Die Zukunft der Kreativität
von Volker Bilgram
KI als Muse und Ideenfabrik oder algorithmische Einöde?
Kreativität galt lange als exklusive Domäne des Menschen – eine Fähigkeit, die uns von Maschinen unterscheidet und unsere „Krone der Schöpfung“ untermauert. Doch die rasante Entwicklung generativer KI stellt diese Annahme auf den Prüfstand. Technologien wie ChatGPT haben in den letzten Jahren bewiesen, dass KI nicht nur analytisch, sondern auch kreativ arbeiten kann (Biel et al., 2025). Designer, Entwickler und Kreative nutzen KI bereits als Brainstorming-Partner oder Ideengeber, um Blockaden zu überwinden und Prozesse zu beschleunigen. Doch reicht das aus, um KI als kreativ zu bezeichnen? Doch was bedeutet das für kreative Berufe?
Der Beitrag taucht tiefer in die Frage ein, wie KI Kreativität neu definiert, welche Herausforderungen und Chancen sich ergeben und wie eine produktive Zusammenarbeit zwischen Mensch und Maschine gestaltet werden kann. Seien Sie gespannt auf Einblicke in die Zukunft der Kreativität – und die Frage, ob KI tatsächlich eine kreative Revolution auslöst!
Kann KI kreativ sein?
Es sind schwere Zeiten für Verfechter des Gedankens, dass Menschen die Krone der Schöpfung darstellen. Während Computer seit langem analytische Aufgaben genauso gut oder sogar besser als Menschen bewältigen, wurde Kreativität traditionell als etwas angesehen, das dem Menschen vorbehalten war. Eine Studie aus dem Jahr 2022 (vor dem Marktstart von ChatGPT) fand z.B. heraus, dass Unternehmen KI nur sehr bedingt für kreative Prozesse einsetzen und Manager Kreativität als typisch menschliche Fähigkeit betrachten (Füller et al., 2022). Generative KI, wie wir sie heute vor allem von den Chatbots großer Technologieunternehmen kennen, hat die Anwendungsfelder in Design- und Innovationsprozess deutlich erweitert. Generative KI ist inzwischen als Brainstroming- und Coding-Partner, Mitgestalter und Lieferant von Anschubkreativität unter anderem bei Designern, Kreativen und Programmierern fest etabliert (Bilgram und Laarmann, 2023; Polster et al., 2024).
Unter Kreativität wird allgemein der Prozess verstanden, in dem neue und sinnvolle Ideen oder Lösungen entwickelt werden. Während KI bereits sehr umfassend kreative Prozesse unterstützt, gibt es eine lebhafte Diskussion darüber, ob KI überhaupt im engeren Sinne kreativ sein kann. Einerseits wird argumentiert, dass KI auf Basis immenser Datenmengen und fortschrittlicher Algorithmen im Ergebnis Ideen erzeugen kann, die in Blindtests nicht nur ebenbürtig mit Experten-generierten Ideen sind, sondern diese gar in entscheidenden Dimensionen wie Neuheitsgrad oder Kundennutzen übertreffen (Joosten et al., 2024); andererseits wird behauptet, dass echte Kreativität Aspekte wie Intentionalität oder die Fähigkeiten, sich selbst auszudrücken und Narrative zu gestalten, erfordert, welche KI meist abgesprochen werden. KI zeigt zwar innovative Fähigkeiten, doch ihre Abhängigkeit von vorhandenem Wissen begrenzt ihr Potenzial, eine dem Menschen vergleichbare kreative Autonomie zu erreichen. Die Diskussion ist in erster Linie eine theoretische. Für viele Kreative und Innovatoren in der Praxis spielt weniger die Frage rund um das Vorhandensein kreativer Autonomie eine Rolle, als vielmehr die vielversprechenden Ergebnisse, die sich in hybriden Ansätzen mit KI hervorbringen lassen.
Der Anfang vom Ende kreativer Berufe?
KI ersetzt heute menschliche kreative Arbeit nicht mehr nur im Einzelfall. Studien über die Auswirkungen von ChatGPT auf dem freiberuflichen Sektor liefern erste Belege dafür, dass generative KI kreative Aufgaben im großen Stil übernimmt. Bereits unmittelbar in den ersten Monaten nach Start von ChatGPT gingen auf großen Plattformen für Freiberufler sowohl die ausgeschriebenen Gesuche als auch die Einkünfte in stärker von ChatGPT betroffenen Beschäftigungsfeldern zurück (Hui et al., 2023). Generative KI hält auch Einzug in den professionellen Dienstleistungssektor, z. B. in Strategieberatungsunternehmen, wobei führende Unternehmen wie die Boston Consulting Group die Produktivitätssteigerung durch KI-gestützte Berater untersuchen. In diesem groß angelegten Experiment wurde festgestellt, dass Berater, die GPT‑4 nutzen, ihre Aufgaben in 25 % weniger Zeit erledigen und dabei eine um 40 % höhere Qualität erzielen (Dell’Acqua et al., 2023). Besonders deutlich zeigt sich die Leistungssteigerung durch den Einsatz von KI bei leistungsschwächeren Mitarbeitern. In gewisser Weise, nivelliert KI Leistungsniveaus und hat damit auch Einfluss auf zukünftige Strategien im Personalwesen.
„In gewisser Weise nivelliert KI Leistungsniveaus von Leistungsträgern und leistungsschwächeren Mitarbeitern und hat damit auch Einfluss auf zukünftige Strategien im Personalwesen.“
Sebastian Siemiatkowski, CEO des schwedischen Fintechs Klarna, erläuterte Ende 2024, dass sie seit einem Jahr keine neuen Mitarbeiter mehr einstellen und mittels natürlichem Personalabbau wie Weggängen die Mitarbeiterzahl um fast ein Viertel reduziert haben (Lake, 2025) . Trotz der zahlreichen Beispiele erfolgreichen KI-Einsatzes in kreativen Arbeitsfeldern hat sich die KI-gestützte Neuproduktentwicklung noch nicht in der Breite durchgesetzt. Vielmehr verdeutlichen aktuelle Studien die Zurückhaltung vieler Unternehmen in Bezug auf die Nutzung von KI. Beispielsweise gaben 75 % der befragten Unternehmen an, KI noch nicht einmal für eine einzige Anwendung in der Neuproduktentwicklung eingesetzt zu haben. Gerade an dem neuralgischen Punkten der Entscheidungsfindung sind Manager noch nicht bereit, das Zepter an die KI zu übergeben (Cooper und Brem, 2024).
Die Rolle von Menschen – vom Problemlöser zum Problemfinder
Angesichts der kreativen Fähigkeiten von KI stellt sich natürlich die zentrale Frage, welche Rolle der Mensch in Kreativprozessen wie Design Thinking, Innovationsworkshops oder Design Sprints kurz- bis langfristig spielen wird? Schon vor dem Aufkommen von LLMs und Chatbots deuteten Verganti et al. (2020) an, dass KI zunehmend Aufgaben der Problemlösung übernehmen und die Rolle des Menschen möglicherweise in Richtung „Sensemaking“ verlagern wird – d. h. die Entscheidung darüber, welche Probleme überhaupt gelöst werden sollen. Für diese Aufgabe ist breites Kontextwissen ebenso entscheidend wie das Wissen über das Unternehmen und den Markt, in dem es tätig ist. So können relevante Probleme identifiziert und priorisiert, Systeme und Interdependenzen verstanden, und Entscheidungen unter Berücksichtigung strategischer Ziele, verfügbarer Ressourcen und des Unternehmensumfelds getroffen werden. Unterstrichen wird die Bedeutung der Problemauswahl durch den Menschen durch die Erkenntnis, dass die Verwendung von KI für ungeeignete Aufgabenstellungen die Ergebnisse im Vergleich zum erarbeiteten Ergebnis ohne KI-Einsatz sogar verschlechtert (Candelon et al., 2023). Nicht nur die Relevanz, sondern auch die Eignung von Problemen für die Lösung durch KI müssen sichergestellt werden. Insbesondere die breiten Einsatzbereiche von Sprachmodellen verleiten schnell dazu, KI für alle Problemstellungen anzuwenden. Das systematische Experimentieren in verschiedenen Aufgabenbereichen inklusive der Bewertung der Ergebnisse ist ein geeignetes Mittel, um geeignete Aufgabenstellungen für die KI-Nutzung zu identifizieren.
