Was ist KI? KI, ML und Deep Learning im Überblick

Begriffe vorab

• Intelligenz: hier im Sinne von Problemlösen, Lernen und Anpassen – ohne dass damit Bewusstsein oder Verständnis wie beim Menschen gemeint wäre.
• Künstliche Intelligenz (KI): Oberbegriff für Systeme, die Aufgaben erledigen, die üblicherweise menschliche Intelligenz erfordern.
• Maschinelles Lernen (ML): Teilgebiet der KI, bei dem Systeme Muster aus Daten lernen, statt explizit programmiert zu werden.
• Deep Learning: Teilgebiet des maschinellen Lernens mit tiefen neuronalen Netzen.

Drei Kreise ineinander

Die Begriffe sind verschachtelt: Deep Learning ist eine Form des maschinellen Lernens, und maschinelles Lernen ist eine Form der KI. Nicht jede KI lernt: Frühe Schachprogramme und Expertensysteme arbeiteten mit von Menschen geschriebenen Regeln und Suchverfahren und zählen trotzdem zur KI.

Ein kurzer Blick zurück

• 1950: Alan Turing stellt in „Computing Machinery and Intelligence“ die Frage „Können Maschinen denken?“ und beschreibt den später nach ihm benannten Test.
• 1956: Beim Dartmouth-Workshop prägen John McCarthy und Kollegen den Begriff „Artificial Intelligence“; das Treffen gilt als Geburtsstunde des Fachgebiets.
• 1997: Der IBM-Computer Deep Blue besiegt Schachweltmeister Garry Kasparov in einem Wettkampf unter Turnierbedingungen – ein Erfolg von Suche und Rechenleistung, nicht von Lernen.
• 2012: Das neuronale Netz AlexNet gewinnt den ImageNet-Wettbewerb mit großem Abstand und löst den Deep-Learning-Boom aus.
• Seit 2017: Die Transformer-Architektur ermöglicht die heutigen großen Sprachmodelle.

Auf Phasen großer Erwartungen folgten mehrfach Phasen der Ernüchterung, in der Fachwelt „KI-Winter“ genannt, weil Versprechen nicht eingelöst wurden oder Geld und Interesse zurückgingen.

Enge und allgemeine KI

Alle heutigen Systeme sind enge KI: Sie können bestimmte Aufgaben gut, etwa Bilder klassifizieren oder Texte erzeugen, aber nicht beliebige Aufgaben wie ein Mensch. Ein System mit breiten, flexiblen, menschenähnlichen Fähigkeiten wird als allgemeine KI (AGI) bezeichnet; ob und wann es sie geben wird, ist umstritten, und es gibt keine einheitliche Definition.

Wie dieser Bereich aufgebaut ist

Die Kategorie „KI“ gliedert sich in Themenwelten: Maschinelles Lernen als Grundlage, NLP für Sprache, Computer Vision für Bilder, KI-Sicherheit und Alignment für die Frage nach verlässlichem Verhalten, Claude als konkretes Werkzeug und die Automatisierungs-Frameworks für Auswirkungen auf Arbeit. Wer neu einsteigt, beginnt sinnvoll mit „Maschinelles Lernen“.

Merksatz: KI ist der Überbegriff, ML ist ein Weg dorthin, Deep Learning ist eine Methode von ML. Wenn in den Medien „KI“ steht, ist heute meist ein ML-System gemeint, sehr oft ein großes Sprachmodell.

Zum Selbermachen

1. Nenne drei Anwendungen aus deinem Alltag, die KI nutzen.
2. Überlege bei jeder, ob sie Regeln folgt oder aus Daten gelernt hat.
3. Ordne sie in die drei Kreise ein.

Prüfstatus: Belegt (Stand 1. Oktober 2026): Jahreszahlen, Zahlen, Namen und Quellenangaben dieser Lektion, soweit die Quellenliste sie nennt, wurden gegen Primärquellen geprüft. Nicht einzeln belegt: erklärende Darstellung nach Lehrbuchstand und Quellen, die in der Liste als „allgemeine Referenz“ markiert sind.

Quellen

• Alan M. Turing – „Computing Machinery and Intelligence“ (Mind, 1950)
• McCarthy, Minsky, Rochester, Shannon – Vorschlag zum „Dartmouth Summer Research Project on Artificial Intelligence“ (1955/1956)
• Stuart Russell, Peter Norvig – „Artificial Intelligence: A Modern Approach“ (Standardlehrbuch) (allgemeine Referenz, nicht Zeile für Zeile geprüft)
• Krizhevsky, Sutskever, Hinton – „ImageNet Classification with Deep Convolutional Neural Networks“ (NIPS, 2012)
• Vaswani et al. – „Attention Is All You Need“ (NeurIPS, 2017)