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:
21.08.2026

Wholomics: Rieder Startup entwickelt neue Methode zur Krebsfrüherkennung

Wholomics hat sich zum Ziel gesetzt, diverse Krebsarten bereits im Stadium eins zu erkennen. Eine Validierungsstudie gibt Hoffnung, aktuell befindet sich das Startup in der zweiten Finanzierungsrunde.
/artikel/wholomics-rieder-startup-entwickelt-neue-methode-zur-krebsfrueherkennung
21.08.2026

Wholomics: Rieder Startup entwickelt neue Methode zur Krebsfrüherkennung

Wholomics hat sich zum Ziel gesetzt, diverse Krebsarten bereits im Stadium eins zu erkennen. Eine Validierungsstudie gibt Hoffnung, aktuell befindet sich das Startup in der zweiten Finanzierungsrunde.
/artikel/wholomics-rieder-startup-entwickelt-neue-methode-zur-krebsfrueherkennung
(v.l.) Wholomics-Geschäftsführer Patrick Strasser und Maximilian Schneider | © Wholomics GmbH

Es ist wohl eine der schockierendsten Nachrichten, die man erhalten kann: Diagnose Krebs. Dabei werden verschiedenste Krebsarten oftmals erst in späten Stadien erkannt, was die Überlebenschance stark verringert. Das soll sich bald ändern. Die beiden Wholomics-Gründer Patrick Strasser und Maximilian Schneider entwickelten einen Test, der mit hoher Genauigkeit verschiedene Krebserkrankungen bereits im Stadium eins feststellen können soll.

“Heutzutage zählt es als Durchbruch, wenn ein Medikament für Krebspatienten im Stadium vier eine sechs Monate längere Überlebensdauer erzielt. Allerdings hätte man einen viel größeren Impact, wenn man Krebs einfach früher erkennen könnte”, erklärt Wholomics-CEO Strasser im brutkasten-Interview. Denn bei den meisten Krebsarten, die man bereits im Stadium eins erkennt, hätten die Patienten eine “5-Jahres-Überlebensrate von über 90 %”. Im Stadium drei bzw. vier falle die Überlebenschance rapide ab. 

Daher entwickelten Strasser und Wholomics-CTO Schneider einen Test, der darauf ausgelegt ist, mehrere Krebsarten bereits in frühen Stadien aus einer einzigen Blutprobe zu erkennen. Der Test analysiert diverse Veränderungen im Blutserum, also der Flüssigkeit im Blut, die mit einer frühen Tumorentwicklung in Zusammenhang stehen können. Die Ergebnisse einer Validierungsstudie sind vielversprechend, denn der Wholomics-Test erkannte eigenen Angaben zufolge 38 von 40 Krebserkrankungen im Stadium eins, darunter Darm-, Magen- und gynäkologische Tumore. Die Intellectual Property der Methode liegt bei Wholomics. Eine erste Version des Tests, der Wholomics Multi-Cancer Check, ist bereits über eine Partnerfirma, Novogenia, erhältlich. Strasser und Schneider möchten sich aber darauf konzentrieren, den Test in der breiten Bevölkerungsmasse einsetzen zu können.

Vom Forscher zum Unternehmer

Die beiden Wholomics-Gründer kennen einander seit ihrem Studium an der TU München und fassten gerade wissenschaftliche Publikationen zusammen, als ihnen die Idee für einen neuen Test zur Krebsfrüherkennung kam. Die Umstellung vom Forscher zum Unternehmer beschreibt der Biochemiker Strasser als “leicht”. Dennoch stellt ihn das Unternehmertum vor einige Herausforderungen. “Als Startup-Founder lernt man im Endeffekt nie aus. Das heißt, jeden Tag, jede Woche gibt es neue Dinge, die man sich selbst beibringen oder die man lernen muss“, erklärt Strasser und ergänzt: “Ein Founder hat mir mal gesagt, die wissenschaftliche Grundlage ist sozusagen das A und O deines Unternehmens. Aber 80 Prozent werden dann im Endeffekt auf der Business-Seite durchgesetzt.”

Wholomics wurde bisher mit dem aws First Incubator und der Forschungsprämie unterstützt. Aktuell befindet sich das Unternehmen in der zweiten Finanzierungsrunde und ist noch auf der Suche nach Investoren. Strasser und Schneider wollen die Runde im letzten Quartal dieses Jahres schließen. “Wir suchen nicht nur nach Geldgebern, sondern eben auch nach strategischen Partnern, die z. B. im Bereich Diagnostik Erfahrung haben”, sagt Strasser. Mit der Entwicklung ihres Startups zeigt sich der Biochemiker zufrieden, auch wenn der Standort Österreich seine Schwierigkeiten mit sich bringe. Die Regulierungen in der EU erschweren laut dem Krebsforscher jedem Diagnostik-Startup den Start.      

Das Ziel sind 2027 die USA, aber ohne FDA-Approval

Zudem brauche es in der EU hohe Investments, um ein medizinisches Produkt auf den Markt zu bringen. “Da muss man dann abwägen, wie die tatsächliche Marktzugangslage ist. Und die ist in Österreich oder im DACH-Raum generell etwas schwieriger”, erklärt Strasser, der mit Schneider den Großteil von Wholomics besitzt. Der Blick der beiden Österreicher richtet sich daher über den großen Teich. Sie arbeiten aktuell in den USA an der Eröffnung eines sogenannten CLIA-Labors. Dadurch soll der Test zur Krebsfrüherkennung als “Lab Developed Test” in den Vereinigten Staaten 2027 auf den Markt gebracht werden können. Er werde somit firmenintern validiert und könne anschließend an Privatpersonen weiterverkauft werden. Ein FDA-Approval sei dann nicht mehr nötig.

Wholomics als die nächste Generation der Krebsfrüherkennungstests

“Im Endeffekt wollen wir quasi die nächste Generation von Multi-Cancer Early Detection Tests auf den Markt bringen. Der größte Unterschied zwischen uns und anderen Anbietern ist, dass wir einfach sehr hohe Frühstadien-Erkennungsraten haben”, sagt Strasser. Langfristig will sich Wholomics am Markt als “First Line Diagnostic” platzieren, also als eine erste Reihe an Untersuchungen, die bei Krebsverdacht durchgeführt werden. Diese Tests sollen dann von Versicherern rückerstattet werden. Als potentielle Kunden beschreibt Strasser in den USA zu Beginn unter anderem Ärzte, später auch Krankenkassen, wobei man den Test immer unter ärztlicher Begleitung durchführen muss.

In Zukunft kann es mehrere unterschiedliche Use-Cases für Wholomics geben, wie z. B. einen Stratifizierungstest. Durch diese Tests werden Personen in klare Gruppen eingeteilt. Dadurch kann in der Medizin einer Person die passende Behandlung verschrieben werden. “Im Endeffekt laufen alle diese Use-Cases darauf hinaus, dass eine Blutprobe analysiert wird und wir das molekulare Profil nach Krebs-Signaturen untersuchen”, sagt Strasser.

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