Auch wenn heute in aller Munde ist der Begriff Künstliche Intelligenz dabei alles andere als neu. Bereits 1956 prägte der US-amerikanische Informatiker John McCarthy den KI-Begriff. Schon 1950 entwickelte der britische Mathematiker und Informatiker Alan Turing einen gleichnamigen Test zur Ermittlung, ob ein Computer/eine Maschine über menschengleiches Denkvermögen verfügt.

Welche Arten von KI gibt es? Es gibt unterschiedliche Arten von KI-Systemen. Eine zentrale Unterscheidung ist folgende:

Schwache KI (auch Narrow AI)

Anwendungen, die auf die Ausführung ganz bestimmter Aufgaben ausgerichtet sind. Das Adjektiv „schwach“ ist dabei in vielen Fällen auch irreführend. Narrow, wörtlich übersetzt „schmal“, trifft es dagegen besser. Die deutliche Mehrzahl der KI-Anwendungen, die heute unseren Alltag prägen, sind eben jene schmalen KI-Anwendungen, die auf ein ganz spezifisches Aufgabenfeld fokussiert sind. Beispiele hierfür sind Chatbots wie ChatGPT, Sprachassistenten wie Siri oder Alexa oder autonome Fahrzeuge. KI-Systeme also, die im Vergleich zum universellen Charakter starker KI schwach sind, aber in ihren konkreten Anwendungsfeldern ihren Stärken haben.

Starke KI

Diese Form der KI umfasst Systeme, die über eine Intelligenz verfügen, die mit dem Menschen vergleichbar ist. Ein starke KI kann eigenständig Aufgaben erkennen, definieren und hierfür selbständig Wissen aufbauen. Bei Problemstellungen findet sie auch Lösungen, die neu bzw. kreativ sein können. Systeme, die sich als starke KI klassifizieren lassen können, existieren bislang nur in der Theorie.

Künstliche Superintelligenz

Während die schwache KI der menschlichen Intelligenz unterlegen und die starke KI gleichwertig ist, beschreibt die Superintelligenz eine KI-Form, die die Leistungsfähigkeit des menschlichen Gehirns sogar übertrifft. Noch mehr als die starke KI ist diese Form heute noch Theorie.

Welche KI-Teildisziplinen gibt es?

Unter dem Oberbegriff Künstliche Intelligenz haben sich im Zeitverlauf unter anderem folgende Teildisziplinen gebildet:

• Machine Learning
  Computer, besser Algorithmen, lernen, Muster und Zusammenhänge in den Daten zu erkennen – zum Beispiel für Vorhersagen oder die Automatisierung von Aufgaben.
  
• Deep Learning
  Spezielle Form des Machine Learnings mit Fokus auf künstliche neuronale Netzwerke, die in der Lage sind, komplexe Muster in großen Datenmengen zu erkennen. Das Vorbild sind natürliche neuronale Netze – also die Vernetzung in Nervensystemen von Lebewesen.
  
• Computer Vision
  Dieser Bereich beschäftigt sich mit der Verarbeitung von visuellen Informationen wie Bildern oder Videos – zum Beispiel um Objekte zu erkennen.
  
• Robotik
  Integration von Künstlicher Intelligenz in Roboter, um diesen die Lösung komplexer Aufgaben durch die Verleihung kognitive Fähigkeiten zu ermöglichen.
  
• Expertensysteme
  Diese Systeme, wie zum Beispiel Chatbots, unterstützen menschliche Expertinnen und Experten durch die Ableitung von Handlungsempfehlungen aus einer Wissensbasis.

Welche Ausprägungen von KI gibt es?

Künstliche Intelligenz taucht in vielfältigsten Ausprägungen in unserem (Arbeits)alltag auf. In Form von Softwarelösungen, wie virtuellen Assistenten oder Suchmaschinen oder eingebettet in Robotern oder autonomen Fahrzeugen. Stellenwert und Relevanz von Künstlicher Intelligenz nehmen angetrieben durch eine enorm wachsende Datenmenge und den technologischen Fortschritt stetig zu und sorgen schon heute für disruptive Veränderungen.

Für einen sinnstiftenden Einsatz gilt es KI immer im Kontext ethischer und gesellschaftlicher Fragestellungen zu betrachten. Diese reichen vom Datenschutz bis zur Vermeidung der Diskriminierung einzelner Personengruppen durch KI-Anwendungen. Ein wichtiger rechtlicher Wegweiser für die Zukunft von KI kann der europäische AI Act werden. Das Gesetz zur Künstlichen Intelligenz ist eine von zahlreichen Initiativen zur Regulierung der Entwicklung und des Einsatzes von Künstlicher Intelligenz.