# LLMs & *Kreativität* Wie verändert generative KI die Ideenfindung in Innovations-Workshops? Die Antwort fällt weniger eindeutig aus, als beide Lager gern hätten. > Projektseite: https://clemenshoeller.at/projekte/llms-kreativitaet > Gattung: research/knowledge-management ## Eckdaten - **Arbeit** · Seminararbeit - **Fach** · SBWL Knowledge Management - **Ort** · WU Wien - **Datum** · 2025 - **Umfang** · Einzelarbeit - **Ergebnis** · LLMs divergent stark, konvergent schwach - Vollständige Arbeit als PDF ↗: https://clemenshoeller.at/projects/seminararbeit-llms-idea-generation.pdf ## /01 Die Frage 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. 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. Die Leitfrage lautet damit: Was macht ein LLM in genau diesem Setting mit der Kreativität der Menschen im Raum, kognitiv, sozial und praktisch? ## /02 Vorgehen 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. ### Drei Ebenen der Betrachtung - **Kognitiv:** Was passiert im Kopf der einzelnen Person? Denkblockaden, Fixierung auf erste Ideen, kognitive Last. - **Sozial:** Was macht das Modell mit der Gruppe? Beteiligung, Wortmeldungen, Hierarchie im Raum. - **Praktisch:** Was bleibt am Ende übrig? Menge, Vielfalt und wahrgenommene Qualität der Ideen. 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. ## /03 Ergebnisse 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. ### Was sie tragen - **Mehr Stimuli.** Das Modell liefert Anstöße aus Richtungen, die im Raum niemand eingebracht hätte. - **Höhere Ideenflüssigkeit.** Die schiere Menge an Vorschlägen hält den Prozess in Bewegung, gerade wenn er stockt. - **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. - **Niedrigere Einstiegshürde.** Als neutraler Beitragender senkt das Modell die soziale Hemmschwelle: Eine Maschinen-Idee zu kritisieren kostet niemanden Gesicht. ### Wo sie kippen - **Oberflächliche Neuheit.** Vorschläge wirken auf den ersten Blick originell, sind aber statistisch naheliegende Kombinationen. Die wahrgenommene Originalität leidet, sobald man genauer hinsieht. - **Ideenkonvergenz.** Arbeiten mehrere Gruppen mit demselben Modell, laufen ihre Ergebnisse aufeinander zu statt auseinander. Genau das Gegenteil dessen, wofür man mehrere Gruppen ansetzt. - **Passive Übernahme.** Formulierte, sortierte, selbstbewusst klingende Vorschläge werden übernommen statt hinterfragt. - **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. ## /04 Einordnung Die Wirkung eines LLM im Workshop ist keine Eigenschaft des Modells, sondern eine Eigenschaft des Prozesses, in den man es stellt. 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. 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. > **Einschränkungen** — Es handelt sich um eine literaturbasierte Arbeit, nicht um ein eigenes Experiment. Die Befunde stammen aus fremden Studien mit je eigenen Stichproben, Aufgaben und Modellen, und das Feld bewegt sich schnell: Ergebnisse zu einer Modellgeneration lassen sich nicht ohne Weiteres auf die nächste übertragen. ### Was ich daraus mitgenommen habe 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. **Skills daraus:** Literature Reviews · Wissenschaftliches Arbeiten · KI-Workflows & Prompting · Kreativitätsforschung · Mensch-KI-Zusammenarbeit · Analytisches Denken ## /05 Verwandte Projekte Die Projekte hängen stärker zusammen, als die Kacheln auf der Startseite vermuten lassen. Hier stehen alle anderen, sortiert nach Nähe zu diesem Projekt: - [Google vs. ChatGPT](https://clemenshoeller.at/projekte/google-vs-chatgpt) - [KI-Automatisierungen](https://clemenshoeller.at/projekte/ki-automatisierungen) - [Consulting-Cases](https://clemenshoeller.at/projekte/consulting-cases) - [AURORA](https://clemenshoeller.at/projekte/aurora) - [Zotter-Marketingplan](https://clemenshoeller.at/projekte/zotter-marketingplan) - [AI Talent Gap](https://clemenshoeller.at/projekte/ai-talent-gap) - [Prompt Injection](https://clemenshoeller.at/projekte/prompt-injection) - [Healthcare Fraud Detection](https://clemenshoeller.at/projekte/fraud-detection) - [Diese Website](https://clemenshoeller.at/projekte/diese-website) - [VWA: Entstehung des Internets](https://clemenshoeller.at/projekte/vwa) --- *Englische Fassung: https://clemenshoeller.at/en/projects/llms-kreativitaet.md* *Seminararbeit (SBWL Knowledge Management, WU Wien 2025): Wie generative KI die Ideenfindung in Innovations-Workshops verändert. Stark in der divergenten Phase, schwach in der konvergenten.*