Grundlagen der KI und Maschinelles Lernen

KI ist nicht neu. 1950 fragte Alan Turing, ob Maschinen denken können. Sein Vorschlag, der Turing-Test: Wenn du im Gespräch nicht merkst, ob du mit Mensch oder Maschine schreibst, ist die Maschine intelligent genug. Den Begriff „Künstliche Intelligenz“ prägte John McCarthy 1955 im Antrag für eine Sommerkonferenz in Dartmouth, die 1956 stattfand. Seitdem ist KI ein eigenes Forschungsfeld.

Lange versuchte man, Intelligenz mit Regeln zu bauen. Deep Blue von IBM schlug 1997 den Schachweltmeister Garri Kasparow, mit Rechenkraft und Regeln, nicht mit Lernen. Der Bruch kam 2012: Das Team um Geoffrey Hinton zeigte, dass tiefe neuronale Netze Bilder erkennen, wenn sie genug Beispiele sehen. Hinton bekam dafür 2024 den Nobelpreis.

2017 legten Google-Forschende mit dem Transformer die Grundlage heutiger Sprachmodelle. 2022 kam ChatGPT und erreichte geschätzt 100 Millionen Nutzende in zwei Monaten. Was dir heute neu vorkommt, steht also auf 70 Jahren Forschung.

Deck die Spalten „Lösung“ und „Warum“ mit der Hand ab und rate zuerst selbst. Sechs Dinge aus dem Alltag, und bei jedem stellst du dieselbe Frage: Hat jemand die Regel aufgeschrieben, oder hat das System sie gelernt?

Der Spamfilter hat aus Millionen markierter Mails gelernt. Der Taschenrechner rechnet nach festen Formeln. Die Empfehlungen im Streamingdienst lernen aus dem, was du und andere schauen. Die Ampel mit Zeitschaltung schaltet nach Uhr, auch nachts ohne Verkehr. Die Gesichtserkennung erkennt dich auch mit Brille. Die Rabattformel in Excel hat jemand geschrieben.

Diese Faustregel brauchst du ständig. Viele Produkte nennen sich KI, obwohl dahinter nur Regeln stecken. Das ist nicht schlecht, Regeln sind billig und nachvollziehbar. Aber du solltest wissen, was du kaufst.

Stell dir einen Motor und ein Auto vor. Das Modell ist der Motor. Das System ist das ganze Auto: Motor, Lenkrad, Bremsen, Navi. Die GPT-Modelle von OpenAI sind der Motor, ChatGPT ist das Auto. Es packt das Modell in eine Oberfläche und fügt Websuche, Dateiupload und Sicherheitsfilter hinzu.

Bei Anthropic ist es dasselbe: Claude-Modelle in der Claude-App. Google baut die Gemini-Modelle und steckt sie in die Gemini-App, aber auch in Gmail und Google Docs. Microsoft baut Copilot vor allem auf Modelle, die es zukauft, unter anderem von OpenAI. Copilot ist das Auto, das Microsoft in Teams, Word und Outlook fährt.

Warum ist der Unterschied wichtig? Der AI Act regelt vor allem Systeme, also das, was im Unternehmen tatsächlich läuft. Und wenn jemand sagt „Wir nutzen GPT“, fragst du nach: in welchem Auto, mit welchen Einstellungen, über welches Konto?

Die meisten großen Anbieter sitzen in den USA: OpenAI, Anthropic, Google, Microsoft und Meta. Meta veröffentlicht seine Llama-Modelle mit offenen Gewichten. Die kann ein Unternehmen auch auf eigenen Servern betreiben.

Europa ist kleiner, aber da: Mistral aus Paris mit dem Chat „Le Chat“, DeepL aus Köln für Übersetzungen, Aleph Alpha aus Heidelberg für Unternehmen und Behörden und Black Forest Labs aus Freiburg mit den Bildmodellen FLUX. Aus China kommen DeepSeek und die Qwen-Modelle von Alibaba. Beide sind stark und oft günstig.

Überleg dir: Du führst KI in einem deutschen Unternehmen ein. Mit welchem Anbieter sprichst du zuerst, und warum? Wo die Daten verarbeitet werden, ist dabei eine der wichtigsten Fragen. Darum geht es ausführlich in Teil 6.

Beim überwachten Lernen steckt die richtige Antwort in den Daten: Diese Mail ist Spam, jene nicht. Das Modell lernt die Grenze dazwischen. Das ist im Unternehmen der häufigste Fall, etwa beim Kündigungsrisiko oder bei Preisschätzungen.

Beim unüberwachten Lernen gibt es keine Antworten, nur Daten. Das Modell findet selbst Gruppen, zum Beispiel Kundensegmente, die niemand vorher definiert hat, oder Auffälligkeiten in Maschinendaten.

Beim bestärkenden Lernen probiert das System etwas aus, bekommt Belohnung oder Strafe und wird besser. So lernen Spielprogramme und Roboter. Auch ChatGPT wurde zum Schluss so feinjustiert, mit Rückmeldungen von Menschen.

Rate zuerst selbst, dann schau in die rechte Spalte.

Beim Kreditkartenbetrug ist jeder alte Fall markiert, Betrug oder nicht: überwacht. Bei den Kundengruppen gibt es keine Antworten in den Daten, das Modell sucht selbst: unüberwacht. Der Roboter bekommt für jeden Schritt ohne Sturz eine Belohnung: bestärkend.

Beim Umsatz für Dezember sind die echten Umsätze der Vorjahre die richtigen Antworten: überwacht. Und bei den Maschinendaten gibt es keine Beispiele für Defekte, das Modell sucht nach allem, was vom Normalen abweicht: unüberwacht.

Wie verbreitet ist KI in Deutschland? Das Statistische Bundesamt fragt das jedes Jahr bei Unternehmen ab zehn Beschäftigten ab. 2023 nutzten 12 % KI, 2024 waren es 20 %, 2025 ein gutes Viertel mit 26 %. Bei großen Unternehmen ist es mehr als die Hälfte, bei kleinen knapp ein Viertel.

Am häufigsten werden Texte ausgewertet und Texte, Bilder oder Audio erzeugt, danach kommt Spracherkennung.

Und warum nutzen drei Viertel noch keine KI? Der wichtigste Grund, genannt von 72 % der Nicht-Nutzer: fehlendes Wissen. Danach kommen unklare Rechtslage und Datenschutzbedenken. Genau da kommst du ins Spiel. Unternehmen brauchen Menschen, die KI verstehen und sicher einführen.