Seit der Veröffentlichung der ersten frei verfügbaren Version von ChatGPT im November 2022 ist das Thema ‚Künstliche Intelligenz KI‘ (Englisch: Artifical Intelligence AI) in aller Munde. Und nicht nur das, die verfügbaren Tools entwickeln sich rasant weiter:  Wie der AI Index Report des Human-Centered Artificial Intelligence (HAI) Instituts der Stanford University aus 2025 zeigt:

• erreicht nur noch einer von acht analysierten Bereichen (von etablierter Bilderkennung bis hin zu komplexen Aufgaben in der Mathematik und umfangreichem Textverständnis) nicht die von einem Menschen zu erwartende Performance (Human Baseline), und zwar das multimodale Verstehen und Schlussfolgern.
• ist KI zunehmend Teil unseres täglichen Lebens.
• steigen Investitionen in KI weltweit rasant.
• nimmt der KI-Optimismus weltweit deutlich zu, in Deutschland zwischen 2022 und 2025 um 10%.

In einer Umfrage von McKinsey im Jahr 2024 gaben Organisationen diverse Bereiche an, für welche sie entsprechend generative KI-Tools nutzen. Dabei stellt der Bereich Wissensmanagements nach dem Marketing den zweitgrößten Anwendungsbereich dar (vgl. AI Index Report des Human-Centered Artificial Intelligence (HAI) Instituts der Stanford University S. 266)

Doch was genau verstehen wir unter KI?

Hinweis: Da sich die Tools sehr dynamisch entwickeln und wir mit dem freien Kursbuch neutral bleiben wollen, nennen wir keine Tool-Beispiele. Aber sicher kennst du bereits zahlreiche KI-Anwendungen.

Künstliche Intelligenz (KI) ist ein Sammelbegriff für Technologien, die darauf abzielen, kognitive Funktionen auszuführen, die mit menschlichem Denkvermögen gleichgesetzt werden. Dazu zählen unter anderem Wahrnehmung, Lernen, Interaktion, Problemlösung, Entscheidungsfindung und der Ansatz von Kreativität.
Die von der Europäischen Kommission eingesetzte Expertengruppe für künstliche Intelligenz (AI HLEG) definiert den Begriff der künstlichen Intelligenz folgendermaßen:
„Künstliche Intelligenz (KI)-Systeme sind von Menschen entwickelte Software- (und möglicherweise auch Hardware-)Systeme, die – unter der Vorgabe eines komplexen Ziels – in der physischen oder digitalen Dimension agieren, indem sie ihre Umgebung durch Datenerfassung wahrnehmen, die gesammelten strukturierten oder unstrukturierten Daten interpretieren, auf dem daraus abgeleiteten Wissen schlussfolgern oder Informationen verarbeiten und anschließend die beste(n) Handlung(en) auswählen, um das gegebene Ziel zu erreichen….“.

Was ist generative KI?

Generative KI erzeugt Inhalte aus Daten, mit denen sie vorher trainiert worden ist. Die Basis sind  Large Language Models (LLM), die vorhandene Daten nach den Gesetzen der Häufigkeit, Gewohnheit, Wahrscheinlichkeit kombinieren.

Typische Einsatzgebiete generativer KI sind:

• Informationsrecherche
• Generierung von Texten, Bildern und Videos
• Kommunikation, z. B. Chatbots im Kundenservice

Technologische Grundlagen

• Machine Learning (ML)
  Ein Teilgebiet der KI, bei dem Systeme aus Daten lernen, ohne explizit programmiert zu sein, vielmehr verbessern sich die  Computeralgorithmen durch Erfahrung automatisch. Diese Algorithmen entwickeln ein mathematisches Modell, welches auf sogenannten Trainingsdaten basiert. Damit haben sie die Möglichkeit, Vorhersagen zu treffen oder Entscheidungen zu fällen, ohne speziell dafür programmiert zu sein. ML ist die Grundlage vieler KI-Anwendungen – von Spam-Filtern bis zu Produktempfehlungen.
• Deep Learning (DL)
  Eine Weiterentwicklung des ML ist Deep Learning (DL). Während ein Modell beim ML regelmäßig trainiert wird, um Genauigkeit und Präzision sicherzustellen, kann das Modell beim DL von selbst dazulernen und im Laufe der Zeit eigenständig, ohne manuelles Training präziser und differenzierter werden, und zwar auf Basis neuronaler Netze. Deep Learning ermöglicht besonders leistungsfähige Modelle, z. B. für Bilderkennung oder Sprachverarbeitung.
• Large Language Models (LLMs)
  Sehr große, auf Deep Learning basierende Sprachmodelle, die auf riesigen Textmengen trainiert wurden. Sie bilden das Herzstück vieler generativer KI-Anwendungen LLMs können Sprache verstehen, interpretieren und selbstständig neue Texte generieren.

Wenn du die Rolle der Wahrscheinlichkeitsrechnung für eine generative KI verstehen möchtest, erklärt das am besten die Maus (Dauer 5’51 Min.):

Der Lernprozess einer KI und die Rolle der so genannten neuronalen Netze sind hier gut erklärt (Dauer 4’51 Min.):

Andere Formen von KI

Neben der so genannten generativen KI gibt es weitere wichtige Formen von KI, die in unterschiedlichen Anwendungsfeldern zum Einsatz kommen:

• Analytische KI
  Konzentriert sich auf die Analyse von Daten zur Mustererkennung. Dadurch werden aus großen Datenmengen Informationen extrahiert und auf dieser Basis Vorhersagen getroffen. Es handelt sich also um Machine-Learning-Algorithmen zur Datenanalyse.
  Typische Einsatzgebiete analytischer KI sind Expertensysteme  zur Einbindung menschlichen Fachwissens in automatisierte Abläufe, die Optimierung von Abläufen durch Fehlererkennung in Fertigungsprozessen oder auch die Ahndung von Finanzkriminalität durch Mustererkennung in Geldströmen.
• Kognitive KI
  Zielt darauf ab, menschliche Denk- und Wahrnehmungsfähigkeiten nachzuahmen und zu nutzen. Sie ist darauf ausgerichtet, Aufgaben zu bewältigen, die sonst menschliche Intelligenz erfordern. Kognitive KI unterscheidet sich von analytischer KI insofern, dass sie ihre Muster und Regeln auf Basis der vorgefundenen Daten selbst entwickelt und diese nicht von einem Menschen vorgegeben bekommt. Während analytischer KI also gesagt wird, wonach sie suchen soll, versucht kognitive KI, das anhand der vorliegenden Daten selbst herauszufinden.
  Typische Einsatzgebiete kognitiver KI sind Natural Language Processing (Umwandlung von Text zu Wort), Gesichts- oder Objekterkennung, neuronale Netze: zur Vorhersage bestimmter Ereignisse in Geschäftsabläufen, Früherkennung von Krankheiten mit Bildanalyse.

Denkaufgabe:

Verfügt eine KI tatsächlich über Wissen? Wenn du an die Definitionen von Daten, Informationen, Wissen, Kompetenz usw. zurückdenkst: Was spricht dafür? Was dagegen?

Wer tiefer einsteigen möchte: Die wesentlichen Erkenntnisse aus dem AI Index Report des Human-Centered Artificial Intelligence (HAI) Instituts der Stanford University gibt es in diesem Video (Dauer 56’15 Min.)