Amerikanische Symbole und Details

Der amerikanische Stil in den generierten Bildern manifestiert sich durch charakteristische visuelle Codes:

Großzügige, hell erleuchtete Villen mit überdimensionierter Weihnachtsdekoration symbolisieren den „American Dream“ von Wohlstand und Überfluss. Die Darstellung der Menschen folgt oft klischeehaften Mustern – blonde, makellose Frauen in Selfie-Posen neben markant maskulinen Männern. Familienszenen wirken wie perfekt choreographierte Lifestyle-Shootings, komplett mit Golden Retriever als symbolträchtigem Familienhund. Auf einem Bild war sogar ein Mann mit großer Einkaufstüte in Camouflagehose zu sehen, der neben einem Hummer stand.

Diese Ästhetik steht in deutlichem Kontrast zum traditionell understated britischen Heritage-Stil (den ich eigentlich kreieren wollte), der von naturverbundener Authentizität und zurückhaltender Eleganz geprägt ist.

Unterschiede in Zeit und Ort

Was ich ebenfalls sehr interessant fand, war die starke Variation der Zeitsprünge: Einige Bilder wirkten wie aus den frühen 2000ern, andere erinnerten an die 80er oder 90er.

Auch die Umgebung schien in vielen Bildern überwiegend amerikanisch geprägt – von Neuengland-Villen bis hin zu Anwesen in den Hamptons.

Um diese Unterschiede systematisch zu erfassen, analysierte ich ausgewählte Bilder einzeln und zog zusätzlich ChatGPT und Claude hinzu, um Details zu identifizieren, die Hinweise auf die jeweilige Zeitepoche und den geografischen Kontext lieferten.

Beispiele für “American Christmas” Aesthetic

Wie bereits erwähnt, sind diese Bilder entstanden, obwohl ich eigentlich britische Weihnachten generieren wollte – dabei zeigt sich jedoch deutlich der amerikanische Bias.

Was ist MAXQDA?

MAXQDA ist eine Software, die seit vielen Jahren Forschende bei der Analyse qualitativer und quantitativer Daten unterstützt. Mit Funktionen wie Kodierung, Textanalyse und Visualisierungswerkzeugen ermöglicht sie eine tiefgehende Untersuchung von Interviewdaten, Literatur, Social Media-Inhalten und vielem mehr. Forschende nutzen MAXQDA, um Muster in Texten zu erkennen, Theorien zu entwickeln und umfassende Berichte zu erstellen.

Ich bin es gewohnt, dass die meisten Programme auf Englisch sind, und deswegen finde ich es immer wieder entspannend, wenn ich Software wie MAXQDA in meiner Muttersprache verwenden kann. Besonders schätze ich die vielen hilfreichen Video-Tutorials und PDF-Guides, die es auf Deutsch gibt. ​​MAXQDA-Guides sind in folgenden Sprachen verfügbar: Englisch, Deutsch, Türkisch, Portugiesisch, Spanisch, Japanisch und Französisch.

Die MAXQDA AI Assist Funktion

AI Assist bietet diverse Funktionen, um generative Sprachmodelle in MAXQDA effizient zu nutzen. Es ermöglicht automatische Zusammenfassungen von Texten oder Codierungen und schlägt passende Codes sowie Subcodes vor. Im AI Chat kann durch Fragen und Prompts direkt mit den Daten interagiert werden. Die Basis des AI Assist ist das GPT-Modell (ChatGPT).

Die Funktion muss jedoch separat gebucht werden. Das hat den Grund, dass bewusst entschieden werden sollte, ob KI im Projekt eingesetzt werden soll. Die Texte werden nämlich an OpenAI geschickt. Nachdem sie dort verarbeitet wurden, werden sie aber anschließend gelöscht und NICHT für das KI-Training genutzt.

Funktionen von AI Assist

Transkripte erstellen:
Die Transkripte in MAXQDA sind übersichtlicher als die von Microsoft Teams. Allerdings erkennt AI Assist das Wort „ChatGPT“ manchmal falsch, wie etwa als „Jet GePeTe“. Diese Fehler werden in den Zusammenfassungen des AI Assist nicht automatisch behoben, können jedoch in ChatGPT direkt ausgebessert werden. Mehr dazu hier.

Vorschläge für Hauptcodes
AI Assist kann für markierte Textstellen automatisch neue Codes vorschlagen. Es analysiert den Inhalt und bietet potenzielle Codes an, die für die Textstelle relevant sind. Diese Vorschläge können dann in das Codesystem integriert werden. Mehr dazu hier. 

Ich habe die Codes im Vorfeld durch Brainstorming mit ChatGPT entwickelt und sie anschließend manuell in MAXQDA angelegt, anstatt AI Assist zur Code-Erstellung zu nutzen.

Subcode-Vorschläge:
AI Assist kann Vorschläge für Subcodes basierend auf den bereits codierten Segmenten eines Hauptcodes machen. Diese Vorschläge werden im Code-Memo gespeichert und können optional um Beispiele ergänzt werden. Mehr dazu hier.

AI Coding (Beta):
AI Coding unterstützt das automatische Codieren einzelner Dokumente und bietet dabei Vorschläge für Textsegmente, die nach den definierten Codierkriterien codiert werden sollen. Forschende behalten dabei die volle Kontrolle über die Codierung. Mehr dazu hier.

Chat mit codierten Segmenten:
Mithilfe des AI Chats können Forschende Fragen zu codierten Segmenten stellen und Antworten erhalten, die Verweise auf spezifische Abschnitte enthalten. Der Chatverlauf wird gespeichert. Diese Funktion ermöglicht tiefere Einblicke in spezifische Themenbereiche der codierten Daten. Mehr dazu hier.

Chat mit Dokumenten:
Mit AI Assist können BenutzerInnen interaktive Chats zu einem gesamten Dokument führen, um verschiedene Blickwinkel zu reflektieren oder Entscheidungen zu überprüfen. Der Chatverlauf wird archiviert und kann später eingesehen werden. Mehr dazu hier.

Diese Funktion hat mir extrem geholfen, um sicherzustellen, dass nichts übersehen oder vergessen wurde.

Begriffsdefinitionen:
Unbekannte Begriffe können markiert und durch AI Assist erklärt werden. Diese Erklärungen werden als Memo im Dokument gespeichert, was die Nachvollziehbarkeit erleichtert. Mehr dazu hier.

Zusammenfassungen erstellen:
AI Assist kann lange Absätze oder Dokumente automatisch zusammenfassen. Diese Funktion ist besonders hilfreich für Berichte, die in einer anderen Sprache erstellt werden müssen als das Interview. Zusammenfassungen können als Sätze oder Bulletpoints dargestellt werden und werden im Summary-Grid gespeichert. Mehr dazu hier.

Paraphrasieren:
Texte können automatisch paraphrasiert und als Paraphrase in MAXQDA gespeichert werden. Diese Funktion eignet sich besonders für die Analyse und das Erstellen kurzer Zusammenfassungen von langen Textabschnitten. Mehr dazu hier.

Limitationen

Ein großes Problem – oder auch ein Vorteil, je nachdem, wie man es betrachtet – bei AI Assist ist, dass es nicht in der Lage ist, Szenarien oder Informationen zu improvisieren oder zu ergänzen, die nicht explizit im Text vorkommen. Das bedeutet, dass der Chat oft mit „Das kam nicht vor“ antwortet, auch wenn das gesuchte Thema möglicherweise anders formuliert wurde. In solchen Fällen habe ich mich oft verleitet gefühlt, auf ChatGPT zurückzugreifen, was viele aus verständlichen Gründen jedoch vermeiden wollen.

Ein weiteres Limit zeigt sich bei der Zusammenfassung im Grid Summary: Wenn zu wenig Input vorhanden ist, kann AI Assist keine Zusammenfassung erstellen.

