Der Aufstieg der künstlichen Intelligenz in der Informatik

Was mit KI gemeint ist

Unter künstlicher Intelligenz versteht man Systeme, die Aufgaben lösen, für die bei Menschen Intelligenz nötig wäre: Sprache verstehen, Bilder erkennen, Entscheidungen treffen. Der Begriff selbst stammt aus dem Jahr 1956, als sich Forscher zu einem Sommerprojekt am Dartmouth College trafen. Die Erwartungen waren damals riesig – man glaubte, maschinelles Denken sei in wenigen Jahren erreicht.

Regeln, Expertensysteme und KI-Winter

Die ersten Jahrzehnte waren von symbolischer KI geprägt: Menschen schrieben Regeln auf, nach denen der Computer schließen sollte. In den 1980er-Jahren waren Expertensysteme populär, die etwa medizinisches Wissen in Wenn-dann-Regeln fassten. Doch die Welt ist zu komplex für vollständige Regelwerke. Mehrfach blieben Ergebnisse hinter den Versprechen zurück, Fördergelder wurden gekürzt – diese Phasen heißen „KI-Winter“. 1997 sorgte der Schachcomputer Deep Blue für Aufsehen, als er Weltmeister Garri Kasparow in einem Wettkampf besiegte. Er rechnete allerdings vor allem mit enormer Geschwindigkeit, statt zu lernen.

Maschinelles Lernen

Der entscheidende Wechsel: Statt Regeln vorzugeben, lernt das System aus Beispielen. Ein Modell bekommt Tausende Bilder mit der Beschriftung „Katze“ oder „keine Katze“ und passt seine inneren Parameter so an, dass es immer seltener falsch liegt. Künstliche neuronale Netze, lose vom Gehirn inspiriert, gibt es seit Jahrzehnten. Ihr Durchbruch kam aber erst, als genügend Daten und Rechenleistung zur Verfügung standen.

Deep Learning und der Durchbruch

2012 gewann ein tiefes neuronales Netz namens AlexNet einen wichtigen Wettbewerb zur Bilderkennung mit großem Vorsprung. Trainiert wurde es auf Grafikkarten, deren parallele Rechenwerke sich dafür hervorragend eignen (siehe Computerhardware verstehen). 2016 schlug das Programm AlphaGo einen der weltbesten Spieler im Brettspiel Go, das lange als zu komplex für Computer galt.

Transformer und Sprachmodelle

2017 stellten Google-Forscher die Transformer-Architektur vor. Sie bildet die Grundlage großer Sprachmodelle: Diese werden mit riesigen Textmengen darauf trainiert, das jeweils nächste Textstück vorherzusagen, und anschließend für Dialoge und Aufgaben verfeinert. Mit der Veröffentlichung von ChatGPT Ende November 2022 wurde diese Technik plötzlich für alle nutzbar. Seitdem verarbeiten solche Modelle auch Bilder, Audio und Code.

KI in der Softwareentwicklung

Für Programmierer haben Sprachmodelle den Alltag verändert. Assistenten schlagen Code vor, erklären Fehlermeldungen, schreiben Tests und helfen beim Einarbeiten in fremde Projekte. Das spart Zeit, verschiebt aber die Arbeit: Vorgeschlagener Code muss verstanden, geprüft und getestet werden – gerade bei Sicherheitsthemen wie einem Login-System. Wer programmieren lernt, sollte KI als Lernhilfe nutzen, nicht als Ersatz für eigenes Verständnis.

Grenzen und offene Fragen

• Fehler und Erfindungen: Modelle können falsche Fakten, Quellen oder Code liefern.
• Verzerrungen: Was in den Trainingsdaten schief ist, steckt auch im Modell.
• Energie und Ressourcen: Training und Betrieb großer Modelle brauchen viel Strom in Rechenzentren.
• Urheberrecht und Datenschutz: Womit trainiert werden darf, ist vielfach umstritten.

Regulierung in Europa

Die EU hat mit der KI-Verordnung (AI Act) einen Rechtsrahmen geschaffen, der am 1. August 2024 in Kraft trat und schrittweise gilt. Bestimmte Praktiken wie Social Scoring sind seit Februar 2025 verboten, für Anbieter großer Allzweckmodelle gelten seit August 2025 Pflichten, und ab August 2026 greifen die meisten übrigen Regeln, etwa für Hochrisiko-Anwendungen. Einen Überblick bietet der Wikipedia-Artikel zur KI-Verordnung.