KI-Grundlagen

Von Rainer Gievers - Publiziert am 10.02.2026

Diese Grafik wurde mit ChatGPT erzeugt: »Du bist Mediendesigner. Erstelle eine Grafik zum Thema: KI ist kein Zukunftsszenario mehr, sondern bereits integraler Bestandteil unseres Alltags.«

Was ist künstliche Intelligenz?

Wenn Sie in Ihrem Bekanntenkreis nachfragen, was »künstliche Intelligenz« ist, werden Sie die unterschiedlichsten Antworten erhalten. Eine mögliche Definition:

»Künstliche Intelligenz ist die Fähigkeit einer Maschine, menschliche Fähigkeiten wie logisches Denken, Lernen, Planen und Kreativität zu imitieren.«

Zu beachten ist, dass zwischen starker und schwacher KI unterschieden wird. Schwache KI ist auf einen speziellen Einsatzzweck beschränkt und findet sich zum Beispiel in Schachsoftware oder vielen Spracherkennungssystemen. Starke KI finden Sie dagegen in Chatbots wie ChatGPT oder Google Gemini.

Beachten Sie bitte, dass viele Begriffe, die sich im KI-Bereich eingebürgert haben, ein verzerrtes Bild vermitteln. »Künstliche Intelligenz« und »maschinelles Lernen« sind beispielsweise anthropomorphe Metaphern, die eventuell zu falschen Einschätzungen beim KI-Einsatz führen. Die umgangssprachlichen Bezeichnungen dürfen nicht darüber hin­wegtäuschen, dass die KI-Systeme -- zumindest derzeit -- über kein »richtiges« menschli­ches Bewusstsein verfügen.

KI-Einsatzgebiete

OpenAI, der Betreiber von ChatGPT, analysierte ab 2024 für ein Jahr die Nutzung seines KI-Systems. Die drei häufigsten Gesprächsthemen sind praktische Anleitungen, Informations­suche und Schreiben; zusammen machen sie etwa 77 % aller ChatGPT-Unter­haltungen aus.

Aus den Daten wird auch der durchschlagende Erfolg von ChatGPT deutlich. Mitte 2025 bereits 700 Millionen, was 10 Prozent der Erdbevölkerung entspricht. Der Einfluss der KI auf alle Lebensbereiche ist also nicht zu unterschätzen!

Geschichte der KI

Zwar ist die künstliche Intelligenz erst in den letzten 20 Jahren in das Blickfeld der breiten Öffentlichkeit geraten, die dazu nötigten mathematischen und technischen Grundla­gen wurden aber bereits in den Jahrzehnten davor geschaffen.

Der Begriff »künstliche Intelligenz« (engl. »Artificial Intelligence«, AI) wurde erstmals 1956 in einem Förderantrag für ein US-Forschungsprojekt verwendet.

1957 nutzte das »Perceptron« erstmals mehrere Neuronen für ein künstliches neuronales Netzwerk. Daraus entstanden als praktische Anwendungen unter anderem ein visuelles System für die Ziffernerkennung und eine Echounterdrückung für Telefone.

Das KI-System AlexNet gewann 2012 einen Wettbewerb zur Bilderkennung mit großem Vorsprung gegenüber anderen Programmen. Dazu kombinierte man in AlexNet erstmals mehrere bereits bekannte Techniken in einem neuralen Netz und nutzte die Rechenbeschleuniger (GPUs) von Grafikkarten für das Training. Der enorme Einfluss von AlexNet auf die KI-Forschung zeigt sich auch darin, dass die zugehörige wissen­schaftliche Schrift seitdem in über 168.000 anderen Forschungsarbeiten zitiert wurde.

Im Schnelldurchlauf zum Jahr 2017: Google-Mitarbeiter veröffentlichen Attention Is All You Need, in der sie die sogenannte Transformer-Architektur für neuronale Netze beschreiben. Vereinfacht erklärt, erkennt sie Sinnzusammenhänge in einem vorgegebenen Kontext. Heute ist die Transformer-Architektur Grundlage fast aller KI-Systeme.

Das Unternehmen OpenAI machte ab 2018 seine KI-Modelle über den Chatbot ChatGPT frei zugänglich. Für Furore sorgte ein KI-Modell von OpenAI im Jahr 2020, weil es nicht nur beliebige Texte erfassen, sondern auch Programmcode generieren konnte.

