Was ist SI und wie lässt sie sich nutzen?
Autor: Redaktion Domeny.ForSale Veröffentlicht
Kurz erklärt: SI steht für den polnischen Begriff „sztuczna inteligencja“, auf Deutsch „künstliche Intelligenz“. Gemeint sind Computersysteme, die Aufgaben wie Bilderkennung, Sprachverarbeitung oder datenbasierte Vorhersagen übernehmen. Die englische Abkürzung AI bezeichnet dasselbe. SI muss dabei nicht wie ein Mensch denken oder die Welt verstehen, und ihre Ergebnisse können falsch sein. Außerhalb des technologischen Kontexts steht die Abkürzung SI auch für das Internationale Einheitensystem, zu dem unter anderem Meter, Kilogramm und Sekunde gehören.
Was unterscheidet künstliche Intelligenz von einem gewöhnlichen Programm?
Ein herkömmliches Programm führt Anweisungen aus, die ein Programmierer festgelegt hat. Beispielsweise berechnet es einen Rabatt, sobald der Warenkorb einen bestimmten Wert überschreitet. Ein System mit SI kann dagegen Merkmale von Daten analysieren und darauf aufbauend Muster erkennen, Informationen klassifizieren oder eine Antwort vorschlagen. Die Grenze ist nicht immer eindeutig: Eine Anwendung verbindet häufig herkömmliche Regeln mit Modellen künstlicher Intelligenz.
Stellen Sie sich einen E-Mail-Filter vor. Eine einfache Regel verschiebt jede Nachricht mit einem bestimmten Wort in den Spamordner. Ein Filter mit SI kann viele Merkmale gleichzeitig berücksichtigen, etwa den Inhalt, den Aufbau der Nachricht und ihre Ähnlichkeit mit früheren Spamnachrichten. So kann er unerwünschte Nachrichten auch ohne dieses bestimmte Wort erkennen, aber ebenso versehentlich eine wichtige E-Mail abfangen.
Nicht jede Automatisierung ist künstliche Intelligenz. Für eine Erinnerung an die Fälligkeit einer Rechnung ist keine SI nötig. Beim Erkennen von Daten auf einem Foto dieser Rechnung kann sie dagegen zum Einsatz kommen.
Wie funktioniert SI und was bedeutet das Training eines Modells?
Viele heutige Systeme mit SI nutzen maschinelles Lernen. Dabei wird das Verhalten eines Systems anhand von Daten angepasst, statt jede Regel von Hand festzulegen. Das Modell, das in diesem Prozess entsteht, ist ein mathematischer Mechanismus, der Eingabedaten in ein Ergebnis umwandelt – beispielsweise ein Foto in die Bezeichnung des darauf sichtbaren Gegenstands.
Während des Trainings analysiert das Modell Beispiele. Seine Parameter werden so angepasst, dass sich die Ergebnisse nach einem festgelegten Kriterium verbessern. Anschließend nutzt es die erlernten Zusammenhänge, um neue Daten zu verarbeiten. Die Qualität der Antworten hängt unter anderem von den Trainingsdaten, dem Aufbau des Modells und davon ab, ob die Aufgabe den Situationen ähnelt, auf die das Modell vorbereitet wurde.
Deep Learning, auf Deutsch „tiefes Lernen“, ist ein Teilbereich des maschinellen Lernens, der mehrschichtige neuronale Netze nutzt. Trotz ihres Namens sind neuronale Netze keine digitalen menschlichen Gehirne. Es handelt sich um Rechenstrukturen, die Informationen über aufeinanderfolgende Schichten verarbeiten.
Die bloße Nutzung eines Werkzeugs bedeutet nicht, dass das Modell fortlaufend aus jedem Gespräch lernt. Ob der Anbieter eingegebene Daten speichert und für weiteres Training verwendet, hängt vom Dienst, den Einstellungen und den Bedingungen des Kontos ab. Prüfen Sie diese Regeln in der offiziellen Dokumentation und der Datenschutzerklärung des Anbieters.
Wozu dient SI außer für Gespräche mit einem Chatbot?