AI Assist funktioniert am besten innerhalb bestimmter Textmengen. Die maximale Textlänge für Chats beträgt beispielsweise 100.000 Zeichen, und bei codierten Segmenten können bis zu 120.000 Zeichen analysiert werden. Über diese Grenzen hinaus arbeitet AI Assist nicht mehr zuverlässig und liefert keine vollständigen Ergebnisse.

Es ist immer wichtig, die generierten Ergebnisse sorgfältig zu überprüfen, da AI Assist nicht immer präzise arbeitet. Die Zusammenfassungen können vage oder ungenau wirken – sie klingen gut, enthalten aber wenig Substanz. Dies kann besonders problematisch werden, wenn mehrere Personen an einem Projekt arbeiten und auf die Interpretation anderer angewiesen sind, insbesondere bei komplexen oder sensiblen Inhalten wie Gewalt oder Hassreden. In solchen Fällen erfasst AI Assist bestimmte Inhalte möglicherweise nicht richtig oder liefert keine adäquate Zusammenfassung. Zudem können inhaltliche Nuancen oder kulturelle Kontexte, die für die Analyse entscheidend sind, übersehen werden, was eine manuelle Nachbearbeitung erforderlich macht.

Feedbackkutlur bei MAXQDA

Während meiner Arbeit mit dem Programm ist mir aufgefallen, dass es hilfreich wäre, wenn ich im Summary Grid die Felder auch in Orange markieren könnte, um anzuzeigen, wo noch einmal nachgearbeitet werden muss. Diesen Vorschlag habe ich an den Support weitergegeben, und es war beeindruckend, wie schnell sie reagiert haben. Kurz darauf erhielt ich sogar einen Fragebogen zum AI Assistant, was zeigt, dass sie aktiv an Nutzerfeedback interessiert sind.

Insgesamt habe ich bei der gesamten Content-Aufbereitung (Website, unterstützende Ressourcen, Videos) stets das Gefühl gehabt, dass MAXQDA großen Wert auf die Meinungen der UserInnen legt und deren Feedback ernst nimmt.

Feedbackkutlur bei MAXQDA

Während meiner Arbeit mit dem Programm ist mir aufgefallen, dass es hilfreich wäre, wenn ich im Summary Grid die Felder auch in Orange markieren könnte, um anzuzeigen, wo noch einmal nachgearbeitet werden muss. Diesen Vorschlag habe ich an den Support weitergegeben, und es war beeindruckend, wie schnell sie reagiert haben. Kurz darauf erhielt ich sogar einen Fragebogen zum AI Assistant, was zeigt, dass sie aktiv an Nutzerfeedback interessiert sind.

Insgesamt habe ich bei der gesamten Content-Aufbereitung (Website, unterstützende Ressourcen, Videos) stets das Gefühl gehabt, dass MAXQDA großen Wert auf die Meinungen der UserInnen legt und deren Feedback ernst nimmt.

#1: Visibility of System Status

Rückmeldung – Desktop: Ein Typing-Indikator erscheint, sobald die BenutzerInnen Anfragen senden, und signalisiert, dass das System eine Antwort generiert. Dies stellt sicher, dass die BenutzerInnen wissen, dass ihre Anfrage empfangen und verarbeitet wird.

Rückmeldung – Mobile: Bei der mobilen Anwendung gibt es sowohl visuelle, akustische als auch haptische Rückmeldungen. Es gibt einen Kreis, der zu einer Denkblase oder zu Audiosignalen morpht. Während ChatGPT nachdenkt, ertönt ein klickendes Wartesignal, begleitet von einer Vibration.

Antworten in Echtzeit: Die Antworten erscheinen, während sie generiert werden, was das Engagement der BenutzerInnen fördert. Mich zum Beispiel erinnert das immer an Tom Riddles Tagebuch aus Harry Potter.

#2: Match Between the System and the Real World

Menschliches Verhalten: Für mich wirkt es menschlich, wenn ChatGPT nicht sofort antwortet, sondern so wirkt, als ob das System „nachdenkt“. Auch die menschlich wirkenden Stimmen schaffen Vertrauen.

