Wie funktioniert
Künstliche Intelligenz?

Künstliche Intelligenz (KI) ist der Oberbegriff für alle Systeme, die menschenähnliche Intelligenz simulieren. Machine Learning ist ein Teilbereich der KI, bei dem Systeme aus Daten lernen, statt explizit programmiert zu werden. Deep Learning wiederum ist eine spezielle Form des Machine Learning, die tiefe neuronale Netze mit vielen Schichten verwendet. Die Beziehung ist also: KI > Machine Learning > Deep Learning.

Nein, nicht im menschlichen Sinne. Aktuelle KI-Systeme, einschließlich GPT-4 und Claude, erkennen extrem gut Muster in Daten und können daraus Vorhersagen ableiten. Sie haben kein Bewusstsein, keine Gefühle und kein echtes Verständnis. Wenn ein Chatbot eine "verständnisvolle" Antwort gibt, simuliert er nur das Muster, das er in Millionen von Beispielen gelernt hat. Das ist trotzdem beeindruckend nützlich, aber grundlegend anders als menschliches Denken.

Large Language Models wie ChatGPT generieren Text basierend auf statistischen Wahrscheinlichkeiten, sie sagen vorher, welches Wort am wahrscheinlichsten als nächstes kommt. Dabei "wissen" sie nicht, ob eine Aussage faktisch korrekt ist. Dieses Phänomen nennt man "Halluzinationen". Es passiert besonders bei: seltenen Themen, sehr aktuellen Ereignissen (nach dem Trainingsdatum), mathematischen Berechnungen und spezifischen Fakten. Daher: Immer kritisch prüfen, besonders bei wichtigen Entscheidungen.

Das hängt stark von der Aufgabe ab. Einfache Klassifikationsaufgaben können mit Hunderten bis Tausenden Beispielen funktionieren. Große Sprachmodelle wie GPT-4 wurden mit Hunderten Milliarden Wörtern trainiert, praktisch dem gesamten öffentlich zugänglichen Internet. Generell gilt: Je komplexer die Aufgabe und je höher die gewünschte Genauigkeit, desto mehr Daten werden benötigt. Wichtiger als reine Menge ist jedoch die Qualität und Relevanz der Daten.

KI ist ein Werkzeug, wie ein Hammer, kann es konstruktiv oder destruktiv eingesetzt werden. Reale Risiken heute sind: Verbreitung von Falschinformationen, Deepfakes, Bias in Entscheidungssystemen (z.B. bei Kreditvergabe), Jobveränderungen und Datenschutzprobleme. Die oft in Filmen gezeigte "Superintelligenz, die die Menschheit auslöscht" ist aktuell Science Fiction. Wichtiger als diffuse Ängste ist der verantwortungsvolle Umgang: KI-Kompetenz aufbauen, kritisch bleiben, regulieren wo nötig.

Die Kosten variieren enorm: Von kostenlos (ChatGPT Free, kostenlose Cloud-Tools) über günstige Lizenzmodelle (ChatGPT Plus ca. 20€/Monat, Microsoft Copilot ca. 30€/Nutzer/Monat) bis hin zu mehreren Hunderttausend Euro für maßgeschneiderte Lösungen. Für KMU empfehlen wir den Einstieg mit bestehenden Tools wie ChatGPT, Claude oder Microsoft 365 Copilot. Der größte Kostenblock ist oft nicht die Technologie, sondern die Schulung der Mitarbeiter und die Anpassung von Prozessen.

Beide sind Large Language Models, aber mit unterschiedlichen Stärken: ChatGPT (OpenAI) ist der Pionier und hat die größte Nutzerbasis. Claude (Anthropic) wurde mit besonderem Fokus auf Sicherheit und "Constitutional AI" entwickelt und hat ein sehr großes Kontextfenster, kann also längere Dokumente auf einmal verarbeiten. Claude tendiert zu ausgewogeneren Antworten bei kontroversen Themen. In der Praxis: Beide sind sehr leistungsfähig, für die meisten Anwendungen ist der Unterschied gering.

Die Forschung zeigt: KI wird weniger ganze Jobs ersetzen, als vielmehr einzelne Aufgaben automatisieren. Laut Studien werden etwa 10-30% der Tätigkeiten in den meisten Berufen durch KI unterstützt oder automatisiert werden können. Die Geschichte zeigt auch: Neue Technologien schaffen meist mehr Jobs als sie vernichten, aber andere. Die beste Strategie: KI-Kompetenz aufbauen, KI als Werkzeug nutzen, sich auf Aufgaben konzentrieren, die Kreativität, Empathie und komplexe Problemlösung erfordern.