Erfahrungsbericht: Einsatz von KI-Funktionalität bei der Generierung von Inhalten für einen Artikel

Grüße, Freunde des Rennsports, 

Künstliche Intelligenz ist Ende 2025 aus dem Alltag kaum noch wegzudenken. Dies betrifft sowohl den privaten, sondern auch verstärkt den beruflichen Bereich. Das gilt beispielsweise auch für Journalisten: Das Transkribieren von Interviews, die folgende Übersetzung in die Zielsprache und die Rechtschreib- sowie Grammatikprüfung des fertigen Artikels - für alle diese Zwecke gibt es mittlerweile Werkzeuge, die KI verwenden.

Aber sind teure und aufwendige KI-Spezialprogramme wirklich notwendig? Oder kann man einen Grafikdesigner auch einfach mit einem kostenlosen, sprachbasierten KI-System mit Bildgenerierungsfunktion ersetzen?

Dieser Fragestellung bin ich vor kurzem nachgegangen und habe ChatGPT-5 verwendet, um die aktuellen Lackierungen der zehn Formel-E-Teams auf das kürzlich vorgestellte Gen4-Auto zu übertragen. Für diesen Test habe ich eine kostenlosen Account erstellt und ihn dank einer Aktion meines Mobilfunkanbieters für einen Gratiszeitraum zu ChatGPT Pro upgegradet.

Da ich im meinem Hauptberuf im Bereich der Software-Entwicklung bereits seit geraumer Zeit künstliche Intelligenz zur Analyse von Quellcode verwende, war mir die grundsätzliche Vorgangsweise bekannt: Im Prompt muss man ChatGPT genaueste Anweisungen geben, was zu tun ist und was nicht getan werden darf.

Es wird niemanden überraschen, dass die allerersten Ergebnisse nicht so ganz dem entsprachen, was ich mir vorgestellt hatte. So musste ich den Prompt mehrfach abändern und erweitern, um wirklich brauchbare Ergebnisse zu erhalten.

Ein Beispiel: Die Gen3-Lackierungen, die als Vorbild dienten, hatten sowohl auf der Karosserie, als auch auf den Reifenwänden Hankook-Brandings. Da die Gen4-Fahrzeuge jedoch mit Bridgestone-Reifen fahren werden, war die Übernahme dieser Logos selbtverständlich nicht gewünscht.

Erste Ergebnisse waren unbrauchbar

Aber auch hier zeigte sich: Trotz genauer Vorgaben, die orangefarbenen Patches auf der Seitenwand der Reifen der Gen3-Vorlagen zu ignorieren, baute ChatGPT diese doch immer mal wieder in die Gen4-Designs ein. Auch wurden Karosserieteile, wie beispielsweise der Heckflügel, der Gen4-Vorlage ignoriert und das Design des Gen3-Fahrzeuges übernommen.

Learnings: Die KI kann nicht nur Fehler machen - darauf weist ChatGPT ja auch selbst hin -, sondern sie macht diese auch immer noch sehr häufig. Teilweise werden explizite Vorgangen, selbst wenn sie im Prompt mit "Ganz wichtig: ..." markiert sind, einfach ignoriert.

Dennoch muss ich konstatieren, dass die Ergebnisse nach mehreren Anpassungen für meine Zwecke durchaus verwendet werden konnten. Insgesamt musste ich 34 Renderings durchführen lassen, um die zehn Lackierungen in einem akzeptablen Maße zu übertragen. Parallele Tests mit der Vorgänger-Engine ChatGPT4 haben gezeigt, dass sich die Qualität der erzeugten Bilder stark verbessert hat. Es ist also anzunehmen, dass sich dieser Trend auch bei weiteren neuen Versionen fortsetzen wird.

Perfekte Ergebnisse sind nicht realisierbar - bislang

Allerdings sind auch die "brauchbaren" Ergebnisse meilenweit davon entfernt, qualitativ mit der Arbeit eines Grafikdesigners vergleichbar zu sein. Für einen einfachen Artikel nach dem Motto "Ich zeige euch einmal, wie das aussehen könnte" reicht es zwar, aber wenn beispielsweise Teams selbst solche Bilder veröffentlichen wollen würden, würde es schon daran scheitern, dass Logos und Schriftzüge von Sponsoren KI-typische Abweichungen vom Original aufweisen.

So beispielsweise auch der Schriftzug von e-Formel.de, der auf jeder der Lackierungen deutlich sichtbar auftauchen sollte: Von e-tormel.de über e-formel.ole und e-formeiide bis hin zu eformel:die.

Gen4-Fahrzeug im Design des McLaren MP4/7 von 1992

Alle zehn fertigen Ergebnisse (das hier im Blog benutzte Bild mit dem Design des McLaren MP4/7 aus dem Jahr 1992 gehört natürlich nicht dazu) könnt ihr in folgendem Artikel bei e-Formel.de betrachten: Link

Übrigens: Die damals verwendete Version von ChapGPT5 ließ es noch zu, originale Schriftzüge und Logos bei Renderings zu verwenden, sogar von Zigarettenmarken wie Marlboro. Das ist mittlerweile durch ein Update des Software nicht mehr zulässig. "Ich kann das Bild leider nicht in der gewünschten Form rendern, da deine Beschreibung die Darstellung einer realen Tabakmarke (Marlboro) und damit urheberrechtlich sowie werberechtlich geschützte Markenelemente umfasst."

Fazit

Abschließend noch ein kurzes Fazit: Der Zeitaufwand war - für einen einzigen Artikel gerechnet - immens. Die Generierung jedes einzelnen Bildes dauerte zwei bis drei Minuten, immer wieder musste beim Prompt nachgebessert werden. Da eine Person mir auch vorwarf, eine erhebliche Ressourcenverschwendung mit der Verwendung von KI zu begehen, habe ich eine Kalkulation über den Energieverbrauch meines Projektes durchgeführt.

Im Worst-Case (also mit den höchsten Werten, die ich bezüglich des Energievebrauches von ChatGPT für eine Textantwort oder Bildgenerierung finden konnte), habe ich mit den 34 Bildgenerierungen und weiteren 25 Textantworten insgesamt 0,624 kWh Energie verbraucht.

Kurz zur Einordnung: Mit dieser Energiemenge wird ein Gen4-Fahrzeug nicht einmal eine halbe Runde weit kommen. Aber ChatGPT sagt selbst dazu:

⚠️ Hinweis zur Interpretation

• Das ist ein theoretischer Maximalwert, der reale Verbrauch dürfte deutlich niedriger sein (vermutlich 3–10 × geringer).
  

• Viele Prozesse laufen bei OpenAI-Servern effizient gebündelt („Batch inference“), sodass Energie pro Anfrage geteilt wird.

• Der tatsächliche Wert hängt stark von Modellgröße, GPU-Auslastung, Kühlung, Bildauflösung usw. ab.