Lokale Diffusion
Empower your own Stable Diffusion Generation

Einer der studentischen Mitarbeiter:innen von InKüLe, Aron Petau, konzipierte für das Sommersemester 2024 einen Workshop, der sich mit der Hands-on Nutzung von generativer KI, einem Algorithmus namens Stable Diffusion, auseinandersetzte. Als ein zentraler Arbeitsschwerpunkt von InKüLe gehörte dieser Workshop zu einer Reihe weiterer studentischer Lehrangebote, bei denen Studierende gezielt als kreativ-aktive Multiplikator*Innen für die Vermittlung von neuen digitalen Medien und ihrem künstlerischen Potential von InKüLe beraten und unterstützt werden.

Für die Entwicklung der Workshops unterstützte das InKüLe-Team durch Coaching, Feedback-Runden und deren mediendidaktischen Aufbau und half, die Lehrangebote anwendungsorientiert zu konzipieren, zu visualisieren und zu strukturieren.

So gilt es, den Studierenden ihre eigenen Kompetenzen bewusst zu machen, ihre Sicherheit zu erhöhen und ihr Wissen an Mitstudierende weiterzugeben. Wir achten darauf, dass in den Workshops praxisnahe Lernprozesse und dementsprechend die Vermittlung praktischer Fachkenntnisse im Vordergrund stehen, die speziell auf die Bedürfnisse von Einsteiger:innen abgestimmt sind.

Im Rahmen dieser studentischen Unterstützung durch InKüLe bot ebenso Joel Tenenberg – vormals studentischer Mitarbeiter bei InKüLe – einen Workshop zum 3D-Scannen an, der speziell für die Bedürfnisse von Kunst-Studierenden entwickelt wurde.

Der Workshop verfolgte ein doppeltes Ziel: Einerseits sollte er Anfänger:innen einen niedrigschwelligen Einstieg in die Text-to-Image-KI ermöglichen. Gleichzeitig sollte der Workshop eine differenzierte politische Diskussion über die ethischen Auswirkungen jener Tools anstoßen und einige bewusste Entscheidungsoptionen aufzeigen, wie man diese nutzen kann (etwa über lokal installierte Tools). Das Lernformat wurde offen, praxisnah und experimentell gestaltet, wobei der Schwerpunkt auf dem kreativen Output der Teilnehmer:innen lag. Konkret wurden sie aufgefordert, in Gruppen zu arbeiten und gemeinsam mit der KI eine kurze Graphic Novel mit 4-8 Panels zu erstellen. Dabei mussten sie den Algorithmus aktiv verändern und sich mit den verschiedenen Funktionen und Schnittstellen vertraut machen.

Der Ablauf des Workshops war in zwei Hauptteile gegliedert: Zu Beginn fand eine theoretische Einführung in ausgewählte KI-Tools statt, wobei der Schwerpunkt auf der Entmystifizierung der Prozesse lag, die im Hintergrund ablaufen. Der Workshop konzentrierte sich insbesondere auf den Algorithmus Stable Diffusion und bot eine grundlegende Einführung in die Prozesse, die in seinem Kern ablaufen. Dabei haben wir untersucht, was ein Diffusionsprozess eigentlich ist, wie der Prozess der „Noise Reduction“ funktioniert und was ihn von den älteren Generative Adversarial Networks (GANs) unterscheidet.

Um die anfängliche Angst vor dem Prompting zu überwinden, wurden die Teilnehmer:innen aufgefordert, einen Prompt zu verfassen, indem sie eine Runde des Spiels „Kategorien“ integrieren. Den Einsatz gaben jeweilige Anfangsbuchstaben, die mit vordefinierten Prompting-Unterkategorien wie „Thema“, „Farbe“, „Stil“ und „Auflösung“ besetzt und aufgefällt werden mussten. Dieses Spiel fordert die Teilnehmenden heraus, sich in die kreative Gestaltung eines Prompts hineinzudenken und zwar jenseits von vorgefertigten Sätzen, wie sie online zu finden sind.

Bei der weiteren folgenden Hauptaufgabe, eine kurze Graphic Novel zu erstellen, bestand die einzige Vorgabe darin, dass die Panels auf irgendeine Weise miteinander verbunden bleiben sollten. Um dies zu erreichen, wurden verschiedene Möglichkeiten vorgestellt, wie die anfänglichen Parameter der Bilderzeugung vorhersehbarer gestaltet werden können. Parallel dazu wurden verschiedene KI-Nachbearbeitungstechniken auf die erzeugten Bilder angewandt, z. B. Hochskalieren, Maskieren, Übermalen und Neupositionierung.

Bewusst ethische und datenschutzrechtliche Faktoren miteinbeziehen

Eine zentrale Idee für den Workshop war, die ethischen Implikationen des Einsatzes von KI-Tools in den Fokus zu rücken und Konsequenzen von lokaler Rechenleistung im Gegensatz zum Cloud-Computing hervorzuheben. Konkret thematisierte der Workshop zwei wesentliche Unterschiede bei der Anwendung derselben KI-Modelle und -Algorithmen: Zum einen stehen populäre KI-Tools und Plattformen zur Auswahl, wie etwa Midjourney. Hier kann man über eine Schnittstelle, die von einem privaten Unternehmen bereitgestellt wird, verschiedene Arten von digitalen Artefakten generieren. Dies ist oft mit einer Gebühr verbunden und die Ergebnisse werden auf den Servern des Unternehmens gespeichert und für das weitere Training von KI-Modellen verwendet. Zum anderen gibt es aber auch „Graphical User Interfaces“ (GUIs), die zusammen mit dem Algorithmus selbst auf lokaler Hardware installiert werden können. Eine lokale Installation kann in Form von selbst installierten Apps erfolgen, die auf einem privaten Computer laufen oder in Form von selbst installierten GUIs oder anderen sogenannten Front-Ends, auf die man über einen Browser zugreifen kann. Ähnlich hierzu können dieselben KI-Modelle auch direkt in der Cloud abgerufen werden, wobei sie auf bekannten Servern, an einer bekannten Adresse, über einen transparenten Anbieter laufen, wie dies beispielsweise bei der Universität der Künste Berlin der Fall ist. Ein solcher Fall ist automatic1111, eines der Front-Ends (oder auch GUI), das für die Nutzung des Stable-Diffusion Algorithmus an der UdK Berlin auf eigenen Servern verwendet wird.

Aus Perspektive des Datenschutzes ist die letztere Wahl bei weitem die Bewusstere. Auch wenn die UdK-Dienste technisch gesehen ebenfalls ein Cloud-Dienst sind und die Daten auf einem Server gespeichert werden, werden diese weder an Dritte weitergegeben noch für Weiterbildungszwecke oder eine andere Form der Nutzung verwendet, was einen großen Unterschied zur Nutzung proprietärer Cloud-Dienste wie OpenAI darstellt. Gleichzeitig sind die von der Universität gehosteten Dienste manchmal sogar schneller und zuverlässiger als die proprietären Cloud-Dienste.