Die Spieleentwicklung befindet sich in einer Phase rasanten Wandels, und eine der treibenden Kräfte hinter dieser Veränderung ist die Künstliche Intelligenz (KI). KI-Technologien haben bereits in vielen Bereichen der Spieleentwicklung Einzug gehalten, von der Gegner-KI in Actionspielen bis hin zu KI-Begleiter. Doch nun steht eine neue Revolution vor der Tür: Generative KI (GenAI). Auf der Entwicklerkonferenz devcom wurde in vielen Vorträgen über KI gesprochen. Die Erkenntnisse aus mehreren dieser Talks habe ich hier für dich zusammengefasst.
Was ist die devcom?
#DDC2024. Die Devcom Developer Conference 2024 (devcom) ist die jährlich in Köln stattfindende Konferenz für die Community der Spiele-Entwickler*innen. Neben dem Netzwerken und dem Austausch gibt es auf verschiedenen Bühnen Fachvorträge.
- Einer der Speaker ist Jeff Skelton, Head of Technology Partnerships bei Electronic Arts (EA), der seine Erfahrungen bei der Integration von KI in den Entwicklungsprozess eines großen Softwareunternehmens teilte.
- Vitalii Vashchuk, Head of Gaming bei EPAM Systems, brachte seine Expertise in der Implementierung von KI-Technologien für eine effizientere Spieleentwicklung ein.
- Kent Keirsey, CEO von Invoke AI, präsentierte, wie maßgeschneiderte KI-Lösungen die kreative Arbeit von Kunstschaffenden revolutionieren können.
- Judy Ehrentraut, Creative Content Strategist bei Red Meat Games, rundete das Thema ab, indem sie über die ethischen Implikationen von KI in der kreativen Industrie sprach.
Was ist Generative KI und warum ist sie für die Spielebranche wichtig?
Generative Künstliche Intelligenz (GenAI) hat in den letzten Jahren die Art und Weise, wie Inhalte erstellt werden, revolutioniert. Im Kern basiert GenAI auf Machine Learning (ML), einer Technologie, die es Computern ermöglicht, aus Daten zu lernen und Muster zu erkennen, ohne explizit auf diese Muster programmiert zu werden.
Alter Hut? Machine Learning seit den 1950ern
Machine Learning selbst ist nicht neu; der Ursprünge reichen bis in die 1950er Jahre zurück. Doch erst in den vergangenen zehn Jahren haben wir entscheidende Durchbrüche erlebt, die durch die Verfügbarkeit großer Datenmengen und die exponentielle Steigerung der Rechenleistung ermöglicht wurden. Diese Fortschritte haben es uns ermöglicht, immer komplexere Modelle zu trainieren, die erstaunlich präzise Ergebnisse liefern können.
Muster erkennen und generieren
Generative KI funktioniert, indem sie Inhalte basierend auf zuvor gelernten Mustern und Daten erstellt. Ein GenAI-Modell wird mit einer Vielzahl von Daten, wie Texten, Bildern oder Musikstücken, trainiert. Auf diese Weise lernt das Modell, wie solche Inhalte typischerweise strukturiert sind, und kann dann neue Inhalte generieren, die diesen Mustern folgen. Das bedeutet, dass GenAI nicht einfach existierende Daten kopiert, sondern tatsächlich neue Inhalte schafft, die auf den gelernten Prinzipien basieren.
Beschleunigung und Optimierung
Die Vorteile und Potenziale von GenAI in der Spieleentwicklung sind enorm. Diese Technologie ermöglicht es, Inhalte wie Charaktere, Landschaften oder sogar Dialoge in einem Bruchteil der Zeit zu erstellen, die traditionelle Methoden erfordern würden. Ansonsten kann KI auch alltägliche Aufgaben automatisieren, die bisher manuelle Eingriffe erforderten.
Hi Jeff! Automatisierung im Alltag.