„Selbst einfache Prompting Strategien führen bereits zu einer besseren bzw. zielgerichteten Aufgabenausführung.“
Neben der Auswahl geeigneter Probleme besteht die Aufgabe des Menschen im Umgang mit Sprachmodellen derzeit meist darin, das identifizierte Problem zu formulieren und in wirksame Prompts zu übersetzen. Selbst einfache Prompting Strategien führen bereits zu einer besseren bzw. zielgerichteten Aufgabenausführung. Sogenannte „Promptathons“ können helfen, Mitarbeitern die zielführende Interaktion mit Sprachmodellen in ihrem jeweiligen Aufgabenbereich näher zu bringen. Darüber hinaus sorgen interne „Communities of Practice“ und zentral verfügbare Ressourcen zum Umgang mit KIs für eine steilere Lernkurve und mehr Sicherheit im Umgang mit der Technologie. Ergebnisse aus Experimenten mit verschiedenen Modellen, Finetuning-Ansätzen und Prompt-Strategien können so dokumentiert und in Leitfäden und anderen Prozesshilfen zentral verfügbar gemacht werden, um organisationales Lernen im Umgang mit KI zu beschleunigen. Mit zunehmender Erfahrung können dann auch fortgeschrittene KI-Lösungen eingebunden werden, die mit ausgeklügelten Prompts arbeiten, auf den Kontext (Industrie, Produktkategorie, Aufgabenstellung etc.) angepasste Modelle nutzen, oder den Zugriff auf spezifisches Domänenwissen ermöglichen.
Die grundsätzliche Entscheidung über die Sinnhaftigkeit des Einsatzes von KI sowie die anschließende Übersetzung des Problems in einen Prompt haben also einen erheblichen Einfluss auf die Ergebnisqualität. Das Paradigma, dass „das Verstehen des Problems die halbe Lösung ist“, gilt in KI-gestützten Umgebungen umso mehr. Diese Perspektive unterstreicht die symbiotische Beziehung zwischen menschlichen Erkenntnissen und KI-Fähigkeiten, wobei menschliche Kreativität und kontextbezogenes Verständnis erforderlich sind, um die Rechenleistung der KI zu steuern.
„Das Paradigma, dass ‚das Verstehen des Problems die halbe Lösung ist‘, gilt in KI-gestützten Umgebungen umso mehr.“
Mensch und KI Hand in Hand – das Beispiel Design Thinking
Wie kann eine Symbiose aus menschlicher und künstlicher Kreativität z.B. in Design Thinking Workshops aussehen? Empfehlungen ergeben sich dabei einerseits aus den Potenzialen der Technologie, andererseits aus den Hemmnissen, die aus dem Technologieeinsatz erwachsen (siehe Tabelle 1). Design Thinking Experten betonen stets die hohe Anzahl an Ideen, die KIs in kurzer Zeit generieren können. Dabei kommen oft auch Ansätze auf, die den Teilnehmern zuvor nicht bewusst waren oder deren Kreativität stimulieren. Gleichzeitig kann KI den Einstieg in Aufgaben erleichtern, indem sie kreative Blockaden überwindet und initiale Impulse liefert, die den Prozess beschleunigen. Ein „fliegender Start“ auf Basis vorbereiteter KI-generierter Ideen kann sowohl die Effizienz des Design Thinking Ansatzes als auch den Workshopfluss in der Gruppe erhöhen.