Ein Chatbot ist nur eine Möglichkeit, künstliche Intelligenz zu nutzen. SI kann im Hintergrund einer Anwendung arbeiten, ohne ein Gespräch mit dem Nutzer zu führen.
| Anwendung | Was das System macht | Worauf zu achten ist |
|---|---|---|
| Spracherkennung | Wandelt eine Aufnahme in Text um | Kann Nachnamen, Zahlen und Fachbegriffe falsch wiedergeben |
| Empfehlungen | Wählt Produkte oder Inhalte anhand vermuteter Vorlieben aus | Die Vorschläge müssen nicht die beste Wahl für den Empfänger sein |
| Erkennung ungewöhnlicher Ereignisse | Markiert Transaktionen oder Verhaltensweisen, die vom üblichen Muster abweichen | Ein ungewöhnliches Ereignis bedeutet nicht immer Betrug |
| Dokumentenanalyse | Klassifiziert Inhalte und extrahiert Informationen | Kann einen Vorbehalt übersehen oder eine Tabelle falsch lesen |
Generative SI erstellt neue Inhalte, beispielsweise Texte, Bilder, Audio oder Code. Ein großes Sprachmodell, häufig mit LLM abgekürzt, erzeugt Text, indem es anhand des Kontexts die nächsten Textabschnitte vorhersagt. Es kann beim Formulieren von Nachrichten oder beim Erklären von Begriffen helfen. Der Erzeugungsmechanismus allein garantiert jedoch nicht, dass die Antworten wahr sind.
Warum kann SI überzeugend falschliegen?
Eine flüssig formulierte Aussage beweist weder, dass die zugrunde liegenden Überlegungen korrekt sind, noch dass eine verlässliche Quelle vorliegt. Ein Modell kann ein nicht existierendes Zitat, ein falsches Datum oder die Beschreibung einer Funktion erzeugen, die der betreffende Dienst gar nicht bietet. Solche scheinbar glaubwürdigen, aber sachlich falschen Ergebnisse werden häufig als Halluzinationen bezeichnet.
Ein System kann auch Vorurteile aus den Daten übernehmen oder bei Beispielen schlechter funktionieren, die im Training kaum vertreten waren. Gute Ergebnisse bei einer Aufgabe bedeuten nicht, dass das System bei jeder anderen Aufgabe ähnlich gut abschneidet. Ein Werkzeug, das den Stil eines Textes gekonnt verbessert, muss einen Vertrag nicht korrekt auslegen können.
Nicht jeder Chatbot hat Internetzugang, und auch der Zugriff auf eine Suchmaschine verhindert keine Fehler. Aktuelle Preise, Vorschriften und Leistungsmerkmale von Diensten müssen anhand von Primärquellen überprüft werden. Bei medizinischen, rechtlichen oder finanziellen Entscheidungen kann eine Antwort von SI als Hilfsmaterial dienen. Sie ersetzt aber nicht die Einschätzung einer entsprechenden Fachperson, die die individuelle Situation berücksichtigt.
Wie beginnt man, SI sinnvoll zu nutzen?
Wählen Sie für den ersten Versuch eine Aufgabe, deren Ergebnis Sie selbst beurteilen können. Bitten Sie nicht gleich um eine fertige Unternehmensstrategie, sondern darum, Ihre eigene Produktbeschreibung zu kürzen, ohne die Fakten zu verändern.
- Legen Sie Ziel und Grenzen fest. Zum Beispiel: „Kürze die Beschreibung auf 100 Wörter. Ergänze keine Produkteigenschaften, die nicht im Text stehen.“
- Entfernen Sie vertrauliche Daten. Fügen Sie keine Passwörter, Kundendaten oder Unternehmensdokumente ein, ohne zuvor die Regeln für die Nutzung des Werkzeugs zu prüfen.
- Vergleichen Sie das Ergebnis mit dem Original. Prüfen Sie insbesondere Zahlen, Namen, Versprechen und ausgelassene Vorbehalte.
- Geben Sie das Ergebnis vor der Verwendung frei. Veröffentlichen oder versenden Sie es nicht automatisch, nur weil es professionell klingt.
Beginnen Sie mit einem kurzen Text und prüfen Sie, ob die beim Überarbeiten gesparte Zeit größer ist als der Aufwand für die Kontrolle der Antwort.
Siehe auch: Was passiert, wenn eine Domain abläuft?
Lesen Sie auch
