Kann KI Geschmack wirklich verstehen?

Dieser Artikel ist Teil der Serie "Die Zukunft der KI", die untersucht, wie künstliche Intelligenz die Mode- und Schönheitsbranche prägen wird.

Anfang dieses Jahres begannen Tech-Führungskräfte, die Bedeutung von Geschmack zu preisen. Im Februar sagte Paul Graham, Mitbegründer von Y Combinator, voraus: "Im KI-Zeitalter wird Geschmack noch wichtiger werden. Wenn jeder alles herstellen kann, ist der große Unterscheidungsfaktor, wofür man sich entscheidet." Im selben Monat bezeichnete Greg Brockman, Präsident von OpenAI, Geschmack als "eine neue Kernkompetenz".

Für die Mode und viele andere kreative Bereiche ist die Vorstellung, dass Geschmack nicht immer essenziell war, absurd. Doch das Konzept des Geschmacks wurde im Zeitalter der generativen KI verstärkt und neu geformt, wobei diese viel diskutierte Form ästhetischer Urteilsfähigkeit schnell zu einem Buzzword wurde. "Jedes Unternehmen möchte derzeit über Geschmack sprechen. Jeder Tech-Vordenker möchte einen Substack über Geschmack schreiben", sagt Andy McCune, Gründer der visuellen Inspirationsplattform Cosmos.

Dieser Trend zeigt, dass KI-Manager nicht von der sehr menschlichen Qualität des guten Geschmacks abgekoppelt sind. Doch wenn Geschmack und persönlicher Stil inhärent menschlich sind – kultiviert durch Erfahrungen mit Büchern, Filmen und Menschen – kann KI jemals wirklich den persönlichen Stil eines Nutzers verstehen oder einen eigenen Geschmackssinn entwickeln? Dies ist eine entscheidende Frage für die Modebranche, wo solche Instinkte alles beeinflussen, vom Kleidungsdesign bis zu Outfit-Empfehlungen, von denen viele bereits von KI gesteuert werden.

Einige in der Tech-Branche sind zuversichtlich, dass dies möglich ist. "Ich hasse es, das allen zu sagen, aber ihr habt wahrscheinlich keinen besseren Geschmack als die KI", postete ein Produktleiter auf X. Ein KI-CEO scherzte ähnlich: "Es besteht eine gute Chance, dass KI in wenigen Jahren bessere Ideen haben wird als wir."

Außerhalb der Tech-Blase ist man skeptischer. "Geschmack und persönlicher Stil entwickelt man mit der Zeit und durch reale Lebenserfahrung", sagt Trendforscherin Mandy Lee. "Keine Berührungspunkte mit der realen Welt zu haben, ist das Gegenteil von der Entwicklung eines persönlichen Geschmacks. Was auch immer sie besprechen, es ist nicht dasselbe wie Geschmack und Stil."

Auch Käufer bleiben unüberzeugt. Derzeit nutzen nur 3 % der von Vogue Business befragten Käufer KI-Chatbots für Modeinspiration, verglichen mit 57 %, die zu Zeitschriften (Print und digital) greifen, gefolgt von Streetstyle (47 %), Modeblogs oder Pinterest (36 %) und Influencern (35 %).

Persönlicher Stil war schon lange ein Weg, um Bestrebungen zu signalisieren und eine individuelle Identität in der Gesellschaft zu gestalten, sagt Richard Thompson Ford, Professor an der Stanford Law School und Autor von **Dress Codes: How the Laws of Fashion Made History**. Menschen tun dies, indem sie Referenzen aus verschiedenen Lebensbereichen – von verschiedenen Gemeinschaften bis zu historischen Epochen – entlehnen und kombinieren und dabei vertraute Bilder aus Kunst, Film, von Prominenten oder Influencern als Inspiration nutzen. Guter Geschmack bedeutet nicht, etwas zu kopieren, erklärt Thompson Ford, sondern "kleine Teile eines vertrauten Ensembles zu zitieren und sie mit anderen Dingen zu kombinieren, um etwas auszudrücken, das zumindest für sie einzigartig und individuell ist."

