KI-Basics 1: Künstliche Intelligenz einfach erklärt

Generative KI ist eine Technologie, die in der Lage ist, auf Anweisung hin neue Inhalte zu erzeugen. Sie gibt dabei nicht nur vorhandenes Wissen wieder, sondern produziert eigene Ergebnisse. Dabei „lernt“ generative KI – ähnlich wie ein menschlichen Gehirn – durch bestehende Inhalte und das Feedback, das man ihr gibt.

Generative KI, nicht-generative KI, Algorithmen – wo ist der Unterschied?

Algorithmen funktionieren nach starren Regeln, die der Entwickler in das System programmiert: Wenn Ereignis A stattfindet, führe als nächstes Schritt B aus.

Nicht-generative KI-Anwendungen funktionieren anhand von Leitplanken, wie sich das System verhalten soll. Die Entwicklerin gibt zwar eine Anweisung, was die KI tun soll, aber keine eindeutigen Wenn-Dann-Regeln, wie sie zum Ergebnis kommt. Das „Wie“ ermittelt die KI-Anwendung anhand der zur Verfügung gestellten Trainingsdaten.

Generative KI geht noch einen Schritt weiter: Hier lernt das System ebenfalls anhand von Trainingsdaten, bekommt aber keine Anweisung mehr, was es genau tun soll. Stattdessen entscheidet die KI-Anwendung selbst – basierend auf den Daten, mit denen sie trainiert wurde – welche Antwort oder welches Ergebnis sie produziert.

Ein Beispiel: Nicht-generative KI könnte ich auffordern: „Zeige mir ähnliche Artists auf Basis der Musik, die mir gefällt.“ Generative KI kann ich hingegen anweisen, dass sie mir neue Musik komponieren soll – auf Basis der Musik, die mir gefällt. Das Ergebnis hängt dann wesentlich davon ab, mit welchen Daten die KI trainiert wurde. Wenn für das Training beispielsweise sämtliche online verfügbare Popmusik verwendet wurde, wird die KI mir immer einen Pop-Song komponieren – und nicht etwa einen Jazz-Song.

Was ist ein Prompt?

KI-Tools benötigen eine Handlungsaufforderung vom Nutzer oder der Nutzerin, um ein Ergebnis zu liefern. Dieser eingegebene Befehl wird Prompt genannt. Diese sollten möglichst präzise formuliert sein. Um sich einen KI-Text generieren zu lassen, ist es beispielsweise sinnvoll, folgende Informationen vorzugeben: „Wer“ – schreibe den Text aus einer bestimmten Perspektive, „Was“ – eine möglichst genaue Vorgabe des Themas und „Wie“ – in diesem Textformat soll das Ergebnis generiert werden.

Was sind Large Language Models und Foundation Models?

Ein Large-Language-Model (LLM) ist ein digitales Sprachmodell, dass mit großen Datenmengen darauf trainiert ist, menschliche Sprache zu verstehen und logische Texte zu erzeugen. Beim Training kommt das sogenannte „Data-Mining“ zum Einsatz: In Beispieldaten identifiziert das System Muster und Zusammenhänge und errechnet daraus Wahrscheinlichkeiten, mit welchem Wort etwa ein begonnener Satz weitergeführt wird. Solche Systeme (beispielsweise „GPT“ von OpenAI) dienen als Grundlage („Basismodelle“ oder „Foundation Models“) für spezifische KI-Anwendungen. Man kann es sich so vorstellen: Das Basismodell ist die Fähigkeit, zu lesen und zu schreiben. Dieses Modell kann weiter trainiert, also „geschult“ werden, eine bestimmte Aufgabe zu erfüllen.