Was ist künstliche Intelligenz? Eine Einordnung für Einsteiger

Kaum ein Begriff wird heute so oft benutzt und so selten sauber erklärt wie “künstliche Intelligenz”. Als ich das Quiz und die Lernmodule hier auf ki-lernen.net gebaut habe, ist mir immer wieder aufgefallen: Die meisten Menschen haben ein Bauchgefühl davon, was KI ist, aber wenn ich nachfrage, vermischen sich Science-Fiction, Werbeversprechen und ein paar Halbwahrheiten zu einem ziemlich diffusen Bild. Genau deshalb fange ich diesen Ratgeber ganz am Anfang an. Wenn Du verstehst, was KI wirklich ist (und was sie eben nicht ist), fällt Dir alles Weitere deutlich leichter.

Was künstliche Intelligenz überhaupt bedeutet

Künstliche Intelligenz ist der Oberbegriff für Computersysteme, die Aufgaben übernehmen, für die man normalerweise menschliche Intelligenz voraussetzt: etwas erkennen, Sprache verstehen, Entscheidungen treffen, Probleme lösen oder aus Erfahrung besser werden. Es gibt keine einzige, allgemein anerkannte Definition, weil schon der Begriff “Intelligenz” schwer zu fassen ist. In der Praxis meint man mit KI ein System, das Eingaben verarbeitet und daraus eine sinnvolle Ausgabe erzeugt, ohne dass ein Mensch jeden einzelnen Schritt vorher festgelegt hat.

Wichtig ist von Anfang an: KI ist kein einzelnes Ding und keine bestimmte Technik. Es ist ein Sammelbegriff, unter den ganz unterschiedliche Ansätze fallen. Ein Schachprogramm aus den Neunzigern gehört genauso dazu wie ein moderner Chatbot, obwohl die beiden technisch kaum etwas gemeinsam haben. Deshalb hilft es, sich die KI wie eine große Schublade vorzustellen, in der mehrere kleinere Schubladen stecken.

KI, maschinelles Lernen und Deep Learning: die drei Ebenen

Die drei Begriffe werden ständig durcheinandergeworfen, dabei stehen sie in einem klaren Verhältnis zueinander. Am einfachsten merkst Du es Dir als ineinander verschachtelte Kreise.

Künstliche Intelligenz ist der äußerste, größte Kreis: der Oberbegriff für alles, was intelligentes Verhalten nachahmt. Dazu gehören auch ältere Systeme, die überhaupt nicht lernen, sondern nach festen, von Menschen programmierten Regeln arbeiten (zum Beispiel: “Wenn Temperatur über 25 Grad, dann Lüftung an”).

Maschinelles Lernen (englisch: Machine Learning, kurz ML) ist eine Teilmenge der KI. Hier programmiert man nicht mehr jede Regel von Hand, sondern lässt das System aus Beispieldaten selbst Muster ableiten. Man zeigt einem Programm tausende Bilder von Katzen und Hunden, und es lernt selbstständig, worin der Unterschied besteht. Wenn Dich interessiert, wie dieses Lernen konkret abläuft, habe ich das in den Machine Learning Grundlagen ausführlich beschrieben.

Deep Learning ist wiederum eine Teilmenge des maschinellen Lernens, also der innerste Kreis. Es arbeitet mit sogenannten künstlichen neuronalen Netzen, die aus vielen Schichten (“deep” heißt tief, weil es viele Ebenen gibt) bestehen. Deep Learning steckt hinter fast allen spektakulären Fortschritten der letzten Jahre: Bilderkennung, Sprachassistenten und die großen Sprachmodelle wie die, die Du aus Chatbots kennst. Wie diese Netze im Inneren funktionieren, erkläre ich Schritt für Schritt unter Wie neuronale Netze lernen.

Diese Abgrenzung ist keine Haarspalterei. Sie hilft Dir einzuordnen, worüber jemand gerade spricht. Hier die drei Ebenen im direkten Vergleich:

Ebene	Verhältnis	Kernprinzip	Beispiel
Künstliche Intelligenz	Oberbegriff	Nachahmung intelligenten Verhaltens, auch per fester Regeln	Regelbasiertes Steuerungssystem, Schachprogramm
Maschinelles Lernen	Teilmenge der KI	Lernt Muster aus Daten statt fester Regeln	Spam-Filter, Kaufempfehlungen
Deep Learning	Teilmenge des ML	Lernt mit vielschichtigen neuronalen Netzen	Bilderkennung, Sprachmodelle, Übersetzung

Merke Dir: Jedes Deep Learning ist maschinelles Lernen, jedes maschinelle Lernen ist KI, aber nicht jede KI lernt, und nicht jedes ML ist “deep”.

Schwache KI und starke KI

Die zweite wichtige Unterscheidung betrifft nicht die Technik, sondern die Fähigkeiten eines Systems. Fachleute trennen zwischen schwacher und starker KI.

Schwache KI (auch: enge KI)

Schwache KI ist auf eine bestimmte Aufgabe spezialisiert. Sie kann diese eine Sache manchmal sehr gut, sogar besser als ein Mensch, aber eben nur diese. Ein System, das Röntgenbilder auf Auffälligkeiten prüft, kann keine Emails beantworten. Ein Übersetzungsprogramm kann nicht Auto fahren. Auch ein sehr beeindruckender Chatbot, der über fast jedes Thema plaudert, bleibt technisch eine schwache KI: Er sagt Text vorher, er versteht die Welt nicht.

Und jetzt kommt der entscheidende Punkt: Jede KI, die heute existiert, ist schwache KI. Ohne Ausnahme. Auch die Systeme, die enorm vielseitig wirken, sind spezialisierte Werkzeuge. Der Begriff “schwach” ist dabei nicht abwertend gemeint, er beschreibt nur die Grenze des Anwendungsbereichs.

Starke KI (auch: allgemeine KI, AGI)

Starke KI, oft “Artificial General Intelligence” oder kurz AGI genannt, bezeichnet eine hypothetische KI mit menschenähnlicher, allgemeiner Intelligenz. Sie könnte beliebige geistige Aufgaben lösen, Wissen von einem Bereich auf einen anderen übertragen und flexibel dazulernen, so wie ein Mensch das kann. Ob und wann so etwas möglich ist, weiß niemand. Es gibt sie bisher nicht, und in der Forschung gehen die Einschätzungen weit auseinander. Wenn Du in den Medien von “der KI, die bald den Menschen überholt” liest, geht es fast immer um dieses spekulative Szenario, nicht um die Technik, die Du heute im Alltag benutzt.

Merkmal	Schwache KI (eng)	Starke KI (AGI)
Anwendungsbereich	Eine spezialisierte Aufgabe	Beliebige geistige Aufgaben
Existiert heute?	Ja, alle heutigen Systeme	Nein, rein hypothetisch
Wissenstransfer	Kaum, an Aufgabe gebunden	Flexibel zwischen Themen
Beispiel	Sprachassistent, Spamfilter	Bisher nur in Theorie und Fiktion

Ein kurzer Blick in die Geschichte

Damit Du die heutige Aufregung besser einordnen kannst, hier die wichtigsten Stationen in Stichworten:

• 1950, Alan Turing: Der Mathematiker stellt die Frage, ob Maschinen denken können, und schlägt einen Test vor (den heute berühmten Turing-Test), bei dem ein Mensch nicht mehr erkennen soll, ob er mit Maschine oder Mensch schreibt.
• 1956, Dartmouth-Konferenz: Hier fällt zum ersten Mal der Begriff “artificial intelligence”. Die Geburtsstunde des Forschungsfeldes.
• Symbolische KI (etwa 1960 bis 1980): Man versucht, Intelligenz über feste Regeln und Logik abzubilden. Sogenannte Expertensysteme sollen menschliches Fachwissen in Wenn-Dann-Regeln gießen. Die Ergebnisse bleiben hinter den Erwartungen zurück, es folgen mehrere Phasen der Ernüchterung (die “KI-Winter”).
• Die ML-Welle (ab etwa 1990): Statt alles von Hand zu programmieren, lässt man Systeme aus Daten lernen. Bessere Rechenleistung und mehr verfügbare Daten machen das praktikabel.
• Deep-Learning-Ära (ab etwa 2012): Neuronale Netze mit vielen Schichten schlagen plötzlich alle bisherigen Verfahren bei der Bilderkennung. Der Durchbruch, der die heutige KI-Welle einleitet.
• LLM-Ära (ab etwa 2018 bis 2022): Große Sprachmodelle lernen aus riesigen Textmengen und erzeugen erstaunlich flüssige Sprache. Chatbots erreichen ein breites Publikum, und KI wird zum Alltagsthema.

Die Geschichte zeigt: KI ist kein neues Phänomen, sondern eine über 70 Jahre alte Idee, die erst durch genug Daten und Rechenkraft praktisch wurde.

Warum heutige KI kein Bewusstsein hat

Das ist der Punkt, den ich am wichtigsten finde, und der beim Quiz auf ki-lernen.net erfahrungsgemäß am meisten überrascht. Auch wenn ein Chatbot höflich, nachdenklich oder sogar witzig wirkt: Er hat kein Bewusstsein, keine Gefühle und kein echtes Verständnis von dem, was er sagt.

Was tatsächlich passiert, ist Mustererkennung und Statistik. Ein Sprachmodell hat aus gigantischen Textmengen gelernt, welche Wörter typischerweise auf welche folgen. Wenn es Dir antwortet, berechnet es im Grunde: “Welches Wort passt statistisch am besten als Nächstes?” Das macht es Wort für Wort, sehr schnell und oft verblüffend passend. Aber es fühlt dabei nichts, es will nichts, und es weiß nicht, ob das, was es schreibt, stimmt. Genau deshalb können solche Systeme auch selbstsicher Unsinn erzeugen (man spricht von “Halluzinationen”).

Ein Bild hilft: Ein Taschenrechner “versteht” keine Mathematik, er führt Rechenoperationen aus. Heutige KI ist ungleich komplexer, aber vom Prinzip her ähnlich. Sie verarbeitet Muster in Daten, ohne ein Innenleben zu haben. Diese Erkenntnis ist nicht nur philosophisch interessant, sie ist praktisch wichtig: Sie erklärt, warum man Ergebnisse einer KI immer prüfen sollte und warum es beim Umgang mit persönlichen Daten Vorsicht braucht, ein Thema, das ich unter KI und Datenschutz genauer beleuchte.

Generative und diskriminative KI

Eine weitere Unterscheidung, die Dir immer wieder begegnen wird, betrifft das, was ein System eigentlich tut.

Diskriminative (oder klassifizierende) KI ordnet ein oder entscheidet. Sie beantwortet Fragen wie: “Ist das eine Katze oder ein Hund?”, “Ist diese Email Spam oder nicht?”, “Zeigt dieses Röntgenbild eine Auffälligkeit?” Sie unterscheidet zwischen Kategorien, daher der Name. Solche Systeme sind seit Jahren im Einsatz und oft unsichtbar im Hintergrund tätig.

Generative KI dagegen erzeugt etwas Neues: Texte, Bilder, Musik oder Code. Statt “in welche Schublade gehört das?” beantwortet sie “erstelle mir etwas, das so aussieht wie das Gelernte”. Die Chatbots und Bildgeneratoren, über die aktuell so viel gesprochen wird, gehören in diese Kategorie. Der Boom der letzten Jahre ist vor allem ein Boom der generativen KI, weil ihre Ergebnisse für jeden sichtbar und direkt nutzbar sind.

Beide Ansätze sind KI, beide beruhen häufig auf Deep Learning, sie verfolgen nur unterschiedliche Ziele: einordnen versus erzeugen.

KI in Deinem Alltag

Vielleicht denkst Du, KI sei etwas Fernes, aber Du nutzt sie mit hoher Wahrscheinlichkeit täglich, ohne darüber nachzudenken. Ein paar konkrete Beispiele:

• Spracherkennung: Wenn Du Deinem Handy einen Text diktierst oder einem Assistenten eine Frage stellst, wandelt eine KI Deine gesprochenen Worte in Text um und interpretiert sie.
• Empfehlungen: Streaming-Dienste, Onlineshops und soziale Netzwerke schlagen Dir Inhalte vor, indem eine KI Dein bisheriges Verhalten mit dem vieler anderer vergleicht.
• Übersetzung: Moderne Übersetzungsprogramme liefern in Sekunden erstaunlich flüssige Ergebnisse, weil sie auf riesigen Mengen mehrsprachiger Texte trainiert wurden.
• Fotos: Dein Smartphone erkennt Gesichter, sortiert Bilder nach Personen oder Orten und verbessert Aufnahmen automatisch. All das ist KI.
• Spamfilter: Dass Dein Postfach nicht in Werbung ertrinkt, verdankst Du einem klassifizierenden System, das laufend dazulernt.

Wenn Du auf diese Beispiele achtest, wird schnell klar: KI ist längst Infrastruktur, kein Zukunftsversprechen. Und fast immer handelt es sich um schwache, spezialisierte Systeme, die genau eine Sache erledigen.

Was Du jetzt mitnehmen solltest

Fassen wir zusammen. Künstliche Intelligenz ist der Oberbegriff für Systeme, die intelligentes Verhalten nachahmen. Maschinelles Lernen ist die Teilmenge, die aus Daten lernt, und Deep Learning wiederum die Teilmenge, die dafür vielschichtige neuronale Netze nutzt. Alles, was es heute gibt, ist schwache, spezialisierte KI. Starke KI im Sinne einer allgemeinen, menschenähnlichen Intelligenz bleibt bisher Theorie. Und so beeindruckend heutige Systeme wirken: Sie erkennen Muster und rechnen mit Wahrscheinlichkeiten, sie haben weder Bewusstsein noch Gefühle.

Mit diesem Grundgerüst im Kopf bist Du gut gerüstet, um Schlagzeilen einzuordnen und Werbeversprechen kritisch zu prüfen. Wenn Du Lust hast, Dein frisches Wissen gleich zu testen: Probier einfach das Quiz auf der Startseite aus. Ich habe die Fragen so gebaut, dass sie genau an diesen Grundlagen ansetzen, und ehrlich gesagt ist es der schnellste Weg, um zu merken, was schon sitzt und wo Du noch mal nachlesen solltest.