KI-generierte Kunst: Bedrohung oder Neues Werkzeug für Kreative?

Ein Bild in Sekunden, erzeugt aus wenigen Wörtern: KI-generierte Kunst hat die Kunstwelt in kurzer Zeit verändert. Für viele Kreative stellt sich damit eine Frage, die schwer zu ignorieren ist.

Künstliche Intelligenz ist für die meisten Künstlerinnen und Künstler weder reine Bedrohung noch reines Wundermittel, sondern ein Werkzeug. Entscheidend ist, wer es nutzt, mit welchen Daten es trainiert wurde und ob die Urheber der Trainingsbilder fair vergütet werden. Genau an diesem Punkt entzündet sich die Debatte über Kunst und KI.

Denn die Kritik ist konkret: Modelle lernen aus Millionen von Werken, die ohne Zustimmung im Netz gesammelt wurden. Gleichzeitig arbeiten immer mehr Kreative mit eigenen, selbst trainierten Modellen und erweitern so ihre Bildsprache.

Im Folgenden erfährst du, wie KI-Kunst technisch entsteht, was der Auktionserfolg von „Portrait of Edmond de Belamy“ wirklich bedeutet, welche Risiken für Kreativität und Vielfalt bestehen und wie du KI sinnvoll in deine eigene Arbeit einbauen kannst.

Was KI-Kunst ausmacht und wie sie entsteht

KI-Kunst umfasst Werke, die mit Hilfe generativer KI entstehen. Das reicht von kleinen Retuschen bis zu komplett maschinell erzeugten Bildwelten. Dahinter stehen KI-Modelle, die mit großen Datensätzen trainiert wurden und auf einen Prompt hin Bilder, Texte oder Klänge erzeugen.

Definition: Von KI-gestützten Entwürfen bis zu autonomen Bildwelten

Der Begriff KI-Kunst deckt eine große Spanne ab. Auf der einen Seite nutzen Sie KI als Hilfsmittel: Sie erweitern ein Foto, testen Farbvarianten oder lassen sich Skizzen für ein eigenes Gemälde vorschlagen.

Auf der anderen Seite stehen KI-Kunstwerke, bei denen fast das gesamte Bild aus dem Modell kommt und Ihr Beitrag im Textbefehl liegt.

Neu ist diese Idee nicht. Ihre Vorgeschichte reicht bis zur Computerkunst der 1960er-Jahre zurück, als Künstler erste Programme für geometrische Zeichnungen schrieben.

Der Unterschied heute: KI-generierte Inhalte entstehen nicht durch manuelles Zeichnen. Algorithmen des maschinellen Lernens leiten sie aus Mustern in Millionen Beispielen ab.

Von Trainingsdaten zum Ergebnis: Modelle, Algorithmen und Prompts

Damit ein Modell ein Pferd malen kann, muss es vorher unzählige Pferdebilder gesehen haben. Genau das passiert beim Training von KI: Bilder werden mit Beschreibungen gekoppelt, und der Algorithmus lernt, welche Bildmerkmale zu welchen Wörtern gehören.

Zwei Technikansätze prägen die Bildgenerierung:

Ansatz	Funktionsweise
GANs	Zwei Netzwerke arbeiten gegeneinander – eines erzeugt Bilder, das andere prüft sie auf Echtheit
Diffusionsmodelle	Aus zufälligem Bildrauschen wird Schritt für Schritt ein klares Motiv herausgefiltert

Diffusionsmodelle dominieren aktuell die meisten Werkzeuge.

Ihr Prompt steuert das Ergebnis. Je genauer Sie Motiv, Stil, Licht und Bildausschnitt beschreiben, desto näher kommt die Ausgabe Ihrer Vorstellung.

Wichtig zu wissen: Die Modelle kombinieren Merkmale aus den Trainingsdaten neu. Ohne klare Vorgaben erhalten Sie oft einen visuellen Durchschnitt statt einer eigenständigen Bildidee.

