Algorithmen und Künstliche Intelligenz (KI) sollen überlegte Entscheidungen treffen und menschliche Fehlleistungen möglichst vermeiden. Ganz ohne Vorbehalte ist das Thema nicht: Viele wünschen sich beispielsweise eine stärkere Regulierung. Ein weiteres Problem: Viele Begrifflichkeiten rund um KI, Machine Learning und Co werden durcheinander geworfen und sorgen so für noch mehr Verwirrung und Unsicherheiten. Wir erklären daher die wichtigsten Disziplinen.

1. Künstliche Intelligenz

Künstliche Intelligenz (KI), im Englischen Artificial Intelligence (AI), ist eine empirische Disziplin und gehört zur Informatik. KI erforscht Mechanismen des intelligenten menschlichen Verhaltens. Das geschieht durch Simulationen mit Computerprogrammen. KI versetzt Maschinen in die Lage, aus Erfahrung zu lernen.

Der Begriff geht auf den US-Informatiker John McCarthy aus dem Jahr 1956 zurück. Er gebrauchte ihn bei einer Veranstaltung, auf der Programme vorgestellt wurden, die Schach und Dame spielten oder Texte interpretierten. Den Bereich "KI" gibt es also schon lange. Er erfuhr in den vergangenen Jahren aber durch größere Datenmengen, höher entwickelte Algorithmen und Verbesserungen bei Rechenleistung und Datenspeicherung zunehmend an Bedeutung.

Die meisten heute geläufigen Beispiele für Künstliche Intelligenz, egal ob Schach spielende Computer oder selbstfahrende Autos, basieren auf Teildisziplinen der KI, etwa Deep Learning und natürliche Sprachverarbeitung.

2. Neuronale Netze

Neuronale Netze sind zunächst einmal eine Ansammlung von einzelnen Informationsverarbeitungseinheiten (Neuronen). Sie sind in Schichten zu einer Netzarchitektur angeordnet. Für die KI-Wissenschaft von elementarer Bedeutung sind künstliche neuronale Netze, die sich an biologischen, also am menschlichen Gehirn, orientieren (siehe Deep Learning).

Durch eine spezielle Anordnung und Verknüpfung der künstlichen Neuronen lassen sich Anwendungsprobleme aus Bereichen wie der Statistik, der Technik oder der Wirtschaftswissenschaften computerbasiert lösen. Künstliche neuronale Netze sind Basis für die Erfolge von Machine Learning. Der Begriff trat vor allem in den 1950er bis 1970er Jahren im Zusammenhang mit KI in Erscheinung.

3. Machine Learning

Machine Learning - maschinelles Lernen - ist eines der bekanntesten Teilgebiete der Künstlichen Intelligenz und eine Datenanalyse-Methode. Sie gewann vor allem zwischen 1980 und 2010 an Bedeutung. IT-Systeme erkennen dabei auf Basis vorhandener Datenbestände und Algorithmen Muster und Regelmäßigkeiten und entwickeln daraus dann Lösungen. Mittels Erfahrungen und eines großen Datenschatzes wird quasi künstliches Wissen generiert.

Der Mensch muss die Software dabei zunächst mit den für das Lernen relevanten Daten und Algorithmen versorgen. Er muss außerdem Regeln für die Analyse des Datenbestandes und das Erkennen der Muster aufstellen.

Beispiel: Machine-Learning-Systeme können als "Predictive-Policing-Systeme" etwa auf Basis von Einbruchsstatistiken Muster erkennen und Einbrüche prognostizieren. Es müssen jedoch ausreichend Daten vorliegen, um daraus Muster erkennen zu können.

4. Deep Learning

Deep Learning ist eine Teil-Disziplin des Machine Learnings und wird aktuell am häufigsten im Zusammenhang mit dem Begriff KI verwendet. Hinter Deep Learning steckt eine spezielle Methode der Informationsverarbeitung, Basis ist eine statistische Datenanalyse. Zum Einsatz kommen künstliche neuronale Netze, die sich an biologischen neuronalen Netzen orientieren. Sie sind in mehrere Schichten eingeteilt und arbeiten wie ein Filter. Sie simulieren dazu ein dicht verwobenes Netz aus einfachen Nervenzellen.

Mit ihnen schafft es die Maschine, Strukturen zu erkennen, Informationen zu sortieren und zu evaluieren. Dabei vollzieht sich ein permanenter Prozess, das Gelernte wird immer wieder mit neuen Inhalten verknüpft und erweitert. Das wiederum erhöht die Wahrscheinlichkeit, dass ein richtiges Ergebnis erkannt und ausgegeben wird.

Deep Learning kommt dann zum Einsatz, wenn andere maschinelle Lernverfahren an Grenzen stoßen und keine klaren Regeln vorhanden oder bekannt sind. Deep-Learning-Systeme können beispielsweise in der Medizin zu diagnostischen Zwecken zum Einsatz kommen, etwa der Einstufung von Hautkrebserkrankungen oder Bildauswertungen im Zusammenhang mit Netzhauterkrankungen.

5. Bot

Aktuell macht im Zusammenhang mit KI vor allem der (Chat-)Bot in der automatisierten Online- und Mobile-Kommunikation von sich reden. Hinter einem Bot verbirgt sich ein Computerprogramm, das nahezu automatisch bestimmte, sich wiederholende Aufgaben abarbeitet. Dabei ist es auf eine Interaktion mit einem menschlichen Benutzer nicht angewiesen. Er handelt "intelligent" insofern, als dass er in der Lage ist, die Entscheidung zur Aktion nach vorbestimmten Parametern selbständig zu fällen.

Es gibt dabei diverse Bots, vom Crawler, mit dem einer Suchmaschine einen automatischen Suchvorgang starten kann, bis hin zu Chat Bots, die eine fast authentische Unterhaltung mit dem User führen können.