Stell dir vor, du möchtest morgen ein 30-minütiges Meeting mit Jeff abhalten. Du gibst einfach den Befehl per Spracheingabe: „Organisiere ein Meeting mit Jeff für morgen. 30 Minuten.“ Und die KI übersetzt die Sprache in Text. Auf dessen Basis erstellt die KI automatisch ein Zoom-Meeting, das mit beiden Kalendern abgestimmt ist. Sie hat im Raumbuchungs-Tool nämlich erkannt, dass du und Jeff morgen nicht am gleichen Ort sein werdet.
Alltags-Assistenten. Diese Fähigkeit, eigenständig hilfreiche und sinnvolle Entscheidungen zu treffen und Routineaufgaben zu übernehmen, zeigt nur einen kleinen Ausschnitt des Potenzials, das KI für alle Büroberufe – auch für die Spieleentwicklung – bereithält.
Automatisierung und Effizienzsteigerung durch GenAI
Automatisierung. GenAI hat das Potenzial, den kreativen Prozess in der Spieleentwicklung erheblich zu beschleunigen, indem sie repetitive und zeitaufwändige Aufgaben automatisiert.
In der traditionellen Spieleentwicklung erfordert jede Phase – von der Ideenfindung über das Prototyping bis hin zur finalen Umsetzung – eine immense Menge an Zeit und manueller Arbeit. GenAI kann viele dieser Schritte vereinfachen und beschleunigen, indem sie automatisierte Lösungen bietet, die sowohl die Kreativität als auch die Effizienz steigern.
Wie GenAI den kreativen Prozess beschleunigt
Einer der größten Vorteile von GenAI ist die Fähigkeit, komplexe handwerkliche Aufgaben im kreativen Prozess in kürzester Zeit zu erledigen. Wo Entwickler*innen früher Wochen oder sogar Monate benötigt hätten, um Prototypen zu erstellen und Ideen zu testen, kann GenAI diese Prozesse in Tagen oder Stunden bewältigen.
Ziel: kreativer Flow. Das ermöglicht es, mehr Zeit im „kreativen Flow“ zu verbringen – dem Zustand, in dem du am produktivsten bist und deine besten Ideen entwickeln kannst. „Je mehr administrative Dinge wir wegnehmen können, desto mehr Zeit verbringen kreative Köpfe im Flow und in dem, was sie besonders gut können“, erklärte Jeff Skelton während seines Vortrags.
Spielwelt erstellen. Ein Beispiel für diese Beschleunigung ist die Automatisierung von iterativen Designprozessen. Wenn du etwa eine neue Spiellandschaft erstellen möchtest, kann GenAI hundert Variationen generieren, basierend auf deinen Vorgaben: 4×4 km groß, zwei Berge, einen See.
Schnelle Iterationen. Du kannst dann die beste Variante auswählen – Version 36 – und weiter verfeinern: Der östliche Berg etwas flacher und der See deutlich größer und mit mehr Buchten, mit einem Zufluss aus Nordosten und einem Abfluss nach Südosten. Die KI generiert wieder Prototypen, die zu diesen Vorgaben passen. Dieses Vorgehen spart nicht nur Zeit, sondern eröffnet auch neue kreative Möglichkeiten, indem es Ideen generiert, die du vielleicht selbst nicht in Betracht gezogen hättest. Schritt für Schritt kannst du dich so an einen Prototyp herantasten, mit dem du später für den Feinschliff dann manuell weiterarbeitest.
Die Rolle von Coding-Tools und Testautomatisierung
Neben der Generierung von Inhalten spielt GenAI auch eine Rolle in der Automatisierung von Coding- und Testprozessen. Coding-Tools, die auf GenAI basieren, können dabei helfen, schneller und effizienter zu programmieren, indem sie Codezeilen vorschlagen, Fehler identifizieren und sogar ganze Codeabschnitte automatisch generieren. Dies reduziert nicht nur die Fehlerquote, sondern beschleunigt auch den gesamten Entwicklungsprozess.
Tests automatisieren. Ein weiterer wichtiger Bereich, in dem KI zur Effizienzsteigerung beiträgt, ist die Testautomatisierung. In der Spieleentwicklung ist das Testen ein wesentlicher, aber oft langwieriger Prozess. KI kann dabei helfen, Tests zu automatisieren, indem sie mögliche Fehlerquellen identifiziert, Lösungen vorschlägt und diese automatisch implementiert und testet.
