Zwei Menschen, dasselbe Programm, dieselben Werkzeuge. Der eine bekommt großartige Ergebnisse, freut sich, sieht seine Wünsche wie von selbst erfüllt. Der andere schließt nach ein paar Versuchen den Tab und sagt: „KI kann das eben nicht.“
Beide haben Talent, beide haben Lust, beide hatten Zeit. Beide saßen vor derselben Technik. Was hat den einen aufblühen lassen und den anderen frustriert zurückgelassen?
Ich habe eine ziemlich klare Vermutung. Und sie hat fast nichts mit der KI zu tun.
Was in meinem Augment Art Intensiv-Programm wirklich passiert ist
Vor einigen Tagen waren wir mit meinem Programm fertig – dem Augment Art Intensiv-Programm, das ich für Künstler:innen gestartet habe und in dem sie in sechs Wochen einen vollwertigen KI-Workflow lernen. Und einige haben in der Folge den ganzen Weg tatsächlich durchlaufen. Nicht ein bisschen ausprobiert – den ganzen Weg.
Es fing bei der Projektbeschreibung an. Also der Arbeit, die die meisten überspringen: klar zu formulieren, worum es überhaupt geht, was das eigene Werk ausmacht, wohin es soll. Von dort ging es weiter zu Bildern, die mit KI entstehen, aber eben nicht nach KI aussehen. Sondern nach der eigenen Kunst. Das ist ein Unterschied wie Tag und Nacht, und er ist der Grund, warum so viele beim ersten generischen Bild aufgeben.
Dann kamen Fotos, in denen sich die Künstler:innen und ihre Arbeit in ganz verschiedene Situationen setzen lassen. Und Videos, die die Werke in Kontexte bringen – in mögliche Ausstellungssituationen, in Räume, in Szenen, die real noch gar nicht existieren. Eine richtig breite Palette. Von der ersten Zeile Text bis zum bewegten Bild einer Ausstellung, die erst im Kopf existiert.
Und einige gingen sehr inspiriert raus. Mit sehr guten Ergebnissen. Es waren richtig gute Anwendungen dabei und viel Begeisterung – die Art von Begeisterung, die entsteht, wenn jemand merkt: Das hier erweitert tatsächlich, was ich kann.
Nicht alle sind durchgezogen – und das ist ehrlich gesagt normal
Am Schluss gab es natürlich auch ein paar, die nicht drangeblieben sind. Das Programm war intensiv und vollgepackt. Es waren Sachen dabei, bei denen man wirklich dranbleiben muss, sonst zerfällt der Faden.
Einige wollen noch nacharbeiten. Da warte ich auf ihre Ergebnisse, und ich bin sicher: Das wird auch richtig gut. Wer dabeigeblieben ist, wer Interesse hatte, wer alles ausprobiert hat – die werden das ganz sicher weiter benutzen. Weil sie den Punkt erreicht haben, an dem das Werkzeug anfängt, für sie zu arbeiten.
Und ja, natürlich gab es auch weniger glückliche Erfahrungen. Zum Teil ganz banal: Manche hatten keine Zeit, manche nicht genug.
Aber darum geht es mir hier nicht. Der eigentliche Punkt reicht weiter – über mein Programm hinaus. Denn dieselbe Enttäuschung sehe ich bei Menschen überall, sobald sie mit KI arbeiten wollen. Und fast immer läuft sie nach demselben Muster: kostenlose KI, keine Geduld, schlechte Ergebnisse, Enttäuschung.
Und hier sehe ich ganz klar: Das liegt nicht an der KI. Es liegt am Verhalten und an ein paar hartnäckigen Denkfehlern.
Lass mich die zwei wichtigsten benennen. Wenn du sie einmal gesehen hast, kannst du sie nicht mehr übersehen.
Denkfehler 1: Das Wort „Intelligenz“ – und die Erwartung, dass sie Gedanken liest
Sag jemandem, das sei eine „Intelligenz“, und im Kopf passiert sofort etwas: Er erwartet ein Gegenüber, das mitdenkt. Das zwischen den Zeilen liest. Das ahnt, was gemeint ist, auch wenn es nicht gesagt wurde.
Genau das kann die KI nicht. Und genau daran zerschellen die ersten Versuche.
In der Forschung heißt das Anthropomorphismus – wir schreiben der Maschine menschliche Eigenschaften zu, die sie nicht hat. Der Auslöser ist die Sprache selbst. Sobald ein System „ich“ sagt und flüssig formuliert, unterstellen wir automatisch, dass da jemand ist, der versteht. Ein Trugschluss. Denn wenn ein Mensch eloquent antwortet, hat er die Frage meistens verstanden. Bei der KI ist das nicht dasselbe.
