AI Basic Theory Explained – Deutsch

Grundlagen der KI erklärt

Dieser Abschnitt führt in die zentralen theoretischen Konzepte hinter der Künstlichen Intelligenz ein. Lehrkräfte finden hier gut strukturierte, leicht verständliche Erklärungen zur Entwicklung der KI, was sie ist, wie sie funktioniert – insbesondere durch maschinelles Lernen – sowie zu den wichtigsten Risiken bei der Nutzung dieser Technologien.
Diese Materialien sind so gestaltet, dass Sie erwachsenen Lernenden die Grundlagen der KI selbstbewusst vermitteln können, indem moderne Werkzeuge und Trends in ihren historischen und technischen Kontext eingeordnet werden.

EINE KURZE GESCHICHTE DER KI

Wie sich KI entwickelte: Von Logik zu Lernen

Die Künstliche Intelligenz hat ihre Wurzeln in der antiken Philosophie, doch die moderne KI begann in den 1950er-Jahren mit Pionieren wie Alan Turing und John McCarthy. Die Dartmouth-Konferenz von 1956 gilt als offizielle Geburtsstunde der KI als eigenständiges Forschungsfeld.

In den 1970er- und 1980er-Jahren erlebte die KI Rückschläge, die als „KI-Winter“ bekannt wurden – ausgelöst durch begrenzte Fortschritte und überhöhte Erwartungen. Ein Aufschwung setzte ab den 2000er-Jahren ein, dank Fortschritten in Rechenleistung, Big Data und maschinellem Lernen.

Heute leben wir im Zeitalter der generativen KI – mit Werkzeugen wie ChatGPT und DALL·E, die Teil des Alltags geworden sind.

Das Verständnis dieser Entwicklung hilft Lernenden, die Fortschritte des Fachgebiets wertzuschätzen – und eine Vorstellung davon zu entwickeln, wohin die Reise noch gehen könnte.

Schlüsselmomente in der Geschichte der KI

1950 – Turing-Test vorgeschlagen
Alan Turing veröffentlicht "Computing Machinery and Intelligence" und führt die Idee ein, dass eine Maschine als intelligent gelten kann, wenn sie ein Gespräch führen kann, das nicht von dem eines Menschen zu unterscheiden ist.
1956 – Geburt der KI als Forschungsfeld
Der Begriff „Künstliche Intelligenz“ wird auf der Dartmouth-Konferenz geprägt – der offizielle Startschuss für die KI-Forschung.
1966 – Erster Chatbot (ELIZA)
Am MIT wird ELIZA entwickelt – ein textbasiertes Programm, das ein Gespräch mit einem Therapeuten simuliert. Eines der frühesten Beispiele für natürliche Sprachverarbeitung.
1997 – KI schlägt Schachweltmeister
IBMs Deep Blue besiegt Garry Kasparov, den amtierenden Schachweltmeister – das erste Mal, dass eine Maschine einen menschlichen Champion in einem komplexen Denkspiel schlägt.
2011 – KI gewinnt bei Jeopardy!
IBMs Watson gewinnt die Quizshow Jeopardy! gegen zwei der erfolgreichsten menschlichen Teilnehmer – ein Meilenstein für das Sprachverständnis und die Datenverarbeitung durch KI.

2016 – KI besiegt Go-Großmeister
AlphaGo von Google DeepMind schlägt Lee Sedol, einen der weltweit besten Go-Spieler. Da Go weitaus komplexer als Schach ist, gilt dieser Sieg als historischer Durchbruch im strategischen Denken durch KI.
2022 – Veröffentlichung von DALL·E und ChatGPT
Mit Modellen wie OpenAIs DALL·E (Bildgenerierung) und ChatGPT (fortgeschrittene dialogfähige KI) werden kreative KI-Tools erstmals einer breiten Öffentlichkeit zugänglich gemacht.
2024 – Einführung von Reasoning Models
Fortschrittliche Denk-Modelle wie GPT-4 Turbo von OpenAI bringen deutliche Verbesserungen beim mehrstufigen Problemlösen und komplexen Entscheidungsprozessen – und machen KI leistungsfähiger bei Aufgaben, die logisches und strukturiertes Denken erfordern.
2025 – Aufstieg der KI-Agenten
KI-Agenten entstehen als Werkzeuge, die eigenständig planen, handeln und mehrstufige Aufgaben über verschiedene Apps und Plattformen hinweg ausführen können – ein Schritt hin zu dynamischer, selbstgesteuerter KI-Unterstützung im Alltag und Berufsleben.

WAS IST KÜNSTLICHE INTELLIGENZ?

Was macht eine Maschine intelligent?

Künstliche Intelligenz (KI) ist eine Art Computertechnologie, die Maschinen befähigt, Aufgaben zu erledigen, die menschlicher Intelligenz ähneln – wie das Verstehen von Sprache, das Erkennen von Bildern, das Lösen von Problemen oder das Lernen aus Daten.

Im Gegensatz zu herkömmlicher Software, die festen Regeln folgt und nur das tut, wofür sie ausdrücklich programmiert wurde, können KI-Systeme sich an neue Eingaben anpassen, Informationen analysieren und ihre Leistung im Laufe der Zeit sogar verbessern. Das bedeutet, KI kann komplexe, unvorhersehbare Aufgaben bewältigen – wie Fragen in natürlicher Sprache beantworten oder Muster in großen Datenmengen erkennen.

Als Lehrkraft können Sie drei Aspekte zeigen, die wir von KI erwarten, damit sie der menschlichen Intelligenz entspricht und die als Definition dienen können:

Wenn heute von KI die Rede ist, bezieht sich das meist auf Technologien, die auf maschinellem Lernen basieren, wie zum Beispiel:

Ein virtueller Assistent, der gesprochene Fragen versteht und beantwortet
Eine App wie Netflix, die Inhalte basierend auf Ihren früheren Vorlieben vorschlägt
Ein Tool wie ChatGPT oder Gemini, das lange Artikel zusammenfassen oder Sprachen übersetzen kann
E-Mail-Filter, die Spam automatisch erkennen und entfernen

WIE KI FUNKTIONIERT (MASCHINELLES LERNEN ERKLÄRT)

Wie Maschinen aus Daten lernen

KI funktioniert, indem sie große Datenmengen analysiert und Muster erkennt, um Vorhersagen oder Entscheidungen zu treffen – das nennt man maschinelles Lernen (ML). Statt explizit programmiert zu werden, „lernen“ ML-Algorithmen aus Beispielen.

Um einer KI zum Beispiel beizubringen, Katzen zu erkennen, zeigt man ihr Tausende von Katzenbildern. Mit der Zeit lernt sie, neue Katzenbilder zu identifizieren, indem sie Ähnlichkeiten erkennt.

Wichtige Begriffe sind Trainingsdaten, Modelle und Algorithmen. Lehrkräfte können einfache Vergleiche verwenden, wie etwa einem Kind mit Lernkarten zu unterrichten, um das Konzept des überwachten Lernens zu erklären und diese Ideen für erwachsene Lernende greifbar zu machen.

Wie maschinelles Lernen funktioniert: Ein einfacher 5-Schritte-Prozess

1. Daten sammeln
Maschinelles Lernen beginnt mit Daten — und zwar einer großen Menge. Wenn Sie zum Beispiel einem Computer beibringen wollen, Katzen zu erkennen, geben Sie ihm Tausende von Bildern, die mit „Katze“ oder „keine Katze“ beschriftet sind.
2. Modell trainieren
Die KI betrachtet die Daten und beginnt, Muster zu erkennen. Sie versteht nicht, was eine Katze ist wie ein Mensch, aber sie bemerkt Merkmale, die Katzenbilder oft haben – wie zwei Augen, Ohren und Fell.
3. Modell testen
Nach dem Training wird die KI mit neuen, bisher unbekannten Daten getestet. So zeigt sich, wie gut sie gelernt hat. Wenn sie die meisten Antworten richtig gibt, funktioniert sie gut. Falls nicht, braucht sie eventuell mehr Daten oder Anpassungen.

4. Vorhersagen treffen
Das trainierte Modell kann jetzt Vorhersagen machen. Man zeigt ihm ein neues Bild, und es sagt: „Das sieht nach einer Katze aus“ (oder eben nicht), basierend auf dem, was es gelernt hat.
5. Mit der Zeit verbessern
Je mehr Daten und Feedback es bekommt, desto besser wird es. Das macht maschinelles Lernen besonders – es lernt und passt sich an, statt nur festen Regeln zu folgen.

Es gibt zwei Arten des maschinellen Lernens

1. Überwachtes Lernen
Beim überwachten Lernen wird die KI mit beschrifteten Datentrainiert – das heißt, die richtigen Antworten sind bereits bekannt. Das Ziel ist, aus Beispielen zu lernen, damit die KI Vorhersagen für neue, unbekannte Daten treffen kann.
Beispiel: Eine KI wird darauf trainiert, Spam-E-Mails zu erkennen, indem sie Beispiele für „Spam“ und „kein Spam“ gezeigt bekommt.

RISIKEN DER NUTZUNG VON KI

Worauf man bei der Nutzung von KI achten sollte

Obwohl KI viele Vorteile bietet, ist es wichtig, auch ihre Risiken zu verstehen. KI-Systeme können unbeabsichtigt:

Außerdem kann eine zu starke Abhängigkeit von KI das kritische Denken schwächen. Lehrkräfte sollten Lernende dazu anleiten, KI mit einer gesunden Mischung aus Neugier und Vorsicht zu begegnen. Wichtige Lehrinhalte sind, wie man KI-Ergebnisse hinterfragt, mögliche Fehler erkennt und ethische Aspekte versteht – das ist entscheidend für einen sicheren und verantwortungsvollen Umgang mit KI.

Darüber hinaus kann KI-generierter Inhalt ethische Bedenken hervorrufen – beispielsweise bei Deepfakes oder Überwachungstechnologien.

Der bekannte Historiker Yuval Noah Harari warnt vor der wachsenden Macht der KI und weist auf ihr Potenzial hin, Menschen zu manipulieren oder öffentliche Diskussionen zu verzerren, die das Fundament demokratischer Gesellschaften bilden.

Lehrkräfte sollten die Bedeutung eines verantwortungsvollen Umgangs mit KI betonen, das Überprüfen von Informationen fördern und die Grenzen der Technologie verdeutlichen. Erwachsenen beizubringen, neugierig aber vorsichtig zu sein, hilft ihnen, informierte und selbstbewusste Nutzer zu werden.