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:
06.10.2026

Founder Institute Austria: Der Sprung vom Accelerator zum Company Builder

Seit Herbst 2024 baut das Founder Institute in Wien ein Chapter auf. Inzwischen versteht es sich nicht mehr als Accelerator, sondern als Company Builder. Wir waren beim Vibecoding-Hackathon in der AI Factory Austria AI:AT und haben mit Stephan Kreiger und Kasia Sadowska über die Bilanz und Ziele gesprochen.
/artikel/founder-institute-austria-reportage
06.10.2026

Founder Institute Austria: Der Sprung vom Accelerator zum Company Builder

Seit Herbst 2024 baut das Founder Institute in Wien ein Chapter auf. Inzwischen versteht es sich nicht mehr als Accelerator, sondern als Company Builder. Wir waren beim Vibecoding-Hackathon in der AI Factory Austria AI:AT und haben mit Stephan Kreiger und Kasia Sadowska über die Bilanz und Ziele gesprochen.
/artikel/founder-institute-austria-reportage
Kasia Sadowska und Stephan Kreiger vom Founder Institute Austria beim Vibecoding-Hackathon in der AI Factory Austria AI:AT. (c) brutkasten

Rund 30 Leute sitzen an einem Abend Ende September vor ihren Laptops und arbeiten konzentriert. Der Schauplatz ist die AI Factory Austria AI:AT im sechsten Stock in der Karl-Farkas-Gasse, von hier blickt man auf eine Skyline, die in den vergangenen Jahren rundherum entstanden ist. Hier findet an diesem Abend der Vibecoding-Hackathon des Founder Institute Austria statt. Das Publikum ist bunt gemischt, nach Alter wie nach Background. Die Jüngsten seien Studierende um die 19 Jahre, sagt Kasia Sadowska, die das Austria-Chapter gemeinsam mit Stephan Kreiger leitet. Daneben sitzen erfahrene Berufstätige. Sie alle haben 60 Minuten Zeit, um aus einer Idee eine funktionierende App zu bauen.

„Wir überzeugen die Leute davon, dass es sehr einfach ist, alles zu bauen, was sie wollen, eine App oder eine Website, indem sie einfach in Worten beschreiben, was sie bauen möchten“, sagt Sadowska. Gebaut wird mit dem KI-Tool Lovable, danach pitchen alle ihr Ergebnis. Laut Eventbeschreibung winkt der besten Idee ein Platz im Bootcamp des Founder Institute.

Für Kreiger, Director des Founder Institute Austria, zeigt dieser Abend, warum sich sein Programm neu erfinden musste. „Klassische Accelerator-Programme funktionieren eigentlich nicht mehr wirklich gut“, sagt er. Bis vor Kurzem war das Founder Institute selbst noch einer. Genau aus diesem Grund hat es sich weiterentwickelt, zu einem Company Builder, wie es sich inzwischen auch offiziell nennt.

Ein erstes Produkt zu bauen, sei für ein Startup „jetzt nicht mehr die große Hürde“, erklärt Kreiger. Teilnehmer:innen kämen heute mit einer Idee ins Programm und hätten nach kurzer Zeit einen Prototyp, ein MVP und oft schon erste zahlende Kund:innen.

Rund 30 Teilnehmer:innen bauten in der AI Factory Austria AI:AT in Wien ihre Prototypen mit dem KI-Tool Lovable. | (c) Founder Institute Austria

Was bleibt, ist Branchenwissen

Was verkauft ein Programm wie das Founder Institute also noch, wenn das Bauen so einfach geworden ist? Kreigers Antwort: Erfahrung. „Man kann relativ viel jetzt an einem Nachmittag bauen. Was aber bleibt, ist wirklich tiefe Expertise in einem gewissen Bereich.“

Deshalb richtet sich das Programm in erster Linie an erfahrene Berufstätige mit zehn bis 15 Jahren im Job. Wer lange in einer Branche gearbeitet und dort immer wieder dieselben Probleme gesehen hat, soll nun selbst die Lösung bauen. Das Programm läuft online und berufsbegleitend.

KI unterstützt dabei in vielen Bereichen, etwa bei Produktentwicklung, Marktrecherche und Businessplan. Für die Pitch-Vorbereitung gibt es ein eigenes KI-Tool: Man wählt, ob man vor Business Angels, VCs oder Freunden und Familie pitcht. Das Tool unterbricht, stellt Zwischenfragen und bewertet am Ende die Idee.