KI kann jedoch auch bereits vor der eigentlichen Ideengenerierung wertvolle Dienste leisten. Um tiefes Verständnis für die Anwender aufzubauen, können Sprachmodelle Personas entwickeln, Nutzerbedürfnisse analysieren, und ganze User Journeys (Abbildung einzelner Schritte, die ein Nutzer durchläuft, wenn er mit einem Produkt interagiert) abbilden entlang derer Problemfelder aufgezeigt werden können. KI ersetzt zwar keine profunde Analyse von Konsumenten, beispielsweise durch Beobachtung oder Interviews, bietet aber für die frühe Explorationsphase in Design Thinking Workshops einen soliden und vor allem schnellen Überblick über Konsumentenprobleme und Gewohnheiten.
„KI […] bietet aber für die frühe Explorationsphase in Design Thinking Workshops einen soliden und vor allem schnellen Überblick über Konsumentenprobleme und Gewohnheiten.“
Die Chatbots, die als digitales Interface für die Sprachmodelle dienen, bringen eine weitere große Herausforderung für Workshop-Teams mit sich. Soll die KI für eine bestimmte Aufgabenstellung eingesetzt werden, führt dies meist zu einer Unterbrechung der in Workshops förderlichen Kommunikation und sozialen Interaktion in den Gruppen. Einzelne Akteure ziehen sich zur Nutzung der KI zurück und der Workshop verliert oftmals das kreative Momentum. Ist die individuelle KI-Konsultation abgeschlossen, wartet die nächste Herausforderung: die Unmengen an Informationen, die jeder Akteur in Erfahrung gebracht hat, müssen mit der Workshop-Gruppe geteilt, konsolidiert und für die weitere Arbeit nutzbar gemacht werden. Um diese Unterbrechungen zu vermeiden, kann KI-Input bereits vor dem Workshop generiert, bewertet und gezielt für die Integration in den Workshop vorbereitet werden. Diese Vorarbeit kann von den Workshop-Leitern übernommen werden, indem relevante Ergebnisse passend zur Aufgabenstellung ausgewählt und kuratiert werden. Alternativ können auch die Teilnehmer in Form einer „Hausaufgabe“ individuell mit der KI arbeiten und erste Ideen oder Lösungsansätze erarbeiten. Auch explizite Workshop-Phasen mit und ohne KI-Unterstützung haben sich in vielerlei Hinsicht bewährt. Die Nutzung von KI bekommt ihren Raum, ohne das Workshop-Geschehen zu dominieren und die Vorzüge der Workshop-Methode zu unterwandern. Das Gefühl der Zusammenarbeit zwischen den Workshop-Teilnehmern wird nicht in den Hintergrund gedrängt und ein kreativitätsförderlicher Workshop-Flow kann aufrechterhalten werden, indem die Teilnehmer nicht zu reinen „Promptern“ degradiert werden.
Durch das Auslagern kreativer Arbeitsschritte leiden die Ergebnisse aus stark mit KI unterstützten Design Thinking Workshops oft unter einer geringen Identifikation der Teilnehmer mit den KI-generierten Ideen und Lösungen. Oft fehlt der emotionale Bezug zu Ergebnissen, die nicht aus eigener kreativer Arbeit stammen, wodurch auch die Motivation zur Weiterentwicklung dieser Ideen sinkt. Die fehlende psychologische „Ownership“ erschwert dann in vielen Fällen die Umsetzung der Ideen und Weiterführung des Projekts. Eine aktive Einbindung der Teilnehmer in die Verfeinerung von KI-Ergebnissen kann dazu beitragen, die Identifikation mit den Ergebnissen zu steigern. Teams profitieren davon, KI-Vorschläge zu modifizieren und weiterzuentwickeln. Ebenso ist es sinnvoll, gezielt Phasen einzuplanen, in denen die Ergebnisse reflektiert und mit eigenen Ideen angereichert werden. Dies betont den kreativen Beitrag aller Beteiligten. Eine strukturierte Reflexion der KI-Outputs ermöglicht es zudem, die Ergebnisse kritisch mit den Workshop-Zielen abzugleichen und ihre Relevanz sicherzustellen.
