Kontext
Der Vortrag von Mirek Claßen (Vertretungsprofessor für Data Driven Design an der Münster School of Architecture) beleuchtet die transformative Rolle von KI in der Architektur- und Designlehre. Anhand von Praxisbeispielen aus der Hochschullehre wird diskutiert, wie KI-Tools wie Stable Diffusion oder Finch den Entwurfsprozess beschleunigen und welche Kompetenzen zukünftig im Mittelpunkt stehen. Der Fokus liegt auf der Verschiebung von handwerklichen Fähigkeiten hin zu gestalterischer Intention, ethischer Verantwortung und der souveränen Nutzung von KI als kollaborativem Partner.
Kernaussagen
1. KI als Planungspartner: Kollaboration statt Automatisierung
- Rolle der KI: KI wird nicht als Ersatz für Gestalter:innen, sondern als unterstützendes Tool in der Ideenfindung und Variantenexploration verstanden.
- Beispiele:
- Automatisierte Grundrissoptimierung (z. B. Tool Finch).
- Generierung von 3D-Modellen aus 2D-Bildern (z. B. Nano Banana).
- Schnellere Erstellung von Visualisierungen und Materialsystemen.
- Effekt: Verkürzung der Entwurfsphase und Ermöglichung einer breiteren Exploration räumlicher Qualitäten.
2. Verschiebung von Handwerk zu Intention und Ethik
- Handwerkliche Aufgaben: KI übernimmt repetitive Aufgaben wie Layouts, Farbwahl, einfache Codierung oder Textgenerierung.
- Neue Schwerpunkte in der Lehre:
- Gestalterische Intention: Klare Definition des "Warum" hinter einem Entwurf.
- Empathie und Nutzerzentrierung: Fokus auf UX-Design und kontextspezifische Lösungen.
- Ethische Verantwortung: Kuration von KI-generierten Inhalten und Reflexion über Urheberschaft.
- Kritische Haltung: KI produziert "plausible" Ergebnisse, die menschliche Innovation und Brüche mit der Vergangenheit nicht ersetzen können.
3. Technologische Evolution: Von Prompts zu agentischen Systemen
- Aktueller Stand: Lineare Prompt-Antwort-Zyklen (z. B. ChatGPT).
- Zukünftige Entwicklung:
- KI-Agenten: Systeme, die eigenständig handeln, auf Datenbanken zugreifen und komplexe Aufgaben erledigen (z. B. Flugbuchungen, Terminplanung).
- Vibe Coding: Erstellung von Web-Applikationen oder 3D-Tools ohne tiefes Programmierwissen (z. B. Mock-ups für Onlineshops oder Architekturvisualisierungen).
- Weltmodelle: KI lernt räumliche Zusammenhänge zu verstehen (z. B. für humanoide Roboter oder autonome Planungssysteme).
- Herausforderungen: Risiken durch autonome Entscheidungen (z. B. ungewollte Buchungen) und rechtliche Grauzonen.
4. Integration in die architektonische Wertschöpfungskette
- Anwendungsbereiche:
- Ideenfindung: Generierung von Entwurfsvarianten (z. B. aus Skizzen oder Fotos).
- Modellierung: Semantische Erkennung von Räumen und automatisierte Dokumentation.
- Visualisierung: KI-generierte Renderings und Animationen.
- Beispiel aus der Lehre:
- Studierende an der University of Pennsylvania nutzten KI, um aus Fotos Gebäudeentwürfe zu generieren.
- Workflow: Von groben Skizzen zu stilistischen Varianten in kürzester Zeit.
5. Rechtliche Grauzonen und Urheberschaft
- Aktuelle Rechtslage in Deutschland:
- KI-generierte Inhalte sind gemeinfrei, sofern sie nicht stark von Menschen moderiert wurden.
- Weder Tool-Entwickler:innen noch die KI selbst können Urheberrechte beanspruchen.
- Trainingsdaten:
- Nutzung von lizenzierten Inhalten (z. B. Bücher) für das Training ist rechtlich umstritten, da die KI nicht direkt auf diese Daten zugreift, sondern nur auf Wahrscheinlichkeitsmodelle.
- Beispiel: LAION-5B-Datensatz mit 5,8 Mrd. Text-Bild-Paaren.
6. Didaktische Impulse für die Lehre
- Praktische Ansätze:
- KI als Reflektor: Nutzung von KI als "Bad Cop" für kritische Reflexion von Entwürfen.
- Zweistufige Aufgabenstellungen:
- KI generiert Lösungen.
- Studierende korrigieren Schwachstellen und reflektieren die Ergebnisse.
- Nutzungsskalen: Definition klarer KI-Nutzungsgrade in Seminaren (z. B. "nur für Moodboards").
- Faktenchecks: Überprüfung von KI-generierten Inhalten auf Plausibilität.
- Tools für die Praxis:
- Generierung von Moodboards, Collagen oder animierten Visualisierungen.
- Erstellung von Materialstudien oder Boot-Bots für Innenarchitektur.
7. Risiko der "Wissenskapsel"
- Gefahr der Stagnation:
- KI basiert auf Wahrscheinlichkeiten der Vergangenheit und kann keine echten Innovationen generieren.
- Traffic-Rückgang: Durch KI-Zusammenfassungen sinkt der Besuch von Originalquellen (z. B. Foren, journalistische Inhalte).
- Beispiel: Reddit verzeichnete 20 % Zuwachs, da KI häufig auf das Forum verweist.
- Geschäftsmodelle: Werbeeinnahmen für freie Journalist:innen brechen weg, da Nutzer:innen keine Originalseiten mehr besuchen.
- Prognose: Trainingsdaten könnten bald erschöpft sein (Projektion für 2024: gesamte verfügbare Internet-Texte werden genutzt).
Fazit
KI verändert die Architektur- und Designlehre grundlegend, indem sie handwerkliche Aufgaben übernimmt und den Fokus auf gestalterische Intention, Nutzerempathie und ethische Verantwortung lenkt. Dozierende sollten KI als kollaborativen Partner in die Lehre integrieren – etwa durch reflektierte Nutzung, kritische Auseinandersetzung mit KI-generierten Inhalten und die Förderung von transformativen Kompetenzen bei Studierenden. Gleichzeitig gilt es, die Souveränität der Gestalter:innen zu wahren und die Risiken einer "Wissenskapsel" durch aktive Quellenarbeit und Innovation zu vermeiden.
Handlungsempfehlungen:
- Lehre anpassen: Schwerpunkte auf UX-Design, ethische Reflexion und KI-Kompetenzen legen.
- KI-Tools didaktisch nutzen: Zweistufige Aufgaben, Nutzungsskalen und Faktenchecks einführen.
- Rechtliche Grauzonen thematisieren: Urheberschaft und Datennutzung kritisch diskutieren.
- Innovation fördern: Aktive Auseinandersetzung mit Originalquellen und menschlichem Austausch (z. B. in Foren) stärken.
