KI und Kreativität
- 18. Juni
- 6 Min. Lesezeit
Warum der kreative Prozess zum entscheidenden Wettbewerbsvorteil wird
von DR. JENNIFER HAASE, WEIZENBAUM INSTITUT BERLIN / HUMBOLDT-UNIVERSITÄT BERLIN
Montag Morgen, Agentur-Jour-fixe. Drei Kampagnenkonzepte bis Donnerstag. Sie öffnen ChatGPT, tippen den Briefing-Kern ein und haben zehn Minuten später 30 Ideen auf dem Bildschirm. Schnell, breit gefächert, brauchbar. Das Problem: Die Agentur auf der anderen Straßenseite macht gerade exakt dasselbe. Und die nächste auch. Wenn alle Zugang zum selben kreativen Turbo haben, stellt sich eine neue Frage: Was macht dann noch den Unterschied?
Kreativität: mehr als Ideen produzieren
In der Kreativitätsforschung gilt eine pragmatische Definition: Kreativ ist, was neu und nützlich ist.¹ Kein Geniemythos, keine romantische Inspiration, sondern ein messbares Ergebnis. Dabei unterscheidet die Forschung verschiedene Niveaus: Alltagskreativität (sogenannte „Little-c“-Kreativität) bedeutet, bekannte Elemente neu zu kombinieren: ein neuer Claim, ein überraschender Aufhänger, eine ungewöhnliche visuelle Idee. Davon abzugrenzen ist die professionelle Kreativität („Pro-c“), wie sie erfahrene Kommunikationsprofis täglich einsetzen, und die bahnbrechende, paradigmenverändernde Kreativität („Big-C“), die ganze Denkrahmen verschiebt.² Diese Unterscheidung ist zentral für die KI-Debatte, denn der Großteil der aktuellen Begeisterung bezieht sich auf Alltagskreativität.
Ebenso wichtig: Ideenproduktion ist nur ein Schritt im kreativen Prozess. Davor stehen Problemverständnis und Aufgabendefinition, danach Bewertung, Auswahl und Umsetzung. Die Kreativitätsforscherin Teresa Amabile hat gezeigt, dass kreative Leistung aus dem Zusammenspiel von Fachwissen, kreativem Denken und, fundamental entscheidend, intrinsischer Motivation entsteht.³ Gerade dieser innere Antrieb, das echte Interesse an einem Problem, fehlt KI-Systemen strukturell.
Was KI beeindruckend gut kann
Das heißt nicht, dass der Output schlecht ist — im Gegenteil. Unsere Forschung zeigt: Generative KI hat bei standardisierten Kreativitätstests ein Niveau erreicht, das der durchschnittlichen menschlichen Leistung überlegen ist. In einer Studie mit über 100 Teilnehmenden und 14 KI-Chatbots fanden wir durchweg originellere Ideen bei der KI, gemessen an freien Assoziationsaufgaben.⁴ Bei der Menge an Ideen waren die Menschen den Maschinen massiv unterlegen. Allerdings erreichten nur 0,28 Prozent der KI-generierten Ideen das Niveau der
10 Prozent besten menschlichen Ideen. Die kreative Spitze bleibt also (vorerst) menschlich.
Spannend wird es, wenn man genauer hinschaut. In einer aktuellen Studie haben wir zehn große Sprachmodelle auf 30 verschiedenen Kreativitätsaufgaben mit sechs Prompt-strategien getestet, mit insgesamt rund 90.000 Generierungen.⁵ Das Ergebnis widerspricht einer verbreiteten Annahme: Für die Originalität der Ideen ist das gewählte KI-Modell relativ irrelevant. Ob Claude, GPT oder Grok, im Mittel sind diese Modelle recht vergleichbar. Deutlich wichtiger ist, worüber man die KI nachdenken lässt (also die kreative Aufgabe selbst, die erklärt 40 Prozent der Varianz der gemessenen Originalität) und wie man fragt, also die Promptstrategie
(33 Prozent). Kontrolliert man für die Aufgabe, steigt der Einfluss des Prompts sogar auf über 60 Prozent. Anders gesagt: Es kommt weniger darauf an, welches KI-System man nutzt, als darauf, wie man die kreative Aufgabe formuliert und strukturiert.
Noch überraschender: Ein einzelner Durchlauf ist oft nicht repräsentativ. Denn die Unterschiede zwischen zwei Läufen desselben Modells sind mehr als doppelt so groß wie die Unterschiede zwischen verschiedenen Modellen. Anders gesagt: Es spielt eine größere Rolle, was die KI spontan ausgibt, als, welches Tool man nutzt. Wer also eine KI-Idee verwirft, verpasst möglicherweise beim nächsten Durchlauf einen deutlich besseren Vorschlag vom selben System, mit demselben Prompt.
Über den Chatbot hinaus: Wo das eigentliche Potential liegt
einen schnellen Texter: Prompt rein, Ergebnis raus. Das ist nützlich, aber eben erst der Anfang. In unserer Forschung zur Mensch-KI-Co-Kreativität unterscheiden wir vier Stufen der Zusammenarbeit.⁶ Die erste Stufe: KI als digitales Werkzeug, das bestehende Abläufe unterstützt. Die zweite: KI als Spezialist, der klar definierte Aufgaben schneller erledigt, etwa automatisierte Bildbearbeitung oder Textvarianten auf Knopfdruck. Auf der dritten Stufe, auf der sich die meisten aktuellen Anwendungen befinden, fungiert KI als kreativer Assistent: KI liefert auf Anweisung Ideen, Entwürfe und Texte und ist dabei kreativ auf Alltagsniveau, aber begrenzt durch ihre Trainingsdaten und die Qualität der menschlichen Anleitung.
Die vierte Stufe aber ist die eigentlich spannende: echte Co-Kreativität, bei der Mensch und KI wechselseitig zusammenarbeiten und gemeinsam Ergebnisse erzielen, die keiner allein erreicht hätte. In der Wissenschaft ist das bereits Realität: In der Mathematik, der Quantenphysik und der Materialforschung haben spezialisierte KI-Systeme Lösungen für komplexe offene Probleme gefunden, die so unkonventionell waren, dass menschliche Experten sie allein nie in Betracht gezogen hätten.⁶ Entscheidend dabei: Diese Systeme sind keine einfachen Chatbots. Es sind maßgeschneiderte KI-Umgebungen, in denen mehrere Modelle, spezialisierte Algorithmen und menschliche Expertise systematisch zusammenwirken. Das zeigt: Die Frage ist nicht, ob KI „wirklich“ kreativ sein kann. Die Frage ist, ob wir sie richtig einsetzen. Je durchdachter die technische Umgebung und der verzahnte Prozess zwischen Menschen und Maschine, desto anspruchsvoller die kreativen Ergebnisse. Von Alltagskreativität bis hin zu genuinen wissenschaftlichen Durchbrüchen.
In der Anwendung liegt hier eine enorme Chance. Statt eines einzelnen Prompts lässt sich ein strukturierter kreativer Prozess designen: KI generiert breit, der Mensch kuratiert und gibt Richtung; KI vertieft die besten Ansätze, der Mensch bewertet mit Blick auf Kontext und Kunde. Das ist eine zentrale Erkenntnis: Prozessdesign schlägt Technologiewahl.
Die strategische Falle: Wenn alle gleich kreativ sind
Es gibt noch ein Paradox, das man besser verstehen sollte. Eine vielbeachtete Studie in Science Advances zeigt: KI steigert die individuelle kreative Leistung messbar. Nur, wenn viele Menschen dieselben Tools mit ähnlichen Prompts nutzen, sinkt die Vielfalt des kollektiven Ideenpools erheblich.⁷ Unsere eigenen Daten bestätigen den Mechanismus: Modelle produzieren trotz aller Zufälligkeit im Detail stabile thematische Cluster und stilistische Muster, eben dieselben kreativen Fingerabdrücke, immer wieder.⁸ Übertragen auf den Agenturalltag: Wenn jede Agentur für die Briefings denselben Chatbot mit ähnlichem Prompt befragt, werden die Pitch-Konzepte einander immer ähnlicher. Die individuelle Effizienz und Qualität steigt, die strategische Differenzierung sinkt.
Das ist kein Grund zur Resignation, sondern ein Wettbewerbsvorteil für alle, die es verstehen. Denn die Lösung liegt genau dort, wo unsere Forschung den größten Hebel identifiziert: im Aufgaben- und Prozessdesign. Wer kreative Aufgaben präzise formuliert, wer verschiedene Promptstrategien und Modelle bewusst kombiniert, wer menschliche Kuratierung systematisch einbaut, der erzeugt Ergebnisse, die sich vom KI-Einheitsbrei abheben. Die über 60 Prozent Varianz, die vom Prompt abhängen, sind kein abstraktes Forschungsergebnis, sie sind eine Einladung an alle, die ihr Handwerk ernst nehmen.
Was den Unterschied macht: Der Mensch
I kann Ideen generieren. Was sie nicht kann: entscheiden, welche Idee zu diesem Kunden passt, in welcher spezifischen Lage funktioniert oder beim Management punkten wird. Sie hat kein Gespür für den Raum, kein Timing, keine Haltung. Sie kann einen brillanten Entwurf liefern, aber sie kann nicht dafür einstehen. Was ihr fehlt, ist das, was Amabile als intrinsische Motivation beschreibt: der innere Antrieb, an einer Sache zu arbeiten, weil sie einem wichtig ist. Ohne diesen Antrieb gibt es Produktion, aber keine Bedeutung.
In einer Welt, in der die Produktion kreativer Inhalte zur Commodity wird, verschiebt sich der Wert. Die Kernkompetenz der Zukunft ist nicht, die beste Idee zu haben, sondern die passende Idee zu erkennen, im richtigen Moment, für den richtigen Kontext. Kontextsensibilität, Beziehungsintelligenz und strategisches Urteilsvermögen werden damit zu „Soft Skills“, sie werden zur eigentlichen Arbeit — und zum entscheidenden Wettbewerbsfaktor im Zeitalter generativer KI.
Fazit
KI hebt den Boden kreativer Arbeit. Was gestern eine Stunde dauerte, dauert heute zehn Minuten. Aber die Decke bleibt menschlich: Bedeutung geben, Relevanz erkennen, Verantwortung übernehmen. Ob KI „wirklich“ kreativ ist, darüber lässt sich trefflich streiten. Für die Praxis zählt etwas anderes: Was kommt heraus, und was macht man daraus? Die Gewinnerinnen und Gewinner dieser Entwicklung werden nicht die sein, die den besten Prompt schreiben. Sondern die, die den besten kreativen Prozess gestalten mit der KI als Partner statt als Ersatz.
TAKE AWAY
Vier Prinzipien für KI im kreativen Prozess
Einmal prompten reicht nicht.
KI-Ausgaben sind stochastisch und jeder Durchlauf liefert andere Ergebnisse. Generieren Sie bewusst mehrere Varianten und kuratieren Sie anschließend. Diese Variabilität ist kein Bug, sondern ein Feature.
Gestalten Sie den Prozess, nicht nur den Prompt.
Die größten Qualitätssprünge entstehen nicht durch bessere Prompts, sondern durch strukturierte Workflows: KI für Divergenz, Mensch für Konvergenz, KI für Kritik, Mensch für Sinnstiftung.
Nutzen Sie KI für Breite, Menschen für Tiefe.
KI kann den Möglichkeitsraum in Minuten aufspannen. Die Bewertung, welche Idee strategisch trägt, zum Kontext passt und beim Kunden verfängt, bleibt Ihre Aufgabe.
Diversifizieren Sie bewusst.
Wenn alle dasselbe Tool gleich nutzen, konvergieren die Ergebnisse. Setzen Sie gezielt verschiedene Modelle, Perspektiven und Promptstrategien ein, um sich vom Wettbewerb abzuheben.
Quellen
¹ Runco, M.A. & Jaeger, G. J. (2012). The Standard Definition of Creativity. Creativity Research Journal, 24(1), 92–96. https://doi.org/10.1080/10400419.2012.650092
² Kaufman, J. C., & Beghetto, R. A. (2009). Beyond big and little: The four c model of creativity. Review of General Psychology, 13(1), 1–12. https://doi.org/10.1037/a0013688
³ Amabile, T. M., & Pratt, M. G. (2016). The dynamic componential model of creativity and innovation in organizations: Making progress, making meaning. Research in Organizational Behavior, 36, 157–183. https://doi.org/10.1016/j.riob.2016.10.001
⁴ Haase, J., Hanel, P. H. P., & Pokutta, S. (2025). Has the creativity of large-language models peaked?: An analysis of inter- and intra-LLM variability. Journal of Creativity, 35(3), 100113. https://doi.org/10.1016/j.yjoc.2025.100113
⁵ Haase, J., Gonnermann-Müller, J., Hanel, P. H. P., Leins, N., Kosch, T., Mendling, J. & Pokutta, S. (2026). Within-model vs between-prompt variability in large language models for creative tasks. arXiv. 10.48550/arXiv.2601.21339
⁶ Haase, J., & Pokutta, S. (2025). Human-AI Co-Creativity: Exploring Synergies Across Levels of Creative Collaboration. https://doi.org/10.48550/arXiv.2411.12527
⁷ Doshi, A. R., & Hauser, O. P. (2024). Generative AI enhances individual creativity but reduces the collective diversity of novel content. Science Advances, 10(28), 1–9. https://doi.org/10.1126/sciadv.adn5290
⁸ Haase, J., Gonnermann-Müller, J., Hanel, P. H. P., Leins, N., Kosch, T., Mendling, J. & Pokutta, S. (2026). Within-model vs between-prompt variability in large language models for creative tasks. arXiv. 10.48550/arXiv.2601.21339
Dr. Jennifer Haase forscht an der Humboldt-Universität zu Berlin und am Weizenbaum-Institut für die vernetzte Gesellschaft zu Kreativität, Künstlicher Intelligenz und Mensch-KI-Zusammenarbeit. Ihre Arbeiten zu KI-generierter Kreativität wurden international breit rezipiert und in führenden Fachzeitschriften publiziert.
