Was ist KI? Ein Quick-Start-Leitfaden für Einsteiger
Der Begriff KI ist schon seit einiger Zeit in Mode. Künstliche Intelligenz ist ein Konzept, das schon seit vielen Jahren existiert, und verschiedene Technologien basieren auf KI, um zu funktionieren. Aber mit Tools wie ChatGPT und Google Bard, die Schlagzeilen machen, hat man das Gefühl, dass ein neues Zeitalter der künstlichen Intelligenz angebrochen ist. Aber was ist KI? Und wie funktioniert das?
Hier werfen wir einen kurzen Blick darauf, was KI ist, warum sie wichtig ist und wie du mehr über dieses faszinierende Gebiet erfahren kannst. Neben Beispielen für den Einsatz von Kunst haben wir auch Zitate von Expertinnen und Experten und weiterführende Informationen beigefügt.
Was ist KI?
Künstliche Intelligenz ist ein Teilgebiet der Informatik, das sich mit der Entwicklung intelligenter Agenten befasst, die in der Lage sind, Aufgaben auszuführen, für die normalerweise ein menschliches Maß an Intelligenz erforderlich wäre. Zu diesen Aufgaben gehören u.a. Problemlösung, Spracherkennung und Entscheidungsfindung.
KI ist eine interdisziplinäre Wissenschaft mit vielen Ansätzen: Sie kann regelbasiert sein und unter vordefinierten Bedingungen arbeiten, oder sie kann maschinelle Lernalgorithmen nutzen, um sich an ihre Umgebung anzupassen. Letzteres ist besonders leistungsfähig, da es KI-Systemen ermöglicht, aus Daten zu lernen, was sie vielseitiger macht und sie in die Lage versetzt, unvorhergesehene Szenarien zu bewältigen.
KI in Verbindung mit Datenwissenschaft und anderen Schlüsselkonzepten
Häufige Missverständnisse
Es ist auch erwähnenswert, was KI nicht ist. Es gibt viele Missverständnisse darüber, was künstlich ist, und hier sind einige häufige falsche Vorstellungen:
- KI ist gleichbedeutend mit Robotern. KI beschränkt sich nicht nur auf Robotik, sondern ist ein breiteres Feld, das verschiedene Technologien wie Suchalgorithmen und die Verarbeitung natürlicher Sprache umfasst.
- KI kann die menschliche Intelligenz schon bald übertreffen. Die Vorstellung, dass KI den Menschen bald übertrumpfen wird, ist übertrieben; Künstliche Allgemeine Intelligenz (KI) ist noch theoretisch und weit von der Realisierung entfernt.
- KI versteht Inhalte wie Menschen. KI "versteht" Text oder Sprache nicht im menschlichen Sinne; sie verarbeitet Daten auf der Grundlage von Mustern, aber sie versteht sie nicht.
- KI ist unvoreingenommen. Entgegen der landläufigen Meinung kann KI Vorurteile von ihren Trainingsdaten oder Designern erben, d.h. sie ist nicht von Natur aus unvoreingenommen. In unserem Leitfaden über die Ethik der generativen KI erfährst du mehr.
- KI kann alle menschlichen Arbeitsplätze ersetzen. KI kann zwar bestimmte Aufgaben automatisieren, aber sie kann keine Jobs ersetzen, die emotionale Intelligenz, Kreativität und andere menschenbezogene Fähigkeiten erfordern.
Die Unterschiede zwischen KI und maschinellem Lernen sowie zwischen maschinellem Lernen und Deep Learning kannst du in separaten Leitfäden nachlesen.
KI-Glossar
Bei unserer Erkundung von künstlicher Intelligenz werden wir eine Reihe von Begriffen verwenden, von denen einige nicht geläufig sein werden. Wir haben eine Liste mit den wichtigsten Begriffen der künstlichen Intelligenz und ihren Bedeutungen erstellt:
Algorithmus
Eine Reihe von Regeln oder Anweisungen, denen ein Computer folgt, um eine bestimmte Aufgabe zu erfüllen. Algorithmen sind die Bausteine aller KI-Systeme.
Künstliche allgemeine Intelligenz (AGI)
Eine derzeit theoretische Form der KI, die in der Lage ist, Wissen über verschiedene Bereiche hinweg zu verstehen, zu lernen und anzuwenden, Probleme zu durchdenken, ein Bewusstsein zu haben und sogar Emotionen zu verstehen. Dies steht im Gegensatz zur Narrow AI, die für eine bestimmte Aufgabe entwickelt und trainiert wird.
Deep Learning
Eine spezielle Art des maschinellen Lernens, die die Funktionsweise unseres Gehirns nachahmt und es Computern ermöglicht, aus Erfahrungen zu lernen und die Welt in Form einer Hierarchie von Konzepten zu verstehen. Einfach ausgedrückt ist Deep Learning wie ein virtuelles Gehirn, das Computern hilft, aus Daten zu lernen, damit sie eigenständig Entscheidungen treffen können.
Maschinelles Lernen
Eine Möglichkeit, Computern die Fähigkeit zu geben, aus Daten zu lernen und Entscheidungen zu treffen, ohne explizit programmiert zu werden. Stell dir vor, du bringst Computern bei, aus Erfahrungen zu lernen, ähnlich wie Menschen es tun. Im Wesentlichen ist maschinelles Lernen die Methode, durch die KI den Teil "Intelligenz" in ihrem Namen erhält. Du kannst mehr über das Thema in unserem Kurs Maschinelles Lernen verstehen erfahren.
Natürliche Sprachverarbeitung (NLP)
Ein Bereich der KI, der sich auf die Interaktion zwischen Computern und Menschen durch natürliche Sprache konzentriert. Das ultimative Ziel von NLP ist es, Computer in die Lage zu versetzen, menschliche Sprache so zu verstehen, zu interpretieren und zu generieren, dass sie sowohl sinnvoll als auch nützlich ist. In unserem Kurs Einführung in die natürliche Sprachverarbeitung in Python erfährst du mehr.
Neuronales Netzwerk
Ein Computermodell, das von der Struktur der Neuronen im menschlichen Gehirn inspiriert ist. Neuronale Netze werden in verschiedenen Anwendungen eingesetzt, bei denen es um Mustererkennung geht, z. B. bei der Bild- und Spracherkennung. Wir haben einen ganzen Artikel darüber geschrieben, was neuronale Netze sind.
Arten von Künstlicher Intelligenz
KI kann anhand ihrer Fähigkeiten und Funktionen kategorisiert werden.
Wenn es um die Fähigkeiten geht, können wir zwischen den verschiedenen Arten von KI auf folgende Weise unterscheiden:
Enge KI
Auch bekannt als Weak AI (schwache KI), wird die enge KI entwickelt und trainiert, um eine bestimmte Aufgabe zu erfüllen. Er arbeitet unter einer begrenzten Anzahl von Bedingungen und verfügt nicht über die breite Palette von Fähigkeiten, die Menschen haben. Die meisten aktuellen KI-Systeme, einschließlich reaktiver Maschinen und Maschinen mit begrenztem Speicher (siehe unten), fallen unter diese Kategorie.
Künstliche allgemeine Intelligenz (AGI)
Diese Art von KI wird auch als allgemeine KI bezeichnet und ist in der Lage, Wissen über verschiedene Bereiche hinweg zu verstehen, zu lernen und anzuwenden. Sie wäre in der Lage, sich selbst zu erkennen, zu denken und Gefühle zu verstehen. Allgemeine KI bleibt zu diesem Zeitpunkt weitgehend theoretisch.
Künstliche Superintelligenz
Dies ist eine fortgeschrittene Form der KI, die die menschliche Intelligenz in fast allen Aspekten übertreffen würde, von der Kreativität über die soziale Intelligenz bis hin zur Problemlösungsfähigkeit. Super-KI ist ein Konzept, das eher im Bereich der Science-Fiction und der Zukunftsspekulationen angesiedelt ist als in der aktuellen Realität.
Wir können auch die Arten von künstlicher Intelligenz anhand ihrer Funktionen untersuchen:
Reaktive Maschinen
Dies sind die grundlegendsten Formen der KI, die für bestimmte Aufgaben entwickelt wurden. Der schachspielende Supercomputer Deep Blue von IBM fällt zum Beispiel in diese Kategorie. Reaktive Maschinen können keine Erinnerungen speichern oder vergangene Erfahrungen nutzen, um aktuelle Entscheidungen zu treffen.
Begrenzter Speicher
Begrenzter Speicher KI kann vergangene Daten speichern und sie nutzen, um bessere Vorhersagen oder Entscheidungen zu treffen. Diese Art von KI findet man häufig in Empfehlungssystemen, wie sie von Netflix oder Amazon verwendet werden.
Theorie des Geistes
Dies ist ein theoretisches Konzept, das sich darauf bezieht, dass KI-Systeme potenziell menschliche Emotionen, Überzeugungen und Gedanken verstehen können. Auch wenn das faszinierend ist, müssen wir diese Stufe der KI erst noch erreichen.
Selbsterkenntnis
Der Höhepunkt der KI-Entwicklung wären selbstbewusste Maschinen, die ihre Existenz verstehen und Entscheidungen auf der Grundlage von Eigeninteressen treffen können. Dies ist nach wie vor Gegenstand laufender Forschung und ethischer Debatten.
Anwendungen und Beispiele für KI
Die Reichweite von KI geht weit über den akademischen Bereich und spezialisierte Branchen hinaus. Hier sind einige Möglichkeiten, wie künstliche Intelligenz in der heutigen Welt eingesetzt wird:
Alltägliche Technologie
KI ist tief in die Technologien integriert, die wir täglich nutzen. Von Google Maps, das deine Route anhand von Echtzeit-Verkehrsdaten optimiert, bis hin zu Siri und Alexa, die deinen Wecker stellen und deine Fragen beantworten - KI ist nahezu allgegenwärtig. Diese Anwendungen nutzen oft Narrow AI, um bestimmte Aufgaben effizient zu erledigen.
Wirtschaft und Industrie
Die Geschäftswelt setzt bereits auf KI. Eine IBM-Umfrage ergab, dass mehr als ein Drittel der Unternehmen (35 %) im Jahr 2022 KI in ihrem Unternehmen einsetzen wollen. Unternehmen in vielen Branchen nutzen künstliche Intelligenz, zum Beispiel:
- Gesundheitswesen. KI-Algorithmen können medizinische Bilder analysieren, um frühe Anzeichen von Krankheiten wie Krebs zu erkennen. Sie können auch bei der Medikamentenentwicklung helfen, indem sie vorhersagen, wie verschiedene Verbindungen Krankheiten behandeln können.
- Finanzen. Künstliche Intelligenz wird bei der Betrugserkennung eingesetzt, wo maschinelle Lernalgorithmen Transaktionsmuster analysieren können, um ungewöhnliche Aktivitäten zu erkennen. Sie spielt auch eine Rolle beim algorithmischen Handel, bei der Optimierung von Portfolios und bei der Personalisierung von Bankdienstleistungen.
- Einzelhandel. Tools wie Empfehlungssysteme in Online-Shopping-Plattformen werden oft von KI unterstützt und helfen Unternehmen beim Upselling und Cross-Selling von Produkten. Es kann auch bei der Bestandsverwaltung und der Bedarfsprognose helfen.
Große Sprachmodelle wie ChatGPT revolutionieren die Art und Weise, wie wir mit Software interagieren. Ob im Kundenservice, im Projektmanagement oder bei der Datenanalyse - diese KI-Tools verbessern die Effizienz, Genauigkeit und Produktivität in allen Bereichen.
Noelle Silver Russel, Global AI Solutions & Generative AI & LLM Industry Lead at Accenture
Spiele und Unterhaltung
Wie wir in unserem Artikel über Kreativität und generative KI gesehen haben, gibt es eine ganz neue Grenze der Kunst, zu der künstliche Intelligenz beitragen kann. Hier sind einige der Möglichkeiten, wie es derzeit genutzt wird:
- Videospiele. Algorithmen steuern Nicht-Spieler-Charaktere (NPCs) und machen sie reaktionsschneller und realistischer. Die fortschrittliche KI kann sich sogar an das Verhalten der einzelnen Spieler/innen anpassen, um den Schwierigkeitsgrad des Spiels zu regulieren.
- Musik und Film. Inhaltsempfehlungen auf Plattformen wie Spotify und Netflix nutzen KI, und sie kann sogar im kreativen Prozess helfen, z. B. beim Komponieren von Musik oder beim Filmschnitt.
Öffentliche Dienste und Infrastruktur
Wir sehen, dass Behörden und ähnliche Organisationen künstliche Intelligenz für eine Vielzahl von Aufgaben einsetzen:
- Verkehrsmanagement. KI-Algorithmen können Verkehrsdaten in Echtzeit analysieren, um die Signalzeiten zu optimieren, Staus zu reduzieren und die Verkehrssicherheit zu erhöhen.
- Notfallmaßnahmen. Bereiche wie die Vorhersage von Naturkatastrophen und die Reaktion darauf können von künstlicher Intelligenz profitieren, z. B. bei der Vorhersage von Hurrikanen und der Optimierung von Evakuierungsrouten.
Wie funktioniert KI?
Um das Wesen der Künstlichen Intelligenz wirklich zu verstehen, ist es hilfreich, die Schritte zu kennen, die nötig sind, damit ein KI-System funktioniert. Lass uns das Ganze anfängerfreundlich aufschlüsseln. Mit unserem Lernpfad kannst du dir ein umfassendes Verständnis der KI-Grundlagen aneignen. Er umfasst umsetzbares Wissen über beliebte KI-Themen wie chatGPT, große Sprachmodelle, generative KI und mehr.
Der Workflow für KI und maschinelles Lernen
Schritt 1: Datenerhebung
Der erste Schritt bei jedem KI-Projekt ist das Sammeln von Daten. Das kann alles sein, von Bildern und Texten bis hin zu komplexeren Daten wie dem menschlichen Verhalten. Die Daten dienen als Rohmaterial, aus dem das KI-System lernt.
Schritt 2: Datenaufbereitung
Sobald die Daten gesammelt sind, müssen sie aufbereitet und bereinigt werden. Das bedeutet, dass alle irrelevanten Informationen entfernt und die Daten in ein Format umgewandelt werden, das das KI-System verstehen kann.
Schritt 3: Auswahl eines Algorithmus
Ein Algorithmus ist wie ein Rezept dafür, wie das KI-System die Daten verarbeiten wird. Verschiedene Algorithmen sind für unterschiedliche Aufgaben besser geeignet. Du könntest zum Beispiel einen bestimmten Algorithmus für die Bilderkennung und einen anderen für die Verarbeitung natürlicher Sprache verwenden. Du kannst die verschiedenen Arten von Algorithmen in einem separaten Artikel untersuchen.
Schritt 4: Das Modell trainieren
Die aufbereiteten Daten werden in den gewählten Algorithmus eingespeist, um das KI-Modell zu "trainieren". In dieser Phase lernt das Modell, Vorhersagen oder Entscheidungen auf der Grundlage der Daten zu treffen. Stell dir das so vor, dass das KI-System für eine Prüfung lernt.
Schritt 5: Das Modell testen
Nach dem Training wird das Modell getestet, um zu sehen, wie gut es abschneidet. Wenn sie nicht genau genug ist, muss sie eventuell weiter trainiert oder angepasst werden.
Schritt 6: Einsatz
Sobald das Modell trainiert und getestet ist, kann es in einer realen Anwendung eingesetzt werden. Dabei kann es sich um einen Chatbot handeln, der Kundenanfragen beantwortet, oder um eine medizinische KI, die Röntgenbilder analysiert.
Schritt 7: Kontinuierliches Lernen
Viele moderne KI-Systeme sind in der Lage, mit der Zeit zu lernen und sich anzupassen. Das bedeutet, dass sie ihre Leistung verbessern können, wenn sie mehr Daten sammeln, wodurch sie effizienter und genauer werden.
Der Einstieg in die KI
In diesem Artikel haben wir einige der Grundlagen der KI behandelt. Wenn du von dem, was du bisher gelesen hast, fasziniert bist und mehr über dieses faszinierende Gebiet erfahren möchtest, haben wir einen umfassenden Leitfaden zum Thema " KI von Grund auf lernen", der alles enthält, was du wissen musst, um den Weg zur KI-Meisterschaft einzuschlagen. Hier findest du Ressourcen, die dir den Einstieg erleichtern, sowie einen Muster-Lernplan, der dich durch die ersten Monate des KI-Lernens führen kann.
Konzepte der Künstlichen Intelligenz (KI) in Python

Autorin und Redakteurin im Bereich der Bildungstechnologie. Engagiert bei der Erforschung von Datentrends und begeistert davon, Data Science zu lernen.