---
term: "Habsburg AI"
slug: "habsburg-ai"
glossar_id: "G663"
variants: []
category: "szene-slang-memes-und-debattenbegriffe"
marker: "Szene"
tone: "scherzhaft"
short: "Spöttische Metapher für Modelle, die auf den Ausgaben anderer Modelle trainiert wurden."
sources:
  - label: "Making Science Public: Habsburg AI, portrait of a metaphor and its family"
    url: "https://makingsciencepublic.com/2026/04/10/habsburg-ai-portrait-of-a-metaphor-and-its-family/"
  - label: "Shumailov et al.: AI models collapse when trained on recursively generated data"
    url: "https://www.nature.com/articles/s41586-024-07566-y"
  - label: "Shumailov et al.: The Curse of Recursion"
    url: "https://arxiv.org/abs/2305.17493"
status: "entwurf"
updated: "2026-09-21"
---

Habsburg AI ist eine Spottbezeichnung für ein Modell, das so stark auf Ausgaben anderer Modelle trainiert wurde, dass die Fehler sich verstärken. Der Vergleich spielt auf die Inzucht in einem europäischen Herrscherhaus an, deren Folgen auf Porträts sichtbar wurden. Geprägt hat den Ausdruck ein Forscher Anfang 2023. [Making Science Public](https://makingsciencepublic.com/2026/04/10/habsburg-ai-portrait-of-a-metaphor-and-its-family/)

## Aus dem Witz wurde ein belegter Befund

Der Vorgang hinter der Metapher heißt in der Forschung Model Collapse. Trainiert man Modelle über mehrere Generationen auf den Ausgaben ihrer Vorgänger, verschwinden zuerst die seltenen Fälle an den Rändern der Verteilung, danach verengt sich auch die Mitte. Am Ende bleibt eine glatte, wenig vielfältige Ausgabe, und die ursprüngliche Vielfalt kommt nicht von allein zurück. [Shumailov et al.](https://www.nature.com/articles/s41586-024-07566-y)

Wichtig ist die Einschränkung: Gemessen wurde bei einem Training, das alte Daten vollständig ersetzt. Mischt man frisches Material von Menschen bei, fällt der Effekt deutlich schwächer aus.

## So kannst du dir das vorstellen

Eine Fotokopie einer Fotokopie einer Fotokopie. Jede einzelne Runde sieht brauchbar aus, nach zwanzig Durchläufen fehlen die feinen Linien und der Rest ist grau. Das Bild erklärt die Richtung der Verschlechterung, es gibt keine Zahl für die Zahl der Runden an.

## Was es in der Praxis konkret bedeutet

Wenn du synthetische Daten erzeugst, etwa für eine Feinabstimmung, halte den Anteil begrenzt und dokumentiere die Herkunft jedes Teils deines Datensatzes. Sinnvoll ist außerdem ein Prüfschritt durch Menschen für eine Stichprobe, weil die typischen Schäden nicht in der Genauigkeit auftauchen, sondern in der verlorenen Vielfalt.

## Wo es verwechselt wird

Habsburg AI ist keine Aussage über einzelne KI-Texte im Netz, sondern über Trainingsdaten. Und es ist nicht dasselbe wie Overfitting: Dort passt ein Modell sich zu eng an vorhandene Daten an, hier verarmt die Datengrundlage selbst über Generationen.

## Verwandte Begriffe

**Model Collapse**, **Synthetic Data**, **AI Slop**, **Mode Collapse**, **Data Poisoning**, **Distillation**.