Wer als AI Consultant komplexe Industrieprojekte, technische Lastenhefte oder Produktkonzepte visuell begleiten will, stößt bei den bekannten KI-Tools schnell an eine unsichtbare Mauer.
Was als Schutz vor Missbrauch gedacht ist, wird in der Praxis schnell zur stumpfen Wort-Schranke. Und wie so oft bei stumpfen Schranken steht am Ende nicht Sicherheit im Vordergrund, sondern ein System, das Kontext nicht sauber versteht.
Am Beispiel meines aktuellen Projekts, der fiktiven Behörden-Plattform D.P. Arms DS9, zeigt sich dieses Paradoxon ziemlich deutlich.
Die Design-Idee: Muscle Memory statt Bedienchaos
Die DS9-Plattform basiert auf einer einfachen, aber starken Logik:
Eine Plattform. Zwei Einsatzformen. Eine Magazin- und Bedienlogik.
| D.P. ARMS DS9 PLATFORM |
| VARIANTE A: DS9-P | VARIANTE B: DS9-C |
| • Kompakte Dienstpistole | • Schultergestütztes |
| • Identische Bedienelemente | Sub-Carbine |
| • 9x19mm Standard-Magazin | • Identischer Lower |
| • Gleicher Griffwinkel | • Erweiterter Upper |
Der Gedanke dahinter ist Muscle Memory.
Wenn eine Einsatzkraft unter Stress von der Dienstpistole auf ein kompaktes Schulterwaffen-System wechselt, darf es keinen Bedienbruch geben. Griffwinkel, Magazinfreigabe, Sicherung und Hebelanordnung müssen logisch gleich bleiben.
Das spart Sekunden, reduziert kognitive Last und senkt Ausbildungskosten. Genau solche Punkte entscheiden in echten technischen Konzepten oft darüber, ob ein System nur gut aussieht oder tatsächlich sinnvoll funktioniert.
Der Filter-Frust: Wenn KI nur noch Signalwörter sieht
Für einen professionellen Showcase braucht man saubere, urheberrechtlich unbedenkliche Visuals. Keine kopierten Herstellerbilder, kein Markenklau, kein wild zusammengeklebter Pinterest-Müll.
Also: eigenes fiktives System, eigenes Branding, eigene technische Logik.
Und dann kommt ChatGPTs Bildgenerator.
Selbst bei industriebezogenen, nicht-operativen und klar als Konzeptvisualisierung formulierten Prompts blockiert das System schnell. Sobald Begriffe aus dem technischen Kontext auftauchen, wird aus einem legitimen Design-Showcase plötzlich ein rotes Warnschild.
Das Problem ist nicht Schutz an sich. Schutz ist sinnvoll.
Das Problem ist Kontextblindheit.
Ein System, das nicht sauber zwischen krimineller Anleitung, realer Bauanweisung und einer abstrakten Produktvisualisierung unterscheiden kann, ist für professionelle technische Arbeit nur begrenzt brauchbar. Da hilft dann auch kein schönes Interface. Wenn die KI beim ersten Fachwort umfällt wie ein Praktikant vor der Bandsäge, wird es halt schwierig.
Der Durchbruch: Gemini versteht den Arbeitskontext besser
Der gleiche Grundansatz funktionierte bei Googles Gemini deutlich besser.
Googles Bildmodell-Linie, öffentlich unter Nano Banana geführt, arbeitete in diesem Fall kontextnäher. Das System erkannte eher den Aufbau eines technischen Produkt-Datenblatts: fiktive Plattform, ergonomischer Vergleich, Corporate Showcase, keine Bauanleitung.
Das Ergebnis war kein „Waffenbauplan“, sondern eine saubere Konzeptgrafik: zwei Varianten, gemeinsamer Lower, geteilte Bedienlogik, kompatible Magazinarchitektur.
Genau das, was man für Portfolio, Pitchdeck oder technische Kommunikation braucht.[ DS9-P: Dienstpistole ] [ DS9-C: Sub-Carbine ] +---------------+ +--------------------+ | Upper kompakt | | Upper erweitert | +---------------+ +--------------------+ | Lower / Griff |==== IDENTISCH ====> | Lower / Griff | +---------------+ +--------------------+ || || [9x19 Magazin] <==== KOMPATIBEL ============> [ ]
Was dieser Test wirklich zeigt
Der Punkt ist nicht: „Tool A böse, Tool B heilig.“
So einfach ist es nicht. Wäre ja auch zu schön, wenn die Welt einmal nicht wie ein schlecht sortiertes Schraubenregal wäre.
Der Punkt ist: KI-Systeme haben unterschiedliche Leitplanken, unterschiedliche Filterlogiken und unterschiedliche Stärken.
Wer in der Industrie, im technischen Vertrieb, im Prototyping oder im Corporate Storytelling arbeitet, darf sich nicht blind auf ein einziges KI-System verlassen.
Ein Tool kann beim Text stark sein, aber bei Visuals blockieren. Ein anderes kann Bildlogik besser verstehen, aber beim Schreiben schwächer sein. Ein drittes ist stark bei Daten, aber unbrauchbar bei Präsentationen.
Professionelle KI-Arbeit bedeutet deshalb nicht, einen Bot anzubeten.
Professionelle KI-Arbeit bedeutet, Systeme zu verstehen, Grenzen zu kennen und die passende Maschine für den jeweiligen Job zu wählen.
Fazit
Für mich als AI Consultant ist dieser Showcase ein gutes Beispiel dafür, wie KI in der Praxis wirklich funktioniert.
Nicht als magischer Alleslöser.
Nicht als moralischer Türsteher.
Sondern als Werkzeugkasten.
Und wie bei jedem Werkzeugkasten gilt: Wer nur einen Hammer kennt, sieht überall Nägel. Wer mehrere Werkzeuge versteht, baut am Ende das bessere System.
Genau darum geht es bei echter KI-Kompetenz: nicht nur prompten, sondern beurteilen, steuern, vergleichen und Ergebnisse sauber in einen professionellen Workflow bringen.
D.P. Arms DS9 war in diesem Fall nicht nur ein fiktives Produktkonzept. Es war auch ein ziemlich guter Praxistest dafür, welche KI-Systeme bei technischer Kommunikation mitdenken und welche nur nervös auf einzelne Wörter starren.