Arten von KI: Definition, Abgrenzung & Anwendung

Künstliche Intelligenz (engl. Artificial Intelligence, kurz AI) bezeichnet die Fähigkeit von Maschinen, Aufgaben auszuführen, die normalerweise menschliche Intelligenz erfordern. Dazu zählen unter anderem

• das Lernen aus Erfahrungen,
• das Verstehen natürlicher Sprache,
• das Erkennen von Mustern
• und das Treffen von Entscheidungen.

Wie also funktioniert Künstliche Intelligenz? Mithilfe von Daten und Algorithmen. KI-Systeme verwenden Algorithmen, um Daten zu analysieren, daraus zu lernen und basierend auf diesen Erkenntnissen eigenständig zu agieren. Sie erkennen also Muster, auf deren Basis sie den gewünschten Output generieren. Auch wenn diese Systeme noch nicht allzu lange aktuell sind, zieht sich ihre Geschichte relativ weit zurück.

Bereits viele Jahre vor tatsächlichen Erfindungen faszinierte das Konzept der Künstlichen Intelligenz die Menschen. Schon in antiken Mythen und Geschichten träumte man von intelligenten künstlichen Wesen – man denke an die griechische Legendenfigur Pygmalion, die eine zum Leben erweckte Statue liebte.

Auch in späteren Epochen befeuerten Schriftsteller wie E.T.A. Hoffmann (Der Sandmann, 1816) oder Mary Shelley (Frankenstein, 1818) die Vorstellungskraft und den Glauben an die Möglichkeit intelligenter Maschinen. Jahrzehnte später folgten schließlich die ersten Ausführungen der bis dahin theoretischen Konzepte:

• Der Grundstein wurde 1936 mit der Turingmaschine (einem Berechnungsmodell der theoretischen Informatik) gelegt.
• Die tatsächliche Geschichte der Künstlichen Intelligenz beginnt in den 1950er-Jahren, als der Begriff bei einer Konferenz in Dartmouth erstmals von John McCarthy geprägt wurde.
• Mit ELIZA wurde 1966 der erste Chatbot entwickelt, der ein Gespräch mit einem Psychotherapeuten simulierte.
• Die 1970er- und 80er-Jahre waren geprägt von verschiedenen theoretischen Modellen und einfachen experimentellen Systemen.
• 1997 schließlich wurde der KI-Rechner Deep Blue entwickelt, der den Schachweltmeister Garry Kasparov besiegen konnte.

Erst in den letzten zwei Jahrzehnten gelang der KI durch Fortschritte in der Rechenleistung, die Verfügbarkeit großer Datenmengen und neue Algorithmen der Durchbruch. Von Sprachassistenten wie Apples Siri über Googles Assistant und Amazons Alexa bis hin zu generativen KI-Systemen wie ChatGPT geht die Entwicklung seither stetig weiter voran. Inzwischen wird sogar zwischen verschiedenen Arten von KI unterschieden.

KI ist nicht gleich KI – unter dem Oberbegriff Künstliche Intelligenz gibt es viele verschiedene Modelle und Ausprägungen. Die verschiedenen Arten von KI werden grundsätzlich auf zwei Ebenen unterschieden: die jeweiligen Hauptkategorien (schwach oder stark) sowie die vier verschiedenen Arten von KI-Modellen. Erstere sind eine allgemeine Unterscheidung, während letztere eine detailliertere Klassifikation darstellen.

Die Hauptkategorien: starke und schwache KI

KI kann grundsätzlich in zwei Kategorien unterteilt werden: starke und schwache KI. Diese Unterscheidung basiert auf den Fähigkeiten der Systeme und dem Umfang der Aufgaben, die diese bewältigen können.

Schwache KI

Schwache KI, auch bekannt als “enge KI” (engl. Narrow AI), ist darauf spezialisiert, spezifische Aufgaben zu erfüllen. Hierbei handelt es sich um Systeme, die mittels Daten trainiert werden, allerdings keine selbstständigen Schlussfolgerungen anstellen können – eine reine Nachahmung echter (menschlicher) Intelligenz also.

Die weltweit bekanntesten und weitverbreitetsten KI-Systeme sind allesamt Beispiele für schwache KI, von Sprachassistenten wie Siri und Alexa bis hin zu generativen Modellen wie ChatGPT und Gemini. Sie alle können keine Aufgaben außerhalb ihres definierten Anwendungsbereichs bewältigen, da sie nicht über ein echtes Verständnis oder Bewusstsein verfügen​​.

Starke KI

Starke KI, auch bekannt als allgemeine KI (Artificial General Intelligence, kurz AGI), zielt darauf ab, die menschliche Intelligenz in ihrer ganzen Breite zu replizieren. Hierbei handelt es sich somit um ein Gebiet der theoretischen KI-Forschung, für das noch keine tatsächlichen Beispiele existieren.

Eine starke KI wäre in der Lage, jede intellektuelle Aufgabe zu erledigen, die ein Mensch bewältigen kann, und könnte autonom lernen und sich an neue Situationen anpassen. Derzeit existiert starke KI wie bereits angeschnitten nur als theoretisches Konzept und es gibt noch viele technologische und ethische Herausforderungen, die gelöst werden müssen, bevor sie Realität werden kann.

KI-Arten im Detail: die vier Typen

Neben den beiden Hauptkategorien gibt es außerdem eine etwas detailliertere Typologie, in die sich unterschiedliche KI-Systeme einordnen lassen. Dieser zufolge können verschiedene KI-Arten basierend auf ihrer Funktionsweise und ihren Fähigkeiten in vier spezifische Kategorien unterteilt werden.

Typ 1: reaktive Maschinen (Reactive Machines)

Reaktive Maschinen sind die grundlegendste Form von KI und können als schwache KI kategorisiert werden. Sie sind darauf programmiert, auf spezifische Inputs zu reagieren, ohne dabei Erinnerungen an vergangene Ereignisse zu speichern oder zu nutzen.

Diese Art von KI kann keine Erfahrungen aus der Vergangenheit für gegenwärtige Entscheidungen nutzen. Ein prominentes Beispiel für eine reaktive Maschine ist der Schachcomputer Deep Blue, der 1997 den Weltmeister Garry Kasparov besiegte. Deep Blue analysiert alle möglichen Schachzüge basierend auf der aktuellen Brettstellung und wählt den besten Zug aus, ohne dabei allerdings frühere Spiele zu berücksichtigen und aus ihnen zu lernen.

Typ 2: begrenzte Speicherkapazität (Limited Memory)

KI-Systeme mit begrenzter Speicherkapazität gehen einen Schritt weiter. Diese können vergangene Daten nutzen, um zukünftige Entscheidungen zu treffen. Diese Modelle haben die (eingeschränkte) Fähigkeit, historische Informationen zu speichern und zu nutzen.

Ein Beispiel hierfür sind selbstfahrende Autos, die Verkehrsdaten und Umgebungsbedingungen berücksichtigen können, um sicher zu navigieren. Diese Fahrzeuge verwenden gespeicherte Daten, um zu verstehen, wie andere Verkehrsteilnehmer sich verhalten, und passen ihr Verhalten entsprechend an. Solche Systeme kombinieren aktuelle Beobachtungen mit historischen Daten, um ihre Entscheidungsfindung zu verbessern.

Typ 3: Theorie des Geistes (Theory of Mind)

Die Theorie des Geistes bezieht sich auf das hypothetische Konzept von KI, die in der Lage wäre, menschliche Emotionen, Gedanken und Erwartungen zu verstehen und darauf zu reagieren. Bei Modellen dieses Typs handelt es sich um starke KIs – derartige Systeme existieren derzeit also noch nicht, sind aber ein Ziel der KI-Forschung.

Diese Art von KI würde nicht nur die physischen Zustände ihrer Umgebung wahrnehmen, sondern auch Gefühle und mentale Zustände (Absichten, Glauben und Wünsche) der Menschen, mit denen sie interagiert. Ein häufig genanntes Beispiel für eine Typ-3-KI aus der Science-Fiction wäre R2-D2, der bekannte Droide aus der „Star Wars“-Filmreihe, der die Emotionen und Reaktionen der Menschen um ihn herum verstehen und darauf reagieren kann.

Typ 4: Selbsterkenntnis (Self-Awareness)

Auch der fortschrittlichste der vier KI-Typen zählt zu den starken Modellen und existiert aktuell somit rein in der Theorie. Dieser geht noch einen Schritt weiter als Typ 3: Hierbei handelt es sich um Systeme, die über die Theorie des Geistes hinausgehen und ein eigenes Bewusstsein sowie Selbstverständnis aufweisen.

Diese selbstbewussten Maschinen – oftmals auch als “Künstliche Superintelligenzen” bekannt – wären nicht nur dazu in der Lage, menschliche Gedanken und Emotionen zu verstehen, sondern sie könnten zusätzlich auch ihre eigenen Gedanken, Gefühle und Erfahrungen reflektieren und unabhängige Entscheidungen treffen. Sie würden somit nicht nur wissen, dass sie existieren, sondern könnten auch ihre eigenen Handlungen und die Auswirkungen dieser Handlungen auf die Umwelt verstehen.

Auch diese letzte Form der KI – eine wahrhaftige Künstliche Intelligenz – ist derzeit noch reine Science-Fiction und eine weit entfernte Zukunftsvision.

Künstliche Intelligenz basiert auf einer Reihe fortschrittlicher Technologien, die ihre Funktionsweisen und Fähigkeiten ermöglichen. Diese einzelnen Teilbereiche sind das Ergebnis jahrzehntelanger Forschung und Entwicklung und haben sich kontinuierlich weiterentwickelt, um immer komplexere und leistungsfähigere Systeme zu schaffen.

Warum Technologien, plural? Verschiedene KI-Systeme nutzen unterschiedliche Technologien, je nach den spezifischen Anforderungen und Anwendungen. Sie spielen eine zentrale Rolle für die wichtigsten Funktionen und bilden somit die Grundlage dafür, dass man Künstliche Intelligenz nutzen kann. Die Technologien, die KI antreiben, sind vielfältig und komplex. Zu den wichtigsten gehören die folgenden:

• Neuronale Netze: Inspiriert von der Funktionsweise des menschlichen Gehirns bestehen neuronale Netze aus vielen miteinander verbundenen Knoten (Neuronen), die in Schichten organisiert sind. Sie bilden das Rückgrat vieler KI-Modelle.
• Maschinelles Lernen (Machine Learning): Dies ist ein Teilbereich der KI, der es Systemen ermöglicht, aus Daten zu lernen und sich zu verbessern, ohne explizit darauf programmiert zu werden. Algorithmen für maschinelles Lernen analysieren Daten, erkennen Muster und treffen Vorhersagen basierend auf diesen.
• Deep Learning: Hierbei handelt es sich um eine spezialisierte Form des maschinellen Lernens, die auf neuronalen Netzen basiert. Deep-Learning-Systeme sind in der Lage, besonders große Mengen unstrukturierter Daten zu verarbeiten und daraus zu lernen.
• Natürliche Sprachverarbeitung (Natural Language Processing, kurz NLP): Diese Technologie ermöglicht es Maschinen, menschliche Sprache zu verstehen, zu interpretieren und zu erzeugen. NLP wird unter anderem in Chatbots, Übersetzungssystemen und Sprachassistenten sowie in der Content-Generierung eingesetzt.
• Knowledge Representation: Knowledge Representation (Wissensrepräsentation) ist ein Bereich der Künstlichen Intelligenz, der sich mit der Art und Weise beschäftigt, wie Wissen in einer Form gespeichert wird, die für Computer verständlich und verarbeitbar ist. Dies ermöglicht es der KI, logische Schlussfolgerungen zu entwickeln.
• Computer Vision: Computer Vision ermöglicht es Maschinen, visuelle Daten zu interpretieren, z.B. durch die Erkennung und Klassifizierung von Objekten in Bildern und Videos. Diese Technologie wird in Bereichen wie dem autonomen Fahren oder der Gesichtserkennung eingesetzt.

Die verschiedenen Arten von KI bieten zahlreiche Anwendungsmöglichkeiten für Unternehmen und haben das Potenzial, Geschäftsprozesse grundlegend zu verändern und zu optimieren.

Die Verwendungsmöglichkeiten ziehen sich dabei durch die verschiedensten Branchen: von generativer KI, die zur allgemeinen Content-Erstellung verwendet wird, bis hin zu spezialisierten Anwendungen, beispielsweise einem Zusammenspiel von Jura und KI. Künstliche Intelligenz trägt in all diesen Bereichen auf unterschiedliche Weisen dazu bei, Effizienz zu steigern, Kosten zu senken und Innovationen voranzutreiben.

Zu den aktuell wichtigsten Verwendungszwecken von KI in Unternehmen gehören unter anderem:

• Automatisierung von Geschäftsprozessen: Repetitive, standardisierte Aufgaben werden automatisiert. Das steigert die Effizienz, reduziert Kosten und spart auf Dauer Ressourcen.
• Datenanalyse: Große Datenmengen werden schnell analysiert, Muster erkannt und Zusammenfassungen oder Schlussfolgerungen erstellt. Das spart wertvolle Bearbeitungszeit und führt schneller zu Lösungen.
• Kommunikation und Marketing: Die KI analysiert Zielgruppendaten und gibt basierend darauf Input für personalisierte Empfehlungen und Marketingstrategien. Auch verschiedenste Arten der Kommunikation werden dadurch erleichtert – vom Erstellen von E-Mails bis hin zu Übersetzungen.
• Kundenservice: Automatisierte Chatbots unterstützen den Kundenservice bei einfachen Kundenanliegen und erhöhen durch die schnelle Hilfestellung die Zufriedenheit der Kunden.
• Predictive Analytics und Maintenance: Mithilfe relevanter Daten kann eine KI verschiedene Prognosen für zukünftige Entwicklungen machen – sowohl im abstrakten Bereich (z.B. mögliche Trends) als auch im physischen Raum (z.B. eventuell anstehende Wartungsarbeiten an Maschinen).
• Cybersecurity: Mithilfe von KI können verschiedene Bedrohungen ausgeforscht werden. Das System überwacht dabei Netzwerke, erkennt Anomalien und identifiziert Bedrohungen. So können eventuelle Sicherheitslücken schnell geschlossen werden.
• Produktentwicklung: Durch die Analyse von Marktdaten und Kundenfeedback können Unternehmen besser verstehen, welche Produkteigenschaften und Funktionen von den Verbrauchern gewünscht werden.

Fakt ist: KI-Modelle bergen großes Potenzial für verschiedenste Branchen, weshalb Sie eine Implementierung in Ihre eigenen Arbeitsprozesse in jedem Fall in Erwägung ziehen sollten. Schließlich können Unternehmen, die diese Technologien nutzen, nicht nur ihre Effizienz und Produktivität steigern, sondern auch Wettbewerbsvorteile erzielen und sich besser auf die Anforderungen ihrer Kunden einstellen.

Die bereits vielfältigen aktuell zugänglichen KI-Modelle bieten ein enormes Potenzial für die Zukunft und können viele Bereiche grundlegend verändern. Da ihre Entwicklung sowie die Implementierung der Technologien in Unternehmen allerdings noch in ihren Anfängen begriffen sind, stehen Entwickler und Anwender aktuell noch vor einigen Herausforderungen.

Vom Weiterentwickeln der Technologien über die Erschließung neuer Anwendungsbereiche bis hin zur Klärung rechtlicher und ethischer Fragen gibt es aktuell noch einiges zu tun. Nur durch konstante Innovation kann das volle Potenzial der verschiedenen bisher zugänglichen Arten von KI ausgeschöpft werden.