Was ist künstliche Intelligenz und wie funktioniert sie?

Künstliche Intelligenz (KI) ist das Forschungs- und Ingenieurfeld, das Maschinen Fähigkeiten verleihen will, die wir gewöhnlich mit dem menschlichen Denken verbinden, etwa Schlussfolgern, Planen, Lernen und Wahrnehmen. Die meisten modernen KI-Systeme werden nicht Schritt für Schritt mit festen Regeln programmiert. Stattdessen lernen sie Muster aus großen Mengen an Beispielen und nutzen diese, um Vorhersagen, Empfehlungen, Entscheidungen oder neue Inhalte zu erzeugen.

Im Folgenden erklären wir, was der Begriff bedeutet, wie maschinelles Lernen im Inneren funktioniert, wie Chatbots wie ChatGPT Texte erzeugen, wo KI im Alltag bereits auftaucht und welche Grenzen man im Blick behalten sollte.

Was ist künstliche Intelligenz? Eine einfache Definition

Der Name geht auf das Dartmouth Summer Research Project von 1956 zurück, das 1955 von John McCarthy und Kollegen vorgeschlagen wurde. Jahrzehntelang bedeutete KI vor allem „symbolische KI“: Experten schrieben explizite Regeln, denen ein Computer folgte.

Laut einer akademischen Übersicht dominierte diese regelbasierte Sichtweise bis Ende der 1980er-Jahre. Danach gewannen Ansätze wie neuronale Netze, Fuzzy-Systeme und evolutionäre Berechnungsverfahren an Boden. Kurz gesagt: Das Feld wechselte von handgeschriebenen Regeln zum Lernen aus Daten.

Auch politische Entscheidungsträger arbeiten mit einem ähnlichen Verständnis. Die OECD-Definition, die im November 2023 überarbeitet wurde, beschreibt ein KI-System als maschinenbasiertes System, das aus seinen Eingaben ableitet, wie Ausgaben wie Vorhersagen, Inhalte, Empfehlungen oder Entscheidungen erzeugt werden, die physische oder virtuelle Umgebungen beeinflussen können. Systeme unterscheiden sich darin, wie autonom und anpassungsfähig sie sind, und der EU AI Act verwendet eine eng angelehnte Formulierung.

Zwei Unterscheidungen helfen Einsteigern weiter. Erstens ist alles, was heute existiert, schwache KI, also für bestimmte Aufgaben gebaut. Künstliche allgemeine Intelligenz (AGI) bleibt hypothetisch, und selbst ihre Definition ist umstritten. Zweitens sind die Begriffe ineinander verschachtelt: KI umfasst maschinelles Lernen, das wiederum Deep Learning einschließt, und dieses treibt wiederum große Sprachmodelle und generative KI an.

Wie funktioniert maschinelles Lernen?

Herkömmliche Software folgt Regeln, die ein Programmierer schreibt. Maschinelles Lernen dreht dieses Prinzip um: Man gibt einem Modell Beispiele, sogenannte Trainingsdaten, und es erschließt die Muster selbst.

Es gibt drei Hauptformen. Beim überwachten Lernen tragen die Beispiele Etiketten, etwa E-Mails mit der Markierung „Spam“ oder „kein Spam“. Beim unüberwachten Lernen gibt es keine Etiketten, und das Modell findet Gruppierungen selbstständig. Beim bestärkenden Lernen lernt das Modell durch Versuch und Irrtum mithilfe von Belohnungen und Strafen, wie es Spielsysteme wie AlphaGo taten.

Die meisten leistungsstarken Systeme heute nutzen neuronale Netze: Schichten einfacher mathematischer Einheiten, die durch numerische Einstellungen verbunden sind, die Parameter oder Gewichte heißen. Während des Trainings macht das Modell eine Vermutung, vergleicht sie mit der richtigen Antwort und passt seine Gewichte an, um den Fehler zu verringern. Die technischen Fachbegriffe dafür lauten Backpropagation und Gradientenabstieg.

Hilfreich ist außerdem die Trennung zweier Phasen. Das Training ist die aufwendige Phase, in der das Modell lernt. Inferenz ist der Einsatz des fertigen Modells, wenn es Fragen beantwortet oder Vorhersagen trifft.

Wie funktionieren große Sprachmodelle wie ChatGPT?

Große Sprachmodelle (LLMs) zerlegen Text zunächst in Tokens, das sind ganze Wörter oder Wortteile. Sprachen mit vielen Endungen, etwa Türkisch, können für dieselbe Textmenge mehr Tokens benötigen, wobei das genaue Verhältnis vom Modell abhängt.

