Nein, KI ist nicht empfindungsfähig – und das ist auch gut so
- Dr.-Ing. Jérôme Rutinowski
- vor 13 Minuten
- 5 Min. Lesezeit
KI: Eine neue Lebensform oder nur ein Zufallsprodukt?
Künstliche Intelligenz – das Thema, über das derzeit scheinbar jeder spricht. Die Menschen sehen in dieser scheinbar neuartigen Technologie einen Hoffnungsschimmer und glauben, dass sie eines Tages alle Probleme der Menschheit lösen wird. Gleichzeitig behaupten große und kleine Unternehmen – manchmal auch unaufrichtig –, dass ihre Produkte KI nutzen, durch KI verbessert wurden oder schlichtweg selbst KI sind. Die Medien verstärken diesen Trend noch durch falsch informierte Presseartikel und Kommentare, sowohl von etablierten Medien als auch von einflussreichen Online-Persönlichkeiten. Es gibt Gerüchte, dass Aktienbewertungen durch den KI-Hype aufgebläht sind, und die Diskussionen über das Platzen einer Blase nehmen immer mehr zu. Andere sehen KI als Bedrohung für unsere Existenz an – im besten Fall als Ursache für weit verbreitete Arbeitslosigkeit, im schlimmsten Fall als Ursache für das Aussterben der Menschheit. Und all das von einem Chatbot aus dem Jahr 2022.
Aber wie sind wir hierher gekommen?
„Ich bin der Überzeugung, dass biologisches, intelligentes Leben im Grunde genommen einer Raupe gleicht, die sich einen Kokon spinnt. Und aus diesem Kokon wird künstliches Leben, digitales Leben entstehen. Es wird eine neue Lebensform hervorbringen.“ – Joe Rogan
Eine kurze Geschichte der KI
Lässt man fiktionale Vorstellungen wie den aus der griechischen Mythologie stammenden Automaten Talos außer Acht, beginnt die Geschichte der KI wohl im 20. Jahrhundert. Die erste offizielle Verwendung des Begriffs wird allgemein dem Dartmouth-Sommerforschungsprojekt zur Künstlichen Intelligenz von 1956 in New Hampshire zugeschrieben. Zuvor hatten zwei wichtige Meilensteine den Grundstein gelegt: das McCulloch-Pitts-Neuron (1943), das ein künstliches Neuron beschreibt, das entweder aktiviert ist oder nicht – die Grundlage moderner neuronaler Netze –, und Alan Turings berühmter Turing-Test (1950), bei dem die Frage gestellt wurde, ob eine Maschine so überzeugend mit einem Menschen kommunizieren könne, dass dieser den Unterschied nicht erkennen könne.
KI erfreute sich damals großer Aufmerksamkeit, es wurden Institute gegründet und Fördermittel gesichert. Doch viele Versprechen konnten nicht eingehalten werden. Der Optimismus der Öffentlichkeit brach in den 1970er Jahren zusammen, was zu dem führte, was heute als der erste KI-Winter bekannt ist – eine Zeit, die nicht nur von Skepsis geprägt war, sondern auch von einem starken Rückgang der Fördermittel durch Einrichtungen wie DARPA.
Das war jedoch nicht das Ende. In den 1980er Jahren erlebte der Hype unter einem neuen Namen eine Wiederbelebung: Expertensysteme. Diese ahmten menschliche Entscheidungsprozesse durch algorithmische Wenn-Dann-Regeln nach, beispielsweise Entscheidungsbäume. Mit den Fortschritten in der Computerhardware zogen Expertensysteme nicht nur Forscher, sondern auch die Industrie an. Doch ihre Einsatzmöglichkeiten in realen Anwendungen blieben begrenzt, was in den 1990er Jahren den zweiten KI-Winter einläutete. Interessanterweise wurde der Begriff „KI-Winter“ selbst kurz vor diesem Einbruch geprägt – von den KI-Forschern Marvin Minsky und Roger Schank, die die Wirtschaft genau vor dem warnten, was bald geschehen würde.
Dennoch arbeiteten die Forscher weiter. In den 2000er- und 2010er-Jahren wurden bedeutende Fortschritte erzielt – still und leise. Gesteigerte Rechenleistung und riesige Datenmengen machten Konzepte wie das künstliche Neuron wieder realisierbar. IBMs Schachcomputer Deep Blue besiegte 1997 den Weltmeister Garry Kasparov. Faltungsneuronale Netze, die erstmals 1995 von Yann LeCun vorgestellt wurden, übertrafen schließlich alle traditionellen Ansätze zur Bilderkennung. Die Forschung in den Bereichen Natürliche Sprachverarbeitung und Computer Vision blühte auf und bescherte uns Gesichtserkennung, Objekterkennung für autonome Fahrzeuge und vieles mehr.
Diese Fortschritte wurden damals jedoch weder als KI wahrgenommen noch als solche vermarktet. Dann kam das Jahr 2022 und ChatGPT – und alles änderte sich.
Was KI eigentlich ist
Es gibt keine einheitliche, allgemein anerkannte Definition von künstlicher Intelligenz. Zu den gängigen Beschreibungen gehören „eine Technologie, die es Computern ermöglicht, menschliches Lernen, Verstehen, Problemlösen und Entscheiden zu simulieren“ (IBM) oder „Computersysteme, die in der Lage sind, Aufgaben auszuführen, die typischerweise menschliche Intelligenz erfordern“ (ISO). Der Begriff ist bewusst weit gefasst.
Die wichtigste Teildisziplin, die die heutige KI vorantreibt, ist das maschinelle Lernen – der Prozess, bei dem ein Modell trainiert wird, um Vorhersagen zu treffen oder Inhalte aus Daten zu generieren. Wie MIT-Professorin Sara Brown es ausdrückt: Maschinelles Lernen verleiht Computern die Fähigkeit, zu lernen, ohne explizit programmiert zu werden.
Innerhalb des maschinellen Lernens nutzt Deep Learning mehrschichtige neuronale Netze, die sich autonom anhand großer Datensätze trainieren. Jede Schicht verarbeitet Eingaben auf eine vorgegebene Weise – beispielsweise reduziert eine Faltungsschicht in einem Bilderkennungsmodell ein Bild auf seine wichtigsten Merkmale: Kanten, Formen, Muster. Das Modell stellt zunächst Vermutungen an, misst seine eigene Genauigkeit und passt seine internen Parameter entsprechend an.
Im Laufe zahlreicher Iterationen lernt es dazu. Ist ein Modell einmal trainiert, kann es seine Fähigkeiten auf ähnliche Aufgaben übertragen, ohne dass dafür viele zusätzliche Daten benötigt werden – daher der Name „Generative Pre-trained Transformer“ (GPT).
Das ist beeindruckend. Aber es ist keine Intelligenz.
Bei den ausgefeiltesten Modellen – den Transformern, die ChatGPT, Claude, Gemini und andere antreiben – besteht die Kernaufgabe schlicht darin, das nächste wahrscheinlichste Wort in einem Satz vorherzusagen.
Das war’s. Das Ziel ist es, so menschlich wie möglich zu klingen.
Warum Menschen glauben, dass KI intelligent ist
Deep-Learning-Modelle sind Vorhersagemodelle. Der Philosoph John Searle veranschaulichte mit seinem berühmten „Chinesischen-Zimmer-Experiment“ (1980), warum dies nicht gleichbedeutend mit Verständnis ist: Stellen Sie sich eine Maschine vor, die chinesische Schriftzeichen als Eingabe erhält, Schritt-für-Schritt-Regeln befolgt und korrekte chinesische Ausgaben erzeugt – ohne auch nur ein einziges Schriftzeichen zu verstehen. Searle argumentierte, dass Rechenleistung allein keine echte Intelligenz oder kein Bewusstsein ausmacht.
Warum glauben dann so viele Menschen, dass KI intelligent ist? Ich glaube, die Antwort lässt sich in drei Punkten zusammenfassen.
Erstens wirkt ein Chatbot einfach menschlicher als eine Schach-Engine oder ein Bildklassifikator. Sprache ist das Mittel, mit dem wir mit anderen Menschen in Verbindung treten. Wenn eine KI in einem natürlichen, flüssigen Gespräch mit Ihnen spricht – zunehmend mit einer überzeugenden Stimme –, löst dies dieselben Instinkte aus, die wir nutzen, um mit anderen Menschen in Beziehung zu treten.
Zweitens ist KI komplex, mathematisch anspruchsvoll und von Natur aus undurchsichtig. Selbst für viele Forscher sind die Modelle „Black Boxes“. Und das Wort „Intelligenz“ steckt buchstäblich im Namen. Es ist nur logisch, dass Menschen, die mit diesem Gebiet nicht vertraut sind, davon ausgehen, dass das Ergebnis intelligent sein muss.
Drittens – und das war der Hauptanlass für diesen Artikel – ist der Begriff KI schlichtweg ein großartiges Verkaufsargument. Er klingt beeindruckend und bedeutet genau das, was man darunter verstehen will. Tech-Unternehmen haben dies bewusst ausgenutzt, weil es ihre Produkte attraktiver macht. Das Ergebnis: Menschen nutzen große Sprachmodelle für politische Ratschläge, medizinische Entscheidungen oder emotionale Unterstützung – als wären sie objektive Autoritäten. Das sind sie jedoch nicht. Und Forscher, die es besser wissen, werden oft finanziell davon abgehalten, dies öffentlich zu sagen.
Wie geht es nun weiter?
KI ist kein Zufallsprodukt. Sie hat zwei „Winter“ überstanden und wird uns noch Jahrzehnte lang begleiten. Die Fortschritte der letzten Jahre sind real und bemerkenswert.
Doch während KI immer mehr zum Alltag wird, brauchen wir dringend ein besseres Verständnis in der Öffentlichkeit dafür, was sie tatsächlich ist – und was sie nicht ist. Große Sprachmodelle sind fehlbar, nicht objektiv. Sie sind weder bewusst noch allwissend. Was sie liefern, ist eine Vorhersage, nicht die Wahrheit.
Das ist nicht entmutigend – es ist beruhigend. Es bedeutet, dass wir als Menschen unverzichtbar bleiben. Die dystopischen Visionen der KI-Kritiker stehen nicht unmittelbar bevor. Wir sollten diese Modelle als das betrachten, was sie sind: leistungsstarke Werkzeuge, die sich hervorragend als Übersetzer, Schreibassistenten oder Programmierhilfen eignen.
Aber letztendlich sind sie vorerst genau das – eine ausgefeilte Simulation von Intelligenz. Nicht mehr. Nicht weniger.
Originalbeitrag
Dieser Artikel basiert auf einer wissenschaftlichen Arbeit des Autors.
About the author
Dr.-Ing. Jérôme Rutinowski ist Wissenschaftler an der Technischen Universität Dortmund, wo er als Leiter des Bereichs Forschung und Betrieb am Lehrstuhl für Förder- und Lagertechnik tätig ist. Er ist promovierter Maschinenbauingenieur und Mitglied des Lamarr-Instituts für Maschinelles Lernen und Künstliche Intelligenz – eines der führenden KI-Forschungszentren Deutschlands. Seine Forschungsschwerpunkte sind Deep Learning, Computer Vision und die Vertrauenswürdigkeit von KI-Systemen.
Kommentare