Da Menschen zunehmend KI zur Entdeckung nutzen, könnte dies verändern, wie sie ihren persönlichen Stil entwickeln. Mode-Tech-Startups sind optimistisch, was die Fähigkeit der KI betrifft, diesen Prozess zu optimieren und zu vereinfachen. Die KI-Einkaufsplattform Daydream zielt genau darauf ab. Ihre Nutzer sind nicht unbedingt High-Fashion-Enthusiasten, sagt Mitgründerin Lisa Yamner. "Die Leute, die uns finden, sind eher bedürfnisorientiert; es geht mehr um Modebegeisterung als um 'zeig mir Loewes aktuelle Laufstegshow'."

Da fast die Hälfte der Befragten die überwältigende Anzahl an Auswahlmöglichkeiten als größte Herausforderung beim Einkaufen nennt, könnte die Rolle der KI bei der Kuratierung und Vereinfachung noch bedeutender werden. Da 45 % der Nutzer sich darauf konzentrieren, sich selbst zu stylen, indem sie Outfits aus ihrem bestehenden Kleiderschrank kombinieren und Stile innerhalb ihres Budgets finden, ist es keine Überraschung, dass mehr als ein Drittel (36 %) in Betracht ziehen würde, ein KI-Tool zu nutzen, um die Trends der nächsten Saison zu entdecken. Aber kann KI Geschmack und Stil wirklich gut genug verstehen, um mit menschlichen Kuratierungsfähigkeiten mithalten zu können?

Branchenveteranen sind skeptisch. Lee, die über ein Jahrzehnt Erfahrung in Trendvorhersage und -analyse verfügt, glaubt, dass ihre Arbeit leiden würde, wenn sie sich auf KI verlassen würde, da ihr der Einblick in kulturelle Ereignisse und Einflüsse fehlt, die Modepräferenzen prägen. "Mit der aktuellen Technologie kann KI nicht vollständig erfassen, wie Ereignisse, sozioökonomische Faktoren, Finanzen und Weltpolitik Trends und Mode beeinflussen", erklärt sie. "Wenn man über die Ästhetik hinausblickt, sind es diese Faktoren, die Trends wirklich antreiben. Es geht nicht nur um Mode – es ist alles, was sie umgibt."

Kann KI also jemals wirklich diese realen Dynamiken verstehen?

**Eingabelimitationen**

Die größte Herausforderung der KI bei der Lieferung geschmackvoller Ergebnisse liegt in ihren Eingaben. KI ist auf Datensätze angewiesen, und generische KI-Motoren durchforsten riesige Datenmengen aus dem gesamten Internet, die verrauscht und ungefiltert sein können. Selbst speziell für die Mode entwickelte KI-Tools stehen vor Schwierigkeiten, weil modebezogene Datensätze oft unzureichend sind, sagt Yilu Zhou, außerordentliche Professorin an der Fordham Business School, die seit 2013 an der Schnittstelle von Mode und KI arbeitet.

Zhous frühe Forschung zeigte, dass die Mode-Taxonomie schlecht standardisiert ist. "Jeder Designer spricht eine andere Sprache. Sie könnten zwei sehr ähnliche Designs haben, sie aber in völlig unterschiedlichen Begriffen beschreiben – manchmal absichtlich", sagt sie. Die in Produktbeschreibungen eingebettete Markensprache – wie Haider Ackermanns "Glas-Effekt"-Beschreibung für eine klare Plastikblazer – stellt ein erhebliches Hindernis für die KI dar, Modetrends genau vorherzusagen und zu interpretieren. Zhou betont, dass die Standardisierung von Daten der erste Schritt zur Schaffung nützlicher KI ist. "Andernfalls basiert KI auf voreingenommenen Daten, was zu voreingenommenen und unsinnigen Ergebnissen führt."

Experten weisen auch darauf hin, dass die Daten, auf die sich KI stützt, irreführend sein können, insbesondere in der Mode. "Etwas könnte in den sozialen Medien viral gehen und viele Shares generieren, aber das bedeutet nicht unbedingt, dass die Leute es kaufen werden", sagt Francesca Muston, Chief Forecasting Officer bei WGSN. Beispiele sind der sichtbare Slip-Trend auf dem Laufsteg 2023 oder der vorhergesagte BH-Trend für 2025 – von beiden wurde erwartet, dass sie mehr Klicks als tatsächliche Verkäufe generieren würden. Zudem berücksichtigt KI oft nicht die Saisonalität, es sei denn, sie ist speziell dafür programmiert. "Wenn ein Datenanalyst Mode nicht versteht, könnte er einen Trend als vorbei missinterpretieren, obwohl er im nächsten Jahr zurückkehren wird", erklärt Zhou.