Bild, Text und Klang: Die wichtigsten generativen Anwendungen

Für Bilder greifen Kreative meist zu Midjourney, Stable Diffusion oder DALL·E. Stable Diffusion ist offen zugänglich und lässt sich mit eigenen Datensätzen auf einen persönlichen Stil trainieren.

Bei Texten liefert ChatGPT Konzepte, Ausstellungstexte oder Prompt-Ideen.

Für Musik erzeugen Dienste wie Udio oder Suno komplette Stücke samt Gesang aus einer kurzen Beschreibung.

Auch Video ist inzwischen gängig: Werkzeuge wie Runway oder Sora animieren Standbilder oder erzeugen kurze Szenen.

Viele Künstler kombinieren mehrere Werkzeuge in einem Arbeitsablauf. Sie erzeugen etwa ein Bild mit Midjourney, überarbeiten es in Photoshop und verbinden es anschließend mit KI-Musik zu einem Video.

Kreative Praxis: KI als Werkzeug, Muse und Produktionspartner

Im Atelieralltag übernimmt KI vor allem drei Rollen: Sie liefert schnelle Entwürfe, schlägt unerwartete Richtungen vor und erledigt zeitaufwendige Aufgaben. Entscheidend bleibt, wer die Auswahl trifft und welche Ergebnisse überhaupt ins fertige Werk wandern.

Ideenfindung, Skizzen und Varianten im künstlerischen Workflow

Viele Künstlerinnen und Künstler setzen KI-Tools früh im Prozess ein, wenn noch nichts feststeht. Ein Textprompt liefert in Minuten zwanzig Farbstimmungen oder Kompositionen, die du sonst tagelang zeichnen würdest.

Typische Einsatzfelder in der Praxis:

• Moodboards und Farbstudien vor dem ersten echten Entwurf
• Variantenbildung: dieselbe Idee in zehn Bildausschnitten oder Perspektiven
• Automatisierung von Routinen wie Freistellen, Upscaling oder Retusche
• Sound- und Bewegtbildskizzen für Medienkunst und Installationen

Dabei gilt: KI als Inspiration ersetzt die künstlerische Idee nicht. Die Hamburger Künstlerin Alexandra Lier beschreibt ihre KI-Videos genau so: als Erweiterung, nicht als Ersatz für menschliche Kreativität.

Viele Ergebnisse landen im Papierkorb. Das ist völlig normal, denn der Wert liegt oft im schnellen Verwerfen.

Kuratorische Entscheidungen: Warum der Mensch die Richtung vorgibt

Ein Modell kennt keine Absicht. Es berechnet Wahrscheinlichkeiten, du entscheidest über Bedeutung.

Deine kuratorische Arbeit umfasst mehrere Ebenen:

Ebene	Was du festlegst
Konzept	Thema, Fragestellung, Kontext der Arbeit
Auswahl	Welche der 200 Ausgaben überhaupt weiterverwendet werden
Bearbeitung	Übermalung, Collage, Druck, Rauminstallation
Präsentation	Format, Ort, Begleittext, Offenlegung des KI-Einsatzes

In der Konzeptkunst zählt diese Entscheidungskette ohnehin mehr als die Ausführung. Künstler wie Patrick Tresset machen die Technik selbst zum Thema und lassen Roboterarme zeichnen. Die Rahmung stammt vom Menschen.

Für Kulturschaffende heißt das auch: Transparenz über den KI-Anteil gehört zur Arbeit. Die deutsche Studie „KI und Bildende Kunst“ nennt Transparenz und Vergütung als zentrale Forderungen der Branche.

Eigene Modelle und kontrollierte Stilübertragung

Wer sich nicht auf allgemeine Bildgeneratoren verlassen will, trainiert mit eigenem Material. Ein LoRA oder Fine-Tuning auf Basis deiner eigenen Zeichnungen liefert Ergebnisse, die deiner Handschrift näherkommen als jeder Standard-Prompt.

