Wie KI wirklich funktioniert — für Nicht-Techniker

Klassische Software funktioniert nach festen Regeln, die ein Mensch aufgeschrieben hat. Ein Beispiel: „Wenn der Rechnungsbetrag über 10.000 Euro liegt, leite die Rechnung zur Freigabe an die Abteilungsleitung weiter." Das Programm tut exakt das — nicht mehr und nicht weniger. Gleiche Eingabe, gleiches Ergebnis, jederzeit nachvollziehbar.

Maschinelles Lernen dreht dieses Prinzip um: Statt Regeln vorzugeben, zeigt man dem System sehr viele Beispiele, und es leitet die Muster selbst daraus ab. Ein Spamfilter etwa besteht nicht aus tausenden handgeschriebenen Wenn-dann-Regeln. Er wurde mit zehntausenden E-Mails trainiert, die Menschen zuvor als „Spam" oder „kein Spam" markiert hatten — und hat daraus statistische Merkmale gelernt, die Spam typischerweise auszeichnen.

Daraus folgt etwas Wichtiges: Bei einem gelernten System kann niemand auf eine Codezeile zeigen und sagen, warum genau eine bestimmte Entscheidung so ausfiel. Das Verhalten hängt von den Trainingsdaten ab — sind diese lückenhaft, veraltet oder einseitig, sind es die Ergebnisse auch. Diese Eigenschaft ist die Wurzel vieler Chancen, aber auch vieler Risiken, die wir in den folgenden Lektionen behandeln.

Werkzeuge wie ChatGPT basieren auf sogenannten Sprachmodellen. Deren Kernfunktion lässt sich in einem Satz beschreiben: Das Modell berechnet, welches Wort auf den bisherigen Text am wahrscheinlichsten folgt — und wiederholt das Wort für Wort, bis eine vollständige Antwort entstanden ist. Sie kennen das Prinzip in einfacher Form von der Wortvorschlagsfunktion Ihres Smartphones; ein Sprachmodell ist eine dramatisch leistungsfähigere Version davon.

Entscheidend ist, was ein Sprachmodell nicht ist: kein Nachschlagewerk und keine Datenbank. Es sucht keine gespeicherte Antwort heraus, sondern erzeugt bei jeder Anfrage neuen Text, der statistisch zur Frage passt. Dass die Antworten so souverän klingen, liegt daran, dass das Modell an Millionen gut geschriebener Texte gelernt hat, wie überzeugende Antworten klingen — nicht daran, dass es die Antwort „weiß".

Ob ein solches System etwas „versteht", darüber streiten Fachleute. Für Ihre Arbeit zählt das Praktische: Das Modell hat keine Absicht und keinen eingebauten Begriff von wahr oder falsch. Ein hilfreiches Bild ist ein extrem belesener Formulierungsautomat — nicht ein digitales Lexikon.

Ein Sprachmodell entsteht in der Trainingsphase: Der Anbieter lässt es riesige Textmengen verarbeiten, wobei Milliarden interner Stellgrößen schrittweise so justiert werden, dass die Vorhersagen immer besser passen. Das geschieht mit enormem Rechenaufwand in den Rechenzentren des Anbieters — lange bevor Sie das Werkzeug zum ersten Mal öffnen.

Wenn Sie das Modell dann nutzen, ist es fertig und eingefroren. Es lernt in diesem Moment nichts dazu: Ihre Konversation verändert das Modell nicht, und eine neue Sitzung beginnt ohne Erinnerung an die vorherige — sofern der Anbieter nicht bewusst Zusatzfunktionen wie ein Sitzungsgedächtnis ergänzt hat.

Aus dieser Trennung folgen zwei Dinge für die Praxis. Erstens: Das Wissen des Modells endet mit seinen Trainingsdaten — neuere Ereignisse kennt es nicht, es sei denn, das Werkzeug hat Zusatzfunktionen wie eine eingebaute Websuche. Zweitens: Ihre Eingaben können je nach Anbieter und Vertragsbedingungen gespeichert und unter Umständen für künftiges Training verwendet werden. Deshalb regeln viele Unternehmen, welche Daten in KI-Werkzeuge eingegeben werden dürfen — dazu mehr in Lektion 4.

Als „Halluzination" bezeichnet man es, wenn ein Sprachmodell flüssig und selbstsicher etwas Falsches behauptet: eine erfundene Quelle, eine falsche Zahl, ein Gerichtsurteil, das es nie gab. Wer das zum ersten Mal erlebt, hält es für einen Fehler, den der Hersteller einfach beheben müsste.

Tatsächlich ist es eine direkte Folge des Funktionsprinzips. Das Modell tut immer dasselbe: die plausibelste Fortsetzung erzeugen. Eine eingebaute Wahrheitsprüfung gibt es nicht — richtige und falsche Antworten entstehen durch exakt denselben Mechanismus. Wo die Trainingsdaten dünn sind, etwa bei exakten Paragrafen, konkreten Zahlen oder Nischenwissen, ist das Plausibelste eben nicht immer das Richtige. Bessere Modelle und angeschlossene Werkzeuge reduzieren das Problem, vollständig verschwinden wird es nach heutigem Stand nicht.

Für Ihren Arbeitsalltag heißt das: Die Überzeugungskraft einer Formulierung sagt nichts über ihre Richtigkeit aus. Alles, was Sie weiterverwenden — Zahlen, Namen, Rechtsangaben, Zitate — prüfen Sie gegen eine verlässliche Quelle. Genau dieses Risikobewusstsein nennt auch die EU-Kommission als Kern der KI-Kompetenz nach Artikel 4.

Aus dem Funktionsprinzip ergibt sich ein klares Stärkenprofil. Sprachmodelle glänzen überall dort, wo es um Sprache, Struktur und Muster geht und ein Mensch das Ergebnis anschließend beurteilt:

Schwach sind Sprachmodelle dagegen dort, wo es auf verifizierte Präzision ankommt und niemand das Ergebnis gegenprüft:

Die Faustregel lautet: KI ist ein Assistent, kein Orakel. Sie liefert Entwürfe und Vorschläge in Sekunden — die Beurteilung, Korrektur und Verantwortung bleiben bei Ihnen. Ein Vertriebsteam, das KI-Entwürfe für Angebotsanschreiben nutzt und jeden Entwurf vor dem Versand prüft, nutzt das Werkzeug genau richtig.

Fassen wir zusammen: KI ist weder Magie noch ein allwissendes Gegenüber, sondern ein statistisches Werkzeug, das aus Daten gelernte Muster fortschreibt. Es formuliert beeindruckend, arbeitet schnell — und gibt keine Wahrheitsgarantie. Wer dieses Bild verinnerlicht hat, nutzt KI produktiv und sicher zugleich: mutig bei Entwürfen und Ideen, konsequent beim Prüfen von Fakten.

Auf diesem Fundament bauen die nächsten Lektionen auf: In Lektion 3 sehen Sie, wo dieses Werkzeug im Mittelstand echten Nutzen stiftet, in Lektion 4, welche Risiken es birgt und welche Regeln für den sicheren Einsatz gelten.