Dieser Inhalt wurde automatisch aus dem Ukrainischen übersetzt.
Künstliche Intelligenz hilft bereits dabei, Informationen zu suchen, Texte zu übersetzen, Bilder zu erstellen, Gesichter auf Fotos zu erkennen und Routen zu planen. Allerdings ist KI nicht ein einzelnes Programm und nicht ein digitales Bewusstsein, das irgendwo getrennt von Computern existiert. Hinter diesem Begriff verbirgt sich eine große Gruppe von Technologien, die in der Lage sind, Aufgaben zu erfüllen, für die zuvor menschliche Beteiligung erforderlich war.
Was ist künstliche Intelligenz
Künstliche Intelligenz, oder KI, ist ein Bereich der Informatik, der sich mit der Schaffung von Systemen beschäftigt, die Informationen analysieren, Muster finden, Vorhersagen treffen, bestimmte Entscheidungen fällen oder neuen Inhalt generieren können.
Auf Englisch wird künstliche Intelligenz als artificial intelligence bezeichnet, daher stammt die verbreitete Abkürzung AI.
Zu den KI-Technologien gehören:
- Gesichtserkennung, Objekterkennung und Spracherkennung;
- automatische Übersetzung;
- Empfehlungssysteme;
- Wettervorhersage, Nachfrage- oder Risikoabschätzung;
- Generierung von Texten, Bildern, Musik und Videos;
- Steuerung von Robotern und autonomen Maschinen;
- Erkennung verdächtiger Banktransaktionen;
- Analyse medizinischer Bilder.
Deshalb sind Sprachassistenten, der YouTube-Empfehlungsalgorithmus und ein Chatbot auf Basis eines großen Sprachmodells verschiedene Systeme, obwohl sie alle KI nutzen.
Die meisten modernen Entwicklungen gehören zur sogenannten schmalen künstlichen Intelligenz. Sie kann eine Aufgabe oder eine bestimmte Aufgabenstellung sehr gut ausführen, hat jedoch keinen universellen menschlichen Verstand. Selbst das leistungsstärkste Sprachmodell versteht die Welt nicht so wie ein Mensch, hat keine eigenen Lebenserfahrungen und kein Bewusstsein.
Wie funktioniert KI
In einem traditionellen Programm schreibt der Entwickler spezifische Regeln: Wenn ein bestimmtes Ereignis eintritt, muss das System eine definierte Aktion ausführen. Im maschinellen Lernen ist der Ansatz etwas anders. Der Algorithmus erhält eine große Anzahl von Beispielen, damit er selbst statistische Muster darin findet.
Zum Beispiel wird ein System zur Katzenidentifikation mit einer großen Auswahl an Bildern trainiert. Während des Trainings bestimmt das Modell schrittweise, welche Kombinationen von Formen, Linien, Farben und Texturen am häufigsten mit Katzen verbunden sind. Danach kann es bewerten, ob eine Katze auf einem neuen Foto vorhanden ist.
Das Ergebnis eines solchen Trainings wird als KI-Modell bezeichnet. Es handelt sich um ein mathematisches System, das auf die Ausführung bestimmter Aufgaben eingestellt ist. Gleichzeitig sind Modell und fertiger Service nicht dasselbe. Zum Beispiel ist ChatGPT ein Produkt, über das der Benutzer mit GPT-Modellen interagiert. Ähnlich ist Gemini sowohl der Name einer Modellfamilie von Google als auch der Name eines darauf basierenden Chatbots.
Ein separater Bereich sind neuronale Netzwerke – Systeme, deren Struktur entfernt an die Interaktion von Neuronen im Gehirn erinnert. Wenn ein neuronales Netzwerk viele aufeinanderfolgende Schichten hat, spricht man von tiefem Lernen. Genau das wurde zur Grundlage der meisten modernen Erkennungs- und Generierungssysteme.
Was ist generative KI
Künstliche Intelligenz wurde besonders bemerkenswert mit der Verbreitung von generativen Modellen. Diese klassifizieren oder finden nicht nur Informationen, sondern erstellen auch neuen Inhalt: Texte, Bilder, Code, Audio oder Video.
Große Sprachmodelle, oder LLM, werden auf riesigen Textmengen trainiert. Nach Erhalt einer Anfrage prognostiziert ein solches Modell Schritt für Schritt die passendste Fortsetzung. Dies ist deutlich komplexer als eine gewöhnliche Autovervollständigung: Das System berücksichtigt den Kontext, den Stil, die Satzstruktur und die Beziehungen zwischen Konzepten.
Allerdings greift das Sprachmodell nicht auf eine fertige Antwort aus einem versteckten Lexikon zurück. Es generiert Text basierend auf erlernten Mustern. Deshalb kann die Antwort überzeugend klingen, aber Fehler oder erfundene Fakten enthalten. Dieses Phänomen wird als KI-Halluzination bezeichnet.
Moderne Modelle sind zunehmend multimodal. Sie können nicht nur mit Text, sondern auch mit Fotos, Dokumenten, Tabellen, Ton und Video arbeiten. Zum Beispiel kann ein solches System Text von einem Foto lesen, ein Diagramm erklären oder Fragen zu einem abgebildeten Objekt beantworten.
Wie die Geschichte der künstlichen Intelligenz begann
Die Ideen zur Schaffung eines mechanischen Verstandes existierten lange vor dem Erscheinen von Computern. Allerdings begannen sie erst im 20. Jahrhundert, in wissenschaftliche Aufgaben umgesetzt zu werden.
Eine wichtige Figur in der frühen Geschichte der KI war der britische Mathematiker Alan Turing. In einem Artikel von 1950 stellte er die Frage: „Können Maschinen denken?“ Anstatt nach einer genauen Definition des Denkens zu suchen, schlug Turing einen praktischen Test vor, der später als Turing-Test bekannt wurde. Wenn ein Mensch während eines Textgesprächs nicht zuverlässig zwischen einer Maschine und einem anderen Menschen unterscheiden kann, kann das Verhalten der Maschine als intelligent angesehen werden.
Der Begriff artificial intelligence tauchte 1956 auf. Er wurde von dem amerikanischen Wissenschaftler John McCarthy für ein Sommerforschungsseminar am Dartmouth College vorgeschlagen. Dieses Treffen wird oft als symbolischer Beginn der KI als eigenständiger wissenschaftlicher Disziplin bezeichnet.
In den 1950er und 1960er Jahren entwickelten Forscher Programme, die logische Probleme lösten, Theoreme bewiesen und einfache Spiele spielten. Es schien, als wäre es nicht mehr lange bis zur Entstehung von Maschinenintelligenz. Allerdings hatten frühe Computer eine viel zu geringe Rechenleistung, und die manuell erstellten Regeln funktionierten außerhalb enger Laborbedingungen schlecht.
Hat die Maschine den Turing-Test bestanden?
Auf diese Frage gab es lange keine eindeutige Antwort, da der Turing-Test keine einheitlichen offiziellen Richtlinien oder allgemein anerkannten Bestehensgrenzen hat. Forscher führten Gespräche unterschiedlicher Dauer, zogen unterschiedliche Anzahl von Richtern hinzu und bewerteten die Ergebnisse unterschiedlich. Daher führten Aussagen über das „erste Bestehen des Tests“ häufig zu Kontroversen.
In dem ursprünglichen Artikel von 1950 setzte Turing 30% nicht als offiziellen Schwellenwert für das Bestehen fest. Er prognostizierte, dass Computer etwa in 50 Jahren in der Lage sein würden, ein Imitationsspiel so gut zu führen, dass der durchschnittliche Teilnehmer nach fünf Minuten Fragen die Maschine in nicht mehr als 70% der Fälle richtig erkennen würde. Später wurde diese Annahme als Richtwert interpretiert: Die Maschine muss mindestens 30% der Richter überzeugen, dass sie ein Mensch ist.
Ein bekanntes Beispiel war das Experiment von 2014 in London, an dem Forscher der University of Reading beteiligt waren. Der Chatbot Eugene Goostman, der einen 13-jährigen Jungen aus der Ukraine imitierte, überzeugte 33% der Richter davon, dass sie mit einem Menschen sprechen. Die Organisatoren bezeichneten dies als das erste Bestehen des Turing-Tests, jedoch äußerten viele Fachleute Kritik an dieser Schlussfolgerung. Das Bild des jungen Gesprächspartners, für den Englisch angeblich nicht die Muttersprache war, erlaubte es, seltsame Antworten, Sprachfehler und Wissenslücken zu erklären. Darüber hinaus wurde die geringe Anzahl von Richtern und die kurze Dauer der Gespräche diskutiert.
Überzeugendere Ergebnisse zeigten moderne große Sprachmodelle. Die Forschung wurde zunächst als Preprint im Jahr 2025 veröffentlicht und später in der wissenschaftlichen Zeitschrift Proceedings of the National Academy of Sciences veröffentlicht. In der standardmäßigen dreiseitigen Version des Tests korrespondierte der Teilnehmer gleichzeitig mit einem Menschen und einem KI-System und musste dann bestimmen, wer wer ist.
GPT-4.5, das mit einem Prompt das Bild eines jungen, internetaffinen Gesprächspartners erhielt, wurde in 73% der Fälle als Mensch erkannt. Das bedeutet, dass die Teilnehmer sie häufiger wählten als einen echten Menschen, als man bei zufälligem Raten erwarten würde. Llama 3.1 405B mit denselben Einstellungen erzielte 56% und war in den Gesamtdaten statistisch nicht von Menschen zu unterscheiden. Ohne einen speziellen Prompt, der menschliche Kommunikationsweisen festlegte, waren die Ergebnisse beider Modelle deutlich schlechter.
Die Autoren bezeichneten dies als den ersten zuverlässigen experimentellen Beweis dafür, dass moderne Sprachmodelle die standardmäßige dreiseitige Version des Turing-Tests bestehen können. Allerdings beweist ein erfolgreicher Ausgang nicht, dass die Maschine Bewusstsein hat, ihre eigenen Worte versteht oder denkt wie ein Mensch. Es zeigt in erster Linie die Fähigkeit des Systems, menschliches Verhalten während eines kurzen Textgesprächs überzeugend nachzuahmen. Daher wird der Turing-Test heute zunehmend als Überprüfung der Menschlichkeit der Kommunikation und nicht als endgültiger Beweis für das Auftreten eines echten Maschinenverstandes betrachtet.
„KI-Winter“ und Rückkehr des Interesses
Überzogene Erwartungen wurden wiederholt durch Enttäuschungen ersetzt. Die Finanzierung wurde gekürzt, und das Forschungstempo verlangsamte sich. Solche Perioden wurden als „KI-Winter“ bezeichnet.
In den 1980er Jahren gewannen Expertensysteme an Popularität. Sie verwendeten große Regelmengen, die von Fachleuten erstellt wurden, und konnten bei Diagnosen, Finanzen oder Industrie helfen. Allerdings war die Unterstützung solcher Systeme teuer, und ihre Möglichkeiten blieben begrenzt.
Die Situation begann sich dank dreier Faktoren zu ändern: der Ansammlung digitaler Daten, dem Erscheinen leistungsfähigerer Prozessoren und der Verbesserung von Algorithmen des maschinellen Lernens.
Im Jahr 1997 besiegte der Schachcomputer IBM Deep Blue den Weltmeister Garry Kasparov. Im Jahr 2012 zeigte das neuronale Netzwerk AlexNet erhebliche Fortschritte bei der Bilderkennung. Und im Jahr 2016 besiegte das System AlphaGo von Google DeepMind einen der stärksten Spieler der Welt im Go – ein Spiel, das lange als zu komplex für Computer galt.
Ein weiterer Wendepunkt war das Erscheinen der Architektur Transformer im Jahr 2017. Sie ermöglichte eine effizientere Verarbeitung großer Textmengen und wurde zur Grundlage vieler moderner Sprachmodelle.
Ende 2022 öffnete das Unternehmen OpenAI den breiten Zugang zu ChatGPT. Generative KI hörte auf, überwiegend eine Labortechnologie zu sein: Sie wurde von Schülern, Lehrern, Programmierern, Journalisten, Designern und Unternehmensmitarbeitern genutzt.
Welche Unternehmen entwickeln künstliche Intelligenz
Heute haben Dutzende von Unternehmen eigene Forschungsabteilungen und Modelle. Einige konzentrieren sich auf universelle Assistenten, andere auf Suche, Programmierung, Robotik, Medizin, Video oder Unternehmenslösungen.
OpenAI
OpenAI ist ein amerikanisches Unternehmen, das hinter ChatGPT steht. Ihre Hauptentwicklungen gehören zur Familie GPT – großen multimodalen Modellen zur Verarbeitung von Text, Bildern, Dateien und Programmcode.
Das Unternehmen entwickelt auch Modelle und Systeme zur Erstellung von Bildern, Videos, Sprache und Programmierung. Zu ihren Produkten gehören ChatGPT, der Video-Generator Sora und die Codex-Tools. Der aktuelle Katalog der OpenAI-Modelle ändert sich regelmäßig, sodass spezifische Versionen allmählich ersetzt werden.
Google und Google DeepMind
Google erforscht KI seit Jahrzehnten, und ihre Abteilung Google DeepMind ist bekannt für die Systeme AlphaGo, AlphaFold und die Modellfamilie Gemini.
Gemini umfasst universelle multimodale Modelle unterschiedlicher Leistungsstufen: Pro ist auf komplexe Aufgaben ausgerichtet, Flash auf schnelle und kostengünstige Arbeiten, und Flash-Lite auf die massenhafte Ausführung einfacherer Anfragen. Separat entwickelt Google Imagen für Bilder, Veo für Videos und spezialisierte Audiomodelle. Das Unternehmen integriert KI in die Google-Suche, Android, Gmail, Google Docs und andere Dienste.
Anthropic
Anthropic hat die Familie großer Sprachmodelle Claude geschaffen. Diese unterteilt sich in mehrere Hauptlinien: Haiku ist hauptsächlich für schnelle und relativ kostengünstige Operationen gedacht, Sonnet bietet ein Gleichgewicht zwischen Geschwindigkeit und Möglichkeiten, und Opus ist auf komplexere Aufgaben ausgerichtet. In neuen Generationen entwickelt das Unternehmen auch Modelle für langwierige, mehrstufige Prozesse.
Claude kann Dokumente und Bilder analysieren, Texte und Code schreiben, mit Werkzeugen arbeiten und Handlungsabläufe ausführen.
Meta
Das Unternehmen Meta, dem Facebook, Instagram und WhatsApp gehören, entwickelt die Modellfamilie Llama. Im Gegensatz zu vollständig geschlossenen kommerziellen Systemen werden die Llama-Modelle mit verfügbaren Gewichten unter der Lizenz von Meta verbreitet. Dies ermöglicht es Unternehmen und Forschern, sie auf eigener Hardware auszuführen, zusätzlich zu trainieren und an spezifische Aufgaben anzupassen.
Meta nutzt auch KI in seinen sozialen Netzwerken: für Empfehlungen, Werbesysteme, Moderation und die Arbeit des Assistenten Meta AI.
Microsoft
Microsoft ist nicht nur ein großer Investor und Partner von OpenAI, sondern auch ein eigenständiger Entwickler von KI. Das Unternehmen erstellt kompakte Modelle der Familie Phi und integriert künstliche Intelligenz in Windows, Microsoft 365, GitHub und die Cloud-Plattform Azure.
Der Name Copilot vereint eine Reihe von Microsoft-Assistenten. Zum Beispiel hilft GitHub Copilot beim Programmieren, während Microsoft 365 Copilot mit Dokumenten, Tabellen, Präsentationen und E-Mails arbeitet. Dabei können verschiedene Copilot-Produkte unterschiedliche Modelle verwenden, einschließlich der Entwicklungen von OpenAI.
Amazon
Amazon setzt KI aktiv im E-Commerce, in der Logistik, in Cloud-Diensten und im Sprachassistenten Alexa ein. Über die Plattform Amazon Bedrock bietet das Unternehmen Unternehmen Zugang zu Modellen verschiedener Entwickler.
Die eigene Modellfamilie von Amazon trägt den Namen Nova. Sie umfasst Systeme zur Verarbeitung von Text und Multimedia-Daten sowie spezielle Werkzeuge zur Generierung von Bildern und Videos.
xAI
Das Unternehmen xAI wurde von Elon Musk gegründet. Ihr Hauptprodukt ist die Modellfamilie und der Chatbot Grok, der eng in die Plattform X integriert ist. Grok arbeitet mit Text, Programmcode und Bildern, und neue Versionen erhalten Werkzeuge zur Suche und Ausführung komplexerer Aufgaben.
Mistral AI
Das französische Unternehmen Mistral AI entwickelt universelle und spezialisierte Modelle. Zu ihren Hauptfamilien gehören Mistral Large, Mistral Small und kompakte Modelle von Ministral. Separat bietet das Unternehmen Codestral für Programmierung, Pixtral für die Arbeit mit Bildern und Voxtral für Audio an.
Ein Teil der Mistral-Modelle ist mit offenen Gewichten verfügbar, was das Unternehmen zu einem der bemerkenswertesten europäischen KI-Entwickler gemacht hat.
Chinesische Entwickler
Auch chinesische Technologieunternehmen spielen eine große Rolle in der Entwicklung von KI. Alibaba entwickelt die Familie Qwen, Baidu – ERNIE, und DeepSeek wurde durch allgemeine Sprachmodelle und Modelle, die für komplexe Überlegungen optimiert sind, bekannt.
In diesem Segment entwickeln sich Modelle mit offenen Gewichten besonders schnell. Sie können lokal ausgeführt oder als Grundlage für eigene Dienste verwendet werden, obwohl die Lizenzbedingungen in jedem Fall unterschiedlich sind.
Wie unterscheiden sich KI-Modelle
Die Existenz von Dutzenden von Namen bedeutet nicht, dass jedes Modell eine völlig separate Technologie ist. Oft erstellt ein Unternehmen eine ganze Familie: die leistungsstärkste Version für komplexe Aufgaben, eine schnellere und kostengünstigere für alltägliche Operationen sowie ein kompaktes Modell für Smartphones oder lokale Geräte.
Modelle können sich unterscheiden in:
- den Datentypen, mit denen sie arbeiten;
- der Geschwindigkeit und den Kosten der Nutzung;
- dem Umfang des Kontexts, den sie verarbeiten können;
- der Qualität der Programmierung und logischen Überlegungen;
- der Möglichkeit, auf eigener Hardware ausgeführt zu werden;
- dem Zugang zum Internet und externen Werkzeugen;
- den Lizenzbedingungen.
Ein Modell schreibt besser Programmcode, ein anderes analysiert kürzere Anfragen schneller, ein drittes spezialisiert sich auf Bilder oder Sprache. Daher hat die Frage „Welches KI-Modell ist das beste?“ keine universelle Antwort: alles hängt von der spezifischen Aufgabe ab.
Wo begegnen wir bereits KI
Künstliche Intelligenz ist viel früher in den Alltag eingetreten, als generative Chatbots populär wurden. Sie sortiert Spam in E-Mails, empfiehlt Musik und Filme, verbessert Fotos vom Smartphone, korrigiert Fehler in Texten und hilft Banken, Betrug zu erkennen.
In der Medizin wird KI zur Analyse von Bildern und zur Suche nach vielversprechenden Molekülen eingesetzt. In der Industrie – zur Qualitätskontrolle und zur Vorhersage von Ausfällen. Im Transportwesen – zur Routenplanung und zur Arbeit von Fahrerassistenzsystemen. In der Wissenschaft helfen Modelle, große Datenmengen zu verarbeiten, die ein Mensch nicht manuell überprüfen könnte.
Gleichzeitig garantiert KI kein korrektes Ergebnis. Ein Modell kann Vorurteile aus den Trainingsdaten wiederholen, Anfragen falsch interpretieren oder selbstbewusst erfundene Informationen mitteilen. Besonders vorsichtig sollte man bei Antworten sein, die mit Medizin, Finanzen, Recht und Sicherheit zu tun haben.
Künstliche Intelligenz ist weder ein allwissender digitaler Gesprächspartner noch eine gewöhnliche Suchmaschine. Es ist ein leistungsstarkes Werkzeug zur Informationsverarbeitung, dessen Möglichkeiten von Modell, Daten, Einstellungen und der gestellten Aufgabe abhängen. Die Technologie entwickelt sich extrem schnell, jedoch bleiben die Überprüfung von Fakten, die Bewertung von Konsequenzen und die Verantwortung für Entscheidungen vorerst beim Menschen.
