Was ist künstliche Intelligenz?

Künstliche Intelligenz (KI) bezeichnet Computersysteme, die Aufgaben lösen, für die bisher menschliches Urteilsvermögen nötig war: Sprache verstehen, Bilder erkennen, Muster in Daten finden, Texte formulieren oder Entscheidungen vorbereiten. Heutige KI lernt diese Fähigkeiten aus Beispieldaten, statt jede Regel einzeln von einem Menschen programmiert zu bekommen.

Kaum ein Begriff wird so großzügig verwendet. Mal ist damit ein Chatfenster gemeint, mal eine Prognose im Warenwirtschaftssystem, mal eine Kamera am Fließband. Dieser Artikel sortiert, was hinter dem Wort steckt und woran Sie erkennen, ob KI für eine Aufgabe in Ihrem Betrieb passt.

Was mit künstlicher Intelligenz gemeint ist

Der Begriff geht auf eine Forschungskonferenz in Dartmouth im Sommer 1956 zurück. Die Teilnehmer wollten herausfinden, wie Maschinen Sprache nutzen, Probleme lösen und aus Erfahrung lernen können. Von diesem Ziel ist die Praxis bis heute weit entfernt. Was wir im Alltag „KI“ nennen, ist fast immer schwache oder spezialisierte KI: ein System, das eine bestimmte Art von Aufgabe sehr gut erledigt, aber kein Verständnis der Welt besitzt.

Eine Maschine, die wie ein Mensch beliebige Probleme versteht und löst, wird als allgemeine oder starke KI bezeichnet. Sie existiert nicht. Wenn Ihnen ein Anbieter ein System verkauft, das „alles kann“, lohnt sich deshalb die Rückfrage: Welche Aufgabe genau, mit welchen Daten, mit welcher Fehlerquote?

Wie KI funktioniert: von Regeln zu Mustern

Frühe KI-Systeme bestanden aus Regeln, die Fachleute von Hand aufschrieben: „Wenn Temperatur über X und Druck unter Y, dann Alarm.“ Das funktioniert, solange die Welt überschaubar bleibt. Bei Sprache oder Bildern scheitert es, weil sich die Regeln nicht vollständig aufschreiben lassen.

Moderne KI geht den umgekehrten Weg. Sie bekommt viele Beispiele und leitet die Regeln selbst ab – das ist Machine Learning. Zeigt man einem System genug Rechnungen mit markiertem Rechnungsbetrag, findet es den Betrag bald auch auf Rechnungen, die es nie gesehen hat. Für Bilder, Sprache und Texte kommen dabei meist neuronale Netze zum Einsatz, die in vielen Schichten arbeiten. Diese Variante heißt Deep Learning.

Der jüngste Schritt ist generative KI: Systeme, die über das Erkennen und Einordnen hinausgehen und neue Inhalte erzeugen – Texte, Bilder, Programmcode. Bekanntestes Beispiel sind große Sprachmodelle wie das hinter ChatGPT.

Die wichtigsten Teilgebiete im Überblick

In der Praxis greifen die Teilgebiete ineinander. Ein System, das Lieferscheine liest, kombiniert Texterkennung, Sprachverarbeitung und oft ein Sprachmodell, das die Werte prüft.

Beispiele aus dem Mittelstand

• Metallbau: Anfragen kommen per E-Mail mit Zeichnungen im Anhang. Die KI liest Maße und Material heraus und legt einen Vorgang im ERP an, den der Kalkulator nur noch prüft.
• Großhandel: Aus den Absatzzahlen der letzten Jahre und saisonalen Mustern entsteht eine Bestellempfehlung pro Artikel. Der Einkauf entscheidet, die Vorarbeit übernimmt die Maschine.
• Hausverwaltung: Mieteranliegen werden nach Dringlichkeit sortiert; ein Wasserschaden landet nicht mehr unter zwanzig Fragen zur Nebenkostenabrechnung.
• Steuerbüro und Buchhaltung: Belege werden aus Fotos und PDFs gelesen, Konten vorgeschlagen, Abweichungen markiert.

Allen Beispielen gemeinsam: Die KI übernimmt Lesen, Sortieren und Vorformulieren. Die Entscheidung bleibt bei einem Menschen, der den Fall kennt.

KI oder klassische Automatisierung?

Nicht jede Automatisierung braucht KI. Wenn eine Aufgabe festen Regeln folgt – „jeden Montag die offenen Posten exportieren und an die Geschäftsführung senden“ –, reicht ein fest definierter Workflow oder eine RPA-Lösung. Sie ist günstiger, schneller und liefert jedes Mal dasselbe Ergebnis.

KI lohnt sich dort, wo Eingaben unstrukturiert sind oder Ermessen gefragt ist: Freitext in E-Mails, unterschiedliche Rechnungslayouts, Fotos von Schäden. Die meisten guten Lösungen verbinden beides – feste Regeln für den Ablauf, KI für die Stellen, an denen gelesen und eingeordnet werden muss.

Grenzen und Pflichten

• Fehler sind eingebaut. KI arbeitet mit Wahrscheinlichkeiten. Sprachmodelle können überzeugend klingende Falschaussagen erzeugen, die sogenannte KI-Halluzination. Wichtige Ergebnisse brauchen eine Prüfung.
• Daten entscheiden. Ein System, das mit unvollständigen oder veralteten Daten lernt, wiederholt deren Fehler zuverlässig.
• Recht gilt auch hier. Personenbezogene Daten unterliegen der DSGVO. Der EU AI Act ordnet KI-Systeme nach Risiko ein und verpflichtet Unternehmen, die KI einsetzen, für ausreichende KI-Kompetenz ihrer Mitarbeitenden zu sorgen.
• Verantwortung bleibt. Eine Maschine kann nicht haften. Wer KI einsetzt, legt fest, wer Ergebnisse prüft und freigibt.

In der Praxis: mit einem Prozess anfangen

Der häufigste Fehler beim Einstieg ist, mit der Technik zu beginnen statt mit dem Ablauf. Bei der KI-Einführung suchen wir deshalb zuerst den Prozess, der heute die meiste Handarbeit kostet, und bauen dafür eine Lösung, die nach 14 Tagen ein erstes Ergebnis zeigt. Wenn Sie noch nicht wissen, wo Sie ansetzen sollen, klärt der Digitalisierungs-Check, welcher Ablauf zuerst dran ist. Was eine Einführung typischerweise kostet, beschreibt der Beitrag KI-Einführung: Kosten.

Häufige Fragen

Was ist künstliche Intelligenz einfach erklärt?

Software, die aus Beispielen lernt, statt nur feste Anweisungen abzuarbeiten. Sie erkennt Muster in Texten, Bildern oder Zahlen und kann auf dieser Grundlage einordnen, vorhersagen oder neue Inhalte erzeugen.

Ist ChatGPT künstliche Intelligenz?

Ja. ChatGPT beruht auf einem großen Sprachmodell und gehört zur generativen KI. Es ist aber nur eine Form von KI unter vielen; Prognosesysteme oder Bilderkennung funktionieren ganz anders.

Braucht ein kleines Unternehmen eigene KI?

Selten. Meist genügt es, vorhandene Modelle an die eigenen Daten und Abläufe anzubinden. Ein eigenes Modell zu trainieren lohnt sich nur in Sonderfällen mit sehr speziellen Daten.

Ersetzt KI Arbeitsplätze?

Im Mittelstand übernimmt KI vor allem Routine wie Abtippen, Sortieren und Vorformulieren. Die gewonnene Zeit fließt in Beratung, Qualität und Kundenkontakt – vorausgesetzt, das Unternehmen plant diese Verschiebung bewusst.