Analyse von Test-Videos. So wurde auf der Devcom ein Beispiel vorgestellt, bei dem menschliche Testspieler*innen gemeinsam mit KI eine „Armee von Testenden“ bildeten. Das so generierte Videomaterial von Testspielen lässt sich dann wieder mithilfe von genau trainierter KI analysieren: Welche Stellen sehen wie Fehler aus, sodass sie sich ein Mensch mal genauer ansehen sollte?
Durch die Kombination von automatisierter Inhaltserstellung, Coding-Tools und Testautomatisierung soll der gesamte Entwicklungsprozess beschleunigt werden, ohne dass die Qualität darunter leidet.
Eigenständigkeit. Wo früher ein automatisiertes System erkennt hat, warum das Programm abgestützt ist, hat sie dem Verantwortlichen für das Programm-Modul eine Mail oder ein Ticket geschrieben: „In Modul XY gab es einen Fehler. Bitte korrigieren und Programm neu starten.“
Heute können solche Meldungen dank KI schon so aussehen:
- „Wir hatten einen Crash um 9:14:33.
- Als Ursache habe ich Modul XY identifiziert.
- Ich habe in Zeile 2352-2366 folgende Fehler gefunden [Fehlerbeschreibung]
- und wie folgt korrigiert [Korrektur-Beschreibung].
- Die Korrekturen habe ich in der Testumgebung getestet
- und das Programm um 9:15:21 neu gestartet.
- Seitdem läuft es fehlerfrei.
- Bitte überprüfe die getätigten Änderungen und gib sie für den Wirkbetrieb frei.“
Fokus Kreativität. GenAI soll es ermöglichen es, sich auf die kreativen Aspekte der Arbeit zu konzentrieren, während die KI den Großteil der technischen und repetitiven Aufgaben übernimmt. So bleibt mehr Zeit für das, was wirklich zählt: das Erschaffen innovativer und spannender Spielwelten.
Maßgeschneiderte Kreativität: KI als Werkzeug für Künstler*innen
Generative KI hat das Potenzial, die Art und Weise, wie Kunstschaffende arbeiten, grundlegend zu verändern, indem sie spezialisierte Werkzeuge bereitstellt, die die kreative Arbeit unterstützen und erweitern.
Weg vom Mainstream. Ein zentraler Aspekt dabei ist die Entwicklung und Nutzung spezialisierter KI-Modelle, die auf die individuellen Bedürfnisse und den einzigartigen Stil eine*r Künstler*in abgestimmt sind. Diese maßgeschneiderten Modelle ermöglichen es, kreative Prozesse effizienter und präziser zu gestalten, ohne die künstlerische Kontrolle zu verlieren.
Die Bedeutung von spezialisierten KI-Modellen
Während generische KI-Modelle in vielen Mainstream-Bereichen bereits beeindruckende Ergebnisse liefern können, stoßen sie oft an ihre Grenzen, wenn es darum geht, den spezifischen Stil eines Künstlers genau zu reproduzieren oder weiterzuentwickeln.
Eine KI je Künstler*in. Spezialisierte KI-Modelle werden entwickelt, um genau diese Herausforderung zu meistern. Sie werden auf Grundlage des individuellen Stils und der ästhetischen Vorlieben eine*r Künstler*in trainiert, sodass die von der KI generierten Inhalte genau das wiedergeben, was die Künstler*in beabsichtigt.
Kent Keirsey hat auf der devcom in seinem Vortrag betont, wie wichtig es ist, dass Kunstschaffende die Kontrolle über ihre kreativen Prozesse behalten: „Wir trainieren die Modelle im Stil der Künstler*in. Das Grundmodell ist Open Source, aber die Trainingsergebnisse basieren auf dem spezifischen Stil oder den Charakteren der Künstler*in. Die überschreiben das Open Source Modell dann. So kann die Kund*in genau diesen Stil für neue Kreationen nutzen.“
KI als digitaler Pinsel. Dieses Vorgehen stellt sicher, dass die KI nicht nur als Werkzeug fungiert, sondern als Erweiterung des kreativen Ausdrucks der Künstler*in. So entsteht für die Spiele-Industrie ein Tool, das zugeschnitten ist auf das eine konkrete Spiel, für das Content generiert werden soll.
Scenario bei Red Meat Games: Anpassung von Charakteren und Posen
Auch bei Red Meat Games wird die Bedeutung spezialisierter KI-Modelle deutlich. Judy Ehrentraut erläuterte, wie das Studio die KI-Engine Scenario einsetzt, um Charaktere und Posen präzise und effizient anzupassen.
„Wir nutzen keine Bilder von Google, sondern arbeiten ausschließlich mit eigenen Bildern als Grundlage für die KI. So können die Entwickler*innen schnell eine Figur aus einem eigenen Kunstwerk in die gewünschte Pose bringen“, erklärte Ehrentraut. Dieses Vorgehen ermöglicht es, konsistente und qualitativ hochwertige Ergebnisse zu erzielen, die den ursprünglichen Stil des Studios bewahren.
Ethische Herausforderungen und die Rolle des Menschen
Mit dem Aufstieg generativer KI in der Spieleentwicklung rücken ethische Fragen immer stärker in den Fokus. Eine der zentralen Debatten dreht sich um die Frage: Wer erschafft ein Kunstwerk – die KI oder der Mensch? Diese Diskussion ist keineswegs trivial, denn sie berührt grundlegende Aspekte der künstlerischen Urheberschaft und der kreativen Kontrolle.
Wer ist der wahre Schöpfer? KI vs. Mensch
Dumme KI? Wenn eine KI auf Basis eines von Menschen trainierten Modells ein Kunstwerk erzeugt, stellt sich die Frage, wem die kreative Leistung zuzuschreiben ist. Judy Ehrentraut stellte klar, dass aktuelle KI keine eigenständige Kreativität besitzt, sondern lediglich das umsetzt, was ihr vom Menschen beigebracht wurde: „KI kann nicht von allein lernen, sondern ist immer nur mit dem trainiert, mit dem Menschen KI trainieren. Daher ist KI nicht wirklich ‚intelligent‘.“
Die eigentliche Intelligenz und Kreativität liegt weiterhin bei den Menschen, die die KI trainieren und steuern. Dennoch bleibt die Frage offen, wie viel Anteil die KI an der finalen Kreation hat und ob diese möglicherweise als eigenständige*r „Künstler*in“ betrachtet werden könnte.
Ethische Überlegungen bei der Nutzung von KI-generierter Kunst
Ethisch saubere Trainingsdaten. Die Nutzung von KI-generierter Kunst wirft eine Reihe ethischer Fragen auf. Ist es moralisch vertretbar, eine KI Kunstwerke erzeugen zu lassen, die auf den Stilen und Techniken realer Künstler*innen basieren, ohne dass diese direkt an der Erstellung beteiligt sind? Und wie steht es um die Integrität eines Werkes, das teilweise oder vollständig von einer so trainierten Maschine erstellt wurde? Diese Fragen sind besonders relevant in einer Zeit, in der KI immer stärker in kreative Prozesse integriert wird.
Unscharfe Grenzen. Ehrentraut warnte in ihrem Vortrag davor, dass der unkritische Einsatz von KI zu einer Verwischung der Grenzen zwischen menschlicher Kreativität und maschineller Produktion führen könnte.
Verantwortung. Verlässlichkeit. Vertrauen. Sie betonte, dass es wichtig ist, den menschlichen Faktor im kreativen Prozess nicht zu übersehen: Die Verantwortung und wirkliche Intelligenz bleibe bei den Menschen, die das Tool verwenden, so Ehrentraut. Andernfalls würden die Grenzen von Verlässlichkeit, Verantwortung und Vertrauen verwischen. Diese Aussage unterstreicht wie wichtig es ist, KI als unterstützendes Werkzeug zu verstehen, das die Kreativität des Menschen erweitern kann, ohne sie zu ersetzen.