Chatverlauf: Die Unterhaltung mit ChatGPT verläuft wie ein Nachrichtenchat, d.h. rechts erscheinen meine Nachrichten und links ihre Antworten.

Verständlichkeit von Symbolen: Es gibt einige leicht verständliche Icons, wie zum Beispiel eine Büroklammer als Symbol zum Anhängen von Dateien oder Daumen hoch bzw. Daumen runter für die Bewertung von Nachrichten. Das einzige Symbol, das mich irritiert, ist das Kopfhörersymbol für den Voice-Modus; ein Mikrofonsymbol (=Sprechen) wäre für mich hier besser verständlich. 

#3: User Control and Freedom

Freiheit der Formulierung: BenutzerInnen können ihre Fragen oder Anfragen frei formulieren und jederzeit ihre Meinung ändern oder das Thema wechseln. Man muss auch keine ganzen Sätze schreiben, Stichwörter reichen auch aus.

Stop-Funktion: Wenn BenutzerInnen merken, dass ChatGPT etwas schreibt, das ihnen nicht gefällt, kann der Vorgang sofort abgebrochen werden, indem man auf den „Stop“-Knopf drückt. So kann die Wartezeit verkürzt werden, wenn man bereits weiß, dass einem das Ergebnis nicht gefällt.

Archivierung: Ältere Chats können archiviert oder gelöscht werden und verschwinden somit aus der Seitenleiste.

Kopierfunktion: Beim Kopieren des Textes muss man ihn nicht mehr in ein Textformat zwischenspeichern, da es jetzt einen Kopierknopf gibt. Das hängt oft mit dem Kopieren in Word zusammen, welche Variante da am besten geeignet ist, weil beim einfachen Kopieren bestimmte Eigenschaften des Textes mitkopiert werden.

Automatische Nutzung von Chats: Die Chats werden automatisch zum Trainieren eines neuen Datasets genutzt. Man kann zwar auswählen, dass man das nicht möchte, aber dann hat man keinen Zugriff auf ältere Chats. Die Benutzerkontrolle wird somit eingeschränkt.

Modelländerung: BenutzerInnen können das Modell ändern.

Bearbeitung von Nachrichten: BenutzerInnen können Nachrichten (Prompts) bearbeiten, wenn sie merken, dass sie nicht zum gewünschten Ergebnis kommen.

Vorlesefunktion: Es gibt eine Vorlesefunktion sowohl am Desktop als auch mobil. Das bietet sich für eine Art von „Konversation“ an sowie für Menschen, die Schwierigkeiten beim Lesen am Bildschirm haben.

#4: Consistency and Standards

Konsistentes Design: Das Design und die Interaktionsmuster von ChatGPT sind grundsätzlich konsistent über die mobile und Desktop-Anwendung hinweg. Der Voice-Modus ist jedoch nur auf Mobilgeräten verfügbar.

„Inconsistency“ im Sinne von Änderungen: Da ich ChatGPT täglich verwende, fallen mir Änderungen sofort auf, wie der Unterschied zwischen den Modellen 3.5 und Version 4.o. Ein Beispiel hierfür sind längere Antworten oder die automatische Wiederholung des gesamten Absatzes. Obwohl ich nur einen Satz korrigiert haben wollte, wird mir ein gesamter Artikel neu präsentiert. Das kann frustrierend sein. Ich vermute aber, dass dies daher kommt, dass BenutzerInnen oft das gesamte Ergebnis kopieren wollen und nicht einzelne, ausgebesserte Sätze. Dann wurde auch noch meine Lieblingsstimme Sky im Voicemodus ausgetauscht, da diese vermutlich auf Scarlett Johanssons Stimme basiert.

Standardmäßige Platzierung von Icons: Die konsistente Icon-Platzierung (z.B. Seitenleiste, Abmeldung, Einstellungen) hilft mir bei der einfachen Erkennung von Funktionen und reduziert Fehler und Frustration.

#5: Error Prevention

Automatische Korrekturen: ChatGPT ignoriert Rechtschreibfehler und versucht, Verständnisprobleme proaktiv zu lösen. Wenn ChatGPT etwas nicht versteht, bittet sie um Klarstellung.

