Künstliche Intelligenz: Die wichtigsten Begriffe einfach erklärt

Künstliche Intelligenz ist heute überall. In Meetings. In Schulen. In Marketingabteilungen. In WhatsApp-Diskussionen mit dem einen Onkel, der plötzlich Experte für alles ist.

Alle reden über KI. Viele nicken klug. Einige googeln heimlich unter dem Tisch: «Was zur Hölle ist eigentlich ein LLM?»

Falls du dich dort wiedererkennst: Willkommen. Du bist in guter Gesellschaft. Denn das Problem ist selten fehlende Intelligenz. Das Problem ist ein Dschungel aus Begriffen, die klingen, als hätte ein Informatiker Scrabble mit einem Staubsauger gespielt.

Also bringen wir Ordnung rein: Hier sind die wichtigsten KI-Begriffe, die du wirklich verstehen solltest.

Hier die Grafik > Runterladen? Klar. Einfach auf das Bild klicken …

1. KI – Künstliche Intelligenz

KI ist der Oberbegriff.

Gemeint sind Systeme, die Aufgaben erledigen, für die normalerweise menschliche Intelligenz nötig wäre.

Zum Beispiel:

• Sprache verstehen
• Bilder erkennen
• Entscheidungen vorbereiten
• Texte schreiben
• Muster erkennen
• Probleme lösen

KI ist also kein kleiner Roboter mit roten Augen, der nachts deinen Kühlschrank bewertet. KI ist erstmal einfach ein System, das auf Basis von Daten lernt oder reagiert.

ChatGPT ist KI. Netflix-Empfehlungen auch. Dein Navi ebenfalls.
Und manchmal vermutlich auch deine Kaffeemaschine – wenn sie dich morgens mitleidig anschaut.

2. Machine Learning (ML)

Machine Learning ist ein Teilbereich der KI. Hier lernt das System aus Daten. Stell dir vor, du willst einem Computer beibringen, Katzen zu erkennen.

Früher hätte man gesagt: «Katze hat Ohren, Fell, Schnurrhaare.»
Heute zeigt man ihm einfach tausende Katzenbilder. Der Computer erkennt Muster selbst. Das ist Machine Learning.

3. Deep Learning (DL)

Deep Learning ist eine Unterform von Machine Learning. Hier arbeitet das System mit künstlichen neuronalen Netzen – also Strukturen, die grob vom menschlichen Gehirn inspiriert sind.

Diese Netze haben viele Schichten («deep»), wodurch sie sehr komplexe Muster erkennen können.

Zum Beispiel:

• Gesichtserkennung
• Sprachverarbeitung
• Bildgenerierung
• autonome Fahrzeuge

Deep Learning ist der Grund, warum dein Handy dein Gesicht erkennt, auch wenn du aussiehst wie ein überfahrenes Croissant am Montagmorgen.

4. Generative KI

Generative KI erzeugt neue Inhalte. 

Zum Beispiel Texte, Bilder, Musik, Videos, Code oder Präsentationen ChatGPT, Midjourney, DALL·E oder Suno gehören dazu.

Das ist der Moment, in dem viele Menschen entweder begeistert rufen: «Wow!» Oder panisch: «Mein Beruf ist vorbei.»

Meistens ist beides übertrieben. Generative KI ist ein Werkzeug.
Ein sehr starkes Werkzeug. Ein Hammer ersetzt auch keinen Architekten. 

5. Prompting

Ein Prompt ist deine Anweisung an die KI. Also die Frage, der Auftrag, die Richtung.

Beispiel schlecht: «Mach mal Marketing.»
Beispiel gut: «Erstelle mir 10 LinkedIn-Post-Ideen für Führungskräfte zum Thema KI und Menschlichkeit. Humorvoll, pointiert und passend für B2B.»

Merkst du den Unterschied? Der erste Prompt ist wie: «Koch was.»
Der zweite ist: «Bitte ein gutes Risotto, ohne Erbsen nach traditionellem Rezept.»

KI wird besser, wenn deine Fragen besser werden. Prompting ist deshalb Denkqualität.

6. Large Language Models (LLMs)

LLMs sind grosse Sprachmodelle. Sie wurden mit riesigen Mengen an Text trainiert und können Sprache verstehen und erzeugen.

Beispiele: GPT-4, Claude, Gemini, Llama

Sie wissen nicht wirklich etwas wie ein Mensch. Sie erkennen Wahrscheinlichkeiten in Sprache. Sie berechnen: «Welches Wort passt hier wahrscheinlich als Nächstes?» Das klingt unspektakulär. Ist aber ungefähr so, als würde jemand sagen: «Ein Flugzeug ist eigentlich nur ein sehr schneller Stuhl.» Technisch vielleicht korrekt. Emotional völlig unzureichend.

7. Chatbots

Ein Chatbot ist ein KI-System, mit dem du in natürlicher Sprache kommunizierst. Also nicht: Menü → Unterpunkt → Formular → Nervenzusammenbruch. Sondern: «Hallo, ich habe ein Problem.»

Chatbots helfen bei: Kundenservice, internen Fragen, Support, Wissensmanagement, persönlichen Assistenten

8. Agenten

KI-Agenten gehen einen Schritt weiter. Sie beantworten nicht nur Fragen. Sie handeln selbstständig.

Zum Beispiel: Termine organisieren, E-Mails vorbereiten, Recherchen durchführen, Prozesse steuern oder Entscheidungen vorbereiten.

Ein Agent ist wie ein digitaler Mitarbeiter. Im besten Fall hilfreich.

9. Automatisierung

Automatisierung bedeutet: Wiederkehrende Aufgaben werden automatisch erledigt.

Zum Beispiel: Rechnungen sortieren, E-Mails priorisieren, Leads erfassen, Social-Media-Prozesse, interne Abläufe.

Das Ziel ist, Menschen von Aufgaben zu befreien, die ungefähr so inspirierend sind wie feuchte Socken.

Mehr Zeit für Denken. Weniger Zeit für digitale Fliesbandarbeit.

10. Halluzinationen

Ja, KI halluziniert. Sie erfindet Dinge. Selbstbewusst. Elegant. Ohne rot zu werden.

Zum Beispiel: falsche Quellen, erfundene Studien, nicht existierende Zitate, komplett fantasierte Fakten.

Das Problem ist: Es klingt oft verdammt überzeugend. Wie ein Blender im Bewerbungsgespräch. Darum gilt: KI ist kein Orakel. Sie ist ein Werkzeug. Prüfen bleibt Menschenarbeit. Noch.

11. Bias

Bias bedeutet Verzerrung oder Voreingenommenheit. Wenn eine KI mit einseitigen Daten trainiert wurde, übernimmt sie diese Vorurteile.

Zum Beispiel: diskriminierende Bewerbungsprozesse, stereotype Bildgenerierung, ungerechte Entscheidungen.

KI ist nicht neutral. Sie lernt von uns. Und wenn wir schiefe Daten liefern, baut sie daraus digitale Kunstwerke des Unsinns. Garbage in, garbage out – nur in hübscherem Design.

12. Daten

Daten sind das Fundament jeder KI. Ohne Daten keine KI. Daten sind wie Zutaten beim Kochen. Schlechte Zutaten → schlechtes Ergebnis. Viele Daten → nicht automatisch gute Daten. Ein Kühlschrank voller Senf ist auch keine Gourmetküche. Qualität schlägt Menge. Immer.

13. Training

Training bedeutet: Die KI lernt aus Datensätzen. Je besser das Training, desto besser die Ergebnisse. Das ist wie bei Menschen. Nur mit weniger Kaffee und mehr Rechenleistung.
Training entscheidet darüber, ob ein Modell hilfreich, präzise und vertrauenswürdig wird. Oder ob es klingt wie ein motivierter Praktikant auf drei Energy Drinks.

14. Datenschutz

Datenschutz wird bei KI schnell unbequem. Gerade deshalb ist er wichtig.

Fragen sind zum Beispiel:

• Welche Daten werden gespeichert?
• Wer hat Zugriff?
• Wo liegen die Daten?
• Darf ich Kundendaten eingeben?
• Was passiert mit vertraulichen Informationen?

Viele Unternehmen nutzen KI begeistert wie Kinder einen Flammenwerfer. Spannend. Aber strategisch eher fragwürdig.

Datenschutz ist kein Bürokratie-Hobby. Er ist Vertrauensschutz.

15. Ethik

Ethik fragt: Was sollten wir tun – nicht nur, was wir tun können?

Zum Beispiel:

• Wo darf KI entscheiden?
• Wo muss ein Mensch entscheiden?
• Was ist fair?
• Was ist verantwortungsvoll?
• Was darf niemals automatisiert werden?

Nur weil KI etwas kann, heisst das nicht, dass sie es sollte. Ein Kind könnte auch mit Nutella die Wohnzimmerwand renovieren. Technisch möglich. Moralisch diskutabel.