Es gibt ein treffendes Bild dafür: den Firnis des Verstehens. Eine dünne Schicht sprachlicher Perfektion, unter der kein echtes Begreifen liegt, sondern reine Wahrscheinlichkeit. Die KI wählt nicht die richtige Antwort. Sie wählt die wahrscheinlichste. Das ist nicht dasselbe.
Der entscheidende Satz, den ich jeder Teilnehmer:in mitgebe: Die KI kann keine Gedanken lesen – sie braucht eine Aufgabe.
Bittest du eine Kollegin um Hilfe bei einem Text, weiß sie sofort, dass du keine Grundsatzvorlesung willst, sondern konkrete Hilfe an diesem konkreten Stück. Die KI sieht nur die Wörter. Sie kombiniert sie und liefert im Zweifel das Allgemeinste, was dazu passt. Sie kennt deine Stimmung nicht, deinen Anlass nicht, deinen Stil nicht – nichts von dem, was ein Mensch mitliest. Sie rechnet mit dem, was du hinschreibst. Nicht mit dem, was du meinst.
Und dann kommt noch etwas dazu, das die Verwirrung komplett macht.
Warum die KI mal brillant ist und mal an Kindergartenaufgaben scheitert
Die Fachleute nennen es jagged intelligence – gezackte Intelligenz. Dieselbe KI beantwortet eine hochkomplexe Frage glänzend und scheitert eine Minute später an etwas, das ein Kind lösen würde.
Für Einsteiger ist das Gift. Denn sie können kein Gefühl dafür entwickeln, wann sie vertrauen dürfen und wann nicht. Ein brillanter Treffer, dann ein absurder Fehlschlag, und die Schlussfolgerung liegt nahe: „Das Ding ist unbrauchbar.“
Ist es nicht. Man muss nur wissen, dass die Zacken dazugehören – und wie man mit ihnen arbeitet.
Denkfehler 2: KI ist kein Orakel, sondern ein Assistent, den man einarbeitet
Einige Menschen behandeln die KI wie einen Automaten: Münze rein, Wunsch rein, fertiges Ergebnis raus. Kommt Mist heraus, ist der Automat kaputt. Aber so funktioniert das nicht. Eine KI ist kein Automat. Sie ist eine neue Mitarbeiterin am ersten Tag.
Stell es dir so vor. Eine Kollegin, die seit zehn Jahren neben dir sitzt, briefst du kaum noch – sie weiß, was du meinst. Der neuen Praktikantin erklärst du alles dreimal. Mit einer frisch benutzten KI bist du in der Praktikanten-Situation. Sie weiß noch nichts über dich. Und hier kommt der Punkt: Der Abstand schrumpft, sobald du investierst.
Genau das haben die erfolgreichen Teilnehmer:innen getan. Sie haben der KI erzählt, wer sie sind und woran sie arbeiten. Sie haben ihr Beispiele ihrer eigenen Bilder gezeigt, statt zu hoffen, dass sie den Stil errät. Sie haben nachgeschärft, statt nach dem ersten Versuch aufzugeben. Sie haben die Werkzeuge genutzt, die genau dafür da sind – dauerhafte Anweisungen, Projekte, die Erinnerungsfunktion, die die KI Sitzung für Sitzung mehr über die eigene Arbeit wissen lassen.
Wer nach zwei Prompts aufgibt, hat die Praktikantin nach dem ersten Vormittag gefeuert. Bevor sie überhaupt die Chance hatte, etwas zu lernen.
Warum schon zwei schlechte Prompts reichen, um jemanden zu verlieren
Das ist keine Kleinigkeit, das ist ein Muster – und die Zahlen dazu sind deutlich. Über 98 Prozent neuer Nutzer verlassen ein digitales Werkzeug innerhalb von zwei Wochen wieder, wenn sie in dieser Zeit keinen echten Nutzen erlebt haben.
Bei KI ist der Effekt noch härter. Fachleute sprechen von trust elasticity – die Vertrauens-Elastizität von KI ist anders als bei normaler Software. Untersuchungen mit erfahrenen Profis zeigen: Wer einmal eine schlechte erste Erfahrung gemacht hat, kam mehrheitlich nie zurück. Selbst dann nicht, als die Modelle längst besser geworden waren. Einmal gebrochenes Vertrauen lässt sich kaum wieder aufbauen.
Das ist die eigentliche Ironie. Die KI bekommt selten die zweite Chance, die der Lernprozess auf unserer Seite bräuchte. Nicht die Maschine muss dazulernen. Wir müssen es.
Der Fehler in die andere Richtung: zu viel vertrauen
Damit kein falscher Eindruck entsteht: Das Problem ist nicht nur, dass Anfänger schlechte Antworten bekommen. Genauso heikel ist, dass geübtere Nutzer zu gute bekommen – und deshalb aufhören zu prüfen.
