Was ist KI?

Was bedeutet Künstliche Intelligenz?

Künstliche Intelligenz (KI) steht für Software- und Robotik-Systeme, die Merkmale zeigen, für die gemeinhin menschliche Intelligenz vorausgesetzt wird. Sprich: Die Systeme sind in der Lage, abstrakt beschriebene Aufgaben und Probleme eigenständig zu lösen – ohne dass jeder Schritt vorab vom Menschen programmiert wurde. Zugleich beschreibt Künstliche Intelligenz ein Teilgebiet der Informatik, das sich mit der Entwicklung dieser Systeme beschäftigt.

Eine besonders bekannte Form der KI ist die generative KI. Generative KI bezeichnet KI-Systeme, die auf Basis einer User-Anfrage (Prompt) eigenständig neue Inhalte wie Texte, Bilder, Videos oder Audiodateien erzeugen.

Sie nutzen große Modelle, die Wahrscheinlichkeitsverteilungen über mögliche Ausgaben berechnen und daraus neue Ergebnisse generieren. Ihre Fähigkeit, Inhalte auf Basis erkannter Strukturen neu zusammenzusetzen, macht sie vielseitig einsetzbar.Bekannte Beispiele sind ChatGPT (OpenAI, USA), Claude (Anthropic, USA), Gemini (Google, USA), DeepSeek (China), Llama (Meta, USA), Vibe (Mistral AI, Frankreich) oder FLUX (Black Forest Labs, Deutschland).

Generative KI, insbesondere große Sprachmodelle, ist die Grundlage für die Entwicklung intelligenter Technologien der nächsten Stufe – der KI-Agenten: Agentische KI löst eigenständig spezifische Aufgaben. Hierfür interagiert sie mit Menschen, weiteren KI-Agenten oder -Tools, und erstellt Pläne, zieht Schlussfolgerungen und greift auf externe Werkzeuge wie Datenbanken oder Applikationen zurück. In Multi-Agenten-Systemen interagieren verschiedene Agenten und kontrollieren sich sogar gegenseitig, etwa indem sie unterschiedliche Rollen einnehmen. Es ist der Schritt vom reaktiven Werkzeug zum proaktiven Akteur.

Auch wenn der Begriff in aller Munde ist: Eine allgemein akzeptierte Definition zu KI gibt es nicht.
Nicht zuletzt, weil es schwierig zu bestimmen ist, was als „intelligent“ gilt.

Künstliche Intelligenz und Algorithmen

Oftmals werden die Begriffe KI und Algorithmen fälschlicherweise gleichgesetzt. Algorithmen beschreiben einen definierten Rechenweg, der zu einem erwartbaren Ergebnis führt. Bei gleichen Eingaben bleibt auch das Ergebnis immer gleich – ähnlich einem Kochrezept. Zwar basiert auch Künstliche Intelligenz auf Algorithmen. Im Unterschied zu klassischen Algorithmen lernen die in modernen KI-Systemen verwendeten Algorithmen aber laufend dazu – sei es in einem vom Menschen gesteuerten Training oder selbstständig. Grundlage für diesen Lernprozess ist eine große Menge an Daten. Mit vielen und möglichst qualitativ hochwertigen Daten können KI-gestützte Systeme in Sekundenschnelle zu Ergebnissen kommen, für die Menschen sehr lange rechnen müssten.

KI-Technologien

Künstliche Intelligenz beschreibt nicht eine bestimmte Technologie, sondern eine Vielzahl an Techniken, die Computersysteme intelligent erscheinen lassen – weil sie in der Lage sind, Dinge wahrzunehmen, Probleme zu lösen oder eigenständig bzw. vom Menschen assistiert Handlungen auszuführen. Diese Techniken basieren zumeist auf großen Datenmengen und lassen sich nicht streng voneinander abgrenzen. Hier eine Auswahl:

Bilderkennung und -analyse

Deepfakes

Sensorik

Viele Produkte und Maschinen der digitalen Welt sind mit Sensoren ausgestattet, die ihre Umgebung vermessen. Sensoren begleiten uns zum Beispiel in unseren Smartphones. Im Zusammenspiel mit Künstlicher Intelligenz eröffnen sie ganz neue Möglichkeiten. Denn selbstlernende KI-Sensoren sammeln nicht nur Daten, sondern bewerten zugleich Qualität sowie Informationsgehalt der Daten. Aus Tausenden Messdaten kann der KI-Sensor einen konkreten Zustand ablesen oder vorhersagen. Die per KI-Sensor erhobenen Daten haben dadurch eine wesentlich höhere Qualität als von Sensoren mit klassischer Signalerfassung und -verarbeitung.

