Künstliche Intelligenz begegnet uns heute in zahlreichen Anwendungen und entwickelt sich rasant weiter. Doch KI ist nicht gleich KI: Je nach Fähigkeiten und Entwicklungsstand lassen sich unterschiedliche Formen unterscheiden. Um ihre Möglichkeiten und Grenzen einordnen zu können, lohnt sich zunächst ein Blick auf diese grundlegenden Unterschiede.
Schwach, stark, superintelligent – drei Formen künstlicher Intelligenz
Wenn wir umgangssprachlich von künstlicher Intelligenz sprechen, meinen wir meist eine schwache KI. Diese ist in vielen Bereichen unseres Alltags bereits integriert, wir kennen sie zum Beispiel als Alexa oder Siri. Die Entwicklung geht aber weiter. Starke und superintelligente Systeme werden die nächsten Stufen sein. Worin unterscheiden sie sich?
«Was wir heute als KI nutzen, ist auf bestimmte Fähigkeiten spezialisiert – starke und superintelligente KI bleiben Konzepte.»
Schwache künstliche Intelligenz
Ein Programm, das auf ein Gebiet spezialisiert ist. Sie ist richtig gut, aber bloss in einer einzigen Sache.
Starke künstliche Intelligenz
Diese Stufe gibt es aktuell noch nicht. Sie zielt darauf ab, Maschinen zu schaffen, die menschliche Denkprozesse übernehmen. Die starke künstliche Intelligenz ist nicht nur in einem Bereich stark, sondern kann Erlerntes auf andere Bereiche übertragen – sie leistet also einen echten Transfer.
Superintelligente künstliche Intelligenz
Auch diese Form gibt es noch nicht. Sie zielt darauf ab, Maschinen zu schaffen, die menschliche Denkprozesse übertreffen.
So funktioniert künstliche Intelligenz
Soll eine schwache künstliche Intelligenz wirkungsvoll genutzt werden, ist es wichtig, ihre Funktionsweise zu verstehen.Dieses Verständnis ist auch Teil des Bildungsauftrags: Gemäss Lehrplan21 (Modul Medien und Informatik) verstehen Schülerinnen und Schüler Aufbau und Funktionsweise von informationsverarbeitenden Systemen. Nur so können sie Ergebnisse von KI kritisch einordnen. Was sind ihre wichtigsten Elemente?
Wie lernt künstliche Intelligenz?
Grundsätzlich arbeitet künstliche Intelligenz mit Daten, die nach beliebigen Kriterien miteinander verknüpft werden können. Je mehr Daten und Kriterien vorhanden sind, desto besser können auch komplexe Zusammenhänge erkannt werden. Das erfordert jedoch stets leistungsstärkere Computer. Immer mehr Daten und immer grössere Rechenleistungen treiben die Entwicklung künstlicher Intelligenz voran.
Der Computer arbeitet mit Algorithmen, die von Menschen definiert werden. Sie geben vor, nach welchen Kriterien die Daten miteinander verknüpft werden sollen. Algorithmen werden stets weiterentwickelt. Unterdessen ist die künstliche Intelligenz immer mehr in der Lage, selbst neue Kriterien zu finden, diese zu überprüfen und selbständig weiterzuentwickeln.
«KI erkennt Muster in Daten – sie versteht deren Bedeutung nicht wie ein Mensch.»
Zum Beispiel ordnet die künstliche Intelligenz aufgrund von Algorithmen visuelle Daten von Katzen dem Kriterium für «Katze» zu. Das heisst, die KI «lernt» mit der Zeit ausgezeichnet, wie eine Katze aussieht. Zeigt man der künstlichen Intelligenz das Bild eines Hundes, so erkennt sie nur, dass es keine Katze ist. Sie erkennt den Hund nicht. Das zeigt die Grenzen der künstlichen Intelligenz auf: Sie ist auf den Bereich beschränkt, auf den sie trainiert wurde. Wichtig ist dabei: Die KI selbst «weiss» am Ende nicht, was eine Katze ist. Sie weiss nur, auf welchem Bild sehr wahrscheinlich eine Katze zu sehen ist.
Vergleich mit dem menschlichen Nervensystem
Der Begriff «künstliche Intelligenz» meint, dass bestimmte Funktionsweisen des menschlichen Nervensystems wie Wahrnehmung und Verarbeitung nachgeahmt werden sollen: Visuelle, akustische oder andere Reize treffen auf Nervenzellen, die diese weiterleiten. Unser Gehirn bewertet diese Inputs (Reize) und verstärkt sie je nachdem, oder es vermindert ihre Bedeutung. Entsprechend werden die Inputs an alle anderen Nervenzellen weitergegeben. Je umfassender unser Gehirn den Input prüft, desto genauer können wir eine Situation oder einen Sachverhalt einschätzen.
Am Beispiel der Katze bedeutet das: Je mehr verschiedene Merkmale wie Schwanz, Fell, Grösse, Schnauzhaare, Bewegungsmuster usw. wir registrieren, abgleichen und miteinander verknüpfen, desto bestimmter können wir sagen, ob es sich um eine Katze handelt oder um einen Hasen oder einen Hund. In ähnlicher Weise nimmt die künstliche Intelligenz die Inputs respektive die Daten auf, überprüft und verknüpft sie. Deshalb spricht man bei künstlicher Intelligenz auch von neuronalen Netzwerken. Wenn mehrere dieser individuellen neuronalen Netzwerke zusammengeschlossen werden, spricht man von einem künstlichen neuronalen Netzwerk.
Das mehrschichtige Lernen
Die Basis bildet der Input, der in verschiedenen Schichten verarbeitet wird und dann in einer Form wieder ausgegeben wird, z. B. als Bild oder Text. Dazwischen befinden sich die versteckten Schichten. In der heutigen Zeit können dies mehrere hundert Schichten sein. Solche neuronalen Netze werden daher auch als «deep neural network» bezeichnet.
Jede Schicht führt dabei letztlich nur eine Berechnung aus: Ein Bild wird zunächst in einfache Pixelwerte umgewandelt, in den ersten Schichten werden daraus einfache Muster wie Kanten oder Farbflächen erkannt, in späteren Schichten setzen sich daraus zunehmend komplexere Merkmale zusammen, bis am Ende ein Ergebnis wie «Katze» oder «kein Katze» ausgegeben wird. Die künstliche Intelligenz «versteht» dabei nicht im menschlichen Sinn, was eine Katze ist – sie führt lediglich eine sehr grosse Zahl solcher Berechnungen aus.
«Aus vielen einzelnen Berechnungen entstehen komplexe Ergebnisse – ohne menschliches Verständnis dahinter.»
ChatGPT und multimodale Modelle
ChatGPT 3 war bei seiner Veröffentlichung im Herbst 2022 eine Texteingabe-Anwendung. Auch andere Sprachmodelle (Large Language Models) waren textbasiert. Dies findet sich auch in der Abkürzung von ChatGPT wieder: Chat für Textkonversation, G für generativ, P für pretrained (vortrainiert), T für Transformer. «Generativ» bedeutet dabei, dass das Modell nicht einfach vorgefertigte Antworten abruft, sondern selbst neue Inhalte – Texte, Bilder, Audio oder Video – erzeugt, indem es aufgrund der gelernten Muster berechnet, welches Wort, welcher Pixel oder welcher Ton als Nächstes am wahrscheinlichsten folgt. Bis Ende 2022 war nur ein beschränkter Datensatz als Grundlage für die Erzeugung einer Antwort verfügbar.
Mit GPT4 wurde ein nächster grosser Schritt möglich: die multimodalen Fähigkeiten. Nun können neben Text sowohl Audio-, Video- und Bilddateien verarbeitet und in einer neuen Form ausgegeben werden. Für die Anwendung bedeutet dies: Aus einem Text kann ein Film erstellt oder ein Film kurz in einem Text zusammengefasst werden. Damit werden Anwendungen auch Personen zugänglich, die sonst nicht über das entsprechende Können verfügt hätten – z. B. ein Hörspiel oder digitale Bilder erstellen, oder einen Text als Film umsetzen.
Zuletzt aktualisiert: 20. November 2026 07:52