Das hat zwei Vorteile:

1. Rechtliche Klarheit – du nutzt Bildmaterial, an dem du Rechte hast.
2. Wiedererkennbarkeit – die Stilübertragung folgt deiner Formensprache statt fremder Vorbilder.

Künstler wie Mario Klingemann und Refik Anadol arbeiten seit Jahren mit selbst kuratierten Datensätzen. Anadol verwendet etwa Archivdaten von Museen und Städten als Ausgangsmaterial für großformatige Medienkunst.

Die technische Hürde ist gesunken. Ein Fine-Tuning läuft heute auf einer Consumer-Grafikkarte oder über Cloud-Dienste, oft mit weniger als hundert Trainingsbildern.

Originalität, Authentizität und die Frage nach Kunst

Wenn eine Maschine Bilder erzeugt, verschiebt sich der Blick auf Originalität und Einzigartigkeit. Entscheidend wird, wer die kreative Entscheidung trifft, welche Absicht dahintersteht und wie Publikum und Kunstkritik das Ergebnis einordnen.

Rekombination oder schöpferische Neuerung?

Generative Modelle lernen aus riesigen Datenmengen. Sie erkennen Muster in Millionen von Bildern und setzen daraus neue Kombinationen zusammen.

Kritiker sagen deshalb: Das ist Rekombination, keine Schöpfung. Die Maschine ahmt Stile nach, statt etwas wirklich Neues zu erfinden.

Diese Sicht greift aber zu kurz. Auch menschliche Kunst baut auf Vorbildern auf. Die Collage, die Appropriation Art oder das Sampling in der Musik zeigen das seit Jahrzehnten.

Der Unterschied liegt eher im Maßstab und in der Geschwindigkeit. Ein Modell kann in Sekunden tausend Varianten liefern, ohne selbst zu bewerten, welche davon interessant ist.

Genau hier setzt du als Nutzer an: Auswahl, Kuratierung und Bearbeitung bleiben menschliche Leistungen. Rechtlich ist die Lage in Deutschland klar: Ein Werk, das rein von einer KI erzeugt wurde, hat keinen Urheber im Sinne des Urheberrechts. Urheberschaft entsteht erst durch deinen eigenen schöpferischen Beitrag.

Intentionalität, Erfahrung und Kontext als Maßstäbe

Authentizität hängt heute weniger am handgemachten Objekt. Wichtiger wird der nachvollziehbare Entstehungsprozess.

Drei Fragen helfen dir bei der Einordnung:

Kriterium	Was du prüfst
Intentionalität	Welche Absicht steckt hinter dem Werk? Wurde bewusst entschieden oder nur generiert?
Autorschaft	Wer hat Prompts geschrieben, ausgewählt, überarbeitet, kombiniert?
Kontext	Wo wird das Werk gezeigt? Welche Erfahrung soll es auslösen?

Der Medienwissenschaftler Roberto Simanowski argumentiert, dass Kunst ohne Bewusstsein und ohne Weltbezug anders funktioniert als menschliche Kunst. Eine Maschine hat kein Erleben, auf das sie sich beziehen könnte.

Der Künstler Thomas Sommerer arbeitet dagegen seit Jahren mit interaktiven und computergestützten Systemen. Sein Ansatz zeigt: Technik kann Teil des künstlerischen Konzepts sein, nicht nur Ersatz für den Menschen.

Für dich heißt das: Transparenz über den Prozess ist wichtiger geworden als die Frage, ob ein Pinsel im Spiel war.

Wie sich Kunstkritik und Publikumsperspektiven verändern

Die Kunstkritik prüft zunehmend Verfahren statt nur Ergebnisse. Fragen nach Trainingsdaten, Rechten und Kennzeichnung gehören inzwischen zur Bewertung dazu.

Das Publikum ist dabei offener, als viele erwarten. In der Studie „KI und Bildende Kunst“ (2024) zeigten 64 Prozent der befragten Rezipientinnen und Rezipienten Interesse an Arbeiten, die ganz oder teilweise mit KI entstanden sind.

