14.06.2023

Studie: KI-Modelle können sich durch ihren eigenen Müll selbst zerstören

Eine neue Studie trübt die Hoffnungen, die in generative KI gesetzt werden. Durch zu viele KI-Inhalte im Internet könnten die Modelle verlernen, was hochwertiger Content ist.
/artikel/ki-modelle-koennen-sich-selbst-zerstoeren
Am Beispiel von blauen Katzen lässt sich erklären, wie KI-Modelle versagen. Bild: Unsplash/Rémi Rémino

Obwohl die Tech-Welt seit Jahren vor KI warnt, sind ihre Fähigkeiten erst letztes Jahr in den Fokus einer breiteren Öffentlichkeit gerückt: Generative KI ermöglicht es, mit wenigen Klicks kreative KI-Leistungen schnell verfügbar zu machen. Konkret heißt das: KI-Chatbots wie ChatGPT forumlieren auf Befehl eloquente Texte, können programmieren und verschiedene sprachliche Tasks im Nu erledigen. Bilderzeugungs-Tools wie Stable Diffusion oder Midjourney erzeugen auf Knopfdruck fotorealisitische Bilder.

Studie warnt vor Qualitätsverlust

Viele Unternehmen haben es plötzlich sehr eilig: Schnellstmöglich wollen sie KI-Lösungen in ihre Produkte implementieren, wie jüngst Mark Zuckerberg für Meta verkündete. Die Hoffnungen und Erwartungen, die in KI-Modelle gesetzt werden, sind riesig.

Die Studie eines britisch-kanadischen Forscherteams, die vor kurzem im Open-Access-Journal arXiv erschienen ist, könnte den KI-Hype jedoch etwas trüben. Sie kommt zu dem Ergebnis, dass KI-Modelle nachhaltig geschädigt werden können, wenn sie mit KI-generierten Inhalten trainieren. Denn laut den Studienautor:innen, seien die KI-Modelle derzeit vor allem deshalb so stark, weil sie mit menschengemachten Inhalten trainiert sind.

Internet als KI-Mülldeponie

„Wir waren überrascht zu sehen, wie schnell ein Modell wieder zusammenbricht. Die Modelle können die meisten Originaldaten, aus denen sie ursprünglich gelernt haben, schnell vergessen“, meinte der am Projekt beteiligte Forscher Ilia Shumailov gegenüber VentureBeat. In einem Blog-Artikel warnt Ross Anderson, ein weiterer beiteiligter Forscher: „So wie wir die Ozeane mit Plastik vermüllt und die Atmosphäre mit Kohlendioxid gefüllt haben, sind wir nun dabei, das Internet mit Blabla zu füllen. Dadurch wird es schwieriger, neuere Modelle durch Webscraping zu trainieren“.

Das Problem: Je mehr KI-Inhalte im Internet kursieren, desto weniger seien menschliche Inhalte für die KI-Modelle zum Lernen verfügbar. Anderson zufolge hätten Unternehmen, die das Internet bereits gescraped haben, bzw. die den Zugang zu menschengemachten Inhalten kontrollierten, nun immense Vorteile: „Wir sehen bereits jetzt, dass KI-Startups das Internet Archive nach historischen Daten durchsuchen“. Denn bereits jetzt sei das Netz bereits mit KI-generiertem „Müll“ kontaminiert.

Problem mit blauen Katzen

Shumailov skizziert das Problem gegenüber VentureBeat folgendermaßen: Menschengemachte Dokumente, egal ob Bilder, Texte, Musik oder andere kreative Leistungen, würden die Welt umfassender beschreiben und auch unwahrscheinlichere Fälle abbilden. KI-Modelle hingegen wählen Daten nach Wahrscheinlichkeitskriterien aus: Werden bestimmte Daten häufiger vorgefunden als andere, werden die unwahrscheinlicheren eher verworfen.

Gut zu beschreiben sei dies anhand eines Datensets aus Katzenbildern. Wird ein KI-Modell mit Bildern von 10 blauen Katzen und 90 gelben Katzen trainiert, erkennt die KI, dass gelbe Katzen mit höherer Wahrscheinlichkeit „richtig“ sind. In der Folge produziert die KI selbst grünstichige Katzenbilder, wenn sie Katzen mit blauem Fell darstellen soll. Im Laufe der Zeit produziere sie überhaupt keine blauen Katzen mehr, sondern nur mehr gelbe.