Warnmeldungen: Bei irreversiblen Aktionen wie dem Löschen eines Chats werden Warnmeldungen angezeigt, die BenutzerInnen über die potenziellen Konsequenzen informieren, sodass sie vorsichtig vorgehen und informierte Entscheidungen treffen können.

Scroll-Hint: Es gibt auch einen Scroll-Hinweis, der anzeigt, dass die Antwort weiter unten fortgesetzt wird, sodass BenutzerInnen das Ende der Nachricht nicht vergessen.

#6: Recognition Rather than Recall

Konversationshistorie: Das Anzeigen der Chat-Historie in der Seitenleiste ermöglicht den BenutzerInnen einfachen Zugriff und die Möglichkeit, laufende oder vergangene Gespräche ohne Erinnerung an frühere Interaktionen oder Suchvorgänge wieder aufzurufen.

Kurzzeitgedächtnis: Durch das Behalten des Konversationskontexts ermöglicht es ChatGPT den BenutzerInnen, auf frühere Eingaben Bezug zu nehmen, wie z.B. das Stellen einer Anschlussfrage. Mittlerweile kann man auch einzelne Abschnitte in einem Absatz markieren und sich direkt darauf antworten lassen.

#7: Flexibility and Efficiency of Use

Schnelle Interaktionen: Erfahrene BenutzerInnen können schnelle Interaktionen durchführen, während neue BenutzerInnen durch unterstützende Hinweise (z.B Mouse Over) geführt werden.

Einstiegsanweisungen: Zu Beginn werden Dinge vorgeschlagen, die man ausprobieren kann, damit BenutzerInnen ins Tun kommen.

Vorlesefunktion: Man kann sich Texte auch vorlesen lassen, was besonders bei langen Texten von Vorteil ist.

Mehrsprachigkeit: ChatGPT unterstützt mehrere Sprachen. Ich kann sogar nur in Emojis schreiben.

Custom Instructions: BenutzerInnen können ihre Präferenzen definieren, wodurch die Personalisierung verbessert und relevantere, auf die BenutzerInnen zugeschnittene Interaktionen ermöglicht werden.

Shortcuts: Die Bereitstellung von Shortcuts, wie das Stellen einer neuen Frage oder das Erstellen eines neuen Chats, ermöglicht es den BenutzerInnen, schnell Aktionen auszuführen oder auf Informationen zuzugreifen. Ich kann entweder die Enter-Taste drücken oder auf einen Pfeil bei der Schreibleiste klicken.

Hier finden Sie mehr Shortcuts.

#8: Aesthetic and Minimalist Design

Einfaches Interface: Das Interface von ChatGPT ist einfach gehalten, ohne unnötige visuelle Ablenkungen, was die Nutzererfahrung verbessert.

Einklappbare Seitenleiste: Die Seitenleiste (samt älterer Unterhaltungen) kann eingeklappt werden, was besonders für Screenshots praktisch ist.

Schriftarten und Farben: Klare und gut lesbare Schriftarten sowie eine angenehme Farbgestaltung mit harmonisch aufeinander abgestimmten Grautönen tragen zur Übersichtlichkeit bei. Die Schriften und Farbtöne finden Sie im Corporate Design Manual.

Vereinfachte Typografie: Die Verwendung klarer und leicht lesbarer Schriftarten stellt sicher, dass der Text leicht zu lesen und zu verstehen ist und nicht überwältigend wirkt.

Claude-Vergleich: Der Claude-Chatbot hat ein nahezu identisches Design, was die Konsistenz in der Branche unterstreicht.

#9: Help Users Recognize, Diagnose, and Recover from Errors

Hilfreiche Tipps und Anleitungen: ChatGPT bietet in der Regel hilfreiche Tipps und Anleitungen innerhalb des Chats oder über externe Links, um Fragen oder Probleme zu lösen.

Rechtschreibkorrekturen: BenutzerInnen müssen keine perfekte Rechtschreibung haben; das System versteht fehlerhafte Eingaben.

