KI verstehen: Grundlagen statt Zaubertricks

KI ist ein Sammelbegriff, kein einzelnes Werkzeug

Wenn jemand sagt, im Unternehmen werde jetzt KI eingesetzt, ist zunächst erstaunlich wenig geklärt. Gemeint sein können eine Bilderkennung in der Produktion, eine Absatzprognose, ein Textassistent oder ein System, das eigenständig mehrere Werkzeuge verwendet. Diese Anwendungen teilen einzelne technische Grundlagen, haben aber sehr unterschiedliche Aufgaben und Fehlerfolgen. Eine falsche Bildunterschrift ist ärgerlich. Eine falsche automatische Freigabe kann erheblich mehr bewirken.

Die OECD beschreibt KI-Systeme über ihre Fähigkeit, aus Eingaben Ergebnisse wie Inhalte, Vorhersagen oder Empfehlungen abzuleiten. Autonomie und Anpassungsfähigkeit können dabei unterschiedlich ausgeprägt sein. Die Beschreibung verlangt keine menschenähnliche Persönlichkeit. Für eine betriebliche Einordnung ist ohnehin hilfreicher zu fragen, was ein System verarbeitet und bewirkt, als darüber zu diskutieren, wie intelligent sein Marketing klingt.

Nicht jede Automatisierung ist deshalb KI. Eine feste Rechenformel bleibt eine feste Rechenformel, auch wenn sie neuerdings in einem Produkt mit KI-Aufkleber steckt. Umgekehrt können lernende Verfahren in unscheinbarer Software enthalten sein, ohne dass ein Chatfenster auftaucht. Die Benutzeroberfläche verrät nicht zuverlässig, welche Technik arbeitet. Man muss den konkreten Prozess ansehen: Eingangsdaten, Verarbeitung, Ergebnis und anschließende Entscheidung.

Eine kurze Geschichte mit längerer Vorgeschichte

KI beginnt nicht mit dem Chatfenster. Die Dartmouth-Konferenz von 1956 gilt als wichtiger Gründungsmoment des Forschungsfeldes. Frühe Ansätze versuchten unter anderem, Wissen und logische Regeln ausdrücklich zu formulieren. Daraus entstanden Systeme, die innerhalb eng beschriebener Aufgaben Schlussfolgerungen ziehen konnten. Die Hoffnung, allgemeine Intelligenz sei danach nur noch eine überschaubare Fleißaufgabe, erwies sich als optimistisch. Auch die Informatik hat ihre anspruchsvoll formulierten Terminpläne.

Regelbasierte Systeme verschwanden nicht einfach, als lernende Verfahren stärker wurden. Viele reale Lösungen verbinden bis heute unterschiedliche Methoden. Regeln sind dort hilfreich, wo Abläufe und Bedingungen eindeutig feststehen. Maschinelles Lernen wird interessant, wenn Zusammenhänge aus Beispielen ermittelt werden sollen und eine vollständige Liste handgeschriebener Regeln unpraktisch wäre. Größere Datenbestände, leistungsfähigere Rechner und verbesserte Verfahren erweiterten die Einsatzmöglichkeiten.

Ein wichtiger technischer Schritt für die heutige Sprachverarbeitung war die 2017 veröffentlichte Transformer-Architektur. Sie nutzt Aufmerksamkeitsmechanismen, um Beziehungen innerhalb einer Eingabe zu verarbeiten. Darauf bauen viele große Sprachmodelle auf. Die öffentliche Sichtbarkeit generativer Anwendungen bedeutet aber nicht, dass andere KI-Arten überholt wären. Für eine kleine klar definierte Prüfaufgabe kann ein spezialisiertes Verfahren zweckmäßiger sein als ein sehr großes Universalmodell.

Welche Arten von KI im Alltag wichtig sind

Regel- und wissensbasierte Verfahren arbeiten mit ausdrücklich beschriebenen Zusammenhängen. Ein System kann etwa aus einer Wissensbasis zulässige Konfigurationen ableiten. Die Nachvollziehbarkeit einzelner Regeln ist ein Vorteil; ihre vollständige und aktuelle Pflege kann aufwendig sein. Eine einfache Wenn-dann-Automation wird dadurch nicht automatisch zu einem umfassenden KI-System. Die Grenzen zwischen Fachbegriffen sind weniger sauber, als manche Übersichtsfolie nahelegt.

Maschinelles Lernen nutzt Beispiele, um ein Modell anzupassen. Beim überwachten Lernen liegen zu Eingaben gewünschte Ergebnisse vor, etwa korrekt zugeordnete Dokumenttypen. Unüberwachtes Lernen sucht Strukturen ohne solche vorgegebenen Zielantworten. Beim bestärkenden Lernen beeinflusst ein Bewertungssignal, welche Handlungsweisen begünstigt werden. Diese Unterscheidung erklärt das Lernverfahren, nicht automatisch den späteren Nutzen oder die Zuverlässigkeit einer Anwendung.

Neuronale Netze sind eine Familie mathematischer Modelle innerhalb des maschinellen Lernens. Deep Learning bezeichnet Verfahren mit mehreren Verarbeitungsschichten. Die Bezeichnung Neuron ist eine technische Analogie, keine Aussage über ein künstliches Gehirn. Generative KI erzeugt Inhalte wie Text, Bild oder Audio. Andere Modelle klassifizieren, schätzen Werte oder erkennen Auffälligkeiten. Multimodale Systeme verarbeiten mehrere Medienarten. Diese Kategorien überschneiden sich: Ein Modell kann zugleich neuronal, generativ und multimodal sein.

Training und Nutzung sind zwei verschiedene Dinge

Beim Training werden Modellparameter anhand von Daten und einem Lernziel verändert. Vereinfacht: Das Verfahren passt seine inneren Zahlenwerte so an, dass die Bewertung der erzeugten Ergebnisse günstiger ausfällt. Welche Daten verwendet werden, wie Fehler bewertet werden und welche Beispiele fehlen, beeinflusst das spätere Verhalten. Ein Modell übernimmt dabei keine vollständige neutrale Abbildung der Welt. Es entsteht aus einer Auswahl von Daten und Entwicklungsentscheidungen.

Bei der Nutzung, der sogenannten Inferenz, verarbeitet das trainierte Modell eine neue Eingabe. Ein Dokument im aktuellen Gespräch kann das Ergebnis beeinflussen, ohne dass damit unmittelbar die Modellparameter neu trainiert werden. Gesprächsverlauf, gespeicherte Präferenzen, eine Dokumentensuche und tatsächliches Nachtraining sind verschiedene Mechanismen. Ob ein Anbieter Eingaben später für andere Zwecke verwendet, ist wiederum eine Frage von Dienst, Vertrag und Einstellungen. Das lässt sich nicht allein aus dem Wort Lernen ableiten.

Für eine Organisation folgt daraus eine einfache Prüffrage: Woher stammt die Information, auf die sich die Antwort stützt? Aus den Modellparametern, aus einem bereitgestellten Dokument oder aus einer aktuellen Suche? Diese Herkunft ist wichtiger als ein flüssiger Satz. Eine Antwort auf Basis einer alten Richtlinie bleibt veraltet, auch wenn das Modell technisch neu ist. Aktualität lässt sich nicht durch eine höhere Versionsnummer bestellen.

Wie Sprachmodelle Antworten erzeugen

Ein großes Sprachmodell verarbeitet Text in Einheiten, die Tokens genannt werden. Ein Token kann ein Wort, ein Wortteil oder ein Zeichen sein. Vereinfacht erzeugt das Modell schrittweise weitere Tokens, deren Auswahl durch gelernte Zusammenhänge und den verfügbaren Kontext beeinflusst wird. Dadurch können sprachlich stimmige Antworten, Übersetzungen, Zusammenfassungen und Programmtexte entstehen. Die Beschreibung als bloße Wortvervollständigung greift für die praktischen Fähigkeiten zu kurz; sie erklärt aber einen wichtigen Teil der Arbeitsweise.

Der Kontext ist der Ausschnitt an Informationen, den das System bei der Bearbeitung berücksichtigen kann. Dazu können Anweisungen, Gesprächsteile, Dokumentauszüge und Werkzeugergebnisse gehören. Ein großes Kontextfenster hilft, ersetzt aber weder gute Auswahl noch Prüfung. Viel Material kann Widersprüche, irrelevante Details oder veraltete Fassungen enthalten. Ein Modell bekommt nicht automatisch die richtige Information, nur weil man ihm sehr viele Informationen gibt.

Das Modell besitzt dadurch nicht automatisch einen belastbaren Zugriff auf aktuelle Tatsachen. Rechenwerkzeuge, Suchdienste und Datenbanken können es ergänzen. Dann muss jedoch auch ihre Verwendung funktionieren: Wurde wirklich gerechnet? Stammt die Quelle von der zuständigen Stelle? Wurde der aktuelle Stand gelesen? Eine angekündigte Suche ist noch keine durchgeführte Suche. Gerade bei überzeugend formulierten Ergebnissen lohnt dieser nüchterne Blick auf die tatsächlichen Arbeitsschritte.

Warum ein überzeugendes Ergebnis falsch sein kann

Generative Modelle können falsche Aussagen, erfundene Quellen oder widersprüchliche Begründungen liefern. Das NIST-Profil für generative KI behandelt solche Konfabulationen als relevantes Risiko. Im Alltag wird häufig von Halluzinationen gesprochen. Der Begriff beschreibt ein technisches Fehlerverhalten und ist kein Hinweis auf menschliche Wahrnehmung. Eine bestimmte Ausdrucksweise ist weder Beweis für Bewusstsein noch für persönliche Absichten.

Die praktische Konsequenz ist eine abgestufte Kontrolle. Bei Ideen für einen unverbindlichen Text kann man großzügiger ausprobieren. Bei Zahlen, Rechtsfragen, Sicherheitskonfigurationen und Aussagen über Personen braucht es überprüfbare Grundlagen. Nicht jede Antwort muss vollständig neu recherchiert werden, aber wichtige Aussagen brauchen einen geeigneten Nachweis. Eine Quelle ist erst dann hilfreich, wenn sie existiert, zur Aussage passt und in ihrem Zusammenhang richtig verstanden wurde.

Auch richtige Einzelantworten können im falschen Zusammenhang schaden. Ein Text kann sachlich korrekt sein und trotzdem vertrauliche Informationen enthalten. Ein Vorschlag kann technisch funktionieren und eine betriebliche Freigabe umgehen. Deshalb prüfe ich nicht nur: Stimmt das? Sondern auch: Passt das zu dieser Aufgabe, darf das verwendet werden und was passiert anschließend? Die Qualität des Ergebnisses und die Zulässigkeit seiner Verwendung sind zwei unterschiedliche Fragen.

Anbieter einordnen, ohne eine Bestenliste zu bauen

Zum Anbieterüberblick gehören mehrere Ebenen: Wer entwickelt das Modell, wer betreibt den Dienst und in welcher Anwendung wird er genutzt? Diese Rollen können auseinanderfallen. Eine bekannte Oberfläche kann unterschiedliche Modelle oder Dienste einbinden. Für die Auswahl zählen deshalb nicht nur Antwortqualität, sondern auch Datenwege, Zugriffssteuerung, nachvollziehbare Ausgaben, Exportmöglichkeiten, Betrieb und die konkrete Einbettung in vorhandene Arbeitsabläufe.

OpenAI bietet mit ChatGPT eine Anwendung für Gespräche und weitergehende Aufgaben mit Dateien und Werkzeugen. Anthropic beschreibt mit Claude auch die Nutzung von Modellen in werkzeuggestützten Abläufen. Google dokumentiert die Gemini-Modellfamilie für unterschiedliche Einsatzformen. Diese Nennung ist eine Orientierung, keine Rangliste und keine Aussage, dass jede Funktion in jedem Konto verfügbar ist.

Microsoft beschreibt Copilot Chat im Zusammenhang mit seinen Arbeitsanwendungen und Organisationskonten. Mistral führt den früheren Le Chat unter Vibe weiter. Daneben gibt es spezialisierte Anwendungen und Modelle mit verfügbaren Gewichten für eigene Betriebsformen. Verfügbare Modellgewichte bedeuten nicht automatisch uneingeschränktes Open Source, vollständige Trainingsdatentransparenz oder einen wartungsfreien Eigenbetrieb. Lizenz und Betrieb bleiben konkrete Prüfaufgaben.

Ich würde keinen Anbieter allein nach einer beeindruckenden Demo auswählen. Sinnvoller ist eine kleine Auswahl typischer eigener Aufgaben, mit denselben Eingangsdaten und vorher festgelegten Prüfkriterien. Gezählt werden brauchbare Ergebnisse einschließlich Nacharbeit, nicht nur die Geschwindigkeit bis zum ersten Absatz. Vertrags- und Datenschutzfragen müssen zum gewählten Dienst passen; die Herkunft einer Marke beantwortet sie nicht vollständig.

Datenqualität und Tests gehören zur Grundlage

Ein Modell kann nur mit dem arbeiten, was seine Entwicklung und seine jeweilige Anwendung bereitstellen. Für einen betrieblichen Einsatz ist deshalb die Qualität der Daten eine eigene Aufgabe. Sind die Informationen vollständig genug? Sind Bezeichnungen einheitlich? Ist klar, welche Fassung gilt? Enthalten Beispiele überwiegend erfolgreiche Standardfälle, fehlen vielleicht gerade die Situationen, in denen das System später zuverlässig reagieren müsste. Mehr Daten sind nicht automatisch bessere Daten.