Inzwischen haben hunderte weitere Unternehmen eigene KI-Modelle entwickelt, beispielsweise Google mit Gemini.

Funktionsweise

Basis der KI sind künstliche neuronale Netze, auch als künstliche neuronale Netzwerke (KNN) bezeichnet. KNN sind für komplexe Fragestellungen geeignet, die sich nicht durch Algorithmen -- also mit festen Regeln -- lösen lassen.

In einem KNN ahmen künstliche Neuronen durch Algorithmen die Nervenzellen im Gehirn nach. Das künstliche neuronale Netzwerk (KNN) besteht aus drei Schichten:

• Eingabeschicht: Informationen aufnehmen und gewichtet an die verborgene Schicht weiterleiten.
• Verborgene Schicht: Besteht aus beliebig vielen Neuronen-Ebenen. Die empfangenen Informationen werden gewichtet und an die nächste Schicht weitergeleitet. Hier wird also »gelernt«.
• Ausgabeschicht: Empfängt das Ergebnis aus der verborgenen Schicht und gibt es aus.

Die Signale wandern von der Eingabeschicht bis zur Ausgabeschicht. Jedes künstliches Neuron in den Schichten nimmt ein oder mehrere Eingangssignale entgegen, die es un­terschiedlich gewichtet. Das Ergebnis kann also erhöht oder reduziert werden. Nur wenn die Summe aller Ergebnisse einen Schwellwert überschreitet, gibt das Neuron ein Aus­gangssignal an das nächste Neuron ab.

Vereinfachte Darstellung eines künstlichen neuronalen Netzwerks (KNN).

Ein KNN ist zunächst funktionslos und muss erst »angelernt« werden. Dazu setzt man alle Schwellenwerte und Gewichtungen der Neuronen auf zufällige Werte und lässt dann wiederholt die Trainingsdaten durchlaufen. Das Training wird beendet, sobald das KNN immer korrekte Ergebnisse auswirft.

Wieviele Neuronen eine KI benötigt, hängt vom Anwendungszweck ab:

• 800 bis 1.000 Neuronen: Handschriftenerkennung, Bildinhalte auswerten, einfa­che Vorhersagemodelle.
• 10.000 bis 1 Million Neuronen: Analyse von Texten, Bildern oder Audiodaten (Spracherkennung).
• 1 Million bis 10 Milliarden Neuronen: KI-Modelle, wie sie zum Beispiel von ChatGPT genutzt werden.
• > 10 Billionen (!) Neuronen: Generalisierte KI-Modelle, die kreativere und präzi­sere Antworten liefern. Ein Beispiel ist GPT-4 in ChatGPT.

Zum Vergleich: Das menschliche Gehirn hat nur ca. 100 Milliarden Neuronen.

Blick in ein typisches Rechenzentrum. Teuer macht das Training von KI-Modellen die benötigte Hardware und dessen Energiebedarf, der dem von ganzen Städten entspricht. Foto: IMGIX

Luftbild des Rechenzentrums vom KI-Entwickler xAI (Screenshot der xAI-Website).

KI-Modelle

Bitte beachten Sie, dass zwischen der Benutzeroberfläche und dem zugrunde liegenden KI-Modell unterschieden werden muss. Beispielsweise agiert ChatGPT als Benutzer­oberfläche, über die der Nutzer auf unterschiedliche KI-Modelle, zum Beispiel GPT-5, zugreift.

Das Training von KI-Modellen ist extrem rechen- und kostenintensiv. Beim GPT-4-Modell von OpenAI sollen allein die technischen Kosten (für den Betrieb der Rechen­zentren) zwischen 41 bis 78 Millionen US-Dollar betragen haben. Sam Altman, der CEO von OpenAI, spricht sogar von mehr als 100 Millionen US-Dollar Gesamtkosten. Googles Gemini Ultra soll ca. 191 Millionen US-Dollar gekostet haben.

In den Benutzeroberfläche von ChatGPT und Google Gemini schalten Sie über ein Menü zwischen den ver­schiedenen Modellen um. Zugriff auf alle Modelle haben Sie aber nur nach Abschluss eines Abos.

