Was künstliche Intelligenz ist – und was nicht – KI-Grundlagen

Lernziele

den Begriff künstliche Intelligenz einordnen und von Machine Learning und Deep Learning abgrenzen
regelbasierte und lernende Systeme unterscheiden
die wichtigsten Etappen der KI-Geschichte kennen
realistisch einschätzen, was heutige KI kann – und was nicht

„Künstliche Intelligenz“ ist einer der meistgenutzten und zugleich unschärfsten Begriffe der Technologie. Mal ist ein Spamfilter gemeint, mal ein Chatbot, mal eine Science-Fiction-Maschine mit eigenem Willen. Diese Lektion schafft eine saubere Begriffsgrundlage für den gesamten Kurs.

1. Eine Arbeitsdefinition

Definition 1.1

Künstliche Intelligenz (KI)

Das Forschungs- und Anwendungsfeld, das Systeme entwickelt, die Aufgaben lösen, für die bisher menschliche Intelligenz erforderlich war – etwa Sprache verstehen, Muster erkennen, Entscheidungen vorbereiten oder Inhalte erzeugen.

Wichtig ist das Wort Aufgaben: Heutige KI-Systeme sind auf bestimmte Aufgaben spezialisiert. Man spricht von schwacher oder enger KI. Eine allgemeine KI, die beliebige geistige Aufgaben wie ein Mensch bewältigt, existiert nach heutigem Stand nicht – auch wenn große Sprachmodelle sehr vielseitig wirken.

Für rechtliche Fragen gilt eine eigene, engere Definition: Wie der EU AI Act ein „KI-System“ bestimmt, behandelt die Lektion Was ist künstliche Intelligenz? im AI-Act-Kurs.

2. Die Teilgebiete

Die Begriffe KI, Machine Learning und Deep Learning werden oft gleichbedeutend verwendet. Tatsächlich sind sie ineinander verschachtelt:

Abb. 1.1: Teilgebiete der künstlichen Intelligenz. Verschachtelte Teilgebiete: Künstliche Intelligenz umfasst Machine Learning, dieses umfasst Deep Learning, darin liegen generative KI und Sprachmodelle. — Abb. 1.1 – Jedes innere Feld ist ein Teilgebiet des äußeren. Sprachmodelle wie ChatGPT oder Claude gehören zur generativen KI und basieren auf Deep Learning.

3. Zwei grundlegende Ansätze

In der Geschichte der KI konkurrierten lange zwei Denkschulen. Die symbolische KI versucht, Wissen in Regeln und Logik auszudrücken. Die lernende oder subsymbolische KI leitet Zusammenhänge statistisch aus Beispielen ab.

Tab. 1.1 Regelbasierte und lernende Systeme im Vergleich

Merkmal	Regelbasiert (symbolisch)	Lernend (Machine Learning)
Wissen entsteht	durch Menschen formulierte Regeln	statistisch aus Beispieldaten
Stärke	nachvollziehbar, präzise in klaren Fällen	bewältigt unscharfe Muster wie Sprache und Bilder
Schwäche	bricht bei Ausnahmen und Unvorhergesehenem	schwer erklärbar, braucht viele gute Daten
Typisches Beispiel	Steuerberechnung, Expertensystem	Spamfilter, Bilderkennung, Sprachmodell
Fehlerbild	keine Antwort, wenn keine Regel passt	plausible, aber falsche Antwort

In der Praxis werden beide Ansätze kombiniert: Ein Sprachmodell formuliert eine Antwort, eine feste Regel prüft anschließend, ob Preise und Fristen stimmen. Diese Kombination begegnet Ihnen im Kurs immer wieder.

4. Eine kurze Geschichte

KI ist kein neues Feld. Neu ist, dass drei Voraussetzungen gleichzeitig erfüllt sind: sehr große Datenmengen, bezahlbare Rechenleistung durch Grafikprozessoren und leistungsfähige Modellarchitekturen.

Abb. 1.2: Wichtige Etappen der KI-Entwicklung. Zeitstrahl der KI von 1956 bis 2022: Dartmouth-Konferenz, ELIZA, Backpropagation, Deep Blue, AlexNet, Transformer, ChatGPT. — Abb. 1.2 – Nach Phasen großer Erwartungen folgten mehrfach „KI-Winter“ mit gekürzten Forschungsmitteln. Seit 2012 hat Deep Learning das Feld grundlegend verändert.Quelle: u. a. McCarthy et al. (1955); Krizhevsky et al. (2012); Vaswani et al. (2017)

5. Was KI nicht ist

Weil heutige Systeme sprachlich überzeugend wirken, werden ihnen leicht Eigenschaften zugeschrieben, die sie nicht haben:

Keine Wissensdatenbank: Ein Sprachmodell speichert keine geprüften Fakten, sondern statistische Muster aus seinen Trainingsdaten.
Kein garantiertes Verständnis: Ob und in welchem Sinn große Modelle „verstehen“, ist wissenschaftlich umstritten. Sicher ist: Sie können überzeugend formulieren, ohne dass die Aussage stimmt.
Keine eigenen Ziele: Ein Modell verfolgt keine Absichten. Es optimiert das Ziel, auf das es trainiert wurde.
Nicht fehlerfrei: Lernende Systeme machen systematisch Fehler – mehr dazu in der Lektion Grenzen, Fehler und Halluzinationen.

Übung

Ordnen Sie zu: Ein Bildgenerator – KI, Machine Learning, Deep Learning oder generative KI? Mehrere Antworten können richtig sein.
Ein Onlineshop berechnet Versandkosten nach einer Tabelle. Regelbasiert oder lernend?

Lösungshinweise

Alle vier: Ein Bildgenerator ist generative KI, basiert auf Deep Learning, ist damit Machine Learning und gehört zur KI.
Regelbasiert – die Logik ist vollständig von Menschen festgelegt.

Quellen und weiterführende Literatur

[1]McCarthy, J., Minsky, M., Rochester, N., Shannon, C. (1955): A Proposal for the Dartmouth Summer Research Project on Artificial Intelligence.
[2]Weizenbaum, J. (1966): ELIZA – A Computer Program for the Study of Natural Language Communication between Man and Machine. Communications of the ACM, 9(1).
[3]Krizhevsky, A., Sutskever, I., Hinton, G. (2012): ImageNet Classification with Deep Convolutional Neural Networks. NeurIPS.
[4]Vaswani, A. et al. (2017): Attention Is All You Need. NeurIPS.
[5]Russell, S., Norvig, P. (2021): Artificial Intelligence – A Modern Approach. 4. Auflage, Pearson.

Stand: September 2026. Kursmaterial der Klarwerk Akademie – Abbildungen sind vereinfachte, schematische Darstellungen.