Wer kreativ arbeiten will, bekommt von großen KI-Modellen zunehmend denselben Einheitsbrei serviert. Laut einer aktuellen und von NeurIPS preisgekrönten Studie der UW Allen School und der Stanford University leiden moderne Sprachmodelle unter eklatanter Homogenisierung: Bei offenen asymmetrischen Anfragen – wie der Suche nach Startup-Ideen oder kreativem Schreiben – produzieren über 70 verschiedene KI-Modelle fast identische Antworten.
Dieses Phänomen wird von den Forschern als „Artificial Hivemind“ („Künstlicher Schwarmgeist“) bezeichnet. Nutzer erhalten nicht nur von demselben Modell bei mehrfachen Anfragen stets nahezu denselben Text (Intra-Model Repetition), sondern auch unterschiedliche Modelle von Anbietern wie OpenAI, Anthropic oder Google gleichen sich frappierend an (Inter-Model Homogeneity).
Das Problem liegt im sogenannten „Alignment“ – dem Versuch, KI nützlich, sicher und gefällig zu machen. Methoden wie RLHF (Reinforcement Learning from Human Feedback) zwingen Modelle in eine enge, standardisierte Spur. Wie Alex Prompter auf X treffend zusammenfasst, belohnen KI-gestützte Bewertungssysteme den Konsens und bestrafen Originalität aktiv. Eine abweichende, wirklich kreative Antwort wird von automatisierten Reward-Modellen schlichtweg aussortiert, was den Verlust jedweder kreativen Diversität zementiert.
🎯 Was das für die Praxis bedeutet
1. Temperatur-Einstellungen erhöhen: Standardeinstellungen von KI-Tools fördern vorhersehbare Ergebnisse. Wer Originalität sucht, muss die „Temperature“-Werte der API-Zugänge deutlich erhöhen, um mehr Varianz zu erzwingen.
2. Strukturiertes Prompting für Vielfalt: Techniken wie „Verbalized Sampling“ – das gezielte Anweisen der KI, mehrere stark abweichende Varianten aufzuzeigen – sind essenziell, um den unsichtbaren Schwarmgeist zu überlisten.