Dazu kommen Mentor:innen, in erster Linie selbst Gründer:innen oder Investor:innen. Kreiger nennt etwa Ferdinand Dietrich, Mitgründer von Storebox, und Annu Gmeiner von xista Science Ventures. Auch Gregor Zehetner gehört dazu. Der Tapkey-Mitgründer baut sein neues Startup Fractionista allein mit Claude Code, laut Founder Institute sind es inzwischen über 70.000 Zeilen Code.

Der Preis: Gebühr, Equity und eine hohe Hürde

Umsonst ist das nicht. Teilnehmer:innen zahlen eine Eintrittsgebühr, laut Founder Institute derzeit 1.149 US-Dollar. Damit werden die laufenden Programmkosten gedeckt. „Wir haben nämlich keinen großen Sponsor im Hintergrund oder eine andere Organisation“, sagt Kreiger. Wer abschließt und tatsächlich gründet, gibt außerdem 2,5 Prozent Equity ab. Daran sind die Direktor:innen und die Mentor:innen beteiligt.

Beim Vibecoding-Hackathon des Founder Institute Austria hatten die Teilnehmer:innen 60 Minuten Zeit, um aus einer Idee eine App zu bauen. (c) brutkasten / Martin Pacher

Eine österreichische Gesellschaft gibt es nicht. Rechtlich ist das Founder Institute im Silicon Valley angesiedelt, Kreiger vergleicht das Modell mit einem Franchise. Abschließen ist dabei keine Formsache: Nach Angaben des Founder Institute schaffen weniger als 40 Prozent der Gründer:innen das Programm.

Auch der Hackathon gehört zu dieser Rechnung. Er ist kostenlos und offen für alle. Vor allem soll er zeigen, wie schnell man heute von der Idee zum MVP kommt. Kreiger sagt aber auch ganz offen, dass er für das Founder Institute ein Marketing- und Recruiting-Event ist.

Die Bilanz nach zwei Jahren

Das Founder Institute gibt es seit 2009, das Austria-Chapter startete im Herbst 2024. Seither hat das Wiener Team 27 Startups gelauncht, das jüngste erst eine Woche vor dem Hackathon. Viele davon kommen allerdings nicht aus Österreich, sondern etwa aus Frankreich, Benelux oder der Schweiz. Denn das Team betreut auch Frankreich und Benelux, wo es kein eigenes Chapter gibt. Das Headquarter habe ihnen diese Länder übertragen, „nachdem wir anscheinend eh einen gut genug Job machen“, so Kreiger.

Fünf der 27 Startups haben laut Kreiger österreichische Gründer:innen, eines davon ist als Delaware C-Corp in den USA gegründet. Sie arbeiten in MedTech, AdTech, EdTech und im Projektmanagement für Softwareentwicklung. Kennt man sie schon? „Nein, die sind noch nicht so groß“, sagt Kreiger. Die ältesten seien eineinhalb Jahre alt.

Auch das Chapter selbst ist nicht der erste Versuch. Laut Kreiger war das Founder Institute rund um 2020 schon einmal in Österreich aktiv, aber nur kurz. Für den Neustart ging das Headquarter auf Sadowska zu, die als Executive in mehreren Tech-Startups gearbeitet hat. Sie holte Kreiger für das operative Geschäft dazu. Er hatte zuvor am i²c der TU Wien sein erstes Startup gebaut. Und warum Wien? Ganz pragmatisch: Beide leben hier.

Die Hürde hat sich verschoben

Für das Ende des Abends rechnet Sadowska mit rund 20 Pitches. Bei der ersten Auflage im Juni in der ÖBB Open Innovation Factory waren es nach 60 Minuten 16. Abgestimmt wird über ein Voting-Tool, das ebenfalls mit Lovable gebaut wurde.

Ob aus den Prototypen des Abends Startups werden, entscheidet sich woanders. Das Founder Institute setzt darauf, dass sich die Hürde verschoben hat: weg vom Bauen, hin zur Frage, ob jemand ein Problem löst, für das Kund:innen zahlen. Ob diese These trägt, müssen die nächsten Batches zeigen.


Info:

Bewerbungsschluss für den Herbst-Batch des Founder Institute Austria ist der 6. Oktober, Programmstart der 21. Oktober. Bewerbung über fi.co/apply/austria.

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