Hier wird menschliches Urteilsvermögen entscheidend – um die Geschichten zu interpretieren, die KI oft verpasst. "Menschen können disparate Informationsstücke besser kontextualisieren, Punkte verbinden und Chancen für zukünftige Trends erkennen", sagt Muston. Zhou stimmt zu und fügt hinzu, dass menschliche Expertise benötigt wird, um zu erkennen, wann KI vom Kurs abkommt oder "halluziniert", um Lücken in unvollständigen Datensätzen zu füllen.

Speziell entwickelte KI-Modelle wie das von Daydream zielen darauf ab, eine bessere Grundlage zu bieten, indem sie sich am persönlichen Stil der Nutzer orientieren. Daydreams Yamner erinnert sich an die Reaktionen der Nutzer bei der Einführung der Plattform: "Sie sagen: 'Ich habe die gleiche Suche bei ChatGPT ausprobiert und schreckliche Ergebnisse bekommen.'" KI, die speziell auf Modedaten trainiert ist, sollte theoretisch relevantere und genauere Einblicke liefern. Daydream nutzt sein eigenes Brand-Mapping-System, um zu verstehen, wie Marken in Bezug auf Stil, Ästhetik und Positionierung verbunden sind. Kombiniert mit individuellen Nutzersignalen kann die Plattform so Marken empfehlen, die sowohl relevant als auch unerwartet wirken – ohne dass Werbung oder bezahlte Platzierungen die Ergebnisse beeinflussen.

**Geschmack programmieren**

Selbst wenn KI mit den richtigen Daten trainiert wird, zweifeln einige, dass sie menschlichen Geschmack erreichen kann. "Mit den richtigen Trainingsdaten könnte KI annähern, was Individuen in bestimmten Situationen tun, aber ich denke, sie wird immer hinterherhinken", sagt ein Experte. "Als Mensch kommen deine Einflüsse von der Straße, zufälligen Begegnungen und einer Vielzahl von Quellen – einige digitalisiert und für KI zugänglich, andere nicht. Ich bezweifle, dass alle Einflüsse, die Geschmack prägen, insbesondere für jemanden mit einem starken ästhetischen Sinn, sofort für KI zugänglich sind."

KI neigt auch dazu, sich auf breite Trends zu konzentrieren, die soziale Medien oder Schlagzeilen im Einkaufsbereich dominieren. Aber interessanter sind die Stile, die lokal entstehen und für KI schwerer zu erkennen sind, bemerkt Zhou.

Die Programmierung von KI, um den spezifischen Stil eines Nutzers zu treffen, kann auch zu eng und vorschreibend werden und die Entdeckung über die üblichen Vorlieben hinaus einschränken. "Wenn du nicht tausend Dollar für eine Tasche ausgeben kannst, zeigen wir dir nicht die tausend Dollar teure Tasche", sagt Yamner. Doch viele Modebegeisterte ließen sich von ikonischen Designs wie Nicolas Ghesquières Balenciaga City Bag aus den frühen 2000ern oder Phoebe Philos Celine inspirieren, auch wenn sie sie sich damals nicht leisten konnten. Diese Inspiration ist immer noch wichtig. Während Daydream nach Preis für Kaufabsicht filtert, kann es Philos Ästhetik als Signal nutzen, um Teile mit ähnlicher Ausstrahlung zu erschwinglicheren Preisen anzuzeigen – eine Form der Demokratisierung, die für die Plattform wichtig ist.

Ebenso ist die alleinige Konzentration auf Modemarken und Trends einschränkend, da persönlicher Stil oft von anderen kulturellen Bereichen geprägt wird. Beispielsweise verbesserten sich die Trendvorhersagen von WGSN, als sie begannen, Branchen wie Lebensmittel und Sport zu verfolgen. "Menschen tragen nicht nur Kleidung. Sie essen auch, leben in einem Haus, verwenden Kosmetik und beschäftigen sich mit anderen Bereichen wie Consumer Tech oder Sport", sagt Muston. Sich nur auf das Produkt zu konzentrieren bedeutet, viel von dem zu verpassen, was einen Trend antreibt.

