zukunft bildung Künstliche Intelligenz: eine Annäherung Selbst für Expert:innen ist es nicht einfach zu definieren, was KI ist. Einen breit genutz- ten Vorschlag formulierte Elaine Rich bereits 1983: „KI ist die Wissenschaft, die der Frage nachgeht, wie man Computer dazu bringen kann, Dinge zu tun, die Menschen im Moment noch besser können.“ Aus diesem Definitions- ansatz lassen sich drei wesentliche Feststel- lungen ableiten: Während der Landecomputer der Apollo-Mission der ersten Mond- landung ungefähr so leistungsstark wie die erste Spielekonso- le von Nintendo aus dem Jahr 1983 war, haben schon moderne Haushaltscomputer die mehr als 2000-fache Rechenleistung. KI ist die Wissenschaft, die … Erstens handelt es sich bei künstlicher Intel- ligenz um ein Forschungsgebiet innerhalb der Informatik und verwandten Feldern wie der Mathematik – und nicht etwa um eine Bezeichnung für einen konkreten Chatbot oder ein digitales Werkzeug. Wenn Computer Verfahren dieses Forschungsgebiets nutzen, sprechen wir in der Informatik häufig von KI- Systemen, KI-Anwendungen o. Ä. – und eben nicht von „einer künstlichen Intelligenz“ oder gar „künstlichen Intelligenzen“. In der informatischen Bildung ist uns diese Unterscheidung wichtig, um auch auf Ebene der (Fach-)Sprache einer Anthropomorphisie- rung vorzubeugen (Waite et al., 2024): Jedes (KI-)System ist stets von Menschen zu einem bestimmten Zweck gestaltet worden, den es mal mehr, mal weniger gut erfüllt – und auf den es begrenzt ist. Die kritische Reflexion menschlicher Ziele und Interessen hinter den entsprechenden Systemen sowie ihrer Limitationen ist essenziell für einen mün- digen Umgang (GI, 2025). Solche Systeme sind weiterhin modular aufgebaut und nut- zen nur für bestimmte Probleme Verfahren der KI, neben zahlreichen anderen Ansätzen der Informatik. . der Frage nachgeht, wie man Computer da- zu bringen kann, Dinge zu tun, die Menschen [.] besser können. Zweitens geht es in diesem Forschungsg ebiet weniger um künstliche Intelligenz (also Intelli- genz, die künstlich ist), sondern vielmehr da- rum, menschliche Fähigkeiten durch entspre- chende Verfahren nachzubilden, etwa Sprache zu verstehen, Bilder zu erkennen, Feedback zu geben oder allgemein Probleme zu lösen. Ziel ist es, dass Computer vergleichbare (oder gar bessere) Ergebnisse als wir Menschen auf Ba- sis unserer Intelligenz erzeugen. Obwohl bestimmte Verfahren wie künstliche neuronale Netze suggerieren, dass sich KI- Systeme an menschlichen Prozessen orientie- ren, dienen Biologie und Psychologie lediglich vereinzelt und als sehr allgemeine Inspiration und haben keine direkten Bezüge zur Umset- zung in einem Computer. Computer sind nicht intelligent, sie können nicht denken, sie simu- lieren lediglich durch ihre Ausgaben, sich in- telligent verhalten zu können – oftmals auf beeindruckende Weise, die uns solchen Sys- temen gar weitere menschliche Eigenschaf- ten wie Verständnis und Einfühlungsvermö- gen zuschreiben lassen. Dazu kommen im Feld der KI insbesondere stochastische und heuristische Ansätze zum Einsatz, mit denen sich bestimmte Probleme besser als durch andere Ansätze der Infor- matik lösen lassen (siehe z. B: Seegerer et al., 2020). Allerdings besteht in Konsequenz zumeist kein Anspruch auf Korrektheit oder Vollständigkeit und zumindest für viele die- ser Ansätze häufig keine Möglichkeit, Ausga- ben transparent nachzuvollziehen. … die Menschen im Moment noch besser kön- nen. Drittens geht aus obigem Definitionsansatz hervor, dass sich durchaus ändert, was unter künstlicher Intelligenz verstanden wird. Dies zeigt sich auch in der bewegten Geschichte der KI. Im Unterschied zu den KI-Systemen, denen wir im Alltag begegnen, besitzt das Forschungsgebiet eine sehr lange Tradition. Als Ursprung gilt gemeinhin das Dartmouth Summer Research Project on Artificial Intel- ligence im Jahr 1956, in dem auch der eng- lische Begriff (und in Folge seine bis heute umstrittene deutsche Übersetzung als künst- liche Intelligenz, s. o.) geprägt wurde. Viele der heutigen Verfahren bauen auf Ideen und Konzepten auf, die bereits in den 1950er- und 1960er-Jahren entwickelt wurden. Neben einem kurzen „KI-Sommer“ im Be- reich sogenannter wissensbasierter Ansät- ze wie Expertensystemen in den 1980er-Jah- ren konnten lange Zeit nur sehr ausgewählte praktische Anwendungen realisiert werden („KI-Winter“). Dies änderte sich spätestens mit Beginn der 2010er-Jahre (also lange vor dem Hype um generative KI) durch zwei ent- scheidende Entwicklungen. Einerseits steht inzwischen die nötige Rechenpower für vie- le der rechenintensiven KI-Verfahren zur Ver- fügung. Zum Vergleich: Während der Lan- decomputer der Apollo-Mission der ersten Mondlandung ungefähr so leistungsstark wie die erste Spielekonsole von Nintendo aus dem Jahr 1983 war, haben schon moder- ne Haushaltscomputer die mehr als 2000-fa- che Rechenleistung. Die zweite ausschlaggebende Entwicklung ist die digitale Transformation und die dar- aus resultierende Verfügbarkeit gigantischer Datenmengen. Die Erfolge der KI aus den vergangenen 15 Jahre beruhen insbesonde- re auf datenbasierten Ansätzen (maschinel- les Lernen), die umfangreiche Daten als Vo- raussetzung haben. Immer dann, wenn wir einen Social-Media-Beitrag verfassen oder liken, ein Video auf YouTube abspielen, ein Captcha beantworten, etwas online kaufen oder unsere IoT-Waschmaschine nutzen, ge- nerieren wir solche Daten, die den aktuellen KI-Sommer vorantreiben und auch die jüngs- ten Entwicklungen im Bereich generativer KI erst ermöglichen. Über diese lange Geschichte haben sich die „Dinge“, mit denen sich die KI auseinander- bildung+ schule postdigital 2 | 2025 7
Download PDF file