Gleichzeitig ist der Wunsch nach Klarheit groß:

• 85 % der befragten Künstlerinnen und Künstler fordern eine Kennzeichnungspflicht
• 83 % des Publikums sehen das genauso
• 87 % wollen, dass Werke nur mit ausdrücklicher Zustimmung fürs Training genutzt werden

Diese Debatte ist nicht neu. Als die Fotografie aufkam, stritt man ebenfalls darüber, ob ein mechanisch erzeugtes Bild Kunst sein kann.

Kunst und Kultur haben solche Umbrüche schon mehrfach verarbeitet. Was sich ändert, sind die Kriterien, nicht die Frage selbst.

Urheberrecht und faire Vergütung im KI-Zeitalter

Wenn Sie KI-Werkzeuge nutzen oder eigene Werke schützen wollen, geht es um drei Fragen: Darf ein Modell mit fremden Werken trainiert werden, wem gehört das Ergebnis, und wer bekommt Geld dafür? Die Antworten hängen vom deutschen und europäischen Urheberrecht ab, und einige Punkte sind noch offen.

Rechte an Trainingsdaten und die Nutzung geschützter Werke

Für das Training von KI sammeln Anbieter riesige Datensätze aus dem Internet. Darin stecken oft Bilder, Texte und Musik, die urheberrechtlich geschützt sind.

In der EU erlauben die Regeln zum Text- und Data-Mining (§ 44b UrhG) solche Auswertungen grundsätzlich. Rechteinhaber können aber widersprechen. Dieser Vorbehalt muss maschinenlesbar sein, zum Beispiel über die robots.txt oder in den Nutzungsbedingungen einer Website.

Der EU AI Act verlangt zusätzlich, dass Anbieter allgemeiner KI-Modelle solche Opt-outs beachten und eine Zusammenfassung der genutzten Trainingsdaten veröffentlichen.

Für Sie als Künstlerin oder Künstler heißt das: Ohne einen klaren, technisch hinterlegten Vorbehalt lässt sich Ihr Widerspruch nur schwer durchsetzen.

Wer gilt als Urheber eines KI-gestützten Werks?

Urheberschaft setzt in Deutschland eine persönliche geistige Schöpfung eines Menschen voraus. Ein Prompt allein reicht dafür in der Regel nicht aus.

Entscheidend ist, wie viel eigene gestalterische Leistung im Ergebnis steckt:

Situation	Schutz wahrscheinlich?
Nur ein Textprompt, Ausgabe unverändert übernommen	Nein
KI-Bild als Rohmaterial, danach eigene Bearbeitung und Montage	Ja, für Ihren Anteil
Eigener Songtext, Melodie von der KI erzeugt	Ja, für den Text
Eigene Auswahl und Anordnung mehrerer KI-Ergebnisse	Möglich als Sammelwerk

Wichtig: Auch ohne Urheberrecht können Sie KI-Ergebnisse geschäftlich nutzen. Sie haben dann aber kein Verbotsrecht gegen andere, die dasselbe Bild verwenden.

Transparenz, Lizenzierung und neue Vergütungsmodelle

Das Europäische Parlament fordert, dass die Nutzung geschützter Inhalte durch generative KI angemessen vergütet wird und dass alle Anbieter auf dem EU-Markt sich daran halten.

Diese Modelle werden derzeit erprobt:

• Direktlizenzen zwischen KI-Firmen und Verlagen, Bildagenturen oder Musiklabels
• Kollektive Lizenzen über Verwertungsgesellschaften wie GEMA oder VG Bild-Kunst
• Pauschalabgaben pro Modell oder pro Nutzung, ähnlich der Geräteabgabe
• Datenbanken mit klaren Rechten, für die Kreative freiwillig gegen Honorar Material bereitstellen

Ein Problem bleibt: Das Urheberrecht schützt vor Nachahmung, nicht vor Ersatz. Ein KI-Text kann Ihren Auftrag verdrängen, ohne einen einzigen Satz zu kopieren.