Ein einfaches Beispiel ist die Zuordnung eingehender Dokumente. Wenn die Testunterlagen alle sauber gescannt sind, sagt ein gutes Testergebnis wenig über schiefe Handyfotos oder ungewöhnliche Formate aus. Werden dieselben Beispiele für Entwicklung und abschließende Bewertung verwendet, kann der Eindruck zusätzlich zu günstig sein. Eine Prüfung braucht deshalb auch bisher nicht verwendete, repräsentative Fälle und bekannte erwartete Ergebnisse. Besonders wichtig sind die Fälle, bei denen eine falsche Zuordnung größere Folgen hätte.

Neben Trefferquoten müssen Fehlerarten betrachtet werden. Ein System kann ein problematisches Dokument übersehen oder ein unproblematisches fälschlich zurückweisen. Welche dieser Fehler schwerer wiegt, hängt von der Aufgabe ab. Ein einziger Durchschnittswert verdeckt diesen Unterschied. Auch die Häufigkeit eines Ereignisses spielt eine Rolle: Bei sehr seltenen Problemen kann eine scheinbar gute Erkennungsleistung im Alltag trotzdem viele Fehlalarme erzeugen. Die Menschen, die diese Alarme bearbeiten, gehören deshalb in die Bewertung.

Nach der Einführung ist die Prüfung nicht erledigt. Eingangsdaten verändern sich, neue Dokumenttypen entstehen, Prozesse werden angepasst und Anbieter aktualisieren ihre Systeme. Sinnvoll sind wiederholbare Testfälle, dokumentierte Grenzen und ein klarer Ansprechpartner für Auffälligkeiten. Wenn Ergebnisse unerwartet schlechter werden, muss eine Anwendung begrenzt oder vorübergehend ausgesetzt werden können. Das ist kein Misstrauensvotum gegen KI, sondern die übliche Pflege einer wichtigen technischen Abhängigkeit.

Für den Einstieg genügt oft eine überschaubare Sammlung bewusst ausgewählter Fälle. Entscheidend ist, die Erwartungen vor dem Versuch festzuhalten und nicht nachträglich passend zum Ergebnis umzudeuten. Gute, schlechte und unklare Antworten werden getrennt dokumentiert. Dadurch entsteht eine belastbare Grundlage für Verbesserungen. Man muss nicht jedes Modell mathematisch vollständig erklären können, um seine Anwendung sorgfältig zu prüfen. Man muss aber wissen, welche Leistung man von ihr verlangt und woran ein Fehler erkennbar wäre.

Ein Praxisbeispiel: aus Unterlagen eine Entscheidung machen

Ein fiktives Team möchte mehrere Angebote vergleichen. Die Aufgabe lautet nicht einfach: Fasse diese Dateien zusammen. Zuerst wird geklärt, welche Entscheidung vorbereitet wird: etwa eine Softwareauswahl mit Anforderungen an Funktionen, Betrieb und Unterstützung. Anschließend werden freigegebene Unterlagen bereitgestellt. Die KI soll belegte Eigenschaften, fehlende Angaben und offene Rückfragen getrennt ausgeben. Wo eine Angabe fehlt, ist offen die richtige Antwort, nicht eine plausibel klingende Ergänzung.

Die Fachverantwortlichen prüfen dann ausgewählte Fundstellen und besonders entscheidungsrelevante Kriterien. Zahlen werden nachgerechnet, Widersprüche geklärt und Bedingungen nicht aus Fußnoten herausgekürzt. Erst danach wird aus dem Vergleich eine Empfehlung. Ein nachvollziehbarer Entwurf kann hier Zeit sparen und blinde Flecken sichtbar machen. Die Entscheidung, welche Risiken akzeptiert werden, übernimmt die Organisation. Das ist keine Schwäche des Werkzeugs, sondern eine vernünftige Aufgabenteilung.

Ein Gegenversuch ohne KI gehört dazu. Wenn eine schlichte Tabelle mit fünf Kriterien schneller und sicherer zum Ergebnis führt, darf sie gewinnen. KI kann eine Aufgabe von zehn Minuten auf eine Stunde verlängern: Auftrag nachschärfen, fehlende Datei finden, überraschende Schlussfolgerung erklären. Begeisterung und ein Vergleich mit dem bisherigen Verfahren vertragen sich gut. Entscheidend ist der Nutzen nach der Prüfung, nicht das gute Gefühl während der Erzeugung.