Das Beispiel zeige laut Shumailov, dass die KI-Modelle Probleme mit unwahrscheinlicheren Daten hätten. Im Laufe der Zeit würden die Modelle somit versagen, meint der Forscher. Darüber hinaus entstünden dadurch zahlreiche Probleme, etwa Diskriminierung aufgrund bestimmter Minderheiten-Eigenschaften.

Deine ungelesenen Artikel:
25.06.2026

Eustella: Wiener Claude- und ChatGPT-Herausforderer geht in Vollbetrieb

Eustella setzt mit seinem Agentic-AI-Angebot auf Open Source, Mobile First und 100 Prozent Europa - und hat damit große Pläne. Nach der Beta-Phase folgte nun der Launch.
/artikel/eustella-wiener-claude-und-chatgpt-herausforderer-geht-in-vollbetrieb
25.06.2026

Eustella: Wiener Claude- und ChatGPT-Herausforderer geht in Vollbetrieb

Eustella setzt mit seinem Agentic-AI-Angebot auf Open Source, Mobile First und 100 Prozent Europa - und hat damit große Pläne. Nach der Beta-Phase folgte nun der Launch.
/artikel/eustella-wiener-claude-und-chatgpt-herausforderer-geht-in-vollbetrieb
Eustella-CEO Matteo Rosoli | (c) AI Factory Austria AI:AT/Arman Rastegar
Eustella-CEO Matteo Rosoli | (c) AI Factory Austria AI:AT/Arman Rastegar

Prominente Investoren wie Hansi Hansmann, Hermann Futter und die 3VC-Gründer Peter Lasinger und Roman Scharf im Publikum, Bitpanda Co-Founder Christian Trummer und Emmi-Co-Founder Johannes Brandstetter – mittlerweile Vice President AI for Science bei Mistral AI – auf der Bühne: Das Launch-Event des Wiener Startups Eustella in der AI Factory Austria AI:AT zog diese und noch weitere Größen der heimischen Innovationsszene an. Der Plan des Unternehmens geht aber weit über die Landesgrenzen hinaus: Man will KI-Nutzer:innen in ganz Europa überzeugen.

„Es gibt mehr als 130 Millionen aktive AI-User in Europa, aber kaum europäische Alternativen, vor allem nicht für Konsumentinnen und Konsumenten und vor allem nicht im Agent-Bereich“, sagt CEO Matteo Rosoli beim Launch-Event. Der KI-Experte – übrigens ein Absolvent des High-Potential-Programms der Wiener HTL Spengergasse – hat das Unternehmen gemeinsam mit Alexander Maitz, Jakob Steinschaden und Bastian Kellhofer gegründet. Das Konzept: Ein Agentic-AI-Angebot, das mit den US-Riesen mithalten kann, aber zu 100 Prozent in Europa gehosted ist – etwa bei Ionos in Berlin oder Scaleway in Paris.

Fable-5-Sperre „Spitze des Eisbergs“

„Die Sperre von Anthropics Fable 5 war nur die Spitze des Eisbergs der Souveränitäts-Thematik in Europa“, meint Rosoli. Souveränität sei zu einer Frage der Business Continuity und damit zu einer Frage des Überlebens für europäische Unternehmen geworden. Unter anderem wegen der Regulatorik, die, wie der CEO betont, „auch einen guten Zweck“ habe, würden europäische Lösungen vielfach hinter amerikanischen und asiatischen hinterherhinken. Das wolle man ändern: „Wir wollen nicht die europäische Software sein, die nicht so gut funktioniert und nicht so viel Mehrwert bringt. Wir wollen wirklich eine europäische Alternative sein.“

Orchestrierung entscheidend

Dabei baut Eustella kein eigenes KI-Modell, wie es etwa Mistral in Frankreich macht. Das Wiener Startup setzt auf verschiedene Open-Source-Modelle – nicht nur von Mistral, sondern auch von US-Anbietern wie Google und OpenAI. „Entscheidend ist die Orchestrierungsebene“, erklärt Rosoli. Diese „Agent Orchestration“ treffe eine smarte Auswahl, welche Modelle für welchen Zweck optimal passen und halte damit auch den Token-Verbrauch gering. Kombiniert wird das mit einem Mobile-First-Ansatz auf Nutzer:innen-Seite – Stichwort: „Agent in a pocket“.

Kompetitive Preise

Preislich will Eustella nicht nur mithalten, sondern gibt sich kompetitiv: Neben einer stark eingeschränkten Free-Version gibt es Angebote um sechs, 18 bzw. 90 Euro monatlich. „Jeder Anbieter kann kompetitive Preise anbieten. Wir machen das ganz bewusst aus Europa heraus. Der Preis rechnet sich aber auch für uns“, sagt der Gründer. Mit dem 18-Euro-Modell könne man etwa schon „richtig schön ein, zwei große Agents laufen lassen.“

„Beschäftigen uns 50 Prozent unserer Zeit mit AI-Safeguards und Themen wie Prompt Injections“

Das zweite große Verkaufsargument ist Sicherheit: „Die Daten sind bei Eustella sicher. Anders als bei den amerikanischen und asiatischen Anbietern braucht man sich keine Sorgen machen, dass etwas an Werbeanbieter verkauft wird“, sagt der Gründer. Für Sicherheit wolle man aber natürlich auch auf technischer Ebene sorgen. „Wir beschäftigen uns 50 Prozent unserer Zeit mit AI-Safeguards und Themen wie Prompt Injections. Deswegen releasen wir unsere Funktionen auch Schritt für Schritt, um gar keine Angriffsflächen zu ermöglichen“, so Rosoli.

Partnerschaften mit Bitpanda und Geizhals

Abgerundet werden soll das Angebot durch sogenannte Daten-Partnerschaften. Solche gibt es bislang mit dem Wiener Krypto-Unicorn Bitpanda, das über eine Schnittstelle aktuelle und zuverlässige Daten zum Krypto-Markt liefern soll, und mit dem Wiener Portal Geizhals, das valide Preisvergleichsdaten einspeist. Bitpanda-Co-Founder und Chief Scientist Christian Trummer sieht in der Partnerschaft aber noch mehr Potenzial: „Wir erwarten uns sehr viel von Eustella. Agentic Finance ist bei uns ein Riesen-Thema und in der Finanzbranche sind immer Vertrauen und Zuverlässigkeit wichtig.“ In Zukunft wolle man „die Finanzplattform für Agents“ sein. „Eustella ist hier der perfekte Partner für uns“, so der Bitpanda-Gründer.

Bitpanda-Co-Founder Christian Trummer (l.) neben Phillip Maasberg von Ionos | (c) AI Factory Austria AI:AT/Arman Rastegar

„Schauen einmal, dass die Server den Zuwachs an Usern überleben“

Bis dahin liegen aber noch einige Schritte vor dem Wiener Startup. „In den nächsten paar Tagen schauen wir einmal, dass die Server den Zuwachs an Usern überleben“, sagt Rosoli. „Dann werden wir Stück für Stück die Agent-Funktionalitäten aufbauen – dabei gibt es verschiedene Sicherheitsstufen.“ Schon bald soll Eustella etwa voll autonom kleine Essensbestellungen abwickeln können. Für davor gibt aber Co-Founder Jakob Steinschaden das erste konkrete Ziel aus: „Es wäre super, wenn wir im App-Store auf Platz eins landen.“

Toll dass du so interessiert bist!
Hinterlasse uns bitte ein Feedback über den Button am linken Bildschirmrand.
Und klicke hier um die ganze Welt von der brutkasten zu entdecken.

brutkasten Newsletter

Aktuelle Nachrichten zu Startups, den neuesten Innovationen und politischen Entscheidungen zur Digitalisierung direkt in dein Postfach. Wähle aus unserer breiten Palette an Newslettern den passenden für dich.

Montag, Mittwoch und Freitag

AI Summaries

Studie: KI-Modelle können sich durch ihren eigenen Müll selbst zerstören

AI Kontextualisierung

Welche gesellschaftspolitischen Auswirkungen hat der Inhalt dieses Artikels?

Der Inhalt der Studie zeigt, dass KI-Modelle durch den von ihnen generierten „Müll“ selbst zerstört werden können und dass Unternehmen, die den Zugang zu menschgemachten Inhalten kontrollieren, dadurch einen Vorteil haben. Diese Erkenntnisse könnten Auswirkungen darauf haben, wie KI-Modelle trainiert werden und wer Zugang zu menschgemachten Inhalten hat, was wiederum Auswirkungen auf Wettbewerb und Diskriminierung haben könnte. Außerdem wird deutlich, dass die Vorstellung, KI könne alle Aufgaben besser lösen als Menschen, kritisch hinterfragt werden muss.

Studie: KI-Modelle können sich durch ihren eigenen Müll selbst zerstören

AI Kontextualisierung

Welche wirtschaftlichen Auswirkungen hat der Inhalt dieses Artikels?

Die Studie eines britisch-kanadischen Forscherteams, die vor kurzem im Open-Access-Journal arXiv erschienen ist, hat gezeigt, dass KI-Modelle nachhaltig geschädigt werden können, wenn sie mit KI-generierten Inhalten trainieren. Dies könnte Unternehmen, die schnell KI-Lösungen in ihre Produkte integrieren wollen, vor große Herausforderungen stellen. Das Problem besteht darin, dass je mehr KI-Inhalte im Internet verfügbar sind, desto weniger menschengemachte Inhalte für die KI-Modelle zum Lernen vorhanden sind. Unternehmen, die bereits den Zugang zu menschengemachten Inhalten kontrollieren, würden einen immensen Vorteil genießen.

Studie: KI-Modelle können sich durch ihren eigenen Müll selbst zerstören

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Innovationsmanager:in?

Dieser Artikel warnt Innovationsmanager:innen vor den Risiken beim Einsatz von KI-Modellen in ihren Produkten und Dienstleistungen. Eine Studie zeigt, dass KI-Modelle langfristig beschädigt werden können, wenn sie mit KI-generierten Inhalten trainiert werden, da die Modelle menschengemachte Inhalte benötigen, um weiter zu lernen. Dies kann dazu führen, dass KI-Modelle versagen und nicht mehr in der Lage sind, spezifische Daten oder Zusammenhänge richtig zu erkennen oder zu interpretieren. Innovationsmanager:innen sollten daher vorsichtig sein und sicherstellen, dass die KI-Modelle, die sie verwenden, menschengemachte Inhalte verwenden, um ihre Funktionsweise zu verbessern und langfristige Probleme zu vermeiden.

Studie: KI-Modelle können sich durch ihren eigenen Müll selbst zerstören

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Investor:in?

Als Investor:in sollten Sie aufmerksam sein, wie KI-Modelle trainiert werden und welche Auswirkungen dies auf deren Qualität und Leistung hat. Die Studie zeigt, dass KI-Modelle durch den Einfluss von KI-generiertem „Müll“ dauerhaft geschädigt werden können. Daher sollten Unternehmen, die KI-basierte Lösungen entwickeln, sicherstellen, dass sie ihre Modelle mit qualitativ hochwertigen menschengemachten Inhalten trainieren, um deren Leistung und Qualität zu sichern.

Studie: KI-Modelle können sich durch ihren eigenen Müll selbst zerstören

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Politiker:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Studie: KI-Modelle können sich durch ihren eigenen Müll selbst zerstören

AI Kontextualisierung

Was könnte das Bigger Picture von den Inhalten dieses Artikels sein?

Die breite Verfügbarkeit von generativer KI hat den Hype um die Technologie verstärkt, aber eine Studie warnt nun davor, dass KI-Modelle durch ihren eigenen Müll, der in Form von KI-generierten Inhalten im Netz kursiert, nachhaltig geschädigt werden können. Die zunehmende Verbreitung von KI-generierten Inhalten führt dazu, dass die KI-Modelle weniger menschliche Inhalte für das Lernen zur Verfügung haben, und Unternehmen, die den Zugang zu menschlichem Content kontrollieren, haben daher immense Vorteile. Die Studie zeigt auch, dass die KI-Modelle Schwierigkeiten haben, unwahrscheinliche Daten abzubilden, was zu zahlreichen anderen Problemen führen kann, einschließlich Diskriminierung aufgrund von bestimmten Minderheiten-Eigenschaften.

Studie: KI-Modelle können sich durch ihren eigenen Müll selbst zerstören

AI Kontextualisierung

Wer sind die relevantesten Personen in diesem Artikel?

  • Ilia Shumailov
  • Ross Anderson
  • Mark Zuckerberg

Studie: KI-Modelle können sich durch ihren eigenen Müll selbst zerstören

AI Kontextualisierung

Wer sind die relevantesten Organisationen in diesem Artikel?

  • Meta
  • Internet Archive

Studie: KI-Modelle können sich durch ihren eigenen Müll selbst zerstören