Der größte Mehrwert entsteht durch eine gezielte Zusammenarbeit
Die rasanten Entwicklungen in der KI Forschung beschleunigen auch einen Paradigmenwechsel im Kreativbereich: Freiberufler spüren bereits die rückläufige Nachfrage nach kreativer Arbeitskraft, während Unternehmen wie Klarna erst gar keine freiwerdenden Stellen mehr mit Menschen besetzen und stattdessen ganz auf KI setzen. Doch ein unreflektierter Einsatz birgt Risiken: Fehlender emotionaler Bezug zu KI-generierten Lösungen oder der Verlust sozialer Dynamiken in Teams können kreative Prozesse beeinträchtigen und die Umsetzung von Ideen blockieren. Der größte Mehrwert entsteht durch eine gezielte Zusammenarbeit: KI liefert Impulse und beschleunigt Prozesse, während der Mensch Probleme definiert, Ideen reflektiert und strategisch bewertet. Statt die Kreativität zu ersetzen, erweitert KI deren Möglichkeiten.
Referenzen
Biel, S., Hahn, A., Bilgram, V., & Rogers, H. (2025). From Hybrid to AI-First Innovation Management. IEEE Engineering Management Review.
Bilgram, V., & Laarmann, F. (2023). Accelerating innovation with generative AI: AI-augmented digital prototyping and innovation methods. IEEE Engineering Management Review, 51(2), 18–25.
Candelon, F., Krayer, L., Rajendran, S., & Martinez, D.Z. (2023). How people can create – and destroy – value with generative AI. https://www.bcg.com/publications/2023/how-people-create-and-destroy-value-with-gen-ai, date of last retrieval: Jan. 24th 2025.
Dell’Acqua, F., McFowland, E., Mollick, E. R., Lifshitz-Assaf, H., Kellogg, K., Rajendran, S., … & Lakhani, K. R. (2023). Navigating the jagged technological frontier: Field experimental evidence of the effects of AI on knowledge worker productivity and quality. Harvard Business School Technology & Operations Mgt. Unit Working Paper, (24–013).
Füller, J., Hutter, K., Wahl, J., Bilgram, V., & Tekic, Z. (2022). How AI revolutionizes innovation management–Perceptions and implementation preferences of AI-based innovators. Technological Forecasting and Social Change, 178, 121598.
Hui, X., Reshef, O., & Zhou, L. (2023). The short-term effects of generative artificial intelligence on employment: Evidence from an online labor market. CESifo Working Paper, No. 10601, Center for Economic Studies and ifo Institute (CESifo), Munich.
Joosten, J., Bilgram, V., Hahn, A., & Totzek, D. (2024). Comparing the Ideation Quality of Humans With Generative Artificial Intelligence. IEEE Engineering Management Review.
Lake, S. (2025). Klarna CEO says he feels ‘gloomy’ because AI is developing so quickly it’ll soon be able to do his entire job. Retrieved from: https://fortune.com/2025/01/06/klarna-ceo-sebastian-siemiatkowski-gloomy-ai-will-take-his-job/ (last date of retrieval: 23.01.2025).
Polster, L., Bilgram, V., & Görtz, S. (2024). AI-Augmented Design Thinking: Potentials, Challenges, and Mitigation Strategies of Integrating Artificial Intelligence in Human-Centered Innovation Processes. IEEE Engineering Management Review, https://doi.org/10.1109/EMR.2024.3512866.
Verganti, R., Vendraminelli, L., & Iansiti, M. (2020). Innovation and Design in the Age of Artificial Intelligence. Journal of Product Innovation Management, 37(3), 212–227.