Herausforderungen bei Urheberrechten und die Notwendigkeit ethischer Datenquellen
Rechtliche Unsicherheit. Ein weiteres zentrales Thema ist der Schutz des geistigen Eigentums. Werden urheberrechtlich geschützte Werke missbraucht, wenn sie als Grundlage für das Training von KI-Modellen verwendet werden? Die Antwort ist nicht immer klar, und die aktuelle Gesetzgebung ist oft unzureichend, um die Komplexität dieser neuen Realität zu erfassen.
Ethisch sicher arbeiten. Ehrentraut plädierte dafür, dass Unternehmen, die KI in der Kunst- und Spieleentwicklung einsetzen, streng darauf achten müssen, dass ihre Modelle mit ethisch unbedenklichen Daten trainiert werden. Nur so kann sichergestellt werden, dass die Ergebnisse sowohl qualitativ hochwertig als auch ethisch vertretbar sind.
Verantwortung bei Menschen. Die Herausforderungen bei der Nutzung von KI-generierter Kunst sind vielfältig, und sie erfordern ein sorgfältiges Abwägen zwischen den technologischen Möglichkeiten und den ethischen Implikationen. Es liegt in der Verantwortung der Entwickler und Kunstschaffenden, diese Balance zu finden und sicherzustellen, dass KI als Werkzeug eingesetzt wird, das die menschliche Kreativität unterstützt, ohne ihre Integrität zu gefährden.
AI-Overkill: Die Gefahr der Qualitätsabnahme
Mit der zunehmenden Verbreitung von generativer KI in der Kunst- und Spielewelt kommt eine neue Herausforderung auf uns zu: die Gefahr des AI-Overkill. Dies bezeichnet das Phänomen, dass das Internet zunehmend mit mittelmäßigen KI-generierten Inhalten überflutet wird, was die Qualität und Originalität von Online-Inhalten stark beeinträchtigen kann. Judy Ehrentraut warnt eindringlich vor den Risiken, die eine unkontrollierte Nutzung von KI mit sich bringt.
Risiken der Überflutung des Internets mit mittelmäßigen KI-Inhalten
Mittelmäßigkeit. Stell dir vor, du suchst nach einzigartigen, kreativen Inhalten im Internet, doch die meisten Ergebnisse sind von KI generiert und bestenfalls mittelmäßig. Die von Menschen erstellten Inhalte, die oft tiefgründiger und origineller sind, werden in dieser Flut zunehmend unsichtbar.
Ehrentraut bringt es auf den Punkt: „Das Internet ist voll von AI. Das macht es fast unbenutzbar.“ Diese Aussage verdeutlicht das Dilemma, in dem wir uns befinden. Je mehr KI-generierte Inhalte im Netz auftauchen, desto schwieriger wird es, die wirklich hochwertigen, von Menschen erstellten Werke zu finden.
Das Problem der abnehmenden Qualität bei KI-generierten Inhalten
Ein weiteres Problem der KI-Generierung ist, dass die Qualität der Inhalte abnimmt, wenn diese immer wieder von KI-Systemen überarbeitet werden. Ein anschauliches Beispiel ist die Textgenerierung: Wenn eine KI einen Text erstellt und dieser Text dann erneut von einer KI zusammengefasst oder weiterverarbeitet wird, sinkt die Qualität jedes Mal ein wenig. Am Ende bleibt ein Text übrig, der kaum noch lesbar ist und den ursprünglichen Inhalt nur noch verzerrt wiedergibt.
Schlussfolgerung: Die Notwendigkeit der menschlichen Kontrolle
Qualität sinkt. Die Gefahr des AI-Overkill zeigt deutlich, dass KI-Generierung ohne sorgfältige menschliche Kontrolle und Überprüfung schnell zu einer Abwärtsspirale der Qualität führen kann.
Sorgfalt beim Training. Um diese Entwicklung zu vermeiden, ist es unerlässlich, dass KI-Modelle mit hochwertigen, menschlich kuratierten Daten trainiert werden und dass die Ergebnisse kritisch bewertet und gegebenenfalls korrigiert werden. Nur so kann sichergestellt werden, dass die von KI generierten Inhalte nicht nur effizient, sondern auch qualitativ hochwertig bleiben und das kreative Potenzial der Technologie voll ausgeschöpft wird.
