur wichtigsten Zukunftskompetenz der Kommunikationsbranche. Nicht besseres Prompting ist deshalb entscheidend, sondern das Gespür dafür, wann eine Antwort verdächtig schnell überzeugt hat, und ein Grundverständnis dafür, wie Sprachmodelle Antworten generieren.

Mit diesen praxisnahen Tipps gelingt der Spagat aus Effizienz und menschlicher Schöpferkraft:

• • Verständnis entwickeln: Nachvollziehen, wie Sprachmodelle (und deren Grenzen) funktionieren, um fundiert entscheiden zu können, welche Aufgaben delegiert werden dürfen.

  • Intensive Co-Kreation statt reiner Delegation: Bei ergebnissoffenen Fragen muss der Prozess von Anfang bis Ende begleitet werden – von präzisen Briefings über die Bewertung von Zwischenschritten bis zum manuellen Nachjustieren.

  • Realistisches Erwartungsmanagement: KI kann recherchieren, inspirieren und Vorarbeit leisten. Wirklich neue, originelle und zugespitzte Ideen entstehen jedoch erst durch menschliche Kreativität und den gezielten Perspektivwechsel.

  • Skepsis bewahren: Die Geschwindigkeit und Überzeugungskraft eines KI-Vorschlags sind bei Zielfindungsaufgaben kein Qualitätsmerkmal, sondern ein Anlass für gesunde Skepsis.

  • Vorab Kriterien definieren: Notieren Sie vor dem ersten Prompt glasklar, was Sie erreichen möchten und welche Bewertungskriterien erfüllt sein müssen. Das ist die wirksamste Maßnahme gegen die stille Verengung des Denkraums.

  • Eigenverantwortung stärken: Sich nicht passiv auf vorgeschlagene Standardlösungen verlassen, sondern die eigenen redaktionellen und strategischen Standards hoch halten.

Kurz gesagt gilt: Bei jeder Art von Arbeit mit KI: Hirn anschalten und anlassen.