Proaktive Fehlermeldungen: BenutzerInnen werden (gelegentlich) über potenzielle Ungenauigkeiten in Nachrichten informiert, was ihnen hilft, Fehler zu erkennen und zu verstehen.

Fehlermeldungen: ChatGPT zeigt Fehlermeldungen an, wenn BenutzerInnen den Voicemodus nicht mehr nutzen können, weil zu viele Anfragen gestellt wurden oder etwas schiefgelaufen ist, etwa wenn die Anfrage nicht bearbeitet werden kann oder wiederholt missverstanden wurde.

Auf Halluzinationen hinweisen: Unterhalb der Eingabezeile steht präventiv der Satz. “ChatGPT kann Fehler machen. Überprüfe wichtige Informationen.”

#10: Help and Documentation

Klarheit der Fehlermeldungen: Fehler werden klar kommuniziert, z.B. wenn etwas möglicherweise nicht den Richtlinien entspricht, wenn das System down ist oder wenn man zu viele Anfragen innerhalb einer bestimmten Zeit getätigt hat. Es wird auch angegeben, um welche Uhrzeit der Service wieder voll genutzt werden kann.

FAQs: Eine Sektion mit häufig gestellten Fragen (FAQs) hilft den BenutzerInnen, schnell Antworten auf häufige Fragen und Probleme zu finden, was Frustration und Verwirrung reduziert.

Die Zusammenfassung der Ergebnisse

Hypothese₁ :  Die Mehrheit der TeilnehmerInnen wird bei der Unterscheidung zwischen KI-Bildern und echten Fotografien falsch liegen, was auf die verbesserte Qualität und Authentizität von KI-generierten Bildern hinweist.

Ergebnis: Die Studie ergab, dass die Mehrheit der TeilnehmerInnen Schwierigkeiten hatte, KI-generierte Bilder von menschengemachten Fotografien zu unterscheiden, mit einem durchschnittlichen Erkennungswert über 20.

Hypothese₂: Personen, die in der Kreativbranche arbeiten, haben eine höhere Fähigkeit, KI-Bilder von menschengemachten Fotografien zu unterscheiden, im Vergleich zu Personen aus anderen Branchen.

Ergebnis: Es gab keinen konsistenten Unterschied in der Erkennungsleistung zwischen Branchen, obwohl die Kreativbranche bei zwei Bildern signifikante Unterschiede zeigte. Die Datenbasis ist jedoch nicht ausreichend repräsentativ, da 66 TeilnehmerInnen aus der Kreativbranche stammen, während aus einigen Branchen keine TeilnehmerInnen vertreten sind.

Hypothese₃:  Personen, die selbst schon einmal ein KI-generiertes Bild erstellt haben, tendieren dazu, eine höhere Erkennungsrate bei solchen Bildern zu haben.

Ergebnis: TeilnehmerInnen, die bereits KI-Bilder erstellt hatten, wiesen eine bessere Erkennungsleistung auf, was die Bedeutung praktischer Erfahrung unterstreicht.

Hypothese₄:  Personen, die KI-Bildern positiv gegenüberstehen, werden wahrscheinlich eine höhere Genauigkeit bei der Unterscheidung zwischen KI-generierten Bildern und von menschengemachten Fotografien aufweisen im Vergleich zu Personen ohne dieses Interesse.

Ergebnis: Die Ergebnisse deuten darauf hin, dass die Einstellung gegenüber KI-generierten Bildern die Erkennungsleistung beeinflussen könnte, wobei TeilnehmerInnen mit einer positiven Einstellung bessere Ergebnisse erzielten. Jedoch sollte beachtet werden, dass die Fragenkonstruktion ohne eine Likert-Skala die präzise Beantwortung der Hypothese erschwert. Weitere Untersuchungen mit differenzierterer Fragestellung könnten zu klareren Ergebnissen führen. Aus meiner Sicht kann die Hypothese deswegen nur bedingt bestätigt werden.

