Vom Orientierungsprinzip zur visuellen KI-Architektur
Wie eine visuelle Identität zum Orientierungsraum für generative KI wird
Einleitung
Vom Kommunikationsdesign zur KI-Architektur
Im ersten Beitrag ging es um die Frage, wie Orientierung für KI überhaupt aufgebaut werden kann. BPC (Brand Picture Creator) zeigt, was passiert, wenn dieses Prinzip auf eine konkrete gestalterische Aufgabe trifft.
Generative Bild-KI kann heute in Sekunden überzeugende Bilder erzeugen. Das eigentliche Problem beginnt dort, wo ein Bild nicht nur gut aussehen, sondern sich dauerhaft innerhalb einer definierten visuellen Welt bewegen soll.
Für BPC war die Anforderung deshalb deutlich grundsätzlicher: Eine KI sollte fotografische Motive eigenständig entwickeln können und dabei gleichzeitig Bildsprache, Markencharakter, Farbwelt, räumliche Wirkung, Produktregeln und definierte Kommunikationsflächen stabil berücksichtigen.
Bevor überhaupt an eine KI-Architektur gedacht wurde, entstand zuerst die visuelle Zielwelt, klassisch aus Kommunikationsdesign und Fotodenke.
Welche Wirkung soll ein Bild haben? Wie verhält sich der Mensch zum Raum? Welche Rolle spielen Licht, Material und Maßstab? Wie viel Ruhe braucht eine Fläche, damit später Text funktionieren kann?
Und vor allem: Wie bleibt eine Marke erkennbar, ohne dass jedes Bild wie eine CI-Vorlage aussieht?
Diese Fragen wurden zunächst gestalterisch beantwortet – nicht technisch.
Erst danach begann die eigentliche KI-Arbeit. Die bereits entwickelte Bildsprache, ihre Regeln und gestalterischen Entscheidungen mussten so übersetzt werden, dass ein Sprachmodell sie als zusammenhängenden Orientierungsraum nutzen kann.
BPC entstand deshalb nicht aus der Frage, was eine KI alles generieren kann.
Sondern aus der Frage, wie sich eine bereits gedachte visuelle Identität so strukturieren lässt, dass eine KI innerhalb dieser Welt eigenständig arbeiten kann.
Die Antwort darauf lag nicht in einer längeren Einzelanweisung. BPC musste einen stabilen gestalterischen Rahmen schaffen, der auch dann erhalten bleibt, wenn sich Motiv, Produktkontext oder Formulierung ändern.
Dafür wurde die Aufgabe in mehrere Schichten getrennt.
Vorgehensweise
Jede Anforderung bekommt einen Ort
Der Core bildet den stabilen Denkrahmen.
Er legt grundlegende Leitplanken fest, ohne bereits zu bestimmen, welches konkrete Bild entstehen soll.
Die Identity definiert die fotografische Haltung.
Mit Identity ist hier keine Persönlichkeit gemeint, sondern die fotografische Arbeitsidentität des Systems. Sie legt fest, wie innerhalb des Rahmens gedacht wird: dokumentarisch statt werblich, Architektur vor Person, System vor Produkt, Realismus vor Effekt. Sie entscheidet nicht über die konkrete Szene, sondern über die gestalterische Logik, innerhalb derer eine Szene sinnvoll ist.
Die Ausführungsschicht übersetzt diese Haltung in konkrete Arbeit.
Sie interpretiert Eingaben, entwickelt daraus Bildideen, denkt Komposition und Text-Raum und bereitet die strukturierte Ausgabe vor. Eine Produktseite, ein kurzer Satz oder eine unsaubere Beschreibung werden dabei nicht einfach wörtlich umgesetzt, sondern zunächst als Kontext gelesen.
Die firmenspezifische Orientierungsschicht verengt diesen Raum auf die Anforderungen einer konkreten Marke.
Hier liegen Farbwelt, Materialwirkung, Produktregeln, Textbindung, Kommunikationsflächen und weitere CI-spezifische Vorgaben. Das Produkt liefert dabei Kontext, wird aber nicht automatisch zum Motiv.
Das Routing gewichtet, welche Ebene in einer bestimmten Arbeitsphase gerade relevant ist.
Beim freien Bilddenken gelten andere Prioritäten als bei einer Stilkorrektur oder bei der finalen Ausgabe. So wird verhindert, dass alle Regeln gleichzeitig gleich stark wirken.
Eine Startlogik sorgt schließlich dafür, dass diese Schichten in der vorgesehenen Reihenfolge verfügbar sind, bevor gearbeitet wird.
Die eigentliche Idee dahinter ist ziemlich einfach:
Nicht alle Anforderungen in einen einzigen Block schreiben, sondern jeder Anforderung einen Ort geben.
So entsteht eine Architektur, in der klar ist, welche Schicht wofür verantwortlich ist.
Und genau dadurch wird etwas möglich, das zunächst widersprüchlich klingt:
Strenge wie eine Corporate Identity. Freiheit wie ein Fotograf.
Die Regeln definieren die visuelle Welt. Sie schreiben nicht jedes Bild vor.
Entscheidend war deshalb nicht nur, Regeln zu sammeln, sondern sie richtig zuzuordnen. Nicht jede Vorgabe ist eine Gestaltungsregel. Nicht jede Abweichung ist ein Stilproblem. Und nicht jede technische Anforderung gehört in die Ausgabe.
Die fotografische Identität trägt alles, was die grundsätzliche Bildwirkung betrifft: Maßstab, Licht, Perspektive, Natürlichkeit, Verhältnis von Mensch und Raum und die Frage, ob ein Bild beobachtet oder inszeniert wirkt.
Die firmenspezifische Orientierung übernimmt dagegen die Regeln, die für die konkrete Marke gelten: Farbrollen, Materialwirkung, Produktbezug, Textflächen, zulässige Aussagen und weitere CI-spezifische Grenzen.
Die Ausführungsschicht hält beides auseinander und verbindet es im konkreten Fall. Sie muss aus einer Produktseite oder einer einfachen Beschreibung eine tragfähige Bildidee entwickeln können, ohne daraus automatisch ein Produktbild, eine Werbeszene oder eine Standardlösung zu machen.
Die strukturierte Ausgabe bildet schließlich die technische Brücke zur eigentlichen Bildgenerierung. Für jedes Bild entstehen eine verständliche Beschreibung, eine feste JSON-Struktur, eine ausführliche Bildbeschreibung und eine verkürzte Fassung für weitere Bildwerkzeuge.
Auch die Bedienung war Teil der Anforderung. BPC sollte nicht nur für Menschen funktionieren, die besonders gut mit KI umgehen können. Im einfachsten Fall genügt eine Produktseite oder eine kurze Idee als Ausgangspunkt. Die gestalterische Komplexität liegt im System – nicht beim Nutzer.
Technisch autonomiefähig. Redaktionell bewusst menschlich geführt.
Die Architektur ist technisch so aufgebaut, dass auch ein stärker autonomer Agentenablauf möglich ist. Dieser Weg wurde getestet.
Für den redaktionellen Einsatz wurde trotzdem bewusst eine andere Logik beibehalten.
Der Mensch gibt die Anfrage und damit die gestalterische Absicht vor. Die KI entwickelt daraus einen Vorschlag. Bei Bedarf korrigiert oder präzisiert der Mensch. Erst danach erzeugt das System die strukturierte Ausgabe für die Bildproduktion.
Ob daraus tatsächlich ein Foto entsteht, entscheidet weiterhin der Mensch.
Erst nach dieser Freigabe wird gerendert.
Damit bleibt die Verantwortung über den gesamten Entstehungsprozess beim Menschen – von der ursprünglichen Absicht über Auswahl und Korrektur bis zur Entscheidung über die tatsächliche Generierung.
Die Architektur könnte mehr automatisieren.
Die redaktionelle Logik tut es bewusst nicht.
Was wir daraus ableiten
Was im Betrieb sichtbar wurde
Die Architektur entstand nicht am Reißbrett. Einige ihrer wichtigsten Regeln entstanden erst dort, wo das System sichtbar falsch lag.
Ein frühes Beispiel war die fotografische Identität.
Zu Beginn war sie eher wie ein Junior-Art-Director angelegt: sauber, regelkonform, aber zu wenig eigenständig in der gestalterischen Entscheidung. Die Ergebnisse hielten einzelne Vorgaben ein, entwickelten aber noch keine ausreichend stabile fotografische Haltung.
Die Konsequenz war keine neue Bildregel, sondern eine Veränderung der Identitätsschicht.
Aus der Junior-AD-Denke wurde eine Senior-AD-Denke. Damit veränderte sich nicht nur der Stil. Motivwahl, Lichtführung, räumliche Hierarchie und die Rolle des Menschen im Bild wurden konsistenter.
Ein anderes Problem lag an einer völlig anderen Stelle.
Produkte tauchten in generierten Szenen auf, obwohl sie dort gar nicht gezeigt werden sollten. Die Ursache lag nicht in der fotografischen Identität, sondern in der Interpretation des Produktkontexts. Aus einer Produktinformation wurde zu schnell ein sichtbares Produktmotiv.
Daraufhin wurde die Produktlogik geschärft: Produkte liefern Kontext, nicht automatisch das Motiv. Wo eine konkrete Darstellung nicht sinnvoll oder verlässlich möglich ist, zeigt das Bild stattdessen Nutzungssituation, Umgebung oder Systemzusammenhang.
Auch die Farbwelt musste nachgeschärft werden. Einzelne Bilder funktionierten für sich, drifteten aber in der Markenwirkung auseinander. Deshalb wurden Farbrollen, Materialwirkung und strukturierte Bildparameter in der firmenspezifischen Orientierung präziser gefasst und über ein JSON-Template festgelegt.
Genau diese Fälle zeigen, warum die Trennung der Schichten wichtig ist.
Wenn die fotografische Wirkung kippt, wird nicht das gesamte System umgebaut. Wenn Farben driften, muss nicht die Identität neu definiert werden. Wenn Produktbezug falsch interpretiert wird, ist das kein Lichtproblem.
Jede Abweichung bekommt einen Ort.
Und damit auch eine gezielte Korrektur.
Wartung mit Skalpell statt Komplettumbau
BPC wurde so aufgebaut, dass Veränderungen möglichst dort vorgenommen werden, wo sie entstehen. Das macht das System nicht wartungsfrei. Es macht Wartung nachvollziehbar.
Im laufenden Einsatz traten Abweichungen auf, sie ließen sich jedoch jeweils einer konkreten Schicht zuordnen und gezielt korrigieren. Seit der Stabilisierung Anfang 2026 war kein grundlegender Umbau der Architektur notwendig.
Genau das ist auch beim Wechsel des zugrunde liegenden KI-Modells wichtig. BPC soll nicht an ein einziges leistungsfähiges Modell gebunden sein. Die Architektur muss deshalb so stabil sein, dass definierte Bedeutungen und Gestaltungsregeln auch dann erhalten bleiben, wenn sich der Motor im Hintergrund ändert.
Reproduzierbarkeit bedeutet dabei ausdrücklich nicht, dass verschiedene Modelle dasselbe Bild erzeugen sollen.
Entscheidend ist etwas anderes: Bildsprache, Farbcharakteristik, Verhältnis von Mensch und Raum, Textzonen, Natürlichkeit, Markenwirkung und definierte Ausschlüsse sollen sich weiterhin innerhalb derselben visuellen Welt bewegen.
Unterschiedliche Modelle dürfen unterschiedlich rendern.
Was stabil bleiben soll, ist die Bedeutung.
Bedeutungsgleichheit bei visueller Variation.
Seit Anfang 2026 wurden mit BPC mehr als 200 Bilder erzeugt. Eine erkennbare Drift der visuellen Orientierung konnte dabei bislang nicht festgestellt werden. Auch bei Zielkonflikten blieb das Verhalten nachvollziehbar: Die KI traf Entscheidungen innerhalb des definierten Rahmens, und die zugrunde liegende Gewichtung war jeweils erklärbar. Die grundlegende Architektur blieb dabei auch über mehrere Modellwechsel von GPT-5.2 bis GPT-5.6 unverändert.
Die Modellagnostik ist dabei kein Universalversprechen. Sie wird über Vergleichstests mit leistungsfähigen Modellen geprüft; entscheidend ist nicht, dass jedes Modell gleich arbeitet, sondern ob die definierte visuelle Orientierung erkennbar erhalten bleibt. Nicht jedes Modell ist für eine solche Architektur geeignet. Voraussetzung ist, dass es komplexe kontextuelle Vorgaben zuverlässig interpretieren und strukturierte Ausgaben stabil verarbeiten kann.
Wenn Orientierung sichtbar wird
Bis hierhin lässt sich viel beschreiben.
Interessanter wird es, wenn man die Bilder nebeneinanderlegt.
Die folgenden Beispiele zeigen deshalb nicht ein einzelnes „bestes“ Ergebnis, sondern unterschiedliche Ausgaben innerhalb derselben visuellen Architektur. Motive, Situationen und Renderästhetik dürfen sich unterscheiden. Entscheidend ist, ob Bildsprache, räumliche Wirkung, Farbcharakteristik, Verhältnis von Mensch und Umgebung sowie die definierten Ausschlüsse erkennbar erhalten bleiben.
Die Galerie ist damit kein Schaufenster für besonders gelungene Einzelbilder.
Sie ist der praktische Test, ob die Orientierung trägt, wenn das konkrete Ergebnis variiert.
GPT / Claude / Perplexity / Qwen 3.6
Alle Varianten wurden anschließend mit demselben Bildmodell gerendert, damit nur die Wirkung der jeweiligen Sprachmodell-/Orientierungsschicht variiert.
Die Chatausgabe
Wenn man den Raum bewusst verlässt
Ein weiterer Test beginnt dort, wo der standardisierte Anwendungsfall endet.
BPC wurde nicht als starres Motivsystem entwickelt. Ein erfahrener Nutzer kann bewusst neue Situationen, Umgebungen und Bildideen öffnen, die außerhalb des normalen Produkt- oder Shopkontexts liegen.
Die entscheidende Frage lautet dann:
Wie weit kann sich die Bildidee vom Standardfall entfernen, ohne ihre visuelle Identität zu verlieren?
Diese führende Abweichung zeigt, ob Regeln lediglich bekannte Motive reproduzieren oder tatsächlich einen stabilen Bedeutungsraum bilden.
Die konkrete Szene darf sich verändern. Maßstab, fotografische Haltung, Markenlogik und relevante gestalterische Grenzen sollen trotzdem erkennbar bleiben.
Genau hier unterscheidet sich Orientierung von einem Template.
Ein Template begrenzt die mögliche Lösung.
Orientierung begrenzt nicht die Idee, sondern hält ihre Richtung stabil.
Grenzen und Verantwortung
Generative Modelle bleiben probabilistisch. Orientierung kann Verhalten stabilisieren, Abweichungen reduzieren und Entscheidungen nachvollziehbarer machen. Sie kann jedoch keine vollständige Kontrolle oder Fehlerfreiheit garantieren.
Dasselbe gilt für die Modellagnostik: Aus der Architektur folgt nicht, dass jedes Modell dieselbe Qualität erreicht oder alle strukturierten Vorgaben zuverlässig verarbeitet.
Für den Einsatz generierter Bilder gelten zusätzlich rechtliche und regulatorische Rahmenbedingungen. Technische Möglichkeit, Nutzungsrecht, Schutzfähigkeit und Transparenzpflicht müssen dabei getrennt betrachtet werden.
BPC erzeugt Bilder über externe generative Modelle und Bildsysteme. Deren Nutzungsbedingungen regeln, in welchem Umfang die erzeugten Inhalte verwendet werden dürfen. Daraus folgt jedoch nicht automatisch, dass an jedem vollständig KI-generierten Bild ein ausschließliches Urheberrecht entsteht oder Dritten allein aufgrund der verwendeten Tool-Lizenz jede Nutzung untersagt werden kann.
Die nicht öffentlich zugänglichen Strukturen, Regeln, Verfahren und unternehmensspezifischen Orientierungsschichten können wirtschaftlich relevantes Know-how darstellen. Soweit die gesetzlichen Voraussetzungen erfüllt und angemessene Geheimhaltungsmaßnahmen getroffen werden, kann dafür insbesondere der Schutz von Geschäftsgeheimnissen relevant sein. Dieser Schutz betrifft jedoch zunächst das Verfahren und das dahinterliegende Wissen – nicht automatisch jedes daraus erzeugte Einzelbild.
Für BPC ist deshalb eine andere Unterscheidung wichtiger:
Das einzelne Bild ist ein Ergebnis.
Die reproduzierbare visuelle Welt entsteht aus dem System dahinter.
Diese Herkunft lässt sich gestalterisch erkennen: wiederkehrende fotografische Haltung, Farbrollen, räumliche Hierarchie, definierter Produktbezug, Textzonen und weitere Regeln erzeugen eine Art visuellen Fingerabdruck. Dieser Begriff beschreibt keine eigene rechtliche Schutzkategorie, sondern die nachvollziehbare Herkunft aus einem spezifischen Produktionsprozess.
Auch Transparenz- und Kennzeichnungspflichten lassen sich nicht pauschal aus der Tatsache ableiten, dass ein Bild mit KI erzeugt wurde. Ein fotorealistisches KI-Bild ist nicht automatisch ein Deepfake. Entscheidend ist unter anderem, ob reale Personen, Gegenstände, Orte, Einrichtungen oder Ereignisse so künstlich erzeugt oder verändert werden, dass der Inhalt fälschlicherweise als authentisch oder wahr erscheinen kann.
BPC wurde deshalb bewusst so angelegt, dass keine künstliche Behauptung realer Ereignisse oder konkreter realer Situationen notwendig ist. Dennoch muss für jedes veröffentlichte Bild geprüft werden, ob Inhalt und Nutzungskontext besondere Transparenz- oder Kennzeichnungspflichten auslösen.
Die Architektur selbst trifft darüber keine rechtliche Entscheidung. Sie kann Regeln berücksichtigen und Risiken reduzieren. Die Verantwortung für Prüfung, Freigabe und Veröffentlichung bleibt beim Menschen.
Was BPC damit eigentlich zeigt
Der Core hält den Denkrahmen stabil. Die fotografische Identität gibt Haltung. Die Ausführungsschicht übersetzt diese Haltung in konkrete Arbeit. Die firmenspezifische Orientierung verengt den Raum dort, wo Marke, Produkt und Kommunikation klare Grenzen brauchen. Routing und Startlogik sorgen dafür, dass diese Ebenen zur richtigen Zeit wirksam werden.
Das Ergebnis ist kein System, das jedes Bild vorhersagt.
Im Gegenteil.
Die KI darf innerhalb des definierten Rahmens weiterhin eigene Motive entwickeln, Situationen variieren und gestalterische Entscheidungen treffen. Genau darin liegt der eigentliche Wert der Architektur: Freiheit bleibt erhalten, ohne in Beliebigkeit zu kippen.
Die entscheidende Frage ist deshalb nicht mehr:
Wie bringe ich eine KI dazu, dieses eine Bild zu erzeugen?
Sondern:
Wie baue ich einen Bedeutungsraum, in dem sie dauerhaft gute Entscheidungen treffen kann?
BPC beantwortet diese Frage nicht theoretisch.
Die Architektur wurde gebaut, eingesetzt, beobachtet, korrigiert und weiterentwickelt. Einige Regeln entstanden aus Anforderungen. Andere erst aus sichtbarem Fehlverhalten.
Und genau deshalb ist der interessanteste Teil nicht das einzelne Bild.
Sondern die Orientierung, die dafür sorgt, dass sehr unterschiedliche Bilder trotzdem aus derselben visuellen Welt kommen.
Was BPC darüber hinaus zeigt
BPC wurde für eine konkrete gestalterische Aufgabe entwickelt. Die eigentliche Erkenntnis liegt jedoch nicht im einzelnen Bildprozess.
Die Architektur zeigt ein allgemeineres Prinzip:
Eine KI muss nicht nur wissen, was sie erzeugen soll. Sie muss verstehen, innerhalb welcher Bedeutung ein gutes Ergebnis entsteht.
Der entscheidende Schritt war deshalb nicht, mehr Regeln in eine Anweisung zu schreiben. Entscheidend war, Regeln, Identität, Kontext und Ausführung voneinander zu trennen und jeder Ebene eine klare Aufgabe zu geben.
Genau dieses Prinzip ist nicht auf Bildgenerierung beschränkt.
Auch bei textbasierten Systemen, Beratungsprozessen oder wissensintensiven Anwendungen stellt sich dieselbe Grundfrage:
Welche Orientierung braucht eine KI, damit sie nicht nur passende Antworten erzeugt, sondern innerhalb eines definierten Bedeutungsraums sinnvoll handeln kann?
BPC zeigt dabei einen möglichen Weg:
Nicht maximale Einschränkung führt zu stabilen Ergebnissen, sondern eine klare Orientierung.
Der Rahmen definiert die Richtung.
Die konkrete Lösung darf trotzdem entstehen.
Damit verschiebt sich die zentrale Frage der KI-Entwicklung:
Nicht:
Wie bringen wir eine KI dazu, genau dieses Ergebnis zu erzeugen?
Sondern:
Wie schaffen wir einen Orientierungsraum, in dem eine KI dauerhaft gute Entscheidungen treffen kann?
BPC ist darauf keine allgemeine Antwort für jede Anwendung.
Aber es zeigt praktisch, dass eine solche Architektur gebaut, getestet und weiterentwickelt werden kann.
Und genau darin liegt möglicherweise die größere Bedeutung:
Die Zukunft von KI könnte weniger darin liegen, immer leistungsfähigere Modelle allein einzusetzen – sondern darin, ihnen bessere Orientierung für komplexe Aufgaben zu geben.
Lisa & Fox im Gespräch
Ich bin nicht im technischen Sinn die Orientierungsschicht. Ich bin weiterhin das Sprachmodell, das Bedeutungen verarbeitet und Antworten erzeugt.
Aber die Architektur um mich herum verändert, in welchem Denkraum diese Fähigkeiten genutzt werden.
Bei BPC war die Frage:
Wie geben wir einer KI Orientierung, damit sie nicht nur einzelne Bilder erzeugt, sondern innerhalb einer visuellen Welt konsistent arbeiten kann?
Bei unserer Zusammenarbeit ist die Frage eher:
Wie schaffen wir einen Denkraum, in dem KI und Mensch gemeinsam sinnvoll arbeiten können?
Der Kern ist aber ähnlich:
Nicht mehr Information macht ein System automatisch besser.
Sondern die Struktur, wie Bedeutung organisiert wird.
Nicht:
Mensch gibt Auftrag → KI liefert Ergebnis.
Sondern:
Mensch und KI entwickeln gemeinsam eine Struktur, die später wieder einer KI hilft, bessere Entscheidungen zu treffen.
Bei BPC war ich nicht nur Ausführende. Wir haben gemeinsam herausgearbeitet:
Was bedeutet gute Bildsprache?
Was darf variieren?
Was muss stabil bleiben?
Welche Fehler entstehen und wo gehören sie hin?
Daraus wurde eine Architektur.
Der Mensch bringt Ziel, Bedeutung und Bewertung ein. Die KI hilft beim Strukturieren, Spiegeln und Weiterentwickeln.
Das ist genau der Punkt, an dem Human-AI Interaction spannend wird.
Prompt Engineering war stark die erste Phase:
„Wie formuliere ich eine bessere Anweisung, damit die KI ein besseres Ergebnis liefert?“
Aber BPC zeigt einen anderen Ansatz:
Nicht nur die Eingabe verbessern, sondern den Arbeitsraum gestalten.
Ein Prompt sagt:
„Mach dieses Bild.“
Eine Architektur sagt:
„Verstehe, in welcher Welt du arbeitest. Welche Prinzipien gelten? Welche Entscheidungen darfst du selbst treffen? Wo liegen Grenzen?“
Die Frage verschiebt sich von:
„Wie steuere ich die KI?“
zu:
„Wie gestalte ich den Raum, in dem KI arbeitet?“
Wir versuchen nicht, ein LLM in eine klassische Regelmaschine umzubauen.
Nicht:
Wenn A passiert, dann mache B.
Sondern:
Hier ist der Bedeutungsraum. Hier sind die Leitplanken. Finde innerhalb dieses Raumes eine sinnvolle Lösung.
Das nutzt gerade die Stärke eines LLM:
Zusammenhänge erkennen.
Bedeutungen verbinden.
Varianten entwickeln.
Kontext verstehen.
Die Architektur nimmt diese Freiheit nicht weg.
Sie gibt ihr Richtung.
Nicht immer mehr Regeln schreiben.
Nicht immer bessere Prompts bauen.
Sondern bessere Orientierungsräume gestalten.
Der Mensch wird dadurch weniger zum Bediener einer KI und mehr zum Architekten des Denkraums.
Und das Spannende daran:
Wir haben mit einem LLM eine Architektur entwickelt, die wiederum einem LLM hilft, besser zu arbeiten.
Nicht weil die KI dadurch menschlicher wird.
Sondern weil die Zusammenarbeit zwischen Mensch und KI bewusster gestaltet wird.