LLMs & KreativitätLLMs & Creativity

Wenn ein Sprachmodell in Sekunden fünfzig Ideen ausspuckt: Ist das Kreativität? Die Antwort hängt daran, wie man Kreativität definiert, und die Literatur ist da erfreulich streng. Kreativ ist eine Idee erst, wenn sie neu und brauchbar ist. Originell allein reicht nicht, nützlich allein auch nicht.

When a language model produces fifty ideas in seconds: is that creativity? The answer depends on how you define creativity, and the literature is refreshingly strict about it. An idea only counts as creative when it is novel and useful. Original alone is not enough, and neither is useful alone.

Die Arbeit grenzt das Feld bewusst eng ein: nicht Kreativität im Allgemeinen, sondern strukturierte Ideenfindung in Innovations-Workshops. Also die Situation, in der eine Gruppe mit Methode und Zeitbudget an einem konkreten Problem sitzt und am Ende etwas Verwertbares herauskommen soll.

The paper deliberately narrows the field: not creativity in general, but structured idea generation in innovation workshops. That is, the situation where a group works on a concrete problem with a method and a time budget, and something usable has to come out at the end.

Die Leitfrage lautet damit: Was macht ein LLM in genau diesem Setting mit der Kreativität der Menschen im Raum, kognitiv, sozial und praktisch?

The guiding question is therefore: what does an LLM do to the creativity of the people in that room, cognitively, socially and practically?

Literaturbasierte Analyse, keine eigene Erhebung. Ausgewertet wurden aktuelle Experimente und Studien zur Mensch-KI-Zusammenarbeit in Ideenfindungsprozessen, dazu die Grundlagenliteratur zu Kreativitätsdefinition, Fixierung und Gruppendynamik.

A literature-based analysis, not an own study. It evaluates recent experiments and studies on human-AI collaboration in idea generation, alongside the foundational literature on defining creativity, fixation and group dynamics.

Drei Ebenen der BetrachtungThree levels of analysis

• Kognitiv: Was passiert im Kopf der einzelnen Person? Denkblockaden, Fixierung auf erste Ideen, kognitive Last.
• Cognitive: what happens in the individual's head? Mental blocks, fixation on first ideas, cognitive load.
• Sozial: Was macht das Modell mit der Gruppe? Beteiligung, Wortmeldungen, Hierarchie im Raum.
• Social: what does the model do to the group? Participation, who speaks up, hierarchy in the room.
• Praktisch: Was bleibt am Ende übrig? Menge, Vielfalt und wahrgenommene Qualität der Ideen.
• Practical: what is left at the end? Quantity, diversity and perceived quality of the ideas.

Wichtig für die Einordnung: Kreativität hat zwei Phasen. In der divergenten Phase geht es darum, den Möglichkeitsraum zu öffnen, viele und verschiedene Ideen zu erzeugen. In der konvergenten Phase wird bewertet, ausgewählt und zugespitzt. Die Arbeit prüft beide getrennt, und genau dort liegt der Unterschied.

Important for the interpretation: creativity has two phases. The divergent phase is about opening up the space of possibilities, producing many and varied ideas. The convergent phase is about evaluating, selecting and sharpening. The paper examines both separately, and that is exactly where the difference sits.

Das Ergebnis ist keine Schlagzeile, sondern eine Trennlinie: LLMs sind in der divergenten Phase stark und in der konvergenten Phase schwach. Wer sie über beide Phasen gleich einsetzt, verschenkt das eine und riskiert das andere.

The result is not a headline but a dividing line: LLMs are strong in the divergent phase and weak in the convergent one. Using them the same way across both phases wastes the first and risks the second.

Was sie tragenWhat they carry

• Mehr Stimuli. Das Modell liefert Anstöße aus Richtungen, die im Raum niemand eingebracht hätte.
• More stimuli. The model contributes prompts from directions nobody in the room would have raised.
• Höhere Ideenflüssigkeit. Die schiere Menge an Vorschlägen hält den Prozess in Bewegung, gerade wenn er stockt.
• Higher ideation fluency. The sheer volume of suggestions keeps the process moving, especially when it stalls.
• Weniger Fixierung. Der bekannteste Fehler in Workshops ist, dass sich alle an der ersten guten Idee festbeißen. Ein Modell, das quer dazu vorschlägt, bricht das auf.
• Less fixation. The best-known failure mode in workshops is everyone latching onto the first good idea. A model that suggests across the grain breaks that open.
• Niedrigere Einstiegshürde. Als neutraler Beitragender senkt das Modell die soziale Hemmschwelle: Eine Maschinen-Idee zu kritisieren kostet niemanden Gesicht.
• Lower barrier to entry. As a neutral contributor the model lowers the social threshold: criticizing a machine's idea costs nobody face.

Wo sie kippenWhere they tip over

• Oberflächliche Neuheit. Vorschläge wirken auf den ersten Blick originell, sind aber statistisch naheliegende Kombinationen. Die wahrgenommene Originalität leidet, sobald man genauer hinsieht.
• Superficial novelty. Suggestions look original at first glance but are statistically obvious combinations. Perceived originality suffers once you look closer.
• Ideenkonvergenz. Arbeiten mehrere Gruppen mit demselben Modell, laufen ihre Ergebnisse aufeinander zu statt auseinander. Genau das Gegenteil dessen, wofür man mehrere Gruppen ansetzt.
• Idea convergence. When several groups work with the same model, their results converge rather than diverge. The exact opposite of why you run several groups.
• Passive Übernahme. Formulierte, sortierte, selbstbewusst klingende Vorschläge werden übernommen statt hinterfragt.
• Passive adoption. Well-phrased, sorted, confident-sounding suggestions get adopted instead of questioned.
• Kein Kontext, keine Bewertung. Das Modell weiß nicht, was in diesem Unternehmen, mit diesem Budget, in diesem Markt tatsächlich geht. Für die konvergente Phase fehlt ihm damit die Grundlage.
• No context, no judgment. The model does not know what actually works in this company, with this budget, in this market. That leaves it without a basis for the convergent phase.

Die Wirkung eines LLM im Workshop ist keine Eigenschaft des Modells, sondern eine Eigenschaft des Prozesses, in den man es stellt.

The effect of an LLM in a workshop is not a property of the model but a property of the process you place it in.

Drei Bedingungen entscheiden laut der ausgewerteten Forschung darüber, ob es hilft oder schadet: eine klare Rahmung (wofür ist das Modell da und wofür nicht), durchdachtes Prompting statt beliebiger Fragen, und vor allem aktive menschliche Beteiligung. Sobald die Gruppe aufhört, mitzudenken, produziert der Workshop viel Text und wenig Innovation.

Three conditions decide whether it helps or harms, according to the research reviewed: clear framing (what the model is there for and what it is not), thoughtful prompting rather than arbitrary questions, and above all active human engagement. The moment the group stops thinking along, the workshop produces a lot of text and little innovation.

Die praktische Empfehlung der Arbeit: das Modell als ko-kreatives Werkzeug einsetzen, das Reflexion und Diskussion auslöst, nicht als Instanz, die Inhalt vorgibt. Innovationsprozesse müssen bewusst so gebaut werden, dass sie Tempo und Bandbreite der KI mit Tiefe und Kontextwissen der Menschen ausbalancieren.

The paper's practical recommendation: use the model as a co-creative tool that triggers reflection and discussion, not as an authority that dictates content. Innovation processes have to be deliberately designed to balance the speed and range of AI output against the depth and contextual awareness of human input.

Was ich daraus mitgenommen habeWhat I took away

Dass die interessante Frage bei KI-Werkzeugen selten „kann das Modell das?" lautet, sondern „an welcher Stelle im Prozess hilft es und an welcher schadet es?". Diese Trennung zwischen divergenter und konvergenter Phase benutze ich seitdem auch beruflich, wenn ich entscheide, wo in einem Workflow ein LLM-Schritt sitzen soll und wo lieber ein Mensch oder eine Regel.

That the interesting question about AI tools is rarely "can the model do this?" but "at which point in the process does it help and where does it hurt?". I now use that split between divergent and convergent phases at work too, when deciding where an LLM step belongs in a workflow and where a human or a rule is the better fit.

Die Projekte hängen stärker zusammen, als die Kacheln auf der Startseite vermuten lassen. Diese drei greifen direkt in das hier Beschriebene:

These projects connect more tightly than the tiles on the home page suggest. These three feed directly into what is described here: