Kreative Künstliche Intelligenz in der Architektur

verfasst von

Mirco Becker

Abstract

Überall Hundeaugen! Augen unterschiedlicher Größe, die einen anblicken und schein­ bar hundertfach in die Muster eines jeden Bildes eingeschrie­ ben sind. Seit das Computer­ programm Deep Dream 2015 erschien, ahnten Gestalter,
die mit visuellen Medien ar­ beiten, dass ein technologi­ scher Sprung bevorstünde. Ein Sprung, durch den Bilder grundlegend anderes erzeugt und unser Verständnis von Kreativität herausgefordert würde. Deep Dream nutzt Mustererkennung in Bildda­ ten eines so genannten Con­ volutional Neural Networks, bei welchem besonders Nach­ barschaften von Bildpixeln auf Ähnlichkeiten verstärket wer­ den. Die visuellen Ergebnisse wirken eindrücklich bis ver­ störend. Deep Dream, dass auf einem Datensatz von Hunde­ bildern trainiert wurde, hallu­ ziniert eben diese Hundege­
sichter in ein jedes Bild, dass es verarbeitet.
Diese Ahnung des bevorste­ henden technologischen Sprungs löste sich in den fol­ genden Jahren in zwei Schrit­ ten ein. Mit den Methoden
des Neural Style Transfer konnte man 2017 ein gegebe­ nes Bild in nahezu jeden be­ liebigen künstlerischen Stil darstellen lassen. 2018 stand schließlich mit Runway ML ein no­code Baukasten für Generative KI zur Verfügung. Ab jetzt konnten Bild und Videodaten mit einer ganzen Palette von KI Algorithmen analysiert und bearbeitet wer­ den, ohne dass dazu einge­ hende Kenntnisse der Daten­ modellierung notwendig waren. Außerdem konnten unterschiedlichste vortrainier­ te Modelle eingebunden und eigene Modelle trainiert werden.
Heute sind Handhabung und Zugänglichkeit Generativer KI mittels Prompt­Steuerung wie in Midjourney oder durch die Integration in marktdominie­ render Software wie Adobe Photoshop Teil unseres All­ tags. Die Unterscheidung von Kreativen und Konsumenten verschwimmt vor diesem Hin­ tergrund zusehends.

Organisationseinheit(en)

Abteilung Digitale Methoden in der Architektur

Typ

Beitrag in Buch/Sammelwerk

Seiten

6-9

Publikationsdatum

2024

Publikationsstatus

Veröffentlicht

Elektronische Version(en)

https://doi.org/10.15488/17788 (Zugang: Offen)