Das Forschungsdesign

Um dieser Frage nachzugehen, wurde in einer Online-Umfrage ein experimentelles Design integriert, bei dem die Befragten unterschiedliche Abbildungen bewerten und einschätzen mussten, ob es sich um KI-generierte oder menschlich erstellte Fotografien handelt. Zur Vergleichbarkeit der Einschätzungen wird ein Erkennwert verwendet, der sich aus einer Summe von Punkten ergibt, die bei den richtigen oder falschen Angaben vergeben werden.

Die Umfrage wurde vom 10. April bis zum 25. April 2024 mittels Google Forms durchgeführt. Insgesamt nahmen 154 Personen daran teil. Der Link zur Umfrage wurde über Social Media Plattformen wie LinkedIn und Instagram geteilt. Zusätzlich wurde Werbung auf Instagram geschaltet, um die Reichweite zu erhöhen. Die Umfrageergebnisse wurden anschließend als Excel-Dokument heruntergeladen und mittels JASP ausgewertet. Für die ProbandInnen wurde im Anschluss an den Fragebogen ein PDF mit den richtigen Antworten zur Verfügung gestellt.

Die Daten wurden mit JASP analysiert und mit Hilfe von ChatGPT ausgewertet. Sehen Sie dazu hier diesen Blogbeitrag.

KI Bilder erforschen: Der Ausblick

Es bleiben mehrere offene Fragen, die zukünftige Untersuchungen adressieren könnten:

• Haben die ProbandInnen ihre Entscheidungen auf Bauchgefühl oder spezifischem Wissen basierend getroffen, beispielsweise durch das Erkennen von Fehlern oder unrealistischen Szenarien?
• Hat die Reihenfolge der Testbilder einen Einfluss auf die Entscheidungsfindung?
• Beeinflusst die zur Verfügung stehende Zeit die Genauigkeit der Entscheidungen?
• Was definiert ein „echtes“ im Gegensatz zu einem „unechten“ Bild, und ab welchem Grad der Bearbeitung gilt ein Bild als künstlich?
• In welchem Umfang dominiert der menschliche Beitrag bei der Erstellung eines KI-generierten Bildes und wie kann dieser quantifiziert werden?
• Könnten sich Bilder von Lebensmitteln besonders gut für die Generierung durch Künstliche Intelligenz eignen und wie könnte dies empirisch geprüft werden?

Weiterhin sollte eine intensivere Auseinandersetzung mit dem Thema Einstellungen gegenüber KI-generiertem Bildmaterial erfolgen. Hierbei wäre es wichtig, eine Likert-Skala für die Bewertung heranzuziehen, da diese differenziertere Bewertungen ermöglichen würde. Zudem könnte ein Einstellungsindex entwickelt werden.

Zu guter Letzt: Natürlich ist es interessant zu beobachten, wie sich das Erkennungsvermögen von Menschen bei KI-generiertem Bildmaterial über einen längeren Zeitraum verbessert. Doch es stellt sich die Frage, wie lange dies noch sinnvoll überprüfbar bleibt. Die rasante Entwicklung von KI-Bildgenerierungstechnologien, wie sie beispielsweise an den Qualitätssprüngen bei Midjourney zu beobachten ist, stellt eine Herausforderung dar.

Content Strategy × KI Tool DALL·E 3

DALL·E 3 hat mir bei dem Prompt „Content Strategy“ folgende Ergebnisse geliefert, die darauf abzielen, das abstrakte Konzept zu erklären, allerdings mit unterschiedlichen Schwerpunkten:

• Der Sonnen-Kompass: Dieses Bild gefällt mir sehr, weil es zeigt, wie die Content-Strategie über die gesamte Welt eines Unternehmens leuchtet und jeden Bereich davon berührt. Sie weist uns den Weg und offenbart eine Welt voller Informationen, die alle Teile des Unternehmens sind. Es ist ein Abenteuer voller Entdeckungen.

