KI verstehen: KI ist bereits Teil des Alltags

Die Künstliche Intelligenz ist längst kein Zukunftstraum mehr – sie ist bereits heute fester Bestandteil unseres Arbeits- und Privatlebens. Doch während wir täglich mit KI-Systemen interagieren, fehlt vielen das grundlegende Verständnis dafür, wie diese Technologien funktionieren und welche Auswirkungen sie haben. Besonders für Unternehmen wird dieses Wissen immer wichtiger, nicht zuletzt durch neue rechtliche Rahmenbedingungen wie den EU AI Act.

Was verbirgt sich hinter dem Begriff "Künstliche Intelligenz"?

Künstliche Intelligenz beschreibt Computersysteme, die Aufgaben übernehmen können, für die normalerweise menschliche Intelligenz erforderlich wäre. Dazu gehören komplexe Fähigkeiten wie Verstehen, Lernen, Planen, Problemlösen, Wahrnehmen und Interagieren.

In der Praxis unterscheiden Experten zwischen verschiedenen Arten der KI:

Schwache KI konzentriert sich auf spezielle Anwendungsbereiche. Diese Systeme sind hochspezialisiert und meistern eine bestimmte Aufgabe besonders gut – denk an Chatbots im Kundenservice, Empfehlungsalgorithmen bei Netflix oder Sprachassistenten wie Siri. Sie können ihre erlernten Fähigkeiten jedoch nicht auf andere Bereiche übertragen.

Starke KI bleibt bislang ein theoretisches Ziel der Forschung. Diese würde über eine umfassende, menschenähnliche Intelligenz verfügen und flexibel verschiedenste Probleme lösen können – ähnlich wie Menschen, die heute Mathematik lösen und morgen ein Gedicht schreiben können.

Generative KI hat in den letzten Jahren besonders viel Aufmerksamkeit erhalten. Diese Systeme können eigenständig neue Inhalte erstellen: Texte schreiben, Bilder generieren, Musik komponieren oder sogar Programmcode entwickeln. ChatGPT, DALL-E und ähnliche Tools gehören zu dieser Kategorie.

Wie lernen Maschinen eigentlich?

Die meisten modernen KI-Systeme basieren auf einem Prinzip namens Machine Learning. Statt dass Programmierer jede mögliche Situation vorhersehen und explizit programmieren müssen, lernen diese Algorithmen selbstständig aus großen Datenmengen. Sie erkennen Muster, verstehen Zusammenhänge und können darauf basierend Vorhersagen für neue, unbekannte Situationen treffen.

Die Formel ist dabei relativ simpel: Trainingsdaten plus Rechenleistung plus ein geeignetes Modell ergeben eine lernfähige Maschine. In der Praxis ist dieser Prozess jedoch hochkomplex und erfordert spezialisiertes Know-how.

Einige Schlüsselbegriffe solltest du kennen:

Beim Training lernt das System anhand von Millionen von Beispielen. Ein Bilderkennungssystem wird beispielsweise mit unzähligen Fotos von Katzen und Hunden gefüttert, bis es die Unterschiede zuverlässig erkennen kann.

Neuronale Netze ahmen die Struktur des menschlichen Gehirns nach. Künstliche Neuronen sind in Schichten angeordnet und verarbeiten Informationen ähnlich wie biologische Nervenzellen.

Ein Prompt ist die Eingabe, mit der du ein KI-System zur gewünschten Antwort anregst – etwa eine Frage an ChatGPT oder eine Beschreibung für einen Bildgenerator.

Bias bezeichnet Verzerrungen, die entstehen, wenn Trainingsdaten einseitig oder fehlerhaft sind. Wenn ein Bewerbungsauswahlsystem nur mit Lebensläufen männlicher Führungskräfte trainiert wurde, könnte es Frauen systematisch benachteiligen.