Beim Vortraining bearbeitet das Modell eine Aufgabe über einen enormen Textbestand: das nächste Token vorherzusagen. Dieses einfache Ziel zwingt es, nebenbei Grammatik, Fakten und viele andere Muster zu erfassen. Die zugrunde liegende Architektur ist der Transformer, den Forscher von Google im Jahr 2017 im Paper „Attention Is All You Need“ vorstellten.

Danach folgt das Nachtraining. Das Modell wird mit Beispielen für Anweisungen fein abgestimmt und durch Rückmeldungen geformt, etwa durch Verfahren wie bestärkendes Lernen aus menschlichem Feedback (RLHF), sodass es sich wie ein hilfreicher Assistent verhält. ChatGPT, am 30. November 2022 von OpenAI veröffentlicht, brachte diese Art von Assistent einem Massenpublikum nahe. Gemini, Claude, Copilot, Llama, DeepSeek, Mistral und Grok sind weitere bekannte Namen.

Die Technik entwickelt sich weiter. Aktuelle Trends sind Reasoning-Modelle, die Probleme Schritt für Schritt durchdenken, bevor sie antworten, multimodale Modelle, die Bilder und Audio verarbeiten, Agenten, die Werkzeuge nutzen, um Aufgaben zu erledigen, sowie Retrieval-Augmented Generation (RAG), bei der ein Modell zuerst Dokumente oder das Web durchsucht. Modellversionen wechseln häufig, daher lohnt sich ein Blick auf die Seiten der Anbieter, was aktuell ist.

Wofür wird KI im Alltag genutzt?

Wahrscheinlich nutzen Sie KI mehrmals am Tag, ohne es zu merken. Sie steckt hinter Empfehlungen auf Streaming- und Einkaufsseiten, filtert Spam, sagt Verkehr in Navigationsapps voraus, entsperrt Telefone per Gesichtserkennung, betreibt Sprachassistenten und übersetzt Texte.

Banken setzen sie ein, um Betrug zu erkennen, und Fotoapps nutzen sie für automatische Bearbeitung. Generative KI hat Schreibhilfe, Zusammenfassungen, Unterstützung beim Programmieren, Bilderzeugung und Lernhilfen zur Liste hinzugefügt.

In der Medizin helfen KI-Werkzeuge Ärzten beim Auswerten von Bildgebungen. In der Wissenschaft wurde ihr Einfluss auf höchster Ebene gewürdigt: Ein Teil des Nobelpreises für Chemie 2024 ging an Demis Hassabis und John Jumper für AlphaFold, das Proteinstrukturen vorhersagt, und der Nobelpreis für Physik 2024 ging an John Hopfield und Geoffrey Hinton für grundlegende Arbeiten zu neuronalen Netzen.

Welche Grenzen und Risiken hat KI?

Das bekannteste Problem sind Halluzinationen. Da Sprachmodelle plausibel klingenden Text erzeugen statt überprüfter Fakten, können sie falsche Aussagen mit großer Sicherheit treffen. Wie häufig das geschieht, variiert stark je nach Modell und Test, daher sollte man alles Wichtige gegenprüfen.

Modelle haben außerdem einen Wissensstand, der an einem Stichtag endet: Ohne Anbindung an eine Suche wissen sie nichts über Ereignisse nach Ende ihres Trainings. Sie können zudem Verzerrungen aus ihren Trainingsdaten wiedergeben.

Datenschutz verdient Aufmerksamkeit. Überlegen Sie genau, bevor Sie sensible persönliche, gesundheitliche oder geschäftliche Informationen in einen Chatbot eingeben, und prüfen Sie die Einstellungen jedes Anbieters, ob Ihre Unterhaltungen für das Training verwendet werden dürfen.

Weitere Debatten betreffen Urheberrechtsklagen, Energie- und Wasserverbrauch, Deepfakes und Falschinformationen sowie die Auswirkungen auf Arbeitsplätze, zu denen die Prognosen stark auseinandergehen. Schließlich sollte man heutige Systeme nicht als verstehend oder bewusst im menschlichen Sinne betrachten; diese Frage bleibt philosophisch umstritten.

Wird künstliche Intelligenz reguliert?

Zunehmend ja. Der EU AI Act trat am 1. August 2024 in Kraft, und seine Pflichten werden über mehrere Jahre schrittweise eingeführt. Einige Fristen könnten sich durch spätere EU-Vorschläge verschieben, daher lohnt sich ein Blick auf die offiziellen EU-Quellen für den aktuellen Zeitplan.

Andere Länder entwickeln eigene Rahmenwerke. Die Türkei verfügt beispielsweise über eine Nationale KI-Strategie für 2021–2025, die vom Büro für digitale Transformation des Präsidialamts und vom Industrie- und Technologieministerium erarbeitet wurde. Da sich die Politik schnell entwickelt, sollten Sie für den neuesten Stand die Mitteilungen der zuständigen Behörden verfolgen.