Was meinen wir heute mit dem Begriff KI?
Unter moderner KI verstehen wir vor allem Systeme, die auf maschinellem Lernen basieren. Dazu gehören Chatbots wie ChatGPT und Claude, Bildgeneratoren wie Midjourney und Nano Banana, Übersetzungstools wie DeepL sowie viele spezialisierte Programme in Branchen wie Medizin und Finanzen.
Maschinelles Lernen bedeutet, dass KI-Systeme große Datenmengen nach Mustern durchsuchen. Durch die Analyse dieser Muster können sie mit entsprechenden Befehlen zahlreiche Aufgaben erledigen, ohne dass sie spezifisch für jede einzelne Aktion programmiert werden müssen. Aus den erkannten Mustern können KI-Systeme Vorhersagen oder Vorschläge ableiten, deren Zusammenstellung für Menschen in den meisten Fällen extrem zeitaufwendig wäre.
Sprachmodelle gehören zu den populärsten KI-Tools
Zudem sind etliche KI-Tools inzwischen sehr gut darin, menschliche Sprache zu erfassen und selbst zu generieren. Tools wie ChatGPT, Claude, Gemini und Co. sind gezielt darauf trainiert, menschliche Sprache zu verstehen und zu erzeugen. Dazu lernen sie anhand großer Textmengen, wie Wörter und Sätze typischerweise zusammenhängen. Sie werden daher in der Fachsprache Sprachmodelle genannt.
Als ChatGPT Ende 2022 online ging, gewann KI-Technologie enorm an Popularität. Der Grund dafür war vor allem die simple Bedienung von ChatGPT durch einfache Texteingaben in Verbindung mit einem bereits damals beachtlichen Funktionsumfang. Der daraus entstandene KI-Boom dauert bis heute an.
Wie lernt KI aus Daten?
Aus den in großen Datenmengen erkannten Mustern können KI-Systeme auch Regeln ableiten. So können sie beispielsweise lernen, welche Kombination bestimmter Bildmerkmale besonders zuverlässig darauf hinweist, dass auf einem Foto ein Fußball oder ein Auto zu sehen ist. Diese erkannten Zusammenhänge bilden das „Wissen“ der KI.
Bei der besonders leistungsfähigen „Deep Learning“-Technik kommen umfangreiche künstliche neuronale Netze zum Einsatz. Diese bestehen aus vielen hintereinander angeordneten Verarbeitungsstufen, sogenannten Schichten. Jede Schicht verarbeitet die Informationen weiter und erkennt dabei zunehmend komplexere Muster. Auf diese Weise kann ein KI-System zuverlässig lernen, Autos und Fußbälle auf Fotos zu erkennen. Dafür muss es jedoch Millionen von Bildern mit und ohne Fußbälle oder Autos analysieren.
Quelle: YouTube / thenativeweb
Was KI heute schon sehr gut kann
Moderne KI unterstützt uns bereits in vielen Lebensbereichen. Dabei läuft sie oft unbemerkt im Hintergrund. Typische Aufgaben sind Prognosen wie die Wettervorhersage, das automatische Sortieren von Inhalten und zunehmend auch das Erzeugen von Text, Bild, Ton und Video. Erwiesenermaßen ist KI besonders leistungsfähig, wenn eine große Menge an Trainingsdaten vorliegt.
So begegnet uns KI im Alltag
- Empfehlungssysteme bei Streamingdiensten schlagen Filme oder Musik vor, die zu unseren Gewohnheiten und Vorlieben passen.
- Sprachassistenten wie Alexa, Google Assistant oder Siri steuern unser Smart Home und beantworten einfache Fragen. Hierfür werden sie von ihren Anbietern anhand großer Datenmengen trainiert.
- Navigations-Apps berechnen Routen und berücksichtigen Staus in Echtzeit. Das geschieht, indem sie Echtzeit-Verkehrsdaten von Sensoren, GPS-Geräten und Nutzerberichten analysieren und die schnellste Strecke dynamisch ermitteln.
- Übersetzungsdienste wie DeepL übertragen Texte schnell in andere Sprachen.
- Im beruflichen Alltag kommt KI immer häufiger für Entwürfe von Texten und Programmcode zum Einsatz. Auch im Erkennen von Rechtschreib-, Grammatik- und Programmfehlern wird KI immer zuverlässiger.
KI in Medizin, Finanzen und Industrie
In vielen Branchen werden KI-Systeme immer häufiger als leistungsstarke Analysewerkzeuge und Entscheidungshilfen eingesetzt. Hierbei liegt die Verantwortung jedoch weiterhin bei entsprechenden Fachleuten. In der Radiologie erkennt KI etwa Muster auf Röntgen- oder MRT-Bildern, die auf Erkrankungen hindeuten.
Im Finanzwesen werden KI-Systeme eingesetzt, um verdächtige Transaktionen aufzuspüren und Kreditrisiken zu bewerten. In der Industrie überwachen KI-Systeme wiederum Maschinen, erkennen frühzeitig mögliche Schäden und empfehlen notwendige Wartungsmaßnahmen.
Wo KI an ihre Grenzen stößt
KI-Sprachmodelle in KI-Chatbots wie etwa ChatGPT, Claude und Gemini arbeiten in erster Linie mit Wahrscheinlichkeiten. Sie erfassen nicht die Bedeutung der verarbeiteten Informationen im menschlichen Sinn.
ChatGPT und Co. berechnen stattdessen, wie sich Sätze je nach Kontext statistisch gesehen am wahrscheinlichsten zusammensetzen. Fehlen passende Informationen – was oft der Fall ist, wenn nicht genügend passende Trainingsdaten vorliegen –, erzeugen sie plausible, aber falsche Aussagen. Dies wird als „KI-Halluzination“ bezeichnet. Verzerrte Trainingsdaten – Daten, die unausgewogen sind oder die Realität nicht realistisch repräsentieren – können zusätzlich zu Fehlern führen.
Wenn ein System zur Gesichtserkennung hauptsächlich mit Bildern von Männern trainiert wird, lernt es, deren Gesichter besonders zuverlässig zu erkennen. Bei Frauen kann die Fehlerquote dann deutlich höher sein, da sie in den Trainingsdaten zu selten vertreten waren. Ähnlich verhält es sich bei der Spracherkennung: Wenn ein System überwiegend mit einer bestimmten Aussprache oder Hochdeutsch trainiert wurde, hat es oft Probleme mit Dialekten oder Akzenten.
Insgesamt kann KI in etlichen Einsatzgebieten hilfreich sein. Andererseits ist die Qualität der Resultate stark von der Qualität ihrer Trainingsdaten abhängig.
KI als Datenschutz-Alptraum
Der große Datenhunger von KI kann zudem zu datenschutzrechtlichen Risiken führen. Trainingsdaten stammen immer häufiger aus Social-Media-Posts, Onlineshopping-Plattformen oder anderen täglichen Online-Aktivitäten. Dabei besteht die Gefahr, dass persönliche Informationen ohne das Wissen der betroffenen Personen gesammelt und genutzt werden.
Außerdem werden solche Daten häufig mehrere Jahre gespeichert und für verschiedene Zwecke weiterverwendet. Auch wenn sie anonymisiert abgelegt werden, können sie durch die Kombination mit anderen Datensätzen oft dennoch bestimmten Personen zugeordnet werden. Unternehmen können dadurch sehr genaue Profile über Internetnutzerinnen und -nutzer erstellen, etwa über ihre Interessen, Gewohnheiten oder ihr Verhalten.
Zusätzlich besteht das Risiko von Datenmissbrauch und Sicherheitslücken. Gelangen sensible Informationen in falsche Hände, kann dies für Betroffene schwerwiegende Folgen haben. Auch urheberrechtlich kann der Betrieb von KI-Tools problematisch sein. Inzwischen ist erwiesen, dass etliche führende Anbieter ihre Modelle unerlaubt mit großen Mengen an urheberrechtlich geschütztem Material trainiert haben.
KI-Leitlinien für den Alltag
- Prüfen Sie KI-Ergebnisse immer, beziehen Sie andere Quellen und Fachwissen mit ein.
- Gehen Sie sparsam mit sensiblen Daten um (Gesundheit, Finanzen, Persönliches), wenn Sie mit KI-Tools arbeiten.
- Arbeiten Sie mit KI-Tools, legen Sie dies offen.
- KI kann effektiv unterstützen, menschliche Kompetenz und Urteilsvermögen jedoch keinesfalls ersetzen.
Wohin entwickelt sich KI-Technologie?
Fachleute erwarten, dass KI-Systeme in den kommenden Jahren immer stärker mit digitalen Anwendungen und technischen Geräten vernetzt werden. Zu den neuesten Entwicklungen der KI-Technologie gehören KI-Agenten, die selbstständig Aufgaben ausführen und mit anderen Systemen kommunizieren. Solche Systeme sind etwa in der Lage, Termine zu organisieren, Informationen zu beschaffen oder Arbeitsprozesse zu automatisieren, ohne dass Menschen jeden einzelnen Schritt steuern müssen.
Diese Technologie befindet sich jedoch noch in einem frühen Stadium. Mit der zunehmenden Verbreitung von KI wächst jedoch auch der Bedarf an klaren Regeln in Bezug auf Haftung, Transparenz und Sicherheit.
Häufig gestellte Fragen
Was ist KI?
Künstliche Intelligenz bezeichnet Computersysteme, die Aufgaben lösen, für die sonst menschliche Denkprozesse nötig wären, etwa Mustererkennung oder Sprachverarbeitung.
Was ist eine Halluzination von KI?
Eine KI-Halluzination liegt vor, wenn ein KI-System scheinbar überzeugende, aber sachlich falsche Informationen ausgibt. Dies rührt daher, dass sich aktuelle KI-Sprachmodelle an Wahrscheinlichkeiten orientieren und kein echtes Verständnis besitzen.
Was kann KI nicht?
KI kann Informationen verarbeiten, aber deren Bedeutung nicht erfassen. Daher fehlt ihr die Fähigkeit, Logik nachzuvollziehen. Verantwortung, Moral sowie die Folgen von Entscheidungen kann KI ebenso wenig beurteilen.
Wird KI viele Berufe ersetzen?
KI automatisiert vorwiegend Teilaufgaben, etwa Datenauswertung oder Textentwürfe, und verändert damit Berufe, statt sie komplett zu ersetzen.
Wie zuverlässig sind KI-Antworten?
KI-Antworten können sehr hilfreich sein, enthalten aber immer wieder Fehler oder Halluzinationen und sollten daher mit anderen Quellen abgeglichen werden.
Was ist AI Slop?
Der Begriff AI Slop (KI-Müll) bezeichnet große Mengen an schnell produzierten, meist minderwertigen Inhalten (z. B. Bilder, Texte oder Videos), die von KI generiert und – oft automatisiert – massenhaft im Internet verbreitet werden.
