Was ist KI, ML und LLM?

Lektion 1: Was ist KI, ML und LLM?

Fangen wir ganz von vorne an, ohne Scheu vor Abkürzungen, aber mit Erklärungen für jede einzelne.

Der große Oberbegriff: Künstliche Intelligenz

KI (englisch: Artificial Intelligence, kurz AI) ist der Sammelbegriff für Computerprogramme, die Aufgaben erledigen, für die früher menschliche Intelligenz nötig war: Texte verstehen, Bilder erkennen, Sprache übersetzen, Entscheidungen treffen. Stell dir KI wie einen riesigen Werkzeugkasten vor, darin liegen viele verschiedene Werkzeuge für ganz verschiedene Aufgaben.

Ein Werkzeug aus dem Kasten: Maschinelles Lernen

Eines der wichtigsten Werkzeuge in diesem Kasten heißt Maschinelles Lernen (englisch: Machine Learning, kurz ML). Der entscheidende Unterschied zu klassischer Software: Ein ML-System wird nicht Schritt für Schritt programmiert (“wenn X passiert, dann mach Y”), sondern es lernt aus Daten. Es schaut sich Millionen Beispiele an und erkennt dabei Muster.

Alltagsanalogie: Stell dir vor, du willst einem Kind beibringen, Katzen auf Fotos zu erkennen. Du könntest eine endlose Regelliste schreiben (“vier Beine, Fell, Schlitzpupillen…”). Oder du zeigst dem Kind einfach zehntausend Fotos und sagst jedes Mal: “Das ist eine Katze”, oder “Das nicht.” Nach einer Weile erkennt das Kind Katzen auch auf völlig neuen Fotos. Genau so funktioniert Machine Learning: nicht Regeln einprogrammieren, sondern Muster aus Beispielen lernen.

Der Profi im Umgang mit Sprache: LLMs

Eine besonders wichtige Unterart von ML-Systemen sind LLMs, das steht für Large Language Model, auf Deutsch: Großes Sprachmodell. Das ist die Technologie hinter ChatGPT, Claude, Gemini und anderen KI-Chats. Diese Systeme wurden mit riesigen Mengen Text trainiert, Bücher, Webseiten, wissenschaftliche Artikel, und können danach Text verstehen und erzeugen, der oft erstaunlich menschlich klingt.

Die fünf Grundbegriffe, die du kennen solltest

Modell, Das fertige “Gehirn” nach dem Lernprozess. Wenn du mit einem KI-Chat arbeitest, sprichst du mit einem Modell. Technisch ist es eine sehr große Datei voller Zahlen, die gelernte Muster repräsentieren.

Training, Der Lernprozess selbst: Das Modell “liest” riesige Datenmengen und passt dabei Milliarden interner Werte an, bis es gut genug wird. Training dauert Wochen bis Monate und kostet Millionen Euro an Rechenleistung, weshalb nur große Unternehmen oder Forschungseinrichtungen das stemmen können.

Parameter, Die einzelnen Zahlenwerte im Modell, die beim Training eingestellt werden. Moderne Modelle haben Milliarden davon (“70 Milliarden Parameter” klingt viel, und ist es auch). Mehr Parameter bedeuten mehr Kapazität, aber auch mehr Rechenaufwand.

Token, So zerlegt ein Sprachmodell Text, bevor es damit arbeitet. Nicht in einzelne Buchstaben, nicht in ganze Wörter, sondern in Stücke dazwischen. Das Wort “Herzlichen” wird etwa zu den Tokens “Herz” und “lichen”. Auf Englisch entspricht ein Token ungefähr 0,75 Wörtern. Tokens sind wichtig, weil jedes Modell nur eine begrenzte Anzahl davon auf einmal verarbeiten kann, dieses Limit heißt Kontextfenster (dazu mehr in Lektion 6).

Prompt, Deine Eingabe an das Modell; die Nachricht, die du ins Chat-Feld tippst. Die Kunst, einen guten Prompt zu formulieren, heißt Prompting, dafür gibt es ein ganzes Modul (Modul 2).