Prüfen Sie deshalb bei jedem Vertrag, ob KI-Training ausdrücklich ausgeschlossen oder separat vergütet wird.

Folgen für Zugang, Berufe und den Kunstmarkt

Bildgeneratoren senken die Hürden für die Produktion von Bildern, drücken gleichzeitig Honorare in Auftragsbereichen und werfen neue Fragen zu Echtheit und Herkunft digitaler Werke auf. Was das für dich bedeutet, hängt stark davon ab, ob du Kunst verkaufst, vermittelst oder sammelst.

Demokratisierung der Produktion: Neue Chancen für mehr Menschen

Du brauchst heute kein Studium und keine teure Ausrüstung mehr, um ein Bild zu erzeugen. Ein Textfeld und wenige Sekunden reichen oft schon.

Das öffnet die Bildproduktion für Menschen, die bisher außen vor waren: Personen ohne Kunstausbildung, mit körperlichen Einschränkungen oder mit knappem Budget.

Auch etablierte Künstlerinnen und Künstler nutzen die Technik. Sie testen damit Kompositionen, entwickeln Skizzen oder verbinden generierte Elemente mit Malerei, Collage und Fotografie.

Die Kehrseite ist eine schlichte Rechenfrage: Wenn Millionen Menschen täglich Bilder erzeugen, steigt die Menge an KI-generierten Inhalten enorm. Sichtbarkeit wird dadurch schwerer, nicht leichter.

Demokratisierung der Kunst bedeutet also vor allem leichteren Zugang zur Produktion, nicht automatisch mehr Publikum oder mehr Einkommen.

Preisdruck, Auftragsverluste und die Rolle kreativer Berufe

Am deutlichsten spürbar ist der Druck dort, wo Bilder im Auftrag entstehen. Die Goldmedia-Studie „KI und Bildende Kunst“ im Auftrag der Stiftung Kunstfonds und der Initiative Urheberrecht beschreibt genau diesen Punkt: KI wirkt zugleich als Werkzeug und als Konkurrenz.

Besonders betroffen sind Bereiche mit hohem Bildbedarf:

• Werbung und Marketing: Moodboards, Key Visuals und Social-Media-Motive kommen oft aus Generatoren.
• Illustration: Buchcover, Titelbilder und Spot-Illustrationen werden häufiger intern erzeugt.
• Stockfotografie: Ganze Bildstrecken lassen sich ohne Shooting produzieren.

Betroffen sind nicht nur Kunstschaffende selbst. Auch Kulturschaffende rundherum, etwa Kuratorinnen, Kunstkritiker, Lektorate und Grafikabteilungen in Museen und Verlagen, sehen Aufträge wegfallen.

Ein zusätzliches Problem ist die Stilimitation. Wenn ein Modell die Handschrift lebender Künstler nachahmt, verliert dieser Wiedererkennungswert seinen wirtschaftlichen Nutzen.

Rund 86 Prozent der Befragten fordern deshalb eine finanzielle Beteiligung, wenn geschützte Werke für das Training genutzt werden.

Wert, Provenienz und Vertrauen bei digitalen Werken

Im Kunstmarkt entsteht Preis vor allem durch Knappheit und nachvollziehbare Herkunft. Beides gerät bei KI-Bildern unter Druck.

Einen Prompt lässt sich beliebig oft ausführen. Einzigartigkeit muss deshalb anders entstehen, etwa durch limitierte Auflagen, physische Drucke, signierte Editionen oder dokumentierte Arbeitsprozesse.

Für dich als Käuferin oder Käufer werden drei Fragen wichtiger:

Frage	Warum sie zählt
Wer hat das Werk gemacht?	Klärt Urheberschaft und Verantwortung
Welche Werkzeuge kamen zum Einsatz?	Betrifft Rechte und Nachvollziehbarkeit
Gibt es eine Dokumentation?	Stützt Provenienz und Wiederverkauf

Die Kunstwelt reagiert mit Transparenzregeln. Galerien, Wettbewerbe und Plattformen verlangen zunehmend eine Kennzeichnung, ob und wie KI beteiligt war.