Eine zunehmend wichtige Rolle spielt dabei die sogenannte Edge AI. Dabei werden KI-Modelle direkt auf dem Sensor oder dem Endgerät ausgeführt, sodass Daten unmittelbar vor Ort verarbeitet werden können. Das ermöglicht besonders schnelle Reaktionen, verringert den Bedarf an Datenübertragungen in die Cloud und kann den Datenschutz verbessern.

Verknüpft mit Verfahren der Bilderkennung kommen KI-Sensoren als Grundkomponente in vielen Assistenzsystemen zum Einsatz, etwa in Fahrzeugen: Sie analysieren zwei- oder dreidimensionale Objekte und erkennen in Sekundenschnelle Hindernisse. Intelligente Sensoren helfen damit, das Fahren einfacher und sicherer zu machen – sei es durch Abstandsregler, Notbremsassistenten, automatische Einparkhilfen oder bei der automatischen Erkennung von Verkehrsschildern.

KI-Sensoren sind auch zentral für die Vernetzung von Objekten – das sogenannte Internet of Things (IoT) – und damit für die Optimierung von Industrieprozessen. Sie analysieren etwa Temperatur, Druck, Füllstände oder Feuchtigkeit während eines Produktionsprozesses und lernen mit jeder Messung dazu.

Gute Dienste leisten KI-Sensoren auch in Smartwatches: Sie erfassen beispielsweise Herzfrequenz, Bewegungs- oder Gesundheitsdaten und können diese direkt auf der Uhr auswerten. So lassen sich Auffälligkeiten schneller erkennen, ohne dass sämtliche Daten zunächst an einen externen Server übertragen werden müssen.

Datenmanagement und -analyse

Natürliche Sprachverarbeitung

Die natürliche Sprachverarbeitung (eng. Natural Language Processing NLP) ist ein Teilgebiet der Künstlichen Intelligenz. Sie ermöglicht es Computern, gesprochene und geschriebene Sprache zu verarbeiten, ihren Inhalt zu erfassen und darauf zu reagieren. Moderne KI-Systeme können heute Texte verstehen, zusammenfassen, übersetzen, Fragen beantworten, Informationen aus Dokumenten extrahieren oder neue Texte erstellen. Grundlage hierfür sind große Sprachmodelle (eng. Large Language Models, LLMs), die anhand riesiger Mengen von Texten trainiert wurden und sprachliche Muster sowie Zusammenhänge erkennen.

Auch Sprache und Text lassen sich mithilfe von KI in beide Richtungen umwandeln: Gesprochene Sprache kann automatisch in Text übertragen werden (eng. Speech-to-Text), während Texte natürlich klingend vorgelesen werden können (eng. Text-to-Speech). Moderne Systeme erkennen dabei nicht nur einzelne Wörter, sondern berücksichtigen auch den sprachlichen Zusammenhang. Dadurch funktionieren Sprachsteuerung und Diktierfunktionen heute deutlich zuverlässiger als noch vor wenigen Jahren – selbst bei unterschiedlichen Sprechweisen, Dialekten oder Hintergrundgeräuschen.

Zum Einsatz kommt natürliche Sprachverarbeitung heute u.a. bei

Übersetzungsdiensten
Suchmaschinen und intelligenten Suchfunktionen
Sprachassistenten
Chatbots und KI-Assistenten
automatischen Zusammenfassungen von Dokumenten
Transkriptionsdiensten für Besprechungen oder Videos
der Analyse großer Dokumentenmengen, beispielsweise in Unternehmen oder Behörden

Besonders stark hat sich die natürliche Sprachverarbeitung durch große Sprachmodelle weiterentwickelt. Bekannte Beispiele sind ChatGPT, Claude, Gemini, DeepSeek und Vibe. Sie können nicht nur Texte erstellen, sondern – je nach Modell (Visual Language Model, Multimodal Model, Large Reasoning Model) – auch komplexe Zusammenhänge erklären, programmieren, Dokumente analysieren sowie Bilder, Sprache und weitere Medien gemeinsam verarbeiten. Dadurch haben sie die Nutzung von KI im Alltag und in Unternehmen grundlegend verändert.

