Modul 1: KI-Grundlagen & Technologien

1. Was ist Künstliche Intelligenz wirklich?

Die Revolution, die niemand bemerkt hat

Stellen Sie sich vor: Ein Landwirt analysiert morgens die Wetterdaten, prüft die Bodenfeuchtigkeitssensoren und berechnet die optimale Bewässerung für seine Felder. Früher hat das Stunden gedauert. Heute? Ein KI-System erledigt das in Sekunden – während der Landwirt noch seinen Frühstückstee trinkt.

Oder ein Handwerker: Er muss ein Angebot für eine komplexe Elektroinstallation erstellen. Statt stundenlang Preise zu recherchieren und Texte zu formulieren, diktiert er dem KI-Assistenten die Eckdaten. Binnen Minuten erhält er ein professionelles Angebot – inklusive Haftungsausschluss und AGB-Verweis.

Die Definition, die Sie sich merken sollten

Der entscheidende Unterschied zur herkömmlichen Softwareentwicklung

Das Geheimnis: Wahrscheinlichkeiten statt Regeln

Denken Sie an ein Kind, das lernen soll, Äpfel von Birnen zu unterscheiden. Sie könnten dem Kind tausend Regeln geben à la „Wenn es rund ist und rot und einen Stiel hat, dann ...". Oder Sie zeigen dem Kind einfach 10.000 Bilder von Äpfeln und Birnen. Das Kind lernt aus den Beispielen selbst – oft besser, als wir es in Regeln fassen könnten.

So funktioniert KI. Sie analysiert riesige Datenmengen, findet statistische Zusammenhänge und wendet diese auf neue Situationen an. Statt starrer Vorschriften nutzt sie flexible Mustererkennung.

2. Die drei Arten von KI – kurz erklärt

Schwache KI (Narrow AI): Das, was wir heute haben

Was all diese Systeme gemeinsam haben: Sie sind extrem gut in einer Sache. Sie können keine Probleme lösen, für die sie nicht trainiert wurden (ein Spam-Filter kann Ihnen z.B. keine Restaurantempfehlung geben).

Starke KI (General AI): Was Hollywood uns vorgaukelt

Diese hypothetische KI würde die menschliche Intelligenz in allen Bereichen erreichen oder übertreffen. Eine starke KI könnte beispielsweise:

• Einen Roman schreiben
• Ein Unternehmen führen
• Philosophische Diskussionen führen
• Sich selbst weiterverbessern
• Jede beliebige geistige Aufgabe so gut wie ein Mensch bewältigen

Superintelligenz: Jenseits unserer Vorstellungskraft

Damit meinen einige Visionäre eine KI, die alle menschlichen Fähigkeiten in allen Bereichen weit übertrifft. Das ist derzeit reine Spekulation. Für Unternehmer jetzt nicht relevant: Superintelligenz gehört ins Reich der Zukunftsromane, nicht in Ihre aktuelle Geschäftsplanung.

3. Kernbegriffe, die jeder kennen sollte

Machine Learning (ML): Wenn Computer aus Erfahrung lernen

Einfach erklärt: Statt einem Computer Schritt-für-Schritt vorzuschreiben, was er tun soll, geben wir ihm eine Menge Beispiele, was richtig ist. Der Computer lernt daraus eigenständig, was wichtig ist.

Das Ergebnis: ML-Systeme erkennen oft Zusammenhänge, die menschlichen Analysten entgehen. Sie können sogar mit unvollständigen oder unscharfen Daten umgehen und sagen z.B.: „Mit 73% Wahrscheinlichkeit wird dieser Kunde den Kredit zurückzahlen – Gewährung empfohlen."

Deep Learning: Wenn ML besonders tiefgründig wird

Deep Learning ist eine spezielle Art des Machine Learning, die mit künstlichen neuronalen Netzen arbeitet – inspiriert vom menschlichen Gehirn, aber deutlich simpler aufgebaut.

Wie es funktioniert (vereinfacht):

Das Netzwerk hat viele Schichten von künstlichen "Neuronen". Jede Schicht erkennt etwas komplexere Muster als die vorherige.

Wo Deep Learning heute überall drinsteckt:

• Gesichtserkennung in Fotos-Apps
• Spracherkennung à la Siri und Alexa
• Autonomes Fahren (Erkennung von Fußgängern, Verkehrszeichen)
• Medizinische Bilddiagnose (Tumorerkennung auf Röntgenbildern)
• Übersetzungsdienste (Sprache → Text → andere Sprache)

Large Language Models (LLMs): Die Sprach-Revolution

ChatGPT, Claude, Google Gemini – das sind alles LLMs. Diese Modelle haben das Verhältnis zwischen Mensch und Maschine grundlegend verändert.