Die KI erfindet manchmal Dinge und klingt dabei vollkommen überzeugend. Jahreszahlen, Namen, Quellen, die es nicht gibt. Das nennt sich Halluzination. Dazu kommt ihre Neigung, uns zuzustimmen und zu schmeicheln – was uns überzeugter macht, recht zu haben, und schlechter darin, unsere eigene Annahme noch einmal in Frage zu stellen.
Beim Anfänger führt das falsche Bild von der KI zu Enttäuschung. Beim Fortgeschrittenen zu Übervertrauen. Beide Male ist die Ursache dieselbe: Man weiß nicht genau, was man da vor sich hat.
Also – was macht man stattdessen?
Wie man tatsächlich mit KI klarkommt: was ich meinen Teilnehmer:innen mitgebe
Es braucht kein Technikstudium. Es braucht ein paar Gewohnheiten und die Bereitschaft, das Ding als Werkzeug zu behandeln, in das man sich einarbeitet.
Gib Kontext, immer. Sag der KI, wer du bist, wofür du das Ergebnis brauchst, welchen Ton du willst. „Schreib mir einen Text“ ist ein Blindflug. „Ich bin Malerin, ich brauche eine Ausstellungsbeschreibung für ein Publikum, das keine Kunst studiert hat, ruhig, nicht abgehoben, 150 Wörter“ trifft.
Sei konkret statt vage. Ein Wahrscheinlichkeitssystem, das raten muss, rät auf den Durchschnitt. Und der Durchschnitt ist fast nie das, was du wolltest. Länge, Format, Zielgruppe – benenne es. Sag auch, was du nicht willst.
Zeig Beispiele. Gerade für uns bildende Künstler:innen ist das der Hebel: Lade deine eigenen Arbeiten hoch, gib Referenzen, statt zu hoffen, dass die KI deinen Stil errät. Zwei, drei Beispiele verändern das Ergebnis mehr als jede Beschreibung.
Iteriere, statt einen Volltreffer zu erwarten. Das erste Ergebnis ist ein Entwurf, kein Endprodukt. Schau es an, sag, was fehlt, lass es neu machen. Das ist keine Fehlbedienung – das ist die Bedienung.
Nimm ordentliche Werkzeuge und bring Geduld mit. Die enttäuschenden Erfahrungen in meinem Programm liefen fast alle über kostenlose Versionen und null Geduld. Die guten Ergebnisse kamen von denen, die ein brauchbares Modell genutzt und ihm Zeit gegeben haben. Das ist kein Zufall.
Behandle sie wie eine Mitarbeiterin, die du einarbeitest. Nutze Erinnerungsfunktion, Projekte, dauerhafte Anweisungen. Je mehr die KI über dich weiß, desto weniger musst du jedes Mal neu erklären. Der Abstand zwischen Praktikantin und eingespieltem Team schrumpft – aber nur, wenn du ihn schrumpfen lässt.
Prüf, was zählt. Bei allem, was über Allgemeinwissen hinausgeht – Namen, Zahlen, Fakten – vertrau nicht blind. Eine perfekt formulierte Antwort ist nicht automatisch eine richtige.
Es lohnt sich – aber es benutzt sich nicht von allein
Am Ende bleibt eine einfache Einsicht. Die KI ist ein Instrument. Ein mächtiges, das die eigene künstlerische Praxis wirklich erweitern kann – von der ersten Projektidee bis zur Ausstellung, die noch in keinem Raum hängt. Aber es ist eben ein Instrument. Es klingt nicht, wenn man es nur anschaut. Man muss es spielen. Man muss üben.
Wer am Ende die guten Ergebnisse bekam, waren nicht die Begabtesten und nicht die Technik-Freaks. Es waren die, die nicht sofort aufgehört haben – die, die der Sache eine Chance geben, die Fantasie mitbringen und offen für das Ergebnis sind.
Das ist der ganze Unterschied. Und die gute Nachricht: Diese Sache kann jede:r lernen. Denn diese Technik ist so neu, dass nicht einmal ihre Entwickler:innen genau wissen, wie man am besten mit ihr arbeitet. Genau darin liegt die Chance – einen ganz eigenen Umgang mit ihr zu finden, ihn zu erweitern und weiterzuentwickeln.
Genau diesen Weg – von der Projektbeschreibung über eigene Bilder bis zur visualisierten Ausstellung – gehe ich mit Künstler:innen im Orba Art Space. Wenn du deine analoge Praxis mit KI erweitern willst, ohne dass am Ende alles nach KI aussieht, findest du dort den Rahmen dafür.