Einige Gründer glauben, dass KI entwickelt werden kann, um "guten Geschmack" zu identifizieren, wie er durch menschliche Eingaben definiert wird. McCune von Cosmos denkt, dass KI mit der richtigen Programmierung Geschmack lernen kann. Sein Ziel für Cosmos ist es, eine "Anti-Schrott-Plattform" zu sein. "KI kann Kreative in Bereichen wie Suche und Empfehlung unterstützen", sagt er. Das Machine-Learning-Team von Cosmos baute ein "ästhetisches Vorhersagemodell", das bestimmt, was Nutzer sehen. Es wurde mit Bildern trainiert, die von den ersten 10.000 Beta-Nutzern – darunter Designer, Creative Directors und Architekten – gespeichert wurden, zusammen mit "wirklich schlechten" Datensätzen, die als negative Beispiele dienten. Jetzt wird jedes hochgeladene Bild anhand des ästhetischen Standards bewertet, der durch diese Beispiele gesetzt wurde.

"Wir setzen eine untere Schwelle, und alles darunter wird in Suche und Empfehlungen herabgestuft", erklärt McCune. Er betont, dass es nicht darum geht, einen einzigen Geschmack durchzusetzen, sondern die Qualität zu steigern. Die visuelle Kultur wird einheitlicher, aber Cosmos hebt nicht nur Top-Inhalte hervor. "Wir nutzen es eher als Basis-Filter, um den Müll und das minderwertige Material zu entfernen", erklärt er. Maschinelles Lernen hat eine entscheidende Rolle bei der Kuratierung von Cosmos gespielt und bietet eine kleine Antwort auf Zhous Kritik an den "schlechten Daten" der Modebranche – obwohl Cosmos nicht auf Mode beschränkt ist.

Auch die Quittungsteilungs-App Selleb ist optimistisch, KI-Technologie mit menschlicher Aufsicht zu kombinieren. Die Mitgründerinnen Chloe und Claire Lee sehen KI als grundlegendes Werkzeug, das letztendlich von Menschen überprüft wird. Nutzer teilen Quittungen nicht nur für Mode, wie die Gründerinnen ursprünglich erwarteten, sondern auch für Cafés, Transport, Flüge, Lebensmittel und mehr. "Unsere breitere Vision ist es, all diese verschiedenen Produkte online abzubilden und den Geschmack aller über verschiedene Faktoren hinweg zu verfolgen, die diesem schwer fassbaren Aspekt des Geschmacks näherkommen – etwas, das meiner Meinung nach immer noch schwer zu definieren ist", sagt Claire.

Selleb betont die Bedeutung von datenübergreifenden Kategorien, um den Geschmack, die Vorlieben und den Stil einer Person besser zu verstehen. Neue Nutzer verbinden ihre E-Mail und reichen Tausende von Quittungen ein. "Diese Quittungen – wann sie erstellt wurden, in welche Kategorien sie fallen, wie viel ich ausgegeben habe – verraten viel über mich als Käufer und meine einzigartige Identität", bemerkt Chloe. Nutzer folgen dem, was die Schwestern ihre "Geschmacks-Doppelgänger" nennen: Menschen mit ähnlichen Vorlieben über Kategorien hinweg, basierend auf dem "Geschmacksgraphen", den die App aufbaut. Durch die umfassende Analyse der Quittungen der Nutzer kann die Backend-KI Muster identifizieren, die aus öffentlich verfügbaren Online-Daten nicht sichtbar sind, was zu personalisierten Mode- und anderen Empfehlungen führt.

**Rückblick**

KI sagt Trends voraus und identifiziert sie basierend auf vergangenen Daten, was bedeutet, dass sie nicht über diese Eingaben hinausblicken kann, egal wie fortschrittlich die Technologie wird. "KI ist nicht gut mit Neuheit – und Trends hängen oft von Neuheit ab", sagt WGSNs Muston.