Das häufigste Missverständnis

Viele Menschen denken, KI sei ein allwissender Computer, der “denkt” wie ein Mensch. Das stimmt nicht. Ein LLM ist ein sehr guter Mustererkenner und Textgenerator. Es hat beim Training unvorstellbar viel Text gesehen, und lernt dabei, welche Wörter und Sätze oft zusammen vorkommen. Wenn du fragst “Was ist die Hauptstadt von Frankreich?”, antwortet das Modell “Paris” nicht, weil es “weiß”, dass Paris die Hauptstadt ist, sondern weil “Paris” in diesem Kontext statistisch die häufigste und wahrscheinlichste Antwort aus seinen Trainingsdaten ist.

Das klingt abstrakt, hat aber eine wichtige Konsequenz: KI kann mit großer Überzeugung falsche Dinge sagen, weil es nicht “weiß”, was wahr ist, sondern was wahrscheinlich klingt. Dazu kommen wir in Lektion 2 ausführlich.

Die Hierarchie zum Merken:

• KI = der große Oberbegriff
• ML = eine Methode innerhalb der KI (lernen aus Daten)
• LLM = eine spezielle Art von ML (für Sprache), das, womit du täglich arbeitest

Praxisaufgabe des Tages (ca. 10 min)

Heute nimmst du ein Sprachmodell mit deinem neuen Wissen “unter die Lupe”.

1. Öffne einen KI-Chat deiner Wahl (z.B. claude.ai, chatgpt.com oder gemini.google.com).

2. Schicke diesen Prompt ab:

Erkläre mir in 3 einfachen Sätzen, was du bist, als wäre ich jemand, der noch nie von KI gehört hat. Verwende keine Abkürzungen.

3. Lies die Antwort und frag dich: Beschreibt sich die KI als “denkend” und “verstehend”, oder eher als “Muster erkennend” und “Text generierend”? Stimmt die Selbstbeschreibung mit dem überein, was du heute gelernt hast?

4. Stell eine Folgefrage:

Wie viele Parameter hast du ungefähr, und was sagt das über deine Fähigkeiten aus?

Woran du merkst, dass du es verstanden hast: Du kannst die Antwort einordnen. Du weißt, was Parameter sind, du erkennst, wenn die KI sich selbst übertreibt, und du zweifelst (zu Recht) an Aussagen, die allzu selbstsicher klingen.

KI-News zum Lernen

• ChatGPT überschreitet die Milliarden-Marke, OpenAI hat bekanntgegeben, dass ChatGPT nun mehr als eine Milliarde monatlich aktive Nutzer hat. Zum Vergleich: Google brauchte dafür über 20 Jahre. Für Einsteiger ist das lehrreich: Es zeigt, wie schnell sich LLMs im Alltag durchgesetzt haben, und dass du mit deiner Neugier auf dieses Thema genau richtig liegst. (Quellen: MarketingProfs, buildfastwithai.com)

• Google bringt KI aufs Handy, ganz ohne Cloud, Google hat die Gemma-4-Modellfamilie veröffentlicht: Sprachmodelle mit 2 bis 31 Milliarden Parametern, die direkt auf Smartphones und normalen Grafikkarten laufen sollen, ohne dass Daten in die Cloud geschickt werden müssen. Das nennt man On-Device-KI (KI direkt auf dem Gerät). Bisher brauchte man für leistungsstarke KI riesige Serverfarmen. Dass solche Modelle nun aufs Handy passen, zeigt, wie rasant effizient die Technologie wird. Quelle: it-boltwise.de

Glossar des Tages

• KI (Künstliche Intelligenz), Oberbegriff für Computersysteme, die menschlich wirkende Aufgaben ausführen
• ML (Machine Learning / Maschinelles Lernen), KI-Methode, bei der ein System aus Daten lernt statt explizit programmiert zu werden
• LLM (Large Language Model / Großes Sprachmodell), Die Technologie hinter ChatGPT, Claude, Gemini & Co.; auf riesigen Textmengen trainiert
• Token, Kleinste Verarbeitungseinheit eines Sprachmodells; kleiner als Wörter, größer als einzelne Buchstaben
• Parameter, Die Milliarden von Zahlenwerten im Modell, die beim Training gelernt wurden; mehr Parameter = mehr Kapazität