Authentizität wird damit weniger zu einer Frage der Technik als zu einer Frage der offenen Angabe.

Prägende Beispiele und Leitlinien für verantwortlichen Einsatz

Zwei Projekte haben die Debatte über KI-generierte Kunst besonders geprägt: der Auktionsverkauf von „Portrait of Edmond de Belamy“ 2018 und die Datenskulpturen von Refik Anadol. Beide zeigen, welche Fragen zu Urheberrecht, Vergütung und Transparenz Sie in eigenen Projekten klären sollten.

„Portrait of Edmond de Belamy“ und der frühe Hype um KI-Auktionen

Das französische Kollektiv Obvious ließ ein GAN-Modell mit rund 15.000 Porträts aus dem 14. bis 20. Jahrhundert trainieren. Das Ergebnis war ein unscharfes Porträt einer erfundenen Person.

Bei Christie’s in New York erzielte das Werk im Oktober 2018 rund 432.500 US-Dollar. Erwartet worden waren etwa 7.000 bis 10.000 Dollar.

Der Fall wurde schnell zum Beispiel für ungeklärte Zuschreibung. Der Programmierer Robbie Barrat hatte den verwendeten Code öffentlich bereitgestellt, und die Kunstkritik diskutierte, wem die Urheberschaft zusteht: dem Kollektiv, dem Code-Autor oder den Malern der Trainingsbilder.

Für Sie heißt das: Klären Sie Herkunft von Modell und Daten, bevor Sie ein Werk verkaufen.

Refik Anadol: Datenkunst zwischen Immersion und Kritik

Der Medienkünstler Refik Anadol arbeitet mit großen Datensätzen, die er in bewegte Bilder übersetzt. Sein Werk „Unsupervised“ nutzte 2022/23 die Sammlungsdaten des Museum of Modern Art in New York.

Für „Machine Hallucinations“ verarbeitete er öffentlich zugängliche Bildarchive von Städten und Naturmotiven. Die Arbeiten laufen oft auf großen LED-Wänden und verändern sich in Echtzeit.

Anadol nennt seine Datenquellen und arbeitet mit Institutionen zusammen, die Nutzungsrechte besitzen. Genau das unterscheidet ihn von Projekten, die auf ungefragt gesammelten Bildern beruhen.

Kritiker bemängeln trotzdem den hohen Energiebedarf und die Nähe zu Werbeästhetik. Diese Debatte gehört zur ehrlichen Bewertung von KI und Kunst dazu.

Praktische Regeln für transparente und faire KI-Projekte

Behörden und Hochschulen in Deutschland haben inzwischen eigene KI-Leitlinien veröffentlicht. Die Grundprinzipien lassen sich auch auf Kunstprojekte übertragen.

Regel	Was Sie konkret tun
Kennzeichnen	KI-Anteil im Werktitel, Katalog oder Beschreibungstext angeben
Datenquellen prüfen	Nur lizenzierte, gemeinfreie oder eigene Bilder zum Training nutzen
Vergütung regeln	Beteiligte Fotografen und Illustratoren vertraglich absichern
Menschliche Kontrolle	Auswahl und Bearbeitung der Ergebnisse selbst verantworten
Dokumentieren	Modell, Prompts und Bearbeitungsschritte festhalten

Die EU-KI-Verordnung (Verordnung (EU) 2024/1689) verlangt in Artikel 50 Transparenz bei künstlich erzeugten Inhalten. Deepfakes und synthetische Bilder müssen erkennbar sein.

Eine Studie zu KI und Bildender Kunst in Deutschland fordert außerdem eine Vergütung für genutzte Werke und mehr Medienkompetenz. Halten Sie Ihre eigenen Regeln schriftlich fest und passen Sie sie an, sobald sich Technik oder Rechtslage ändern.