Grundlagen der KI

Willkommen! Wenn du neu in der Welt der KI bist, brauchst du keinen technischen Hintergrund, um loszulegen. Am meisten hilft eine einfache Orientierungshilfe, damit du verstehen kannst, was KI-Systeme leisten können, wie sie angeboten werden und wie du das richtige Tool für deine Anforderungen auswählst.

Künstliche Intelligenz (KI) ist eine breite Kategorie von Software, die Muster erkennen, aus Daten lernen und nützliche Ausgaben erzeugen kann. 

Du hast KI wahrscheinlich schon im Alltag erlebt, zum Beispiel, wenn:

• Deine Karten-App dich durch den Verkehr leitet
• Deine Bank einen Kauf als „ungewöhnlich“ einstuft
• Ein Kundenservice-Chatbot häufig gestellte Fragen beantwortet

KI ist eine Kategorie, kein einzelnes Werkzeug. Zu dieser Kategorie gehören Modelle: trainierte Systeme, die aus Daten lernen und das Gelernte auf neue Situationen anwenden. Einige Modelle sind auf Sprache, Bildverarbeitung oder Prognosen spezialisiert. 

Du beginnst wahrscheinlich deine Reise in die Welt der KI mit Konversations-KI-Tools wie ChatGPT. Die Modelle hinter ChatGPT sind auf Sprache spezialisiert – man nennt sie große Sprachmodelle.

Ein großes Sprachmodell (LLM) ist ein Modell, das dafür entwickelt wurde, mit Sprache zu arbeiten. Es lernt Muster aus großen Mengen an Text aus vielen Quellen, sodass es Texte auf hilfreiche Weise generieren und umwandeln kann. Ein LLM „weiß“ Dinge nicht so, wie ein Mensch es tut. Stattdessen sagt es auf Grundlage des Kontexts das wahrscheinlichste nächste Sprachelement voraus. Im Laufe der Zeit machten Fortschritte bei der Rechenleistung, den Trainingsmethoden und dem Zugang zu großen Datensätzen es möglich, größere und leistungsfähigere Sprachmodelle zu entwickeln. 

OpenAI und andere Frontier-Forschungslabore entwickeln diese Modelle als zentralen Bestandteil ihres Angebots und stellen sie dann über nutzerorientierte Produkte (wie ChatGPT oder Codex) sowie über APIs bereit, mit denen Entwickler:innen ihre eigenen KI-Tools erstellen und KI in bestehende Software integrieren können.

Neue Modelle werden in diesen Forschungslaboren verfügbar, sobald sie trainiert wurden und interne Bewertungen sowie Sicherheitsprüfungen bestanden haben.  Wenn du hörst, dass ein KI-Modell „trainiert“ wurde, bezieht sich das in der Regel auf zwei Phasen. Stell dir das so vor, als würde jemand lernen und in seinem Job immer besser werden.

Die erste Phase ist das Pre-Training, bei dem das Modell allgemeine Muster aus einer riesigen Menge an Text lernt. Dadurch erlangt es umfassende Fähigkeiten wie das Zusammenfassen, Verfassen, Übersetzen und Erklären. 

Man kann es sich wie einen neuen Mitarbeiter vorstellen, der wochenlang alles liest, was er finden kann – Handbücher, Beispiele hervorragender Arbeit, frühere Projekte, FAQs – bis er die „Struktur“ der Arbeit verstanden hat.

Jetzt beginnt der „Mitarbeiter“ mit der Arbeit, und ein „Manager“ coacht ihn: klarer sein, gute Rückfragen stellen, den richtigen Ton treffen und Unternehmensrichtlinien befolgen. Das ist das Post-Training. Diese Phase hilft dem Modell, Anweisungen zuverlässiger zu befolgen, in einem nützlichen Stil zu kommunizieren und mit schwierigen Situationen besser umzugehen.

Im Post-Training stehen auch Sicherheitsprüfungen im Mittelpunkt – ein Training, das darauf ausgelegt ist, schädliche Ergebnisse zu reduzieren, unerwünschte Anfragen zu vermeiden und vorsichtiger zu reagieren, wenn das Thema sensibel oder unklar ist.

Wenn Modelle aktualisiert und trainiert werden, stellst du möglicherweise Veränderungen im Tonfall oder in den Antworten fest. Wenn du konsistente Ergebnisse erzielen möchtest, formuliere dein Ziel, deine Zielgruppe, das Format und die Einschränkungen klar – und rechne damit, dass das Modell vorsichtiger ist, wenn Sicherheit oder Unsicherheit im Spiel sind.

Verschiedene Modelle sind auf unterschiedliche Abwägungen abgestimmt – etwa Geschwindigkeit, Tiefe und wie sorgfältig sie mehrstufige Anweisungen befolgen. Einige sind darauf ausgelegt, bei alltäglichen Aufgaben (Verfassen, Zusammenfassen, Umschreiben, Brainstorming) schnell und reibungslos zu reagieren. Andere sind darauf ausgelegt, mehr Rechenleistung einzusetzen, um ein Problem vor der Antwort gründlich durchzudenken, was die Zuverlässigkeit bei schwierigeren, mehrstufigen Aufgaben verbessern kann. 

Nicht-Reasoning-Modelle (manchmal als „Instant“ bezeichnet) sind für schnelle, flüssige Ergebnisse optimiert. Sie sind eine gute Standardwahl, wenn die Aufgabe unkompliziert ist und du vor allem schnell vorankommen möchtest: aus Notizen eine Nachricht machen, Formulierungen verfeinern, Optionen erstellen oder Kernpunkte herausarbeiten. 

Reasoning-Modelle (manchmal als „Thinking“ bezeichnet) sind darauf trainiert, bewusstes, schrittweises Lösen von Problemen besser zu bewältigen – also Dinge wie Planung, komplexe Analysen, knifflige Fehlersuche oder Entscheidungen unter Einschränkungen und in Grenzfällen. Sie brauchen möglicherweise länger, sind aber oft besser darin, mehrere bewegliche Teile im Blick zu behalten und oberflächliche Fehler zu vermeiden.

Wenn du gerade erst loslegst, musst du dir keine Gedanken über die Wahl des Modells machen – die standardmäßige ChatGPT‑Erfahrung ist darauf ausgelegt, automatisch zu wechseln, damit du dich auf deine Frage konzentrieren kannst und nicht auf die Einstellungen.

Im Laufe der Zeit, wenn du herausfindest, was dir besser liegt (Geschwindigkeit oder Tiefe, schnelle Entwürfe oder sorgfältige Analysen), kannst du anfangen, mit den optionalen Einstellungen zu experimentieren: Zum Beispiel kannst du die meiste Zeit Auto wählen und bei komplexen oder risikoreichen Aufgaben auf Thinking umschalten.

Hier ist die einfache Hierarchie:

• KI = das gesamte Feld
• Modelle = trainierte Systeme, die bestimmte Aufgaben ausführen
• Große Sprachmodelle (LLMs) = Modelle, die auf das Verstehen und Generieren von Sprache ausgerichtet sind und im Laufe der Zeit von KI-Forschungslaboren trainiert werden.
• ChatGPT = ein Produkt, das dir hilft, ein LLM effektiv zu nutzen

Sobald du dir das vor Augen geführt hast, bist du bestens darauf vorbereitet zu lernen, wie du mit Tools wie ChatGPT großartige Ergebnisse erzielst – angefangen damit, wie du mit ihm sprichst, um die Ergebnisse zu erhalten, die du dir wünschst.

Erfahre mehr über den Einstieg in ChatGPT und Prompt Engineering.