2.5.2023

Graphische trainiert KI auf eigenem Server


"Text to Image Modelle" im Bereich des Machine Learnings sind gekommen, um zu bleiben. Ob Stable Diffusion, DallE oder Midjourney: KI spielt im Designbereich eine immer größere Rolle.

Hier ist es das richtige "Prompt Engeneering" – also die ausgeklügelte Eingabe von passenden Texten, die zu besseren Ergebnissen in der Bildgenerierung führen – ein Ansatz, der an der Graphischen im Entwurfsunterricht bereits Einzug gehalten hat bzw. in Diplomprojekten zum Einsatz kommt.

Einen Nachteil haben viele Modelle des Machine Learnings dennoch: Sie können nur mit jenen Materialien und Eingaben umgehen, die sie bereits erlernt haben. Was die Modelle jedoch nicht kennen, können Sie auch nicht prozessieren: seien es eigene oder experimentelle illustrative, künstlerische oder fotografische Stile oder schlicht und einfach Bildserien von Personen, Orten oder Environments, die ihren Weg gar nicht ins Internet – und damit ins KI-Modell – geschafft haben.

Hier setzt das Forschungsprojekt der Graphischen – einer Kooperation der Abteilungen Fotografie, Multimedia und Grafik- und Kommunikationsdesign – an.

Dabei wird das Open Source KI-Modell Stable Diffusion "offline genommen" und – in ausgewählten Unterrichten mit SchülerInnen und Studierenden – auf einem eignen Server mit eben eigenen Daten trainiert.

Die Rechenleistung stellt ein Apple Rechner mit M2 Pro Chip mit 12-Core CPU- und 19-Core GPU-Kernen zur Verfügung, der in Kooperation mit den Mac-Spezialisten von Tools at Work installiert und optimiert wurde.

Ziel des Projekts – das vom Bundesministerium für Bildung, Wissenschaft und Forschung in der Inovationsstiftung der ZLAs gefördert wird – ist es herauszufinden, ob das selbständige Trainieren von Künstlicher Intelligenz im Designbereich einen Startvorteil für DesignerInnen und Agenturen bietet, die mit eigenem Material arbeiten wollen und nicht von den öffentlich zugänglichen Distributoren von KI-Diensten abhängig sein wollen.

Beteiligte Lehrende: Philip Daun, Elsa Kubik, Oliver Sommer, Manuel Steinböck

Beteiligte Klassen ab Herbst: 5te F/M/GK, Meisterschule