Robotik

Mensch-Maschine-Interaktion

Wie lernt KI?

KI-Systeme lernen zunächst nicht von sich aus. Sie müssen trainiert werden, und zwar mit vielen Daten. Hier kommt die Methode des maschinellen Lernens zum Einsatz:

Maschinelles Lernen (engl. Machine Learning) ist eine grundlegende Methode der Künstlichen Intelligenz. Auf ihr basieren die größten Fortschritte der vergangenen Jahre. Auch beim maschinellen Lernen programmiert der Mensch – allerdings nicht mehr fertige Lösungen, sondern Programme, die die Problemlösung anhand von Trainingsdaten erlernen. Zum Einsatz kommen dabei spezielle Algorithmen, die in Beispieldaten Muster und Gesetzmäßigkeiten erkennen und diese auf neue Daten anwenden.

Allerdings: Mit falschen oder unvollständigen Daten gefüttert, liefert auch KI falsche oder unvollständige Ergebnisse.

Innerhalb des maschinellen Lernens werden drei Lernstile unterschieden:

Überwachtes Lernen

Beim überwachten Lernen liefert der Mensch dem Computersystem neben den Trainingsdaten auch das erwartete Ergebnis. Soll der Algorithmus in einem Bild etwa eine Katze identifizieren, erkennt darin aber einen Hund, passt er sein Rechenmodell an. Das wiederholt der Lernalgorithmus bei Fehlern so lange, bis er Katzenbilder verlässlich erkennt.

Unüberwachtes Lernen

Beim unüberwachten Lernen speist der Mensch nur die Eingabedaten in das System, ohne weitere Erläuterungen. Der Lernalgorithmus erzeugt ein Modell, dass die Eingaben abstrakt beschreibt und muss nun selbstständig Muster finden. Meist wird diese Methode eingesetzt, um große Datensätze zu clustern oder zu segmentieren.

Verstärkendes Lernen

Beim verstärkenden Lernen trainiert der Mensch den Lernalgorithmus über Feedback: Für erfolgreiche Handlungen erhält der Algorithmus eine positive Rückmeldung, bei Fehlern eine negative. Ziel des KI-Systems ist es, möglichst viel positives Feedback zu erhalten. Auf diese Weise lernt es beispielsweise die Regeln eines Spiels.

Deep Learning

Ein besonders leistungsfähiger Teilbereich des maschinellen Lernens ist das Deep Learning. Es basiert auf sogenannten künstlichen neuronalen Netzen, die mehrere Schichten umfassen: In der ersten Schicht erkennt der Algorithmus beispielsweise ein Muster, in der zweiten ein Muster von Mustern und so weiter. Je komplexer das Netz, desto komplexere Sachverhalte kann der Algorithmus verarbeiten.

Inspiriert ist diese Lernmethode von den Mechanismen des menschlichen Gehirns. Angewendet wird Deep Learning zum Erkennen von Bildern, Sprache und Objekten. Allerdings: Wie das trainierte neuronale Netz zu Ergebnissen kommt, ist für den Menschen nicht nachvollziehbar – und bleibt damit eine Black Box. Einblicke in die Black Box gewährt das Forschungsfeld der erklärbaren KI.

Was ist KI?

Künstliche Intelligenz und Algorithmen

KI-Technologien

Bilderkennung und -analyse

Bilderkennung und -analyse

Deepfakes

Deepfake

Quiz: Fakt oder Fake?

Welche der beiden abgebildeten Personen wurde von einer KI generiert?

Sensorik

Sensorik

Datenmanagement und -analyse

Datenmanagement und -analyse

Natürliche Sprachverarbeitung

Natürliche Sprachverarbeitung

Robotik

Robotik

Mensch-Maschine-Interaktion

Mensch-Maschine-Interaktion

Wie lernt KI?

Deep Learning

KI verstehen: Geschichte, Gegenwart und Grundlagen