Was genau ist KI? – von Machine Learning bis zu LLMs

Was ist Künstliche Intelligenz • Grafik: plusmeta GmbH, Viktoria Kurpas/Shutterstock.com

Künstliche Intelligenz ist längst kein reines Zukunftsthema mehr, sondern ein fester Bestandteil unseres Alltags. Ob in Sprachassistenten, Empfehlungssystemen oder bei ChatGPT, überall begegnen wir Anwendungen, die auf KI basieren. Doch ist das alles wirklich “intelligent? Und wie hängen Begriffe wie Maschinelles Lernen und Large Language Models (LLMs) zusammen?

Was ist Künstliche Intelligenz?

Unter Künstliche Intelligenz (KI) versteht man Methoden, die es Computern ermöglichen, Aufgaben zu lösen, die normalerweise menschliche Intelligenz erfordern. KI ist damit ein Teilgebiet der Informatik, das typischerweise darauf abzielt, eine menschenähnliche Intelligenz nachzubilden.

Unter „Intelligenz“ versteht man dabei die Fähigkeit, in der eigenen Umgebung angemessen und vorausschauend zu agieren, also Sinneseindrücke wahrzunehmen, Informationen zu verarbeiten und als Wissen zu speichern, Sprache zu verstehen und zu erzeugen, Probleme zu lösen und Ziele zu erreichen.

Allerdings gibt es bis heute keine einheitliche Definition von KI. Stattdessen werden bestimmte Kriterien herangezogen, die ein System erfüllen sollte, um als KI zu gelten:

• Lernen aus Beispielen und Verallgemeinerung
• Anpassung an neue Umstände und kontinuierliches Lernen
• Erkennung und Verarbeitung von Mustern in Daten
• Autonomes Handeln und eigenständige Problemlösung
• Verarbeitung und Verständnis natürlicher Sprache

Anhand dieser Merkmale lassen sich LLMs weitgehend als Formen von KI einordnen, auch wenn sie derzeit noch nicht kontinuierlich lernen können

Mit der Zeit haben sich verschiedene Teildisziplinen der KI herausgebildet: von der Mustererkennung, Sprach- und Handschrifterkennung über maschinelles Lernen bis hin zu künstlichen neuronalen Netzen und Deep Learning.

In der öffentlichen Diskussion wird KI häufig mit „Maschinellem Lernen“ gleichgesetzt. Tatsächlich ist maschinelles Lernen jedoch nur ein Teilbereich der KI.

Maschinelles Lernen – der Motor moderner KI

Während KI auch einfache, regelbasierte Verfahren umfasst, bei denen Ergebnisse durch feste Vorgaben erzeugt werden, geht das Maschinelle Lernen (Machine Learning) einen entscheidenden Schritt weiter: Modelle werden anhand von Daten trainiert und erkennen Muster, ohne dass explizite Regeln vorgegeben sind. So können sie auch neue, unbekannte Daten korrekt verarbeiten und Entscheidungen ableiten.

Übersicht Künstliche Intelligenz • Grafik: plusmeta GmbH

Deep Learning – Lernen mit künstlichen Neuronen

Eine besondere Form des Maschinellen Lernens ist das Deep Learning. Dabei kommen künstliche neuronale Netze zum Einsatz, die grob an der Struktur des menschlichen Gehirns orientiert sind und aus vielen Schichten bestehen.

Deep Learning eignet sich besonders für die Analyse komplexer, unstrukturierter Daten, etwa bei Bildern, Sprache oder Videos.

Der große Unterschied zu klassischen ML-Ansätzen: Deep-Learning-Modelle können relevante Merkmale automatisch aus den Daten ableiten, während traditionelle Modelle diese Merkmale noch manuell benötigen.

Der Unterschied zwischen konventionellen Maschine Learning und Deep Learning • Grafik: plusmeta GmbH in Anlehnung an Aporras

NLP – Wenn Maschinen Sprache verstehen

Die Verarbeitung natürlicher Sprache ist eine zentrale Voraussetzung für menschen-ähnliche Interaktionen zwischen Mensch und Maschine. Natural Language Processing (NLP) ist ein Teilbereich der KI, der sich mit dem Verständnis, Interpretation und Generierung natürlicher Sprache befasst. Die Anwendungsmöglichkeiten reichen von der automatisierten Textanalyse, über die Spracherkennung bis hin zur Sprachsynthese und maschinellen Übersetzung.

NLP gliedert sich in zwei zentrale Bereiche:

• Natural Language Understanding (NLU): Verstehen von Bedeutung und Struktur eines Textes.

• Natural Language Generation (NLG): Generierung von kohärenten, sinnvollen Texten.

Durch Fortschritte im Machine Learning hat NLP in den letzten Jahren einen enormen Sprung gemacht – der direkte Wegbereiter für moderne Sprachmodelle wie ChatGPT.

