Wie funktioniert künstliche Intelligenz? Ganz einfach erklärt.
KI schreibt Texte, erkennt Gesichter und beantwortet Fragen. Doch was passiert dabei eigentlich im Computer? Wir erklären es ohne Fachchinesisch und ohne Formeln – mit Vergleichen aus dem Alltag.
Die Kurzantwort
KI lernt aus Beispielen statt aus festen Regeln
Ein klassisches Computerprogramm arbeitet streng nach Anleitung: Ein Mensch schreibt jede Regel vor, und das Programm führt sie aus. Künstliche Intelligenz geht einen anderen Weg. Statt Regeln bekommt sie sehr viele Beispiele und findet die Muster darin selbst. Das funktioniert ein bisschen wie bei einem Kind, das lernt, Katzen zu erkennen. Niemand erklärt ihm eine genaue Definition mit Ohrenform und Schnurrhaarlänge. Es sieht einfach viele Katzen – und irgendwann erkennt es auch eine Katze, die es noch nie gesehen hat. Genau dieses Prinzip steckt hinter den meisten KI-Anwendungen von heute.
So lernt KI – vom Beispiel zur Antwort
Egal ob Bilderkennung oder Chatbot: Im Kern durchläuft jede lernende KI diese vier Schritte.
Daten sammeln
Am Anfang stehen Beispiele – Fotos, Texte, Messwerte oder Gespräche. Je mehr und je besser die Beispiele, desto mehr kann die KI daraus lernen.
Trainieren
Die KI macht Vorhersagen, vergleicht sie mit der richtigen Lösung und korrigiert sich ein kleines Stück. Das wiederholt sie Millionen Mal.
Modell entsteht
Das Ergebnis des Trainings ist ein Modell: eine Art Erfahrungsschatz, in dem die gelernten Muster gespeichert sind.
Anwenden
Mit dem fertigen Modell beantwortet die KI neue Fragen, erkennt neue Bilder oder schreibt neue Texte – auf Basis dessen, was sie gelernt hat.
Maschinelles Lernen: Muster statt Regeln
Der Fachbegriff für das Lernen aus Beispielen ist maschinelles Lernen. Nehmen wir einen Spamfilter: Statt ihm jede verdächtige Formulierung einzeln vorzugeben, zeigt man ihm Tausende E-Mails, die bereits als „Spam“ oder „kein Spam“ markiert sind. Daraus lernt er selbst, welche Merkmale typisch für Spam sind – und erkennt später auch neue Spam-Mails, die so noch nie aufgetaucht sind.
Neuronale Netze: viele kleine Stellschrauben
Viele moderne KI-Systeme basieren auf künstlichen neuronalen Netzen. Der Name erinnert an das Gehirn, die Technik ist aber deutlich einfacher. Man kann sich ein neuronales Netz wie ein riesiges Mischpult mit Millionen oder sogar Milliarden kleiner Regler vorstellen. Jeder Regler bestimmt, wie stark ein bestimmtes Signal weitergegeben wird.
Beim Training werden diese Regler Schritt für Schritt so eingestellt, dass am Ende möglichst oft die richtige Antwort herauskommt. Liegt die KI daneben, werden die Regler ein kleines Stück nachjustiert. Nach sehr vielen Durchläufen sind sie so fein abgestimmt, dass das Netz zuverlässig Katzen erkennt, Sprache versteht oder Texte übersetzt. Weil solche Netze aus vielen hintereinandergeschalteten Schichten bestehen, spricht man auch von Deep Learning.
Wie ChatGPT & Co. Texte schreiben
Sprach-KIs wie ChatGPT, Microsoft Copilot oder Claude sind sogenannte große Sprachmodelle (Large Language Models, kurz LLM). Sie wurden mit riesigen Mengen an Texten trainiert. Ihre Grundaufgabe klingt erstaunlich schlicht: Sie sagen voraus, welches Wort als Nächstes am besten passt. Dann das nächste. Und das nächste.
Weil sie dabei aus unzähligen Texten gelernt haben, wie Sprache, Wissen und Argumentation zusammenhängen, entstehen so zusammenhängende Antworten, Zusammenfassungen oder sogar Programmcode. Die KI „schlägt“ dabei nicht in einer Datenbank nach, sondern formuliert jede Antwort neu.
Was KI nicht kann
So beeindruckend die Ergebnisse sind: KI hat kein Bewusstsein und keine eigenen Absichten. Sie erkennt Muster, versteht die Welt aber nicht so, wie Menschen es tun. Daraus ergeben sich typische Grenzen:
- Sie kann Fehler machen. Sprach-KIs formulieren manchmal überzeugend klingende Aussagen, die schlicht falsch sind. Fachleute nennen das „Halluzinieren“.
- Sie ist nur so gut wie ihre Daten. Sind die Trainingsbeispiele lückenhaft oder einseitig, sind es die Ergebnisse auch.
- Sie braucht Menschen, die prüfen. Gerade bei wichtigen Entscheidungen gehört ein kritischer Blick auf das Ergebnis dazu.
KI-Glossar
Die wichtigsten Begriffe – ganz einfach
Algorithmus, Prompt, Halluzination: Rund um KI begegnen Ihnen viele neue Wörter. Filtern Sie nach Thema.
Algorithmus
Eine genaue Schritt-für-Schritt-Anleitung, nach der ein Computer eine Aufgabe löst – wie ein Kochrezept.
Training
Die Lernphase der KI: Sie bekommt viele Beispiele und stellt sich so lange nach, bis ihre Antworten möglichst gut passen.
Modell
Das Ergebnis des Trainings – der gespeicherte Erfahrungsschatz, mit dem die KI später arbeitet.
Neuronales Netz
Ein Rechenmodell aus vielen verbundenen Schichten mit Millionen kleiner Stellschrauben, die beim Training eingestellt werden.
LLM
Large Language Model, ein großes Sprachmodell wie hinter ChatGPT oder Copilot. Es wurde mit riesigen Textmengen trainiert.
Token
Die Bausteine, in die eine Sprach-KI Text zerlegt – meist ganze Wörter oder Wortteile.
Halluzination
Wenn eine KI eine überzeugend klingende, aber falsche Aussage erfindet. Deshalb sollten wichtige Ergebnisse immer geprüft werden.
Prompt
Die Eingabe oder Frage, die Sie einer KI stellen. Je klarer der Prompt, desto besser meist die Antwort.
KI-Assistent
Eine KI-Anwendung, die Fragen beantwortet oder Aufgaben erledigt – etwa als Chatbot auf einer Website oder als Helfer im Büroalltag.
Eine kurze Geschichte der KI
KI ist älter, als viele denken
Die Idee denkender Maschinen beschäftigt Forschende seit mehr als 70 Jahren. Diese Meilensteine haben den Weg bis heute geprägt.
Häufige Fragen
Künstliche Intelligenz – kurz beantwortet
KI in der Praxis
Sie möchten KI sinnvoll in Ihrem Unternehmen einsetzen?
Vom Chatbot für Ihre Website bis zur automatischen Dokumentenverarbeitung: LS IT & MEDIA entwickelt KI-Lösungen, die zu Ihren Abläufen passen – herstellerunabhängig, datenschutzbewusst und persönlich betreut aus Leer und Oldenburg. Wie Sie den Einstieg strategisch angehen, lesen Sie in unserem Beitrag „KI im Unternehmen einsetzen“.