• Der Blumengarten: Wer als Content-StrategIn arbeitet, weiß, wie viel unglaubliche Arbeit und Hingabe es bedeutet, Content zu pflegen, zum Beispiel bei einer Content-Analyse und der anschließenden Implementierung der Ergebnisse. Ein Garten muss ständig gepflegt werden, aber wenn man dies tut, blüht er auf, ist voller Leben und bereitet Freude.

• Die Bibliothek: Zu Content-Strategie gehört es auch, Inhalte zu ordnen, zu strukturieren und auch zu archivieren. Es ist wichtig darauf zu achten, dass man Inhalte (Datensätze) nicht doppelt hat. Es geht um Wissen und darum, wie Menschen schnell an das Wissen gelangen können, das sie benötigen. Und es braucht immer eine/n BibliothekarIn (Content-StrategIn), der/die den Überblick behält.

• Zahnräder: Hier sehen wir die Darstellung einer komplizierten Maschine. Content-Strategy ist definitiv nicht so einfach, dass man sie automatisch beherrscht; sonst gäbe es kein Studium dafür. Es geht vor allem darum zu verstehen, wie Prozesse miteinander verbunden sind und voneinander abhängen, denn sie beeinflussen sich alle gegenseitig. Eine kleine Veränderung kann Auswirkungen auf den gesamten Prozess haben.

Content Strategy × Midjourney

Midjourney hat mir auf den Prompt „Content Strategy“ fotografische Darstellungen geliefert. Sie zeigen eine Vielzahl von Elementen, die für die Brainstorming-Phase typisch sind, wie Post-its, ein Whiteboard, Tafeln, Stifte und vieles mehr. Diese Aspekte vermitteln den Eindruck, dass es sich um kreative Arbeit handelt, anders als die von Runway interpretierte.

Die Zettel mit Grafiken könnten Prozesse und Analysen visualisieren. Drei Personen auf den Bildern tragen eine Brille, was möglicherweise Intelligenz oder konzeptionelles Denken symbolisieren soll. Die Bilder betonen die Bedeutung von individuellen Arbeitsprozessen und der menschlichen Komponente in der Content-Strategie.

Content Strategy × KI Tool Runway

Runway hat mir – trotz seines illustrativen Stils – ein realistisches Bild des Arbeitsalltags einer/s Content-StrategIn geliefert.

Der Content-Stratege (im Bild) sitzt hinter einem Computerbildschirm an einem Schreibtisch, der mit Büchern und Informationen überladen ist, und neben sich steht eine Kaffeetasse. Ein Kalender ist auch zu sehen, der für das Zeitmanagement und die Einhaltung von Publikations-Terminen steht. Websites und Charts repräsentieren die Online-Präsenz und weisen auf die Analyse des NutzerInnenverhaltens sowie auf Datenanalyse und SEO-Optimierung hin.

Zahnräder stehen für die Abläufe und signalisieren die verschiedenen Schritte von der Content-Planung bis zur Veröffentlichung.

Zusammengefasst sieht es sehr analytisch sowie administrativ und technisch aus, was Content-Strategy – meiner Meinung nach – auch ist.

Content Strategy × Adobe Firefly

Adobe Firefly hat mir keine zufriedenstellenden Ergebnisse geliefert. Mir ist unklar, was genau schiefgelaufen ist.

Die dargestellte Frau wirkt wie eine Managerin in einer Führungsposition, die mit einem Tablet arbeitet, und die Brille soll womöglich Intelligenz symbolisieren. Das ist grundsätzlich nichts Schlechtes, aber in Kombination mit Gebäuden und Bergen im Hintergrund erinnern mich diese Bilder eher an das Thema Infrastruktur oder Bauleitung. Dass auf allen vier Bildern eine Frau zu sehen ist, könnte darauf hindeuten, dass Content-Strategy weiblich konnotiert ist, oder es spiegelt einfach wider, dass in diesem Bereich vielleicht mehr Frauen arbeiten, oder weil das Tool weiß, dass ich eine Frau bin, zeigt es mir Frauen.

Bei einem weiteren Versuch wurden futuristische und spacige Bilder generiert, die keine Emotionen bei mir auslösen und sehr generisch wirken, ohne relevante Informationen zu bieten.