Herausforderungen bei der Erstellung Digitaler Zwillinge • Grafik: plusmeta GmbH

LLMs – das Herz moderner KI-Dialoge

Large Language Models (LLMs) sind spezialisierte Anwendungen im Bereich NLP. Sie basieren auf neuronalen Netzen, die Sprache im Kontext verstehen und erzeugen können.

Ihre Grundlage sind sie statistische Verfahren: Das Modell berechnet die Wahrscheinlichkeit für das nächste Wort oder Satzteil. Je kohärenter ein Satz, desto höher die Wahrscheinlichkeit.

Der große Durchbruch kam mit der Transformer-Architektur (z. B. bei OpenAIs GPT-Modellen). Deren Herzstück ist der sogenannte Attention-Mechanismus, der es erlaubt, jedes Wort im Zusammenhang mit allen anderen Wörtern einer Sequenz zu betrachten – unabhängig von der Position. Dadurch verstehen Modelle Sprache deutlich besser.

Was macht LLMs besonders?

• riesige Trainingsdatenmengen
• hohe Rechenleistung
• Fähigkeit zum logischen Schlussfolgern
• Verstehen impliziter Kontexte

Während frühere Sprachmodelle hauptsächlich Texte generierten, können moderne LLMs wie GPT-4 oder Claude 3.5 Probleme lösen, logisch argumentieren und komplexe Zusammenhänge erkennen.

Was bringt die Zukunft? Der Aufstieg der Multimodalität

Mit multimodalen Modellen entwickelt sich KI zu Systemen weiter, die unterschiedliche Datenformen, etwa Text, Bilder, Audio oder Video, gemeinsam verarbeiten und interpretieren können. Dadurch wird es möglich, Informationen aus verschiedenen Quellen in Beziehung zu setzen und komplexere Aufgaben zu lösen, die bislang nur in einzelnen Modalitäten (also z.B. nur Text oder nur Bild) bearbeitet werden konnten.

In der Praxis bedeutet dies, dass Nutzer nicht mehr auf einen Eingabe- und einen Ausgabetyp beschränkt sind. Sie können ein Modell mit einer Kombination aus Eingaben – etwa einem Bild und einer gesprochenen Frage dazu – auffordern, um eine ebenso flexible Ausgabe zu erhalten. Das Modell kann dann beispielsweise nicht nur mit Text, sondern auch mit einer gesprochenen Antwort oder einer Bildanalyse reagieren.

Dadurch entstehen neue Möglichkeiten in der Interaktion zwischen Mensch und Maschine. Multimodale Systeme können als präzisere Assistenzlösungen eingesetzt werden, die Daten nicht nur generieren, sondern auch umfassender verstehen und im jeweiligen Zusammenhang interpretieren.

plusmeta - KI in der Praxis

Mit plusmeta wird Künstliche Intelligenz einfach und praxisnah einsetzbar – individuell angepasst auf Ihre technischen Daten und spezifischen Use Cases. Mithilfe moderner KI-Methoden hebt plusmeta technische Inhalte auf das nächste Level – automatisch, schnell und sicher. Durch den Einsatz textbasierter KI-Verfahren und Wissensgraphen unterstützt plusmeta Unternehmen bei der intelligenten Verarbeitung, Strukturierung und Nutzung technischer Informationen. Ergänzend bieten unsere LLM-basierten Funktionen erweiterte Möglichkeiten, etwa bei der Konvertierung und Zusammenführung von Dokumenten, der automatischen Übersetzung oder der Synonymsuche auf Basis modernster Sprachmodelle.

Mehr zu dazu, wie plusmeta KI einsetzt: Erfahren Sie hier

Quellen

• Aporras (2019): What is the difference between Deep Learning and Machine Learning? (https://quantdare.com/what-is-the-difference-between-deep-learning-and-machine-learning/)
• Stricker, Hans-Peter (2024): Sprachmodelle verstehen : Chatbots und generative künstliche Intelligenz im Zusammenhang. Berlin : Springer
• Helmold, Marc (2024): Erfolgreiche Transformation zum digitalen Champion : Wettbe-werbsvorteile durch Digitalisierung und Künstliche Intelligenz. Wiesbaden : Springer Fachmedien
• Kurpicz-Briki, Mascha (2024): Mehr als ein Chatbot: Die Entmystifizierung der Sprachmodelle. Cham : Springer Nature Switzerland.
• Fraunhofer IESE (o. J. a): „Deep Learning (DL) und große Sprachmodelle (LLM)“. (https://www.iese.fraunhofer.de/de/trend/kuenstliche-intelligenz/deep-learn-ing.html)
• Fraunhofer IESE (o. J. b): „Maschinelles Lernen (Machine Learning)“. (https://www.iese.fraunhofer.de/de/trend/kuenstliche-intelligenz/maschinelles-lernen.html)