Generative KI bezeichnet KI-Modelle, die neue Inhalte erzeugen. Sie schreiben Texte, erstellen Bilder, programmieren Code oder erzeugen Sprache. Klassische KI-Systeme sortieren oder bewerten vorhandene Daten. Generative Modelle erstellen dagegen etwas Neues.
Wie funktioniert generative KI?
Generative Modelle lernen aus sehr großen Datenmengen, welche Muster in Texten, Bildern oder Tönen stecken. Aus diesen Mustern berechnen sie neue Inhalte, die zur Eingabe passen. Textmodelle wie große Sprachmodelle (LLMs) sagen dabei Wort für Wort vorher, was als Nächstes folgt. Bildgeneratoren arbeiten meist mit Diffusionsmodellen. Sie starten mit Bildrauschen und verfeinern es Schritt für Schritt. Die technische Grundlage ist in beiden Fällen Deep Learning.
Wo wird generative KI eingesetzt?
- Texte entwerfen, zusammenfassen und übersetzen
- Programmcode schreiben und prüfen
- Bilder, Designs und Produktvarianten erzeugen
- Neue Moleküle und Materialien in der Forschung vorschlagen
- Synthetische Trainingsdaten für andere KI-Modelle erstellen
Welche Hardware braucht generative KI?
Große Modelle zu trainieren kostet enorme Rechenleistung. Forschung und Unternehmen nutzen dafür GPUs, weil diese Tausende Rechenoperationen gleichzeitig ausführen. Für das Training koppeln Betreiber viele GPU-Server zu einem HPC-Cluster. Auch der laufende Betrieb braucht viel GPU-Speicher. Verbreitet sind dafür NVIDIA-GPUs wie die H200 und B200.
Welche Konfiguration zu Ihrem Modell passt, können Sie vorab im MEGWARE Benchmark Center testen.
FAQ Generative KI
KI ist der Oberbegriff für Systeme, die Aufgaben mit menschenähnlicher Intelligenz lösen. Generative KI ist ein Teilbereich davon. Sie erzeugt neue Inhalte wie Texte, Bilder oder Code, statt vorhandene Daten nur einzuordnen.
Bekannte Beispiele sind ChatGPT für Texte, Stable Diffusion und Midjourney für Bilder sowie GitHub Copilot für Programmcode. In der Forschung schlagen generative Modelle neue Wirkstoffe oder Materialien vor.
Generative Modelle berechnen Milliarden gleichartiger Rechenschritte, vor allem Matrixmultiplikationen. GPUs führen solche Berechnungen parallel auf Tausenden Kernen aus. Deshalb trainieren und betreiben Rechenzentren generative KI heute fast ausschließlich auf GPUs.
Das hängt davon ab, wo die Daten verarbeitet werden. Viele Cloud-Dienste verarbeiten Eingaben auf externen Servern, teils außerhalb der EU. Wer Modelle im eigenen Rechenzentrum betreibt, behält die volle Kontrolle über seine Daten.
Ja. Offene Modelle wie Llama oder Mistral lassen sich auf eigener Hardware betreiben und mit Firmendaten anpassen. Welche GPU-Ausstattung Sie dafür brauchen, hängt von Modellgröße und Anzahl der Nutzer ab. Im MEGWARE Benchmark Center können Sie das vorab testen.
Welche GPU braucht Ihr KI-Projekt?
Testen Sie Ihre Modelle auf aktueller NVIDIA-Hardware, kostenlos und unverbindlich im MEGWARE Benchmark Center.