In Wirklichkeit entwickeln sich Stil und Geschmack der Menschen mit sich ändernden Kontexten und kulturellen Verschiebungen, die KI nicht vorhersehen kann. "Trends sind hochkomplex und bewegen sich auf viele verschiedene Arten", erklärt Muston. "Wie oft haben Leute gesagt: 'Ich würde niemals XYZ tragen' und einen Trend aufgrund vergangener Assoziationen stark abgelehnt? Doch wenn dieser Trend in einem neuen Kontext wieder auftaucht, wird er plötzlich attraktiv." Wenn vergangene Daten darauf hindeuten, dass ein Look wahrscheinlich scheitern wird, nimmt KI das für bare Münze. Menschen können jedoch den Kontext hinterfragen und erkennen, warum ein Comeback möglich sein könnte.

Das Interesse an bestimmten Marken oder Ästhetiken wird oft durch zufällige oder statistisch unwahrscheinliche Ereignisse ausgelöst, die KI nicht berücksichtigen kann, sagt Madé Lapuerta von @DataButMakeItFashion. Sie nennt einen Anstieg des Interesses an Van Cleef & Arpels letzten November, als Dodgers-Spieler Miguel Rojas – der eigentlich nicht schlagen sollte – einen spielverändernden Home Run schlug und die World Series gewann. "Da KI-gesteuerte Vorhersagemodelle vollständig auf vergangenen Mustern basieren, können sie die Zukunft nicht vorhersehen oder verstehen, was Anklang finden wird."

Das ist Lees Hauptsorge bei der Verwendung von KI zur Vorhersage von Trends oder Veränderungen des Geschmacks. "Die Art, wie KI Trends 'vorhersagt', ist nicht wirklich Vorhersage – sie spiegelt nur wider, was jetzt passiert", sagt sie.

**Der menschliche Vorteil**

Dieser menschliche Vorteil ist entscheidend. Die Abhängigkeit der KI von historischen Daten zeigt, dass KI Inhalte basierend auf dem 'Was' identifizieren kann, aber nicht dem 'Warum'. Wie Muston es ausdrückt: "KI kann Geschmack kodifizieren, aber nur auf synthetische Weise."

Thompson Ford stimmt zu, dass es zu nachahmend ist. "Es ist eine Sache zu sagen: 'Ich möchte aussehen wie Ralph Laurens Kollektion vom letzten Jahr' – KI könnte das schaffen. Aber wenn ich aussehen möchte wie jemandes Kollektion dieses Jahr, die noch nicht einmal erstellt wurde, bezweifle ich, dass KI tun kann, was ein Designer tut oder was ein stilvoller Mensch tut."

Selbst Techno-Optimisten wie McCune stellen dies in Frage. "Von Natur aus müssen Modelle auf etwas aus der Vergangenheit trainiert werden", erklärt er. "Menschen können nach vorne blicken und neue Trends und Ästhetiken schaffen. Modelle werden immer die Vergangenheit widerspiegeln – ich glaube, nur Menschen können wirklich in die Zukunft blicken."

Experten schlagen vor, der einzige Weg, wie KI dies nachahmen könnte, wäre, wenn sie Bewusstsein erlangte – eine heiß diskutierte Möglichkeit – und selbst das ist nicht sicher. McCune fügt hinzu: "Ich glaube, generative KI wird in der Lage sein, Geschmack und Stil zu kultivieren, aber es wird der Geschmack und Stil der Gegenwart oder Vergangenheit sein. Sie wird nicht in die Zukunft blicken und neue Dinge schaffen, die trendig wirken."

Lee, die weniger optimistisch gegenüber KI ist, stimmt zu, dass ihre Unfähigkeit, vorauszublicken, eine große Einschränkung ist. Für sie bedeutet dies, dass KI – ohne Bewusstsein – niemals echten Geschmack oder Stil kultivieren wird. "Man muss nach draußen gehen, sehen, was die Leute tragen, hören, worüber sie reden, Filme schauen, Musik hören, aktuelle Ereignisse und Politik beachten", sagt Lee. "Das sind die Dinge, die Mode und Stil prägen. Es sind nicht nur die Kleider – es ist alles, was dich als Person ausmacht. Wenn du dich auf KI verlässt, um dir zu sagen, wer du bist, wirst du niemals Stil haben."

Selbst wenn KI eines Tages Bewusstsein erlangte und sich von menschlichen Eingaben befreite, würde ihr immer noch eines fehlen: ein menschlicher Körper. Ohne einen Körper, von dem aus zu agieren und den man kleiden kann, scheint die Kultivierung von Geschmack und Stil fast sinnlos. "Das eine, was KI nicht hat, ist ein Körper", bemerkt Thompson Ford. "Es ist schwer vorstellbar, dass KI die Intuitionen entwickelt, die daraus kommen, sich in der Welt in seinem eigenen Körper zu bewegen und mit anderen zu interagieren – außer, wiederum, durch Nachahmung."

Lee stimmt zu. "Ich bin sicher, sie wird sich verbessern, aber KI wird niemals menschlich sein. Also ist es unmöglich, meiner Meinung nach, weltliche Ereignisse und ihre Übersetzung in Mode wirklich zu verstehen", sagt sie. "Ich mache das seit zehn Jahren, und manchmal liege auch ich falsch oder bin bei bestimmten Dingen hinterher. Es gibt keine Möglichkeit, dass ein Roboter jemals besser darin sein wird als ich."

**Häufig gestellte Fragen**
FAQs Kann KI Geschmack wirklich verstehen?

Anfängerfragen

1 Was meinen wir in diesem Zusammenhang mit Geschmack?
Wir meinen die komplexe menschliche Erfahrung des Geschmacks, die Geruch, Geschmack, Textur, Temperatur und sogar persönliche Erinnerung und Emotion kombiniert. Es ist mehr als nur eine chemische Analyse.

2 Kann KI Essen wie ein Mensch schmecken?
Nein, nicht auf die menschliche, erfahrungsbezogene Weise. KI hat kein Bewusstsein oder subjektive Gefühle. Sie kann eine Mahlzeit nicht genießen oder eine persönliche Vorliebe haben. Stattdessen analysiert sie Daten über Geschmack.

3 Was kann KI also in Bezug auf Geschmack tun?
KI kann massive Datenmengen verarbeiten – wie chemische Verbindungen in Lebensmitteln, Rezepte, Verbraucherbewertungen und Ergebnisse sensorischer Panels – um Geschmacksprofile vorherzusagen, neue Rezeptkombinationen zu erstellen, Lebensmittelprodukte zu optimieren und Gerichte zu empfehlen, die Ihnen gefallen könnten.

4 Wie lernt KI über Geschmack?
Sie wird auf Datensätzen trainiert. Zum Beispiel könnte sie Tausende von Rezepten gezeigt bekommen, die mit Geschmacksbeschreibungen versehen sind, oder Daten, die chemische Strukturen mit wahrgenommenen Geschmacksrichtungen verknüpfen. Sie findet Muster in diesen Daten, um Vorhersagen zu treffen.

5 Gibt es reale Beispiele dafür?
Ja. Unternehmen nutzen KI, um neue Snackgeschmacksrichtungen zu entwickeln, Bierrezepte zu kreieren oder personalisierte Ernährungspläne zu erstellen. Apps wie pflanzenbasierte Fleischunternehmen nutzen KI, um molekulare Strukturen zu analysieren, um den Geschmack und die Textur von Fleisch nachzuahmen.

Fortgeschrittene praktische Fragen

6 Was ist die Hauptbeschränkung, die KI davon abhält, Geschmack wirklich zu verstehen?
Das schwierige Problem des Bewusstseins und der Qualia. Geschmack ist eine subjektive Erfahrung aus der Ich-Perspektive. KI kann Daten korrelieren, aber nicht die Empfindung von Süße oder die Nostalgie erleben, die ein Geschmack hervorruft. Ihr fehlt verkörperte, subjektive Wahrnehmung.

7 Kann KI kulturelle und persönliche Unterschiede im Geschmack berücksichtigen?
Sie kann es versuchen, aber es ist eine Herausforderung. Durch das Training auf vielfältigen, kulturspezifischen Datensätzen kann KI gemeinsame Vorlieben innerhalb von Gruppen lernen. Die tiefgreifenden persönlichen, emotionalen und kulturellen Hintergründe hinter dem Lieblingsessen eines Individuums zu erfassen, ist jedoch äußerst schwierig.

8 Was sind die Vorteile der Nutzung von KI in der Lebensmittelwissenschaft und -entwicklung?