4. Wichtige KI-Technologien für Unternehmen

4.1 Generative KI: Der neue Alleskönner

Text-Generierung: KI-Systeme wie ChatGPT, Claude oder Google Gemini können auf Zuruf Texte aller Art schreiben: E-Mails, Berichte, Blogbeiträge, Marketingtexte, Social-Media-Posts. Sie erstellen Angebote, Verträge oder Präsentationen auf Basis weniger Stichworte. Sie beantworten Kundenanfragen in natürlicher Sprache.

Bild-Generierung: Tools wie Midjourney, DALL-E oder Stable Diffusion erstellen aus Textbeschreibungen Bilder. Anwendung im Unternehmen: Produktbilder generieren, Designs für Marketingmaterial entwerfen, Konzept-Ideen visualisieren – alles ohne einen Fotografen oder Grafiker zu bemühen.

4.2 Prädiktive Analytik: Blick in die Zukunft werfen

Hier nutzt KI historische Daten, um zukünftige Ereignisse vorherzusagen.

Der geschäftliche Wert: Mit solchen Prognosen können Betriebe besser planen, Engpässe vermeiden, Ressourcen optimal einsetzen und insgesamt proaktiver agieren. Weniger Überraschungen = weniger Verschwendung.

4.3 Computer Vision: Sehen wie ein Computer

Damit ist KI gemeint, die Bilder und Videos "versteht" – also analysiert und interpretiert.

4.4 Natural Language Processing (NLP): Sprache verstehen und nutzbar machen

NLP umfasst alle KI-Technologien, die menschliche Sprache verarbeiten – ob geschrieben oder gesprochen.

5. So funktioniert ein Large Language Model (vereinfacht)

Das Grundprinzip: Vorhersage des nächsten Wortes

Ein LLM wie GPT-4 macht im Grunde nur eine einfache Sache: Es berechnet, welches Wort mit hoher Wahrscheinlichkeit als nächstes in einem Satz folgen sollte.

Klingt trivial – aber durch die riesige Menge an Trainingsdaten (Milliarden von Sätzen) und die enorme Größe des Modells (hundert Milliarden Parameter – justierbare Zahlenwerte) entsteht ein verblüffend intelligentes Verhalten. Das Modell „weiß" statistisch gesehen unheimlich viel über Sprache und Sachverhalte, einfach weil es so viele Texte verschlungen hat.

Warum LLMs „halluzinieren" können

Da solch ein Sprachmodell nur Wahrscheinlichkeiten berechnet und kein echtes Weltwissen hat, kann es durchaus plausibel klingende, aber falsche Informationen produzieren.

Woran liegt das? Weil ein LLM letztlich nur berechnet, welche Wortfolge am wahrscheinlichsten sinnvoll wäre – es schlägt keine Fakten nach, sondern stellt auf Basis seiner Statistik eine educated guess (educated = gebildet, guess = Vermutung) an. Gerade bei Fragen, die außerhalb seines gelernten Wissens liegen oder mehrdeutig sind, kann das zu solchen Halluzinationen führen.

6. Potenziale von KI für Ihr Unternehmen

Effizienzsteigerung: Zeit ist Geld

Ergebnis: Mitarbeiter können sich auf die wertschöpfenden Aufgaben konzentrieren, während die KI Routine und Fleißarbeit übernimmt.

Kostenreduktion: Weniger Personal nötig

Eine KI-gestützte Buchhaltung kann die Arbeit von 2–3 Sachbearbeitern erledigen (z.B. Belege erfassen, Zahlungen abgleichen, Mahnungen schreiben – alles automatisiert). Kundenservice-Chatbots beantworten einen Großteil der Kundenanfragen rund um die Uhr – dadurch kann das Support-Team verkleinert oder anders eingesetzt werden.

Skalierung: Wachsen, ohne dem Aufwand zu erliegen

Ein KI-System kann 10 oder auch 10.000 Anfragen pro Tag bearbeiten – ohne dass mehr Personal eingestellt werden muss. Ihre Dienstleistung wird quasi beliebig skalierbar, solange die Server mitmachen.

Inhalts-Erstellung (Content für Websites, Social Media, Produktbeschreibungen) skaliert fast kostenlos: Die KI schreibt zur Not 100 Texte pro Tag, wenn Sie es brauchen.

Bessere Entscheidungen: Daten statt Bauchgefühl

KI kann tausende Faktoren gleichzeitig analysieren – viel mehr, als ein Mensch überschauen könnte. Sie erkennt Muster und Auffälligkeiten (z.B. saisonale Schwankungen, versteckte Zusammenhänge zwischen Kundenprofil und Kaufverhalten), die in traditionellen Excel-Auswertungen untergehen. Auf dieser Grundlage liefert sie objektivere, datengestützte Empfehlungen.

7. Grenzen und Risiken – realistisch bleiben

Technische Grenzen

Betriebliche Risiken

8. Praxisbeispiele aus verschiedenen Branchen

Handwerk: Der Elektrobetrieb

Landwirtschaft: Der Weinbaubetrieb

9. Zusammenfassung: Was Sie aus diesem Modul mitnehmen

Übungen zum Selbsttest