Was ist KI?
📄 Was ist KI?
Abschnitt betitelt „📄 Was ist KI?“🎯 Lernziele
- Verstehen, was KI wirklich ist (und was nicht)
- Den Unterschied zwischen schmaler KI und AGI kennen
- Wissen, warum die KI‑Entwicklung gerade jetzt so schnell voranschreitet
Viele assoziieren AI mit Terminator, HAL 9000 oder C‑3PO – denkende Maschinen mit Bewusstsein und Eigenwillen. Das ist Science Fiction. Die KI von heute ist etwas anderes – und oft praktischer und leistungsfähiger, als gedacht.
Der Begriff KI wird weit gefasst — hier klären wir die Definition und den wichtigsten Unterschied zum menschlichen Denken.
Was ist KI eigentlich?
Künstliche Intelligenz (KI) sind Systeme, die Aufgaben erfüllen, für die traditionell menschliche Intelligenz nötig war – Gesichtserkennung, Sprachverständnis, Entscheidungen oder Problemlösungen.
Der Punkt: KI imitiert intelligentes Verhalten, denkt aber nicht wie ein Mensch.
Stellen Sie sich einen Taschenrechner vor: Er löst Aufgaben schneller, als Sie nachrechnen würden – aber er „versteht“ keine Mathematik menschlich; er folgt Regeln mit extrem hoher Geschwindigkeit. KI ähnelt dem – bei viel komplexeren Aufgaben.
KI ist nicht neu, aber in den letzten Jahren hat sich viel verschoben. Drei zusammenwirkende Gründe erklären, warum das jetzt passiert — nicht vor 30 Jahren.
Kurzer historischer Abriss
KI gibt es lange — schon die 1950er träumten Forscher von denkenden Maschinen. Drei Entwicklungen der letzten 10–15 Jahre ermöglichten den heutigen Schub:
-
Daten – Das Internet erzeugte unvorstellbare Datenmengen (Text, Bild, Video, Audio). KI lernt aus Beispielen; es gibt mehr Beispiele denn je.
-
Rechenpower – Moderne Prozessoren und spezialisierte Hardware (GPUs) führen Milliarden Operationen pro Sekunde aus. Was in den 1990ern Jahre gedauert hätte, dauert heute Minuten.
-
Algorithmen – Forschung lieferte bessere Trainingsmethoden, besonders tiefe neuronale Netze.
Zusammen wurde KI von Kuriosität zu praktischer Revolution.
Es gibt eine wichtige Grenze zwischen heutiger KI und Film‑Klischees — realistische Erwartungen hängen davon ab.
Schmale KI (ANI) vs. AGI – Unterschied?
Schmale KI (Artificial Narrow Intelligence, ANI)
Abschnitt betitelt „Schmale KI (Artificial Narrow Intelligence, ANI)“Das ist alle heute genutzte KI. „Schmal“ heißt: Experte für eine Aufgabe oder ein enges Thema:
- Gesichtserkennung kann nicht Autofahren
- Schach‑KI übersetzt nicht automatisch Sprachen
- Textgenerierung analysiert nicht von selbst Röntgenbilder
Jedes System ist spezialisiert – stark im eigenen Bereich, hilflos außerhalb.
Künstliche allgemeine Intelligenz (AGI)
Abschnitt betitelt „Künstliche allgemeine Intelligenz (AGI)“Existiert noch nicht. AGI wäre KI, die:
- beliebige Aufgaben wie ein Mensch lernt
- Kontext über Domänen hinweg versteht
- abstrahiert und Wissen generalisiert
- Erfahrungen aus einem Bereich in einen anderen überträgt
Stand heute: Beeindruckende schmale KI. AGI ist Forschungsthema — niemand kennt den Zeitrahmen.
Schmale KI kann sehr unterschiedlich sein. Drei Kategorien zeigen, was KI mit Information macht — und wo Sie sie treffen.
Drei Haupttypen von KI‑Systemen
Analytische KI – analysiert und kategorisiert
Abschnitt betitelt „Analytische KI – analysiert und kategorisiert“Nutzt vorhandene Daten für Entscheidungen oder Vorhersagen.
Beispiele: Gmail‑Spamfilter, Netflix‑Empfehlungen, Diagnosehilfen, Kreditscoring.
Generative KI – erzeugt Neues
Abschnitt betitelt „Generative KI – erzeugt Neues“Erstellt Inhalte, die vorher nicht da waren: Text, Bild, Ton, Video, Code.
Beispiele: ChatGPT, DALL‑E und Midjourney, GitHub Copilot, Musik‑KI.
Robotik und Automation – handelt physisch
Abschnitt betitelt „Robotik und Automation – handelt physisch“Verbindet KI mit Systemen, die sich bewegen und die Umwelt beeinflussen.
Beispiele: Autonomes Fahren, Industrieroboter, Lieferdrohnen, Saugroboter.
Typen werden oft kombiniert — z. B. analytische Wahrnehmung plus robotische Steuerung beim Auto.
Um KI zu verstehen, vergleichen Sie klassische Programme mit maschinellem Lernen — ein grundlegender Unterschied.
Wie lernt KI?
Traditionelle Programmierung und maschinelles Lernen
Abschnitt betitelt „Traditionelle Programmierung und maschinelles Lernen“Traditionell: Programmierer schreiben Regeln – bei Temperatur über 25° „warm“, 15–25° „angenehm“, unter 15° „kalt“. Funktioniert, wenn Regeln klar sind.
Manche Aufgaben lassen sich nicht regeln – Katze im Bild, Stimmung im Text (Ironie!), Emotion in der Stimme. Keine einfache Regel deckt alles ab.
Maschinelles Lernen: Statt expliziter Regeln geben wir Beispiele in großer Zahl; das System findet Muster.
Beispiel Katzenbilder
- Traditionell (fast unmöglich): Regeln für Schnurrhaare, Ohren, „Niedlichkeit“ …
- ML: Hunderttausende Bilder „Katze“ / „keine Katze“, trainieren, auf neue Bilder testen.
Niemand schrieb alle Regeln — das Modell lernte aus Daten.
Bias – wenn KI Vorurteile übernimmt
Abschnitt betitelt „Bias – wenn KI Vorurteile übernimmt“Trainingsdaten sind oft menschlich geprägt. Historische Ungleichheiten und Stereotype können sich verstärken, wenn man nicht misst und eingreift. Behalten Sie das bei der Interpretation im Kopf.
Zusammenfassung
Abschnitt betitelt „Zusammenfassung“- KI imitiert intelligentes Verhalten durch Berechnung — sie denkt nicht wie ein Mensch.
- Moderne KI ist schmale KI (ANI). AGI ist noch keine praktische Produktrealität.
- Daten + Hardware + Algorithmen treiben das heutige Tempo.
- KI kann analytisch, generativ oder mit Robotik verbunden sein.
- Maschinelles Lernen lernt aus Beispielen statt handgeschriebener Regeln.
Wissen testen
3 Fragen · 100 % richtig zum Bestehen · Antworten nach Abschluss prüfen