Was ist KI?
Ein Sammelbegriff für Computersysteme, die Aufgaben bearbeiten, für die Menschen normalerweise Wahrnehmung, Sprache, Erfahrung oder Entscheidungen benötigen.
KI verstehen
Orientierung in einer Welt voller intelligenter Systeme.
Künstliche Intelligenz ist kein einzelnes Programm und kein plötzlich entstandenes Wunder. Sie ist das Ergebnis vieler Ideen, Irrwege und Durchbrüche – und lässt sich auch ohne technisches Vorwissen verstehen.
Lernen
Sprache
Handeln
Erkennen
KI beginnt mit den richtigen Fragen.
Die Technik verändert sich schnell. Drei einfache Fragen helfen dabei, neue Anwendungen einzuordnen, ohne jedem Fachbegriff folgen zu müssen.
Wie lernt sie?
Viele heutige Systeme entdecken Muster in großen Mengen von Beispielen. Sie lernen dabei keine Wahrheit, sondern berechnen, welche Antwort wahrscheinlich gut passt.
Wo liegen Grenzen?
KI kann überzeugend wirken und trotzdem falschliegen. Qualität, Daten, Aufgabenstellung und menschliche Kontrolle entscheiden darüber, wie verlässlich ihr Ergebnis ist.
Zwölf Wendepunkte
Von Rechenregeln zu handelnden Systemen.
Die Geschichte der KI verläuft nicht geradlinig. Mal stand einprogrammiertes Wissen im Mittelpunkt, später das Lernen aus Daten – heute werden Sprachmodelle mit Planung und Werkzeugen verbunden.
Die Idee des künstlichen Nervennetzes
Warren McCulloch und Walter Pitts entwickelten ein stark vereinfachtes mathematisches Modell einer menschlichen Nervenzelle. Sie zeigten: Wenn man viele solcher künstlichen „Neuronen“ verbindet, kann ein System Informationen verarbeiten und einfache Entscheidungen treffen.
Zur Originalveröffentlichung (PDF) ↗„Künstliche Intelligenz“ erhält ihren Namen
Bei einer Forschungstagung in Dartmouth wurde Künstliche Intelligenz als eigenes Forschungsgebiet etabliert. Dahinter stand die damals kühne Idee, dass sich Fähigkeiten wie Lernen, Denken oder Problemlösen grundsätzlich auch von Maschinen ausführen lassen könnten.
Zum Dartmouth-Antrag ↗Das Perzeptron lernt aus Beispielen
Das Perzeptron war eines der ersten Systeme, das nicht nur fest programmierte Regeln ausführte, sondern anhand von Beispielen lernen konnte. Es konnte einfache Muster unterscheiden, war bei komplexeren Aufgaben aber schnell überfordert.
Zu Rosenblatts Veröffentlichung ↗
Ca. 1970er/1980er
Expertensysteme speichern Fachwissen
Expertensysteme sollten das Wissen von Ärztinnen, Ingenieuren und anderen Fachleuten verfügbar machen. Sie arbeiteten mit Wenn-dann-Regeln – und stießen an Grenzen, sobald ein Fall nicht zu den einprogrammierten Regeln passte.
Zur historischen Einordnung ↗Maschinen lernen aus ihren Fehlern
Eine neue Trainingsmethode erlaubte es neuronalen Netzen, ihre Fehler Schritt für Schritt zu verringern. Ähnlich wie beim Üben konnten die Systeme nach jedem falschen Ergebnis ihre internen Verbindungen etwas verändern.
Zum Nature-Paper ↗Deep Blue besiegt den Schachweltmeister
Der IBM-Computer Deep Blue gewann gegen Garri Kasparow. Das zeigte zugleich einen wichtigen Unterschied: Deep Blue war im Schach überragend, konnte außerhalb dieser klar begrenzten Aufgabe jedoch praktisch nichts.
Zur Geschichte von Deep Blue ↗Computer erkennen Bilder immer zuverlässiger
Mit AlexNet gelang ein großer Sprung bei der Bilderkennung. Statt dass Menschen jedes Merkmal vorgaben, lernte das System anhand von Millionen Bildern selbst, Katzen, Fahrzeuge und viele andere Dinge zu unterscheiden.
Zum AlexNet-Paper ↗AlphaGo entwickelt überraschende Strategien
AlphaGo besiegte den weltbekannten Go-Spieler Lee Sedol mit 4:1. Das System lernte aus menschlichen Partien und Spielen gegen sich selbst – und entdeckte dabei Züge, die erfahrene Spieler zunächst für Fehler hielten.
Zu AlphaGo ↗Die Grundlage moderner Sprach-KI entsteht
Mit dem Transformer entstand eine neue Möglichkeit, Sprache zu verarbeiten. Das System achtet darauf, welche Wörter und Aussagen zusammengehören. Diese Idee bildet die Grundlage für ChatGPT und viele weitere KI-Angebote.
Zum Transformer-Paper ↗AlphaFold unterstützt die Forschung
AlphaFold konnte erstaunlich genau vorhersagen, welche dreidimensionale Form viele Proteine besitzen. KI wurde damit zu einem konkreten Forschungswerkzeug, etwa für Biologie, Medizin und die Entwicklung neuer Wirkstoffe.
Zum AlphaFold2-Paper ↗ChatGPT bringt KI in den Alltag
Mit ChatGPT konnten sehr viele Menschen direkt und in Alltagssprache mit einer leistungsfähigen KI arbeiten. Zugleich wurde sichtbar, dass eine überzeugend formulierte Antwort nicht automatisch eine richtige Antwort sein muss.
Zur Veröffentlichung von ChatGPT ↗
Ca. 2023–2025
KI-Agenten beginnen, Aufgaben auszuführen
Während ein Chatbot hauptsächlich antwortet, kann ein KI-Agent mehrere Arbeitsschritte planen und Werkzeuge einsetzen. Weil solche Systeme weiterhin Fehler machen können, bleiben Kontrolle und klare Berechtigungen wichtig.
Zum ReAct-Paper ↗
Was die Entwicklung zeigt
01
02
03
Drei Gedanken, die beim Einordnen helfen.
Leistung ist nicht gleich Verständnis.
Ein System kann in einer Aufgabe außergewöhnlich gut sein und außerhalb davon vollständig versagen. Auch beeindruckende Ergebnisse sind deshalb kein Beweis für menschliches Denken.
Fortschritt entsteht aus Kombinationen.
Neue Methoden wirken oft erst zusammen mit mehr Daten, stärkerer Rechenleistung und einer gut gewählten Aufgabe. Selten erklärt eine einzelne Erfindung den ganzen Sprung.
Menschen bleiben verantwortlich.
Je mehr KI-Systeme selbst ausführen dürfen, desto wichtiger werden nachvollziehbare Ziele, begrenzte Zugriffe und die Möglichkeit, Entscheidungen zu prüfen oder zu stoppen.
Ein maximal vereinfachtes Modell
Wie aus einer Frage eine Antwort wird.
Ein Sprachmodell denkt nicht wie ein Mensch und holt keine fertige Antwort aus einer Wissensschublade. Es erzeugt Text Schritt für Schritt – indem es immer wieder berechnet, welche Fortsetzung wahrscheinlich gut passt.
Lernen
01 von 12
Sehr viele Texte lesen
Beim Training verarbeitet das Modell große Mengen an Text. Darin begegnen ihm Wörter, Formulierungen und typische Zusammenhänge immer wieder.
Ausblick
Der Fähigkeitsraum wächst.
KI-Systeme werden nicht nur in einzelnen Disziplinen besser. Sie verbinden immer mehr Fähigkeiten zu zusammenhängenden Arbeitsprozessen – vom Erkennen über das Erzeugen bis zum Planen und Handeln.
2012
Wahrnehmen
Neuronale Netze erkennen Bilder und Muster zuverlässiger als zuvor.
Hinweis: Die Darstellung zeigt qualitative Entwicklungsstufen und keine einheitlich messbare Gesamtintelligenz.