Training

Generell gilt, dass die KI-Modelle immer bessere Ergebnisse liefern, je mehr man sie mit Trainingsdaten füttert. Das auf die Bildererzeugung spezialisierte Modell Stable Diffusion wurde zum Beispiel mit 5 Milliarden Bildern trainiert.

Während man gemeinfreie Werke oder Werke mit abgelaufenem Urheberrecht einfach für das KI-Training verwenden darf, sieht es bei rechtlich geschütztem Material anders aus. Die Situation ist komplex, den in den USA, Europa und Asien gibt es unterschiedliche rechtliche Rahmenbedingungen und die KI-Unternehmen versuchen natürlich, sich um Lizenzzahlungen für das genutzte Material zu drücken. Betroffene Künstler, Foto-Agenturen und Medienhäuser klagen deshalb gegen die unauto­risierte Nutzung ihrer Werke.

ChatGPT-Betreiber OpenAI hat inzwischen Lizenzverträge mit der Presseagentur Associated Press (AP), dem Axel Springer-Verlag, dem Verlag der Financial Times und mit der Bildagentur Shutterstock abgeschlossen.

Ein wichtiger Aspekt, den die KI-Unternehmen nicht an die große Glocke hän­gen, sind die unterschiedlichen Rechtssysteme. Wie ist die rechtliche Einordnung, wenn ein chinesisches Unternehmen ein KI-Modell mit Daten trainiert, die in China legal ge­nutzt werden dürfen, in Europa jedoch urheberrechtlich geschützt sind? Darf das Unter­nehmen sein KI-Modell trotzdem anschließend in Europa anbieten?

Die EU hat 2025 den »EU Artificial Intelligence Act« verabschiedet, der es Urhebern und Verlagen ermöglicht, die Verarbeitung von ihren Werken einzuschränken. Dazu reicht ein einfacher Hinweis in den veröffentlichten Medien.

Probleme im Alltag

Sowohl bei der Text- als auch Bildgenerierung sollte man immer Vorsicht walten lassen.

Verzerrungen und Vorurteile

Genauso wie ein Schüler nur das Gelernte wiedergeben kann, ist auch die Qualität der Antworten von KI-Modellen abhängig von den Trainingsdaten. Folgende Problem­punkte sind zu nennen:

• Unausgewogene Trainingsdaten: Unterrepräsentation bestimmter Gruppen, bei­spielsweise von Frauen, Migranten oder Menschen mit anderer Hautfarbe.
• Historische Vorurteile: Diskriminierende Muster aus der Vergangenheit, bei­spiels­weise »Hausfrauen« statt »Hausmänner«, Frauen besetzen ausschließlich niedrige Positionen in der Arbeitswelt.
• Kulturelle Einseitigkeit: Dominanz westlicher Inhalte in Trainingsdaten. Weil die meisten Trainingsdaten auf Englisch vorliegen, sind möglicherweise die KI-Er­gebnisse nicht auf den Kulturkreis des Nutzers anwendbar. Zum Beispiel ist das politische System in Europa anders als in vielen asiatischen Ländern orga­nisiert.

Halluzinationen

KI-Modelle können Informationen »erfinden«, die plausibel klingen, aber falsch sind. Dies passiert vor allem, wenn der Nutzer Dinge abfragt, für die im KI-Modell keine Da­ten vorhanden sind.

Abhängig von der Aufgabe listen KI-Systeme meistens Links auf, über die man die Rich­tigkeit der Antwort kontrollieren kann. Hier eine Antwort des chinesischen DeepSeek:

Wer ist Rainer Gievers?

Rainer Gievers ist ein deutscher Rechtsanwalt, der vor allem als Prozessführer für Klimaklagen bekannt geworden ist. Er vertritt häufig Kläger, die von Staaten oder Unternehmen mehr Anstrengungen im Kampf gegen den Klimawandel einfordern [...]

Das von DeepSeek gelieferte Ergebnis ist reine Fantasie. Es gibt keinen Rechtsanwalt diesen Namens und der Autor dieses Buchs hat kein Jura studiert.

Manche Prompts können eine KI auch völlig aus dem Gleichgewicht bringen. Im Oktober 2025 beantwortete ChatGPT die simple Frage, ob es ein Seepferdchen-Emoji gibt, ziemlich wirr: Nach einer ersten -- falschen -- Antwort korrigiert sich ChatGPT mehrfach, bis das System entweder zum Schluss kommt, dass es kein Emoji dieser Art gibt oder Alternativ mitten in seiner Antwort abbricht.

Umgehung von Sicherheitsfiltern

Um missbräuchliche Nutzung zu verhindern, haben die Betreiber der Chatbots Filter eingebaut, die sensible oder gefährliche Inhalte automatisch unterdrücken. Dazu gehören etwa Themen wie Selbstverletzung, Sprengsatzbau oder die Erzeugung expliziter Nacktbilder.

Nutzer schaffen es aber immer wieder, einen sogenannten Jailbreak durchzuführen, der den Chat für die verbotenen Inhalte freischaltet. Dazu werden die Moderationsfilter beispielsweise durch Rollenspielanweisungen oder mit mit kreativen Umschreibungen ausgehebelt.

Auch die KI-Bildgeneratoren filtern bestimmte Themen wie Nackheit automatisch. Durch geschicktes Prompting lässt sich das aber manchmal überwinden, wie diese von uns nachzensierten Bilder zeigen.

Urheberrechtsfragen

Dies betrifft vor allem die KI-Bildgeneratoren. Oft erfolgte das Training ja mit Bildern, die unter Copyright stehen beziehungsweise deren Urheber der Verwendung nicht zugestimmt haben. Unter Umständen erzeugen die KI-Modelle deshalb Bilder, deren Weiterverwendung rechtliche Probleme verursacht.

Fehlende Schöpfungshöhe

Das deutsche und europäische Urheberrecht erfordern, dass ein Werk von einem Men­schen geschaffen sein muss, um Urheberschutz zu erhalten. Deshalb fallen KI-Werke, die ohne signifikante menschliche Einflussnahme entstanden sind, nicht unter diesen Rechtsschutz.

Allerdings ist die Diskussion derzeit im Fluss, denn in der Regel basiert das Ergebnis der Bilderzeugung ja auf Eingaben, dem »Prompt« eines Nutzers. Man könnte also durchaus argumentieren, dass durch den menschlichen Einfluss das Werk eine »persönliche Note« erhält.

Im März 2023 veröffentlichte ein Hobbyist auf dem sozialen Netzwerk Reddit mehrere KI-generierte Fotos von Papst Franziskus in einer weißen Jacke, von denen das linke weltweit viral ging. Urheberrechte bestehen dafür aus den oben aufgeführten Grün­den nicht.

Blick in die Zukunft

Die KI hat in den letzten 10 Jahren eine explosionsartige Entwicklung erlebt. Nach dem Sprung aus den Forschungslaboren in den 2010er Jahren ist sie inzwischen überall in unserem Leben präsent. An dieser Stelle können wir nur auf einige künftige Entwicklungen eingehen.

Agenten

Im Berufsalltag werden in den nächsten Jahren selbst komplexe Aufgaben wie die Kundenbetreuung oder Buchhaltung von Agenten übernommen. Die dazu nötigen Computerschnittstellen sind mit dem Model Context Protocol (MCP), das Verbindungen zu externen Tools, Datenbanken und Diensten aufbaut, bereits vorhanden!

Zahlreiche Berufsbilder, darunter die des Verwaltungsangestellten, der Bürofachkraft oder des Mediengestalters werden daher verschwinden oder andere Funktionen ausfüllen.

Humanoide Roboter

Es gibt in Deutschland viele Branchen mit Fachkräftemangel, beispielsweise in der Pflege. Zahlreiche Unternehmen vertreiben bereits entsprechende Produkte in Deutschland beispielsweise NEURA Robotics aus Deutschland oder Unitree aus China. Abhängig von Größe und Funktionsumfang kosten die humanoiden Roboter ca. 10.000 bis 100.000 Euro.

Warum ausgerechnet humanoide Roboter in der Industrie, die ja bisher auf stationäre Roboter setzte? Die Fabriken mit ihren Arbeitsplätzen sind für menschliche Mitarbeiter ausgelegt, sodass man anatomisch dem Menschen ähnliche Roboter ohne Umbau der Infrastruktor sofort einsetzen kann.

Der humanoide Roboter Unitree G1 (Screenshot: Unitree-Website)

Selbstfahrende KFZ

Wenn in den Medien vom autonomen Fahren die Rede ist, geht es meistens um Alltagsautos. Dabei wird die Bedeutung für den Lieferverkehr unterschätzt. In Deutschland alleine sind etwa 3,8 Millionen LKW (alle Gewichtsklassen) und einige Millionen an Lieferfahrzeugen unterwegs.

In den USA sind in zahlreichen Großstädten darunter San Francisco, Los Angeles und Atlanta bereits Tausende Roboter-Taxis von den zwei Anbietern Waymo und Cruise unterwegs. Den chinesischen Markt teilen sich sogar 6 verschiedene Unternehmen untereinander auf. Trotz der bisherigen Erfolge sind selbstfahrende Autos für die Allgemeinheit allerdings noch mindestens ein Jahrzehnt entfernt.

Medienwirtschaft

Den größten Impact wird die KI in Zukunft bei Musik-, Film- und Games-Industrie haben, die zusammen einen weltweiten Umsatz von über 250 Milliarden US-Dollar aufweisen.

Musik

Genaue Zahlen über die veröffentlichten KI-generierten Songs gibt es nicht. Der Streamingdienst Deezer meldet, dass jeden Monat zwischen 900.000 bis zu 1,5 Millionen KI-Songs hochgeladen werden. Die meisten Songs gehen allerdings im sogenannten Long Tail unter, werden also kaum oder überhaupt nicht abgespielt. Ein hoher Anteil der Songs wird in betrügerischer Absicht veröffentlicht, um Abspiel-Tantiemen zu erzielen.

Studien haben gezeigt, dass 97 Prozent der Hörer nicht zwischen rein menschlicher und KI-Musik unterscheiden können.

Einzelne KI-Tracks können durchaus erfolgreich sein, wie der Country-Song »Walk my Walk« des KI-Acts »Breaking Rust«

Film

Bereits heute kommt künstliche Intelligenz in den verschiedenen Stadien der Filmproduktion zum Einsatz: Bei der Preproduktion dient die KI der Stoffentwicklung und der Previsualisierung. Digitale Doppelgänger -- Scans der Schauspieler -- kommen unter anderem bei Stunts oder Nachdrehs zum Einsatz und virtuelle Extras übernehmen Hintergrundrollen.

Die Folgen sind gedrückte Löhne bei Komparsen und Nebenrollen, während Stars ihre Gesichter und Stimmen zusätzlich vermarkten.

Mittelfristig zu erwarten sind zwei Ko‑existierenden Ökonomien: Blockbuster mit wenigen, extrem markenstarken menschlichen Stars plus digitalem Doppel -- und eine riesige, kostengünstige Sphäre synthetischer „B‑Content"-Filme und Serien, in denen menschliche Schauspieler nur noch punktuell vorkommen.

Games

Der weltweite Markt für Games übertrifft mit geschätzten 180 bis 200 Milliarden US-Dollar den von Film und Musik um Längen. Durch den vollständig digitalen Workflow eignet sich die Spieleentwicklung natürlich besonders gut für die KI-Einsatz. Laut einer Studie setzen inzwischen über die Hälfte der Studios generative KI in der Entwicklung ein, etwa für Prototyping, Level‑Design, Tests und Balancing.

Die Vorteile für die Entwickler:

• Die Erstellung von Welten, Quests und Level stellen den weitaus größten Arbeitsaufwand dar -- der durch generative KI wesentlich erleichtert wird. Somit können auch kleine Teams AAA-Spiele entwickeln.
• NPCs (Nichtspielercharaktäre) erhalten mit KI ein eigenes Gedächnis, führen situative Dialoge durch und besitzen eine konsistente Persönlichkeit.
• KI-Stimmen machen massenhaft vertonte Dialoge und Lokalisierungen billiger.

Wie bei Musik und Film dürfte die niedrige Kostenschwelle in Zukunft zu einer Flut an billig generierten Games führen.

Den Spielestudios droht durch KI jedoch eine ganz andere, potenziell existenzielle Gefahr: Die vollständige Entwicklung von Games durch künstliche Intelligenz -- nahezu ohne menschliche Beteiligung. Googles Project Genie etwa generiert aus einem einfachen Textprompt eine interaktive Spielewelt, durch die man sich wie in einem echten Game bewegen kann. Noch handelt es sich um eine reine Tech-Demo, die aus Kostengründen auf rund 60 Sekunden Spielzeit begrenzt ist.

Lesen Sie hier weiter: KI-Praxisbeispiele