Künstliche Intelligenz (KI) umfasst eine Reihe von Technologien, mit denen Computer lernen, logisch denken und eine Vielzahl erweiterter Aufgaben ausführen können, für die früher menschliche Intelligenz erforderlich war, wie zum Beispiel Sprache verstehen, Daten analysieren und sogar hilfreiche Vorschläge machen. Es ist eine Technologie mit großem Potenzial, die für Menschen und Gesellschaften weltweit sinnvolle und positive Veränderungen bedeuten kann.

Sie umfasst viele verschiedene Fachgebiete, darunter Informatik, Datenanalysen und Statistik, Hardware- und Softwaretechnik, Linguistik, Neurowissenschaften und sogar Philosophie und Psychologie. 

Bei der KI geht es darum, Computern beizubringen, die erstaunlichen Dinge zu tun, die unser Gehirn tun kann – von der Wahrnehmung der Welt um uns herum über das Erlernen neuer Dinge bis hin zum Entwickeln neuer Ideen. Beispielsweise wird KI in der optischen Zeichenerkennung (OCR, Optical Character Recognition) verwendet, um Texte und Daten aus Bildern und Dokumenten zu extrahieren. Dieser Prozess wandelt unstrukturierte Inhalte in strukturierte, geschäftsrelevante Daten um und hilft so, wertvolle Erkenntnisse zu gewinnen.

Die Techniken der künstlichen Intelligenz sind zwar vielfältig, basieren aber alle auf Daten, Algorithmen und Rechenleistung. KI-Systeme lernen und verbessern sich durch die Verarbeitung riesiger Datenmengen und erkennen dabei Muster und Zusammenhänge, die Menschen möglicherweise entgehen. Diese Daten dienen als Trainingsmaterial, dessen Qualität und Quantität entscheidend für die Leistung der KI sind.

Wie bereits erwähnt, ist KI keine einzelne Technologie, sondern ein breites Feld, das mehrere Schlüsselbereiche umfasst:

• Maschinelles Lernen (ML): Dies ist eine Art der KI, bei der Systeme aus Daten lernen, um Muster zu erkennen und Vorhersagen oder Entscheidungen zu treffen, ohne direkt programmiert zu werden. Stellen Sie sich vor, Sie bringen einem Computer bei, einen Vogel zu erkennen, indem Sie ihm Tausende von Bildern von Vögeln zeigen. Er erlernt dann selbstständig, wie ein Vogel aussieht.
• Deep Learning (DL): Deep Learning ist ein Teilbereich des maschinellen Lernens, bei dem künstliche neuronale Netzwerke mit vielen Ebenen (daher „deep“) verwendet werden, um aus Daten zu lernen. Diese Netzwerke sind von der Struktur des menschlichen Gehirns inspiriert und eignen sich besonders gut für komplexe Aufgaben wie Bild- und Spracherkennung.
• Natural Language Processing (NLP): NLP ermöglicht es Computern, menschliche Sprache zu verstehen, zu interpretieren und zu generieren. Diese Technologie steckt hinter Sprachassistenten wie Siri und Alexa, Übersetzungsdiensten und Chatbots.
• Computer Vision: In diesem Bereich geht es darum, Computern das „Sehen“ und Interpretieren visueller Informationen aus der Welt zu ermöglichen (z. B. Bilder und Videos). Sie wird in vielen Bereichen eingesetzt, von der Gesichtswiedererkennung bis hin zu selbstfahrenden Autos.

Möchten Sie erfahren, wie Sie mit KI beginnen können? Nehmen Sie an der kostenlosen Einführung in generative KI für Einsteiger teil.

Abhängig von der Entwicklungsphase oder den ausgeführten Aktionen kann künstliche Intelligenz auf verschiedene Arten organisiert werden. 

Diese Klassifizierung definiert KI-Modelle anhand ihres Intelligenzniveaus und ihrer Fähigkeit, Probleme zu lösen.

• Artificial Narrow Intelligence (ANI, Künstliche eingeschränkte Intelligenz): Dies ist die einzige Form von KI, die aktuell existiert. ANI-Modelle wurden für eine einzige, spezifische Aufgabe konzipiert, z. B. das Identifizieren von Bildern, die Teilnahme an einem Chat oder das Filtern von E‑Mails. Beispiele sind Sprachassistenten, Gesichtserkennung und generative KI-Modelle wie Gemini und andere Large Language Models (LLMs). Trotz des Namens verfügt ANI nicht über die Fähigkeit zu Schlussfolgerungen oder Selbstwahrnehmung. Stattdessen werden Daten mit einem Algorithmus kombiniert, um Vorhersagen innerhalb vordefinierter Parameter zu treffen. ANI bietet viele Vorteile, birgt aber auch Risiken, da schlechte Trainingsdaten zu verzerrten oder ungenauen Ergebnissen führen können, was in Anwendungen wie Kreditgenehmigungen, Einstellungsentscheidungen und Predictive Policing kritisch sein kann. Cyberkriminelle könnten ANI auch nutzen, um ausgeklügelte KI-gestützte Betrugsmaschen zu entwickeln. 
• Artificial General Intelligence (AGI, Künstliche allgemeine Intelligenz): Dies ist ein vorgeschlagener zukünftiger Schritt in der KI-Technologie. Theoretisch wäre AGI in der Lage, eine breite Palette von Aufgaben zu erfüllen und menschenähnliche Schlussfolgerungen zu ziehen, um zu lernen, sich anzupassen und sich zu verbessern. AGI existiert noch nicht. Im Gegensatz zur ANI wird angenommen, dass die AGI adaptiv, autonom und Lernfähig sein wird. Fiktive Beispiele sind die Droiden aus „Star Wars“. AGI kann jedoch erhebliche Sicherheits- und ethische Bedenken aufwerfen, da böswillige Akteure AGI mit schädlicher Absicht programmieren könnten. Würde die AGI also nicht reguliert, könnte dies potenziell unbegrenzte zerstörerische Fähigkeiten ermöglichen.
• Artificial Superintelligence (ASI, Künstliche Superintelligenz): Dies ist die fortschrittlichste theoretische Form der KI. Eine ASI wäre eine selbstbewusste Entität, die sich der menschlichen Kontrolle entzieht und die menschliche Intelligenz in Bezug auf Vernunft, Kreativität und sogar emotionale Intelligenz deutlich übertrifft. Wie bei anderen Formen der KI gibt es auch bei ASI Bedenken, dass sie eine existenzielle Bedrohung für die Menschheit darstellen könnte. Einige KI-Forschende sehen eine nicht zu vernachlässigende Wahrscheinlichkeit für extrem negative Folgen, bis hin zum Aussterben der Menschheit.

Diese Klassifizierung kategorisiert KI danach, wie sie in bestimmten Kontexten funktioniert und interagiert.

1. Reaktive Maschinen: Eingeschränkte KI, die basierend auf vorprogrammierten Regeln nur auf verschiedene Arten von Stimuli reagiert. Sie hat keinen Speicher und kann daher nicht aus neuen Daten lernen. Ein bekanntes Beispiel ist Deep Blue von IBM, das 1997 den Schachmeister Garry Kasparov besiegte.
2. Beschränkter Speicher: Die meisten modernen KIs nutzen begrenzten Speicher. Sie kann sich im Laufe der Zeit verbessern, indem sie mit neuen Daten trainiert wird, typischerweise unter Einsatz eines künstlichen neuronalen Netzwerks oder eines anderen Trainingsmodells. Diese Art Gedächtnis ist kurzfristig – sobald eine Sitzung beendet ist, wird es oft zurückgesetzt. Beispiele hierfür sind selbstfahrende Autos, die andere Fahrzeuge beobachten, und Chatbots wie Gemini, die sich an frühere Nachrichten in einer Unterhaltung erinnern.
3. Theory of mind: EineTheory of Mind-KI gibt es derzeit noch nicht, aber es wird entsprechend geforscht. Dies beschreibt eine KI, die den menschlichen Verstand nachahmen kann und über Entscheidungsfähigkeiten verfügt, die denen eines Menschen gleichkommen, einschließlich des Erkennens und Erinnerns von Emotionen und des Reagierens in sozialen Situationen, wie es ein Mensch tun würde.

Der Einfluss von KI ist enorm und wächst stetig. Inzwischen ist er in fast jedem Aspekt unseres Lebens und in allen Branchen spürbar. Hier sehen Sie, wie sich das auswirkt:

• Im Alltag: Virtuelle Assistenten auf Smartphones, personalisierte Empfehlungen in Streamingdiensten, Spamfilter in E-Mail-Programmen und Navigations-Apps wie Google Maps – all das funktioniert nur dank KI.
• Gesundheitswesen: KI revolutioniert die Medizin, indem sie Ärzten hilft, Krankheiten früher zu diagnostizieren, Behandlungspläne zu personalisieren und die Medikamentenentwicklung drastisch zu beschleunigen.
• Transport: Selbstfahrende Fahrzeuge nutzen KI für die Navigation, Objekterkennung und Entscheidungsfindung in Echtzeit, um sicher zu fahren.
• Geschäftsabläufe: Unternehmen nutzen KI für alles – von Chatbots im Kundenservice und Betrugserkennung im Finanzwesen bis hin zur Optimierung von Lieferketten und personalisierten Marketingkampagnen.
• Unterhaltung: In Videospielen sorgt KI für realistischere und anspruchsvollere Charaktere. Im Bereich der Erstellung von Inhalten kann generative KI Musik komponieren, Drehbücher schreiben und beeindruckende Kunstwerke schaffen.

Sie möchten weitere Anwendungsfälle für KI erkunden? Im Google Cloud-Blog finden Sie über 1.000 reale Anwendungsfälle für generative KI.

Die Idee von Maschinen, die selbstständig denken, ist nicht neu. Konzepte künstlicher Wesen mit Intelligenz gibt es schon seit Jahrzehnten, aber die Geschichte des modernen Felds der KI begann erst Mitte des 20. Jahrhunderts. Sehen wir uns die Geschichte der KI an, wie wir sie kennen:

• Die Anfänge der KI (1940er- bis 1950er-Jahre): Die Erfindung programmierbarer Computer in den 1940er-Jahren beflügelte die Fantasie. 1950 schlug Alan Turing den „Turing-Test“ vor, um zu beurteilen, ob eine Maschine intelligentes Verhalten zeigen kann, das von dem eines Menschen nicht zu unterscheiden ist. Das war ein entscheidender philosophischer und wissenschaftlicher Schritt.
• Die Geburtsstunde eines neuen Fachbereichs (1956): Das Dartmouth Summer Research Project, das von Pionieren wie John McCarthy organisiert wurde, gilt weithin als die offizielle Geburtsstunde der KI als akademische Disziplin. Hier wurde der Begriff „künstliche Intelligenz“ geprägt.
• Erste Erfolge und Herausforderungen (1960er- und 1970er-Jahre): Forschende entwickelten erste KI-Programme wie ELIZA, einen Chatbot, der Gespräche simulieren konnte, und Shakey, einen der ersten Roboter, der seine Umgebung analysieren konnte. Die Komplexität der Entwicklung echter Intelligenz führte jedoch zu Phasen mit geringerer Finanzierung und weniger Fortschritten, die oft als „KI-Winter“ bezeichnet werden.
• Wiederaufleben und Wachstum (1980er bis 2000er Jahre): Die Entwicklung von Expertensystemen und später der Aufstieg des maschinellen Lernens brachten neue Impulse für die KI-Forschung. Meilensteine wie der Sieg von IBMs Deep Blue gegen einen Schachgroßmeister im Jahr 1997 zeigten die wachsenden Fähigkeiten der KI.
• Der moderne KI-Boom (2010er-Jahre bis heute): Fortschritte bei der Rechenleistung, die Verfügbarkeit riesiger Datensätze und Durchbrüche im Bereich des Deep Learning, insbesondere bei neuronalen Netzwerken, haben die aktuelle KI-Revolution vorangetrieben. In dieser Zeit sind leistungsstarke Tools entstanden, die Branchen verändern.