Künstliche Intelligenz hat sich über Jahrzehnte hinweg von einer theoretischen Idee zu einer Technologie entwickelt, die heute unseren Alltag prägt. Entscheidende Meilensteine zeigen, wie sich das Verständnis von KI, die technischen Möglichkeiten und ihre Einsatzgebiete Schritt für Schritt verändert haben.
Der Turing-Test als Ausgangspunkt
Die Idee einer künstlichen Intelligenz ist keineswegs neu. Bereits 1950 stellte der britische Mathematiker Alan Turing die Frage, ob Maschinen denken können. Er entwickelte dazu den sogenannten Turing-Test: Ein Mensch führt über einen Bildschirm ein Gespräch, ohne zu wissen, ob er mit einer Maschine oder einer anderen Person kommuniziert. Kann er nicht zuverlässig unterscheiden, wer oder was antwortet, gilt die Maschine als «intelligent». Der Turing-Test prägt bis heute die Diskussion darüber, was künstliche Intelligenz eigentlich ausmacht.
«Mit dem Turing-Test rückte erstmals die Frage ins Zentrum, woran sich maschinelle Intelligenz überhaupt erkennen lässt.»
Die Dartmouth-Konferenz (1956)
Als eigentliche Geburtsstunde der künstlichen Intelligenz als Forschungsgebiet gilt die Dartmouth-Konferenz von 1956. Dort trafen sich Wissenschaftler, um zu diskutieren, wie Maschinen menschliches Denken nachbilden könnten. Der Begriff «künstliche Intelligenz» wurde in diesem Rahmen erstmals geprägt. In den folgenden Jahrzehnten entwickelte sich das Feld in Wellen: Auf Phasen grosser Euphorie folgten immer wieder Phasen der Ernüchterung, wenn sich die hochgesteckten Erwartungen mit der damaligen Technik nicht umsetzen liessen.
Deep Blue gegen Kasparov
Ein wichtiger Meilenstein gelang 1997, als der Schachcomputer Deep Blue den amtierenden Weltmeister Garry Kasparov besiegte. Deep Blue arbeitete jedoch nicht mit künstlicher Intelligenz im heutigen Sinn, sondern mit einem regelbasierten System: Programmierer hatten ihm die Regeln des Schachspiels sowie unzählige Eröffnungen und Strategien einprogrammiert, und der Computer berechnete daraus mit enormer Rechenleistung die besten Züge. Das unterscheidet ihn grundlegend von heutigen datengetriebenen Systemen wie grossen Sprachmodellen: Diese lernen ihre Fähigkeiten nicht aus fest vorgegebenen Regeln, sondern aus riesigen Datenmengen und erkennen darin selbständig Muster. Dieser Unterschied ist wichtig, um zu verstehen, weshalb heutige KI-Systeme nicht «wie ein Mensch» denken, sondern auf einer statistischen Mustererkennung beruhen.
«Der Weg führte von fest programmierten Regeln zu Systemen, die Muster aus grossen Datenmengen lernen.»
Der Durchbruch durch Big Data
Den nächsten grossen Entwicklungsschub brachte das Zeitalter von Big Data. Mit dem Internet entstanden gewaltige Mengen an Daten, gleichzeitig wuchs die Rechenleistung verfügbarer Computer markant. Dadurch wurde es möglich, künstliche neuronale Netzwerke mit vielen Schichten – sogenanntes «deep learning» – wirkungsvoll zu trainieren. Systeme konnten nun aus riesigen Datenmengen selbständig Muster erkennen, etwa bei der Bild- oder Spracherkennung, und wurden so wesentlich leistungsfähiger als frühere, regelbasierte Ansätze.
ChatGPT und der Sprung in den Alltag
Der bislang letzte grosse Entwicklungsschritt gelang im Herbst 2022 mit der Veröffentlichung von ChatGPT. Erstmals stand einer breiten Öffentlichkeit ein leistungsfähiges Sprachmodell frei zugänglich zur Verfügung. Innerhalb weniger Monate erreichte die Anwendung hunderte Millionen Nutzerinnen und Nutzer weltweit und katapultierte künstliche Intelligenz aus der Fachwelt direkt in den Alltag – auch in die Schule.
«Mit ChatGPT wurde generative KI für Millionen Menschen unmittelbar zugänglich und alltagstauglich.»
Zuletzt aktualisiert: 20. November 2026 07:52