Zur Navigation springen Zum Hauptinhalt springen Zum Footer springen

Was IST KI?

Was bedeutet Künstliche Intelligenz?

Künstliche Intelligenz erleichtert unseren Alltag und unser Arbeitsleben. Aber jede Medaille hat zwei Seiten – und so gibt es für den Einsatz von KI einige Dinge zu beachten. KI-Systeme unterscheiden sich von klassischer Software: Sie verarbeiten große Datenmengen, lernen aus Beispielen und können Ergebnisse liefern, die nicht immer richtig oder nachvollziehbar sind. Das bringt neue ethische, rechtliche und sicherheitstechnische Herausforderungen mit sich.

Um KI verantwortungsvoll zu nutzen, sollten ihre Ergebnisse stets kritisch hinterfragt und – insbesondere bei wichtigen Entscheidungen – mit verlässlichen Quellen überprüft werden. Personenbezogene oder vertrauliche Informationen sollten nur mit großer Vorsicht in KI-Anwendungen eingegeben werden. Außerdem ist es sinnvoll, offen kenntlich zu machen, wenn Inhalte ganz oder teilweise mit KI erstellt wurden. Wer KI nutzt, sollte zudem auf seriöse Anbieter achten und die Datenschutz- und Sicherheitseinstellungen der verwendeten Anwendungen prüfen. So kann Künstliche Intelligenz ihre Stärken entfalten und gleichzeitig verantwortungsvoll zum Nutzen der Menschen eingesetzt werden.

Eine besonders bekannte Form der KI ist die generative KI. Generative KI bezeichnet KI-Systeme, die auf Basis einer User-Anfrage (Prompt) eigenständig neue Inhalte wie Texte, Bilder, Videos oder Audiodateien erzeugen.

Sie nutzen große Modelle, die Wahrscheinlichkeitsverteilungen über mögliche Ausgaben berechnen und daraus neue Ergebnisse generieren. Ihre Fähigkeit, Inhalte auf Basis erkannter Strukturen neu zusammenzusetzen, macht sie vielseitig einsetzbar.Bekannte Beispiele sind ChatGPT (OpenAI, USA), Claude (Anthropic, USA), Gemini (Google, USA), DeepSeek (China), Llama (Meta, USA), Vibe (Mistral AI, Frankreich) oder FLUX (Black Forest Labs, Deutschland).

Generative KI, insbesondere große Sprachmodelle, ist die Grundlage für die Entwicklung intelligenter Technologien der nächsten Stufe – der KI-Agenten: Agentische KI löst eigenständig spezifische Aufgaben. Hierfür interagiert sie mit Menschen, weiteren KI-Agenten oder -Tools, und erstellt Pläne, zieht Schlussfolgerungen und greift auf externe Werkzeuge wie Datenbanken oder Applikationen zurück. In Multi-Agenten-Systemen interagieren verschiedene Agenten und kontrollieren sich sogar gegenseitig, etwa indem sie unterschiedliche Rollen einnehmen. Es ist der Schritt vom reaktiven Werkzeug zum proaktiven Akteur.

Auch wenn der Begriff in aller Munde ist: Eine allgemein akzeptierte Definition zu KI gibt es nicht.
Nicht zuletzt, weil es schwierig zu bestimmen ist, was als „intelligent“ gilt.

Künstliche Intelligenz und Algorithmen

Oftmals werden die Begriffe KI und Algorithmen fälschlicherweise gleichgesetzt. Algorithmen beschreiben einen definierten Rechenweg, der zu einem erwartbaren Ergebnis führt. Bei gleichen Eingaben bleibt auch das Ergebnis immer gleich – ähnlich einem Kochrezept. Zwar basiert auch Künstliche Intelligenz auf Algorithmen. Im Unterschied zu klassischen Algorithmen lernen die in modernen KI-Systemen verwendeten Algorithmen aber laufend dazu – sei es in einem vom Menschen gesteuerten Training oder selbstständig. Grundlage für diesen Lernprozess ist eine große Menge. Mit vielen und möglichst qualitativ hochwertigen Daten können KI-gestützte Systeme in Sekundenschnelle zu Ergebnissen kommen, für die Menschen sehr lange rechnen müssten.

KI-Technologien

Künstliche Intelligenz beschreibt nicht eine bestimmte Technologie, sondern eine Vielzahl an Techniken, die Computersysteme intelligent erscheinen lassen – weil sie in der Lage sind, Dinge wahrzunehmen, Probleme zu lösen oder eigenständig bzw. vom Menschen assistiert Handlungen auszuführen. Diese Techniken basieren zumeist auf großen Datenmengen und lassen sich nicht streng voneinander abgrenzen. Hier eine Auswahl:

Bilderkennung und -analyse

Deepfakes

Sensorik

Datenmanagement und -analyse

Natürliche Sprachverarbeitung

Mensch-Maschine-Interaktion

Robotik

Eine kurze Geschichte der Künstlichen Intelligenz

Künstliche Intelligenz ist eine Errungenschaft des 21. Jahrhunderts? Weit gefehlt!

Begründet wurde die Technologie bereits Mitte der 1950er Jahre. Seither verzeichnete sie Höhen und Tiefen: Auf überzogene Erwartungen an Maschinen als universelle Problemlöser folgte Ernüchterung – ein so genannter KI-Winter. Neue Methoden, eine exponentiell steigende Rechnerleistung sowie schier unbegrenzt verfügbare Daten verliehen der Künstlichen Intelligenz zur Jahrtausendwende einen erneuten Aufschwung – der ungebrochen anhält. Mehr dazu in unserem Erklärfilm.

Generative KI – Alleskönner der Künstlichen Intelligenz?

Sprachmodelle wie ChatGPT & Co. können Fragen beantworten, Programmcode erstellen und wissenschaftliche Studien zusammenfassen. Andere generative KI-Systeme erstellen nach gewünschten Vorgaben Bilder oder Musikstücke. All das mit großer Rechenpower auf Basis von riesigen Datenmengen, lernenden Algorithmen und Wahrscheinlichkeiten. Die Anwendungsmöglichkeiten sind vielfältig und weitreichend – und haben in Alltag und Arbeit bereits vieles verändert. Generative KI-Systeme können aber auch falsche Informationen liefern oder diskriminierende Inhalte reproduzieren. Die Technologie entwickelt sich rasant, daher ist es wichtig, Potenziale und Risiken zu kennen und die Technologie verantwortungsvoll einzusetzen. Mehr dazu in unserem Erklärfilm.

Wie lernt KI?

KI-Systeme lernen zunächst nicht von sich aus. Sie müssen trainiert werden, und zwar mit vielen Daten. Hier kommt die Methode des maschinellen Lernens zum Einsatz:

Maschinelles Lernen (engl. Machine Learning) ist eine grundlegende Methode der Künstlichen Intelligenz. Auf ihr basieren die größten Fortschritte der vergangenen Jahre. Auch beim maschinellen Lernen programmiert der Mensch – allerdings nicht mehr fertige Lösungen, sondern Programme, die die Problemlösung anhand von Trainingsdaten erlernen. Zum Einsatz kommen dabei spezielle Algorithmen, die in Beispieldaten Muster und Gesetzmäßigkeiten erkennen und diese auf neue Daten anwenden.

Allerdings: Mit falschen oder unvollständigen Daten gefüttert, liefert auch KI falsche oder unvollständige Ergebnisse.

Innerhalb des maschinellen Lernens werden drei Lernstile unterschieden:

Überwachtes Lernen

Beim überwachten Lernen liefert der Mensch dem Computersystem neben den Trainingsdaten auch das erwartete Ergebnis. Soll der Algorithmus in einem Bild etwa eine Katze identifizieren, erkennt darin aber einen Hund, passt er sein Rechenmodell an. Das wiederholt der Lernalgorithmus bei Fehlern so lange, bis er Katzenbilder verlässlich erkennt.

Unüberwachtes Lernen

Beim unüberwachten Lernen speist der Mensch nur die Eingabedaten in das System, ohne weitere Erläuterungen. Der Lernalgorithmus erzeugt ein Modell, dass die Eingaben abstrakt beschreibt und muss nun selbstständig Muster finden. Meist wird diese Methode eingesetzt, um große Datensätze zu clustern oder zu segmentieren.

Verstärkendes Lernen

Beim verstärkenden Lernen trainiert der Mensch den Lernalgorithmus über Feedback: Für erfolgreiche Handlungen erhält der Algorithmus eine positive Rückmeldung, bei Fehlern eine negative. Ziel des KI-Systems ist es, möglichst viel positives Feedback zu erhalten. Auf diese Weise lernt es beispielsweise die Regeln eines Spiels.

Deep Learning

Ein besonders leistungsfähiger Teilbereich des maschinellen Lernens ist das Deep Learning. Er basiert auf so genannten künstlichen neuronalen Netzen, die mehrere Schichten umfassen: In der ersten Schicht erkennt der Algorithmus beispielsweise ein Muster, in der zweiten ein Muster von Mustern und so weiter. Je komplexer das Netz, desto komplexere Sachverhalte kann der Algorithmus verarbeiten.

Inspiriert ist diese Lernmethode von den Mechanismen des menschlichen Gehirns. Angewendet wird Deep Learning zum Erkennen von Bildern, Sprache und Objekten. Allerdings: Wie das trainierte neuronale Netz zu Ergebnissen kommt, ist für den Menschen nicht nachvollziehbar – und bleibt damit eine Black Box. Einblicke in die Black Box gewährt das Forschungsfeld der erklärbaren KI.

 

Über diese Video-Tutorials

Künstliche Intelligenz verständlich machen – mit diesem Anspruch erläutern wir in dieser Video-Reihe, wie KI-Systeme lernen. Einschlägiges Vorwissen ist dafür nicht nötig. Die Protagonisten der Tutorials sind Studierende verschiedener Fachdisziplinen und Mit-Autoren des Buchs Wie Maschinen lernen. Gedreht wurden die Videos mit freundlicher Genehmigung im Technikmuseum Berlin.

Die Video-Tutorials finden Sie in unserer Mediathek unter "Know-How zu KI".