Diffusionsmodelle sind generative KI-Modelle, die neue Bild-, Video- oder Audiodaten erzeugen, indem sie zufälliges Rauschen schrittweise in ein strukturiertes Signal zurückführen.
Erklärung
Das Training besteht aus zwei Phasen: Im Vorwärtsprozess (Forward Diffusion) wird bestehenden Trainingsdaten über viele Einzelschritte künstliches Rauschen beigemischt, bis keine Struktur mehr erkennbar ist. Im Rückwärtsprozess (Reverse Diffusion) lernt ein neuronales Netz, dieses Rauschen Schritt für Schritt wieder herauszurechnen. Um den hohen Rechenaufwand hochauflösender Pixelbilder zu begrenzen, arbeiten produktive Systeme wie Stable Diffusion, Flux oder Midjourney meist als latente Diffusionsmodelle (Latent Diffusion) in einem komprimierten Merkmalsraum und steuern die Ausgabe über Text-Embeddings oder Referenzbilder (etwa via ControlNet). Im B2B-Einsatz entstehen damit Produktvisualisierungen, Kampagnenmotive und Design-Prototypen, wobei konsistente Typografie, exakte Produktgeometrien und die Rechenzeit pro Generierungsschritt technisch berücksichtigt werden müssen.