Kreativität in Zeiten von KI: Was bleibt menschlich?

Kreativität gilt – zusammen mit kritischem Denken, Kommunikation und Kollaboration – als eine der vier sogenannten 4K-Kompetenzen. Diese beschreiben, welche Fähigkeiten Menschen in einer zunehmend komplexen und digitalisierten Welt besonders brauchen. Knaus et al. (2024 zitiert nach u. a. Aufenanger 2020, S. 5; Guilford 1950, S. 452) beschreibt Kreativität dabei als die Fähigkeit, neue Ideen zu entwickeln und gestalterisch oder schöpferisch tätig zu sein. Gleichzeitig verstehen Illgen et al. (2025) darunter auch etwas Praktisches: die Fähigkeit, neue und wirksame Lösungen für alltägliche Probleme zu finden.

Kreativität ist also keine Eigenschaft weniger Auserwählter. Sie ist eine erlernbare und förderbare Kompetenz, was sie für Bildungseinrichtungen besonders relevant macht.

KI im Kreativbereich: Wandel und Einsatz

Viele Kreativschaffende nutzen KI-Tools bereits aktiv: Werbetexter*innen lassen sich Entwürfe erstellen, Grafiker*innen prüfen und verfeinern KI-Ausgaben kritisch, Musiker*innen lassen sich von maschinell remixten Sounds inspirieren (Knaus et al., 2024). Laut einer empirischen Studie mit 96 Teilnehmenden sind die häufigsten Anwendungsfelder Textgenerierung, Ideenfindung und Bild- und Grafikdesign. Dabei werden Zeitersparnis, Inspiration und Unterstützung beim Einstieg in kreative Prozesse als Vorteile genannt (Illgen et al., 2025).

Gleichzeitig sind die Auswirkungen auf den Arbeitsmarkt spürbar. Bereits acht Monate nach der Einführung von ChatGPT verschwand ein Fünftel der Schreib- und Programmierjobs auf Freelance-Plattformen weltweit (Ibrahim, 2024a). Illustrator Tobias Wieland bringt die Problematik auf den Punkt: KI werde derzeit nicht als Werkzeug eingesetzt, sondern als Ersatz (Günther, 2026). Nicht alle Berufe sind jedoch gleich betroffen, Berufsfelder, die Nuancen, Urteilsvermögen und menschliche Nähe erfordern, wie etwa das Dolmetschen in politischen Kontexten, zeigen sich bislang widerstandsfähiger (Günther, 2026).

Wie kreativ ist KI wirklich?

Bellemare-Pepin et al. (2026) haben in einer grossen Studie die divergente Kreativität von KI-Sprachmodellen mit den Leistungen von 100’000 menschlichen Teilnehmenden verglichen. Ihr Ergebnis: Mehrere Sprachmodelle – darunter GPT-4 – übertreffen den Durchschnitt der menschlichen Population beim sogenannten Divergent Association Task (DAT). Der DAT ist ein psychologischer Kreativitätstest, der das divergente Denken misst, indem Testpersonen zu einem vorgegebenen Begriff in kurzer Zeit zehn Begriffe angeben müssen, die sich vom vorgegebenen Begriff und untereinander möglichst weit unterscheiden. Auch bei kreativen Schreibaufgaben wie Haikus (kurze, traditionelle japanische Gedichte), Kurzzusammenfassungen und Kurzgeschichten zeigen die Modelle beachtliche Leistungen.

Und dennoch werden die kreativsten Menschen, jene in der oberen Hälfte der Verteilung, (noch) von keinem der getesteten Modelle übertroffen. Es besteht eine klare Obergrenze, die aktuelle KI-Systeme nicht erreichen (Bellemare-Pepin et al., 2026). Die Forschenden betonen zudem, dass ähnliche Outputs auf sehr unterschiedlichen Mechanismen beruhen können: Was die KI produziert, entsteht durch statistische Mustererkennung in Trainingsdaten – nicht durch Erfahrung, Intention oder Bedeutungsverstehen.

Knaus et al. (2024) setzen hier einen wichtigen konzeptuellen Rahmen. Sie unterscheiden, angelehnt an die KI-Forscherin Margaret Boden, drei Ebenen von Kreativität: kombinatorische, explorative und transformative Kreativität. KI-Systeme können auf der ersten Ebene, der Rekombination und dem Remix bestehender Inhalte, beeindruckend agieren. Die höheren Ebenen, die genuinem Neuem, Überraschendem und Unvorhergesehenem entsprechen, bleiben jedoch schwer fassbar für Maschinen. Kreativität hänge nach Knaus et al. (2024) mit einer nicht algorithmierbaren Form von Spontaneität zusammen, die mit dem Begriff der menschlichen Freiheit verbunden ist. Menschen sind, anders als Maschinen, in der Lage, Regeln zu brechen, Impulse reflexiv umzudisponieren und dabei einen stets veränderbaren Handlungsraum zu schaffen.

Generative KI kann also Stile imitieren, Muster rekombinieren und überraschend gut klingende Texte produzieren. Aber sie schöpft aus dem Vorhandenen, aus menschlichen Artefakten, die als Trainingsdaten dienen. Anne Behl (vgl. Günther, 2026) ist Illustratorin und merkt an, dass sie, wenn sie ein KI-generiertes Bild sehe, darin Kolleg*innen erkenne, deren Stile zusammengemischt wurden und das leider ohne deren Zustimmung.