Wie KI Kunst und Musik generiert – und warum "echte Kreativität" umstritten bleibt

Generative KI-Tools produzieren nun Bilder, Songs und vollständige Tracks aus einer kurzen Text-Eingabe, und die Technologie dahinter ist zu einem aktuellen rechtlichen und kulturellen Kampfplatz geworden. Im Oktober 2026 reichte der Musikverlag Reservoir Klagen gegen Suno und Anthropic beim U.S. District Court for the Northern District of California ein und warf beiden Unternehmen vor, KI-Systeme mit Tausenden urheberrechtlich geschützten Kompositionen ohne Lizenz trainiert zu haben. Neben diesem Kampf debattieren Forscher weiterhin eine separate Frage: Zählt eine dieser Ausgaben als Kreativität, oder ist es etwas völlig anderes?

Wie KI-generierte Bilder erstellt werden

Tools wie Stable Diffusion, Midjourney und DALL-E basieren auf sogenannten Diffusionsmodellen. Während des Trainings wird dem System ein reales Bild gezeigt, während Zufallsrauschen schrittweise hinzugefügt wird, bis das Originalbild unkenntlich ist. Das Modell lernt dann den umgekehrten Prozess – wie man dieses Rauschen wieder entfernt, gemäß eines technischen Leitfadens, das von Cloudinary veröffentlicht wurde. Die Generierung kehrt dies um: Das System beginnt mit reinem Zufallsrauschen und entfernt es in Stufen, wobei frühe Schritte breite Formen und Komposition erzeugen und spätere Schritte Textur, Beleuchtung und Details verfeinern, bis ein kohärentes Bild erscheint. Ein Text-Prompt lenkt jeden Entrauschungsschritt und teilt dem Modell mit, welchen Gegenstand, Stil und Setting angestrebt werden soll.

Wie KI Musik aus einem Text-Prompt komponiert

Musiksysteme wie Suno und Udio funktionieren in Details unterschiedlich, aber im Prinzip ähnlich. Da Rohaudio zu dicht ist – Millionen von Zahlen pro Sekunde – um direkt in ein sprachgestaltetes Modell eingespeist zu werden, komprimieren diese Systeme zunächst Sound in eine kleine Anzahl diskreter "Token" mit neuronalen Audio-Codecs, was gemäß eines technischen Überblicks von AI-TLDR etwa 600-fache Kompression erreicht. Sobald Audio in Token umgewandelt ist, sagt ein Transformer-Modell – die gleiche Art von Architektur hinter großen Sprachmodellen – das nächste Token voraus, dann das nächste, und erstellt ein vollständiges Musikstück Stück für Stück. Ein Text-Prompt (und alle Liedtexte) wird zunächst in einen groben Plan erweitert, der Genre, Tempo und Liedstruktur abdeckt, bevor die Audio-Token generiert werden. Die Modelle werden auf großen Musikbibliotheken trainiert und funktionieren, in der Beschreibung dieses Überblicks, als "Kompositionsmaschinen", die Akkordprogressionen und Liedstrukturen absorbieren, anstatt spezifische vorhandene Songs abzurufen.

Der Urheberrechtskampf hinter der Technologie

Das Training dieser Systeme erfordert enorme Mengen an vorhandener kreativer Arbeit, die jetzt Gegenstand aktiver Rechtsstreitigkeiten sind. Reservoirs Klagen vom 21. Oktober 2026 behaupten, dass Suno 1.050 urheberrechtlich geschützte Musikkompositionen nutzte und dass Anthropic Texte aus 853 Kompositionen – einschließlich Werken von Madonna, Johnny Cash und Joni Mitchell – ohne Genehmigung nutzte, gemäß einer Zusammenfassung der eingereichten Unterlagen, die von Law Commentary überprüft wurde. Reservoir fordert ungefähr 186,4 Millionen Dollar Schadensersatz gemäß Gesetz von Suno und etwa 151,4 Millionen Dollar von Anthropic, plus Ansprüche unter dem Digital Millennium Copyright Act. Suno hat argumentiert, dass das Training von KI auf urheberrechtlich geschütztem Material als Fair Use qualifizieren kann, und hat separat Lizenzvereinbarungen mit Warner, BMG und Believe unterzeichnet; Anthropic sagte, dass es beabsichtigt, den Fall zu verteidigen. Reservoirs Klage zitiert diese Lizenzvereinbarungen als Beweis dafür, dass ein legitimer Markt für die Nutzung der Musik bereits existiert.

Ist eines davon "kreativ"? Forscher sind uneinig

Separate von der rechtlichen Frage sind sich Wissenschaftler uneinig darüber, ob die Ausgaben dieser Systeme eine angemessene Definition von Kreativität erfüllen. Der Computerlinguist Emily Bender und Kollegen beschreiben große Modelle als "stochastische Papageien", die statistisch Muster in Trainingsdaten widerspiegeln, anstatt Ideen zu erschaffen, gemäß der Rezension der Heidelberg Laureate Foundation der Debatte. Der Computer-Vision-Forscher Alexei Efros zieht eine Unterscheidung zwischen geschlossenen, regelgebundenen Domänen wie Schach oder Go – wo KI-Systeme als innovativ innerhalb fester Regeln gelten können – und offenen Domänen wie Kunst, wo kein festes Ziel existiert.

Andere Forscher argumentieren aus einem anderen Winkel dagegen. Der KI-Forscher Selmer Bringsjord argumentiert, dass aktuelle KI-Ausgaben zu "Remixen" von Trainingsdaten führen, anstatt echte Schöpfung, und er schlug den Lovelace Test vor, unter dem ein System nur als kreativ zählt, wenn es Ausgaben erzeugt, die seine eigenen Designer nicht erklären können – eine Schwelle, die er sagt, die heutigen Modelle nicht erreichen, gemäß einer Zusammenfassung veröffentlicht von BrainFacts.org. Der Psychologe Mark Runco fügt hinzu, dass Absicht zentral für menschliche Kreativität ist: Menschen wählen bewusst zu kreieren, während KI-Systeme auf Aufforderungen reagieren, die die Absicht des Benutzers widerspiegeln, anstatt ihre eigene. Auf Testgründen notiert die gleiche BrainFacts.org-Zusammenfassung, dass einige Modelle, einschließlich GPT-4, höher als der Durchschnitt eines Menschen bei divergent-denkenden Tests bewertet wurden, die die Fähigkeit messen, verschiedene Ideen zu erzeugen – obwohl Top-Menschliche kreative Performer die getesteten KI-Systeme immer noch übertroffen haben.

Wo die Debatte Künstler und Hörer lässt

Die Rezension der Heidelberg Laureate Foundation bemerkt, dass angesichts wie umstritten die Definition der menschlichen Kreativität bereits unter Forschern ist, eine endgültige Antwort auf KI möglicherweise nicht erreichbar bleibt. Mehrere Kommentatoren, die in dieser Rezension zitiert sind, rahmen den praktischeren Weg vorwärts als Behandlung von KI als ein Werkzeug, das menschliche kreative Arbeit unterstützt, anstatt als separate kreative Akteur in ihrem eigenen Recht – eine Rahmung, die neben, aber löst nicht auf, die laufenden Urheberrechtsdispute darüber, wie diese Systeme zunächst trainiert wurden.