Künstliche Intelligenz

Was ist künstliche Intelligenz?

Künstliche Intelligenz (KI) ist der Oberbegriff für Computersysteme, die Aufgaben lösen, für die üblicherweise menschliche Fähigkeiten wie Verstehen, Lernen, Schlussfolgern oder Sprache nötig sind. Die heute verbreiteten KI-Systeme lernen Muster aus Daten, statt festen Regeln zu folgen.

Der Begriff ist alt. Er wurde 1956 auf einer Konferenz am Dartmouth College geprägt, und die Forschung hat seither mehrere Wellen von Aufbruch und Ernüchterung erlebt. Lange Zeit bestand KI aus Regelwerken, die Experten von Hand aufschrieben. Der Durchbruch kam, als Rechenleistung und Datenmengen ausreichten, um Systeme aus Beispielen lernen zu lassen. Seit etwa 2012 dominieren neuronale Netze, seit 2022 stehen mit generativen Sprachmodellen Systeme zur Verfügung, die jeder ohne Vorwissen nutzen kann.

Für Unternehmen ist die Unterscheidung zwischen “KI” als Forschungsfeld und “KI” als Werkzeug wichtig. Wenn ein Geschäftsführer heute sagt, sein Unternehmen setze KI ein, meint er in den meisten Fällen ein generatives Sprachmodell wie Claude, ChatGPT oder Gemini. Dieser Eintrag ordnet ein, wo diese Werkzeuge im größeren Bild stehen.

Die wichtigsten Teilgebiete

Maschinelles Lernen ist das Fundament fast aller heutigen KI-Anwendungen. Ein System bekommt Beispiele vorgelegt und lernt daraus ein Modell, das auf neue Fälle angewendet werden kann. Ein Spamfilter, der aus markierten E-Mails lernt, ist ein einfaches Beispiel, eine Absatzprognose aus Verkaufsdaten ein anderes.

Neuronale Netze und Deep Learning sind eine Familie von Verfahren des maschinellen Lernens, die mit vielen Schichten künstlicher Neuronen arbeiten. Sie ermöglichen Bilderkennung, Spracherkennung und Sprachmodelle. Ein Large Language Model ist ein sehr großes neuronales Netz, das auf Text trainiert wurde.

Generative KI bezeichnet Systeme, die neue Inhalte erzeugen: Texte, Bilder, Code, Audio. Sie ist der Teilbereich, der seit 2022 die öffentliche Wahrnehmung prägt und in den meisten Unternehmen den Einstieg bildet.

KI-Agenten sind die jüngste Entwicklungsstufe. Sie verbinden ein Sprachmodell mit Werkzeugen und arbeiten mehrschrittige Aufgaben eigenständig ab, etwa Daten aus einem System holen, verarbeiten und in ein anderes System schreiben.

Daneben gibt es klassische Teilgebiete wie Bildverarbeitung, Robotik, Planungssysteme und Expertensysteme, die in Industrie und Logistik seit Jahren im Einsatz sind, oft ohne dass sie als KI wahrgenommen werden.

Schwache und starke KI

In der Diskussion taucht regelmäßig die Unterscheidung zwischen schwacher und starker KI auf. Schwache KI löst abgegrenzte Aufgaben: Sprache übersetzen, Bilder erkennen, Texte schreiben. Alle heute verfügbaren Systeme, auch die leistungsfähigsten Sprachmodelle, gehören in diese Kategorie. Sie sind in ihren Bereichen oft sehr gut, haben aber kein allgemeines Verständnis der Welt und keine eigenen Ziele.

Starke KI oder allgemeine KI (AGI) bezeichnet ein hypothetisches System, das jede intellektuelle Aufgabe auf menschlichem Niveau lösen könnte. Ob und wann so etwas entsteht, ist unter Fachleuten umstritten. Für die Praxis im Unternehmen spielt die Frage keine Rolle. Was zählt, ist, was die vorhandenen Systeme heute verlässlich leisten und wo ihre Grenzen liegen.

Praxisbeispiel aus dem Unternehmensalltag

Ein Logistikunternehmen mit 80 Mitarbeitenden nutzt seit Jahren KI, ohne es so zu nennen: Die Tourenplanungssoftware optimiert Routen mit Verfahren des maschinellen Lernens, und der Scanner im Wareneingang erkennt Etiketten per Bildverarbeitung. Neu hinzugekommen ist ein Sprachmodell für die Verwaltung.

Die Disposition erhält täglich Dutzende E-Mails von Kunden mit Änderungswünschen, Nachfragen und Beschwerden in unterschiedlichen Sprachen. Claude ordnet die E-Mails ein, fasst den Kern zusammen und schlägt Antworten vor. Die Disponenten prüfen und versenden. Die Personalabteilung erstellt Stellenanzeigen und wertet Bewerbungen strukturiert aus, wobei die Entscheidung ausdrücklich bei Menschen bleibt. Die Geschäftsführung hat für beide Bereiche eine kurze interne Richtlinie erlassen und die Mitarbeitenden geschult. Damit erfüllt das Unternehmen zugleich die Pflicht zur KI-Kompetenz nach dem EU AI Act.

Bedeutung für kleine und mittelständische Unternehmen

Für KMU ist künstliche Intelligenz kein Zukunftsthema mehr, sondern eine Frage der Umsetzung. Die Werkzeuge sind verfügbar, bezahlbar und ohne eigene IT-Abteilung nutzbar. Der Einstieg gelingt erfahrungsgemäß dort am besten, wo viel Text entsteht oder gelesen wird: Kundenservice, Angebotserstellung, Verwaltung, Personal. Der Eintrag KI im Mittelstand beschreibt typische Ausgangslagen und Wege.

Mit dem Einsatz kommen Pflichten. Der EU AI Act verlangt seit Februar 2025 von Unternehmen, die KI einsetzen, dass ihre Mitarbeitenden über ausreichende KI-Kompetenz verfügen. Die DSGVO gilt, sobald personenbezogene Daten verarbeitet werden. Beides ist grundsätzlich handhabbar, sollte aber mit dem Datenschutzbeauftragten und gegebenenfalls einer Rechtsberatung geklärt werden. Was die Kompetenzpflicht konkret verlangt, erläutert der Artikel EU AI Act und KI-Kompetenz.

Die KI-Beratung für den Mittelstand unterstützt bei der Auswahl der Anwendungsfälle und der Klärung der Rahmenbedingungen. Die KI-Schulung für Unternehmen vermittelt Mitarbeitenden das nötige Grundverständnis und die praktische Anwendung. Worauf bei Schulungen zu achten ist, beschreibt der Artikel KI-Schulungen für Mitarbeiter.

Vorteile und Grenzen

Der Vorteil künstlicher Intelligenz für Unternehmen liegt darin, dass sie Tätigkeiten übernimmt, die bisher Zeit gekostet haben, ohne Wertschöpfung zu bringen: sortieren, zusammenfassen, formulieren, suchen. Mitarbeitende gewinnen Zeit für Aufgaben, die Urteil und Beziehung erfordern.

Die Grenzen sind ebenso klar. KI-Systeme machen Fehler, und zwar andere als Menschen: Sie sind überzeugend, auch wenn sie falsch liegen. Sie kennen den Kontext des Unternehmens nur, soweit er ihnen mitgeteilt wird. Und sie tragen keine Verantwortung. Die bleibt beim Unternehmen, das die Systeme einsetzt. Wer KI mit klaren Regeln, geschulten Mitarbeitenden und menschlicher Prüfung einführt, hat erfahrungsgemäß die besten Ergebnisse.