KI verstehen – Die Grundlagen (der Film)

Was im Video gezeigt wird

Die Kapitel des Videos mit dem gesprochenen Text.

1. 1

   Einstieg

   Eine ganz normale Frage aus dem Büroalltag: Welches Zahlungsziel gilt für einen Neukunden aus Österreich? Ben stellt sie einer künstlichen Intelligenz. Die Antwort kommt sofort, freundlich und bestimmt: dreißig Tage netto. Klingt gut. Aber stimmt das auch? Woher weiß die KI, was in Ihrem Unternehmen gilt? Genau darum geht es in diesem Film: wie KI zu ihren Antworten kommt, wo sie sich irrt und wie Sie verlässliche Antworten bekommen.

2. 2

   Was ein Sprachmodell ist

   Kapitel eins: Was ein Sprachmodell ist. Am Ende wissen Sie, wie eine Antwort der KI entsteht. Fangen wir vorne an. Gewöhnliche Software folgt Regeln, die ein Mensch aufgeschrieben hat: Wenn dies, dann das. Künstliche Intelligenz funktioniert anders. Sie bekommt keine Regeln, sondern sehr viele Beispiele, und lernt daraus selbst, welche Muster dahinterstecken. KI ist dabei der Oberbegriff. Ein großer Teil davon ist maschinelles Lernen: Programme, die aus Daten lernen. Und ein Teil davon sind Sprachmodelle, die mit Text arbeiten. Um sie geht es in diesem Film, denn sie stecken hinter den Chat-Werkzeugen, die Sie kennen. Ein Sprachmodell wird mit riesigen Mengen Text trainiert: Bücher, Webseiten, Artikel. Dabei stellt es Milliarden innerer Regler so ein, dass es Sprache immer besser fortsetzen kann. Nach dem Training ist das Modell fertig. Was danach passiert, lernt es nicht von allein dazu. Und was macht es dann? Es sagt das nächste Wort voraus. Zu jedem Satzanfang berechnet es, welche Wörter wahrscheinlich folgen, wählt eines, hängt es an und rechnet weiter. Wort für Wort entsteht so eine Antwort. Das ist der ganze Trick, und er funktioniert erstaunlich gut. Daraus folgt etwas Wichtiges. Ein Sprachmodell ist kein Nachschlagewerk. Es hat keine Datenbank mit Fakten, in der es nachsieht. Es setzt Text so fort, wie er plausibel klingt. Die Vorstellung, KI wisse einfach alles, stimmt deshalb nicht. Merken Sie sich: Ein Sprachmodell sagt Wörter voraus. Ein Wissensspeicher ist es nicht.

3. 3

   Gut fragen

   Kapitel zwei: Gut fragen. Was Sie selbst in der Hand haben, und wo das endet. Im Alltag benutzen Sie das Modell selten direkt, sondern über ein Werkzeug: ein Chatfenster, eine App, eine Funktion in Ihrer Software. Das Werkzeug ist das Gehäuse, das Modell der Motor darin. Dasselbe Modell kann in vielen Werkzeugen stecken. Was Sie dem Werkzeug schreiben, heißt Prompt. Und hier gilt: Je klarer die Frage, desto brauchbarer die Antwort. Wer Rolle, Ziel und Form nennt, bekommt etwas, mit dem er arbeiten kann. Wer nur ein Stichwort schreibt, bekommt Allgemeines. Dabei sieht das Modell nicht unbegrenzt viel auf einmal. Alles, was im Gespräch steht, muss in sein Kontextfenster passen. Wird es voll, fallen die ältesten Teile heraus. Bei sehr langen Gesprächen oder Dokumenten vergisst das Modell deshalb den Anfang. Also stellt Ben seine Frage noch einmal, diesmal präzise: Welches Zahlungsziel gilt laut unserer Vertriebsrichtlinie für einen Neukunden aus Österreich? Jetzt sagt das Modell immerhin, dass ihm die Richtlinie fehlt, und nennt trotzdem einen üblichen Wert: dreißig Tage netto. Eine gute Frage ersetzt kein Wissen, das dem Modell fehlt.

4. 4

   Überzeugend falsch

   Soweit die Technik. Kapitel drei: Überzeugend falsch. Warum KI irrt, ohne es zu merken. Die dreißig Tage stehen nirgends in Ihrer Richtlinie. Sie sind erfunden. Fachleute nennen das Halluzination: eine Antwort, die überzeugend klingt und trotzdem falsch ist. Warum passiert das? Erinnern Sie sich an das nächste Wort. Das Modell kennt Ihre Richtlinie nicht, aber es kennt viele Texte über Zahlungsziele. Und dreißig Tage netto ist dort eine sehr häufige Fortsetzung. Also wählt es sie, ohne zu merken, dass es rät. Ein zweiter Punkt: KI ist nicht von sich aus neutral. Sie lernt aus Beispielen, und wenn die Beispiele einseitig sind, übernimmt sie diese Schieflage. Bei Bewerbungen, Bewertungen oder Formulierungen sollten Sie deshalb besonders genau hinsehen. Und drittens: Ein Modell unterscheidet nicht zuverlässig zwischen Ihrer Anweisung und einem Text, den es gerade liest. Steht in einem Dokument eine versteckte Anweisung, kann es ihr folgen. Das nennt man Prompt Injection. Deshalb sollte KI nicht alles unbeaufsichtigt tun. Merken Sie sich: KI kann überzeugend falsch liegen. Übernehmen Sie nichts ungeprüft.

5. 5

   Nachschlagen statt raten

   Kapitel vier: Nachschlagen statt raten. Wie KI zu belegten Antworten kommt. Wie wird KI also verlässlich? Die Antwort liegt nahe: Geben Sie dem Modell das Wissen, das es braucht. Mia aus dem Vertrieb legt die Vertriebsrichtlinie in einen gemeinsamen Wissensraum, zusammen mit anderen Dokumenten des Unternehmens. Kommt jetzt eine Frage, schlägt das System zuerst in diesem Wissen nach, holt die passenden Abschnitte und gibt sie dem Modell mit. Erst dann formuliert das Modell die Antwort, auf Grundlage dieser Abschnitte. Fachleute nennen das Grounding: Die Antwort wird im eigenen Wissen geerdet. Gesucht wird dabei nach Bedeutung, nicht nach dem genauen Wort. Texte werden so angeordnet, dass Ähnliches nah beieinanderliegt. Zahlungsziel landet neben Zahlungsbedingungen und Rechnung, auch wenn dort ein anderes Wort steht. Und Bens Frage? Die Antwort lautet jetzt: Bei Neukunden aus dem EU-Ausland gilt für die erste Bestellung Vorkasse, ab der zweiten vierzehn Tