Künstliche Intelligenz ist zum Alltagsbegriff geworden, wird aber unterschiedlich verwendet. Dieser Beitrag erklärt, was damit gemeint ist und was heutige KI leisten kann.
Definition
KI umfasst Verfahren, mit denen Computer Aufgaben lösen, die Verständnis, Sprache oder Mustererkennung verlangen. Der entscheidende Unterschied zu klassischer Software: KI lernt aus Beispielen, statt jeden Schritt vorgegeben zu bekommen. Aus vielen Daten leitet sie Zusammenhänge ab und wendet sie auf neue Fälle an.
Wie KI funktioniert
Im Kern steht ein Modell, das mit grossen Datenmengen trainiert wird. Beim Training passt das Modell seine internen Werte so an, dass es Aufgaben besser löst. Danach kann es auf neue Eingaben reagieren, etwa eine Frage beantworten oder einen Text zusammenfassen. Die Qualität hängt von den Trainingsdaten und der Aufgabe ab. Wie Sprachmodelle im Detail arbeiten, erklärt der Abschnitt Grosses Sprachmodell (LLM) weiter unten.
Schwache und starke KI
Heutige Systeme sind schwache KI: Sie lösen abgegrenzte Aufgaben wie Übersetzung oder Bilderkennung. Eine starke KI, die wie ein Mensch allgemein denkt, existiert nicht. Diese Unterscheidung hilft, Erwartungen realistisch zu halten.
Beispiele aus der Praxis
In Verwaltung und KMU zeigt sich KI in konkreten Anwendungen: bei Textentwürfen, in der KI-Buchhaltung, bei der Beantwortung von Anfragen oder in der Recherche in eigenen Dokumenten. Der Nutzen entsteht bei wiederkehrenden Aufgaben mit klaren Mustern.
Grenzen
KI kann falsche Angaben erzeugen, die überzeugend klingen. Sie versteht Inhalte nicht wie ein Mensch, sondern erkennt Muster. Deshalb gehört zu jedem Einsatz die Prüfung durch eine Fachperson. Mehr dazu unter KI-Halluzinationen.
Die wichtigsten Begriffe kurz erklärt
Rund um KI fallen immer wieder dieselben Begriffe. Die folgenden Abschnitte ordnen sie ein.
Generative KI
Generative KI erzeugt neue Inhalte, statt nur zu klassifizieren oder vorherzusagen. Eine ältere KI erkennt etwa, ob eine E-Mail Spam ist; generative KI schreibt die Antwort darauf. Sie lernt aus sehr vielen Beispielen die Muster einer Sprache, eines Bildstils oder einer Programmiersprache und setzt daraus Element für Element ein neues Ergebnis zusammen. In Verwaltung und KMU sind Textaufgaben der häufigste Einsatz: Entwürfe, Zusammenfassungen und Antworten, die eine Fachperson prüft.
Grosses Sprachmodell (LLM)
Ein LLM, kurz für Large Language Model, hat gelernt, wie Sprache aufgebaut ist. Es kennt keine Fakten im eigentlichen Sinn, sondern die Wahrscheinlichkeit, mit der Wörter aufeinanderfolgen: Auf eine Eingabe hin berechnet es das am besten passende nächste Wort, hängt es an und wiederholt den Schritt. Weil es dabei nicht prüft, ob eine Aussage stimmt, kann es plausibel klingende, aber falsche Angaben erzeugen. Für Betriebe zählt deshalb weniger das Modell selbst als die Frage, wie es sicher und datenschutzkonform eingebunden wird.
RAG: KI mit eigenen Dokumenten
RAG steht für Retrieval Augmented Generation. Die eigenen Dokumente werden aufbereitet und durchsuchbar gemacht; auf eine Frage sucht das System zuerst die passenden Textstellen und gibt sie dem Sprachmodell als Grundlage mit. Die Antwort stützt sich damit auf Ihre Inhalte und nennt die Quelle. Neue Dokumente lassen sich laufend ergänzen, ohne das Modell neu zu trainieren. Fehlt eine Information, sollte das System das offen sagen, statt zu raten. Wie das im Betrieb aussieht, zeigt der KI-Wissensassistent.
KI-Agenten
Ein KI-Agent nutzt ein Sprachmodell als Steuerung, um eine Aufgabe zu erledigen. Er zerlegt sie in Schritte, holt Informationen ein, ruft Werkzeuge oder Systeme auf und setzt die Teilergebnisse zusammen. Ein Chatbot bleibt im Gespräch, ein Agent führt eine Aufgabe aus, etwa eine Anfrage lesen, in mehreren Quellen recherchieren und einen Entwurf ablegen. Er handelt nur im Rahmen, den man ihm setzt: Wichtige Schritte werden zur Freigabe vorgelegt und protokolliert. Die Umsetzung im Betrieb beschreibt die Seite KI-Agenten für Unternehmen.
Passende Leistungen und Themen
Diese Seiten führen das Thema weiter:





