Digital Sciences 7ème · Axe thématique ⑥ · Was ist Künstliche Intelligenz (KI)?
Wie funktioniert eine KI — und wie lernt sie?
Künstliche Intelligenz (KI) begegnet euch täglich: in Sprachassistenten, Übersetzungs-Apps, Empfehlungen bei YouTube oder in Chatbots. Aber wie „denkt" eine KI eigentlich — und was heißt es, dass sie „lernt"? Diese Seite erklärt es Schritt für Schritt.
Was ist Künstliche Intelligenz?
Ein Computerprogramm, das Muster in Daten erkennt.
Künstliche Intelligenz ist der Sammelbegriff für Computerprogramme, die Aufgaben lösen, für die man normalerweise menschliches Denken bräuchte — zum Beispiel ein Gesicht erkennen, einen Satz übersetzen oder ein Spiel gewinnen.
Der wichtigste Unterschied zu einem klassischen Programm: Bei einem normalen Algorithmus (wie ihr ihn z. B. beim Flussdiagramm kennengelernt habt) schreibt ein Mensch jeden einzelnen Schritt genau vor. Eine KI dagegen bekommt viele Beispiele gezeigt und findet die Regeln selbst heraus.
Wie lernt eine KI?
Nicht durch Nachdenken — sondern durch Übung an Beispielen.
Stellt euch vor, ihr wollt einer KI beibringen, auf einem Bild zu erkennen, ob eine Katze oder ein Hund zu sehen ist. Ihr zeigt ihr dafür tausende Bilder, jeweils mit der richtigen Antwort markiert (das nennt man Trainingsdaten):
Probiert es selbst aus, mit 12 statt tausenden Bildern. Die KI „sieht" dabei nicht das ganze Bild, sondern nur drei Merkmale als Zahlen: Wie spitz die Ohren sind, wie lang die Schnauze ist und wie groß das Tier ist.
Trainingsdaten beschriften
Ihr seid die Lehrer:innen: Sagt der KI bei jedem Bild, ob es eine Katze oder ein Hund ist.
Trainieren
Die KI schaut sich ein Bild nach dem anderen an, rät, vergleicht mit eurer Antwort und passt ihre Gewichte ein kleines bisschen an.
Testen mit neuen Tieren
Jetzt kommen Tiere, die die KI noch nie gesehen hat. Erkennt sie sie trotzdem?
Die KI schaut sich diese Bilder nacheinander an und passt dabei intern winzige Zahlenwerte (man nennt sie Gewichte) so an, dass sie bei möglichst vielen Bildern die richtige Antwort gibt. Nach jedem Fehler „korrigiert" sie sich ein kleines bisschen — genau wie ihr beim Übungen ein Muster aus vielen Beispielen erkennt.
Daten sammeln
Tausende (manchmal Millionen) Beispiele mit der jeweils richtigen Antwort.
Trainieren
Die KI rät, vergleicht ihre Antwort mit der richtigen und passt ihre internen Werte leicht an.
Wiederholen
Dieser Vorgang läuft millionenfach — mit jedem Durchgang wird die KI etwas genauer.
Anwenden
Zeigt man der fertig trainierten KI ein neues, unbekanntes Bild, kann sie ihre gelernten Muster darauf anwenden.
Künstliche neuronale Netze
Nach dem Vorbild des menschlichen Gehirns — stark vereinfacht.
Viele KI-Systeme sind als künstliches neuronales Netz aufgebaut — lose inspiriert davon, wie Nervenzellen (Neuronen) im Gehirn miteinander verbunden sind. Ein solches Netz besteht aus mehreren „Schichten" kleiner Recheneinheiten:
Bei unserem Katze/Hund-Beispiel könnte die Eingabe die Pixel des Bildes sein, die verdeckten Schichten erkennen dabei Zwischenschritte wie Kanten, Formen oder Fell-Muster, und die Ausgabe ist am Ende die Antwort: „Katze" oder „Hund". Die Verbindungslinien zwischen den Punkten sind genau die Gewichte, die beim Training angepasst werden.
Training und Testen
Warum eine KI nicht einfach „auswendig lernen" darf.
Beim Trainieren wird der Datensatz meist geteilt:
- Trainingsdaten — daran übt die KI und passt ihre Gewichte an.
- Testdaten — neue, ihr bisher unbekannte Beispiele, an denen geprüft wird, ob die KI wirklich verstanden hat — und nicht nur die Trainingsbeispiele auswendig gelernt hat.
Wenn eine KI bei den Trainingsdaten super, bei neuen Testdaten aber schlecht abschneidet, spricht man von Überanpassung (Overfitting) — sie hat sich die Beispiele quasi „gemerkt", statt das dahinterliegende Muster zu lernen. Deshalb testet man eine KI immer mit Daten, die sie vorher noch nie gesehen hat.
Sprachmodelle (LLMs): Das nächste Wort vorhersagen
Wie ChatGPT & Co. Texte schreiben: Wort für Wort.
Chatbots wie ChatGPT, Gemini oder Le Chat beruhen auf einem großen Sprachmodell, auf Englisch Large Language Model (kurz LLM). Das ist ein riesiges neuronales Netz mit Milliarden von Gewichten.
Beim Training liest es unvorstellbar viele Texte aus Büchern und dem Internet und übt dabei immer wieder dieselbe Aufgabe: Welches Wort kommt als Nächstes? Wenn es danebenliegt, werden die Gewichte ein kleines bisschen angepasst, genau wie bei Katze und Hund.
Wenn ihr dem Chatbot später eine Frage stellt, schreibt er seine Antwort Wort für Wort: Er berechnet, welche Wörter als Nächstes gut passen, wählt eines aus, hängt es an und macht weiter. (Genau genommen rechnet ein LLM mit Wortteilen, den sogenannten Tokens.)
Dieses Modell hat nur 40 kurze Sätze gelesen (unten zum Aufklappen) und schaut immer auf die letzten zwei Wörter. Wählt einen Satzanfang und lasst es weiterschreiben.
📚 Diese 40 Sätze hat unser Mini-Modell gelesen
🤔 Zum Nachdenken: Warum schreibt unser Mini-Modell nie „Die Katze bellt"? Startet „Ich esse gern" mehrmals mit 🎲: Kommt immer derselbe Satz heraus? Und: Versteht das Modell, was es schreibt, oder rechnet es nur aus, welches Wort oft folgt?
Ein echtes LLM funktioniert im Prinzip genauso, nur viel größer: Es hat Milliarden von Sätzen gelesen statt 40, schaut auf Tausende vorherige Wörter statt auf zwei und hat in seinen Gewichten sehr viele Muster der Sprache gespeichert. Deshalb klingen seine Antworten so natürlich.
Weil ein LLM nur berechnet, welche Wörter wahrscheinlich passen, kann es auch Dinge schreiben, die gut klingen, aber falsch sind. Man sagt dann, die KI „halluziniert". Prüft wichtige Antworten deshalb immer mit einer zweiten Quelle.
Wo begegnet euch KI im Alltag?
Öfter, als man denkt.
Sprachassistenten
Siri, Alexa & Co. erkennen gesprochene Sprache und antworten darauf.
Empfehlungen
YouTube, Netflix & Spotify schlagen Inhalte vor, die zu euch passen könnten.
Übersetzung
Google Translate & DeepL übersetzen Texte zwischen Sprachen.
Bilderkennung
Handys erkennen Gesichter zum Entsperren oder sortieren Fotos automatisch.
Chatbots
Programme wie ChatGPT beantworten Fragen in ganzen Sätzen.
Autonomes Fahren
Manche Autos erkennen Straßen, Schilder und Hindernisse selbstständig.
Grenzen einer KI
Eine KI „versteht" nichts wirklich — sie erkennt nur Muster.
Eine KI ist immer nur so gut wie ihre Trainingsdaten. Fehlen bestimmte Beispiele oder sind sie einseitig, macht die KI dort mehr Fehler — man nennt das Bias (Verzerrung).
Eine KI weiß nicht, warum etwas richtig oder falsch ist — sie erkennt nur statistische Muster, ohne echtes Verständnis der Welt.
Bei neuen, sehr ungewöhnlichen Situationen (die in den Trainingsdaten nicht vorkamen) kann eine KI überraschend danebenliegen.
Oft ist nicht genau nachvollziehbar, wie eine KI zu ihrer Antwort gekommen ist — selbst für die Entwickler:innen nicht vollständig.
🤔 Zum Nachdenken: Wenn eine Bilderkennungs-KI nur mit Fotos von hellhäutigen Gesichtern trainiert wurde — was, glaubt ihr, passiert dann bei Fotos von Menschen mit dunklerer Hautfarbe?
Teste dein Wissen: Lückentext
Füllt die Lücken mit den wichtigsten Begriffen dieser Seite.
Schreibt in jede Lücke den passenden Begriff und klickt dann auf „Prüfen". Groß- und Kleinschreibung ist egal. Wenn ihr nicht weiterkommt, öffnet die Wörterliste. Mit der Enter-Taste springt ihr zur nächsten Lücke.
Künstliche Intelligenz, kurz [[KI|ki,k.i.,ai]], ist ein Computerprogramm, das [[Muster|muster]] in Daten erkennt. Bei einem normalen [[Algorithmus|algorithmus]] schreibt ein Mensch jeden einzelnen Schritt vor. Eine KI dagegen bekommt viele [[Beispiele|beispiele,beispielen]] gezeigt und findet die Regeln selbst heraus.
Die Beispiele, mit denen eine KI übt, heißen [[Trainingsdaten|trainingsdaten]]. Sie sind jeweils mit der richtigen [[Antwort|antwort,loesung,lösung]] markiert. Beim Training rät die KI, vergleicht ihre Antwort und passt kleine Zahlenwerte an. Diese Zahlenwerte nennt man [[Gewichte|gewichte,gewicht]].
Viele KIs sind als künstliches neuronales [[Netz|netz,netzwerk]] aufgebaut. Es besteht aus der [[Eingabe|eingabe,input]], einer oder mehreren [[verdeckten|verdeckten,verdeckte,versteckten,versteckte]] Schichten und der [[Ausgabe|ausgabe,output]].
Um zu prüfen, ob eine KI wirklich gelernt hat, zeigt man ihr neue, unbekannte Beispiele: die [[Testdaten|testdaten]]. Hat sie sich die Trainingsbeispiele nur gemerkt, statt das Muster zu lernen, spricht man von Überanpassung (Overfitting).
Chatbots wie ChatGPT beruhen auf einem großen [[Sprachmodell|sprachmodell]], auf Englisch Large Language Model, kurz [[LLM|llm]]. Es sagt immer das nächste Wort vorher. Genau genommen rechnet es mit Wortteilen, den [[Tokens|tokens,token]]. Schreibt ein Sprachmodell etwas, das gut klingt, aber falsch ist, sagt man: Es [[halluziniert|halluziniert]].
Sind die Trainingsdaten einseitig, macht die KI bei manchen Fällen mehr Fehler. Diese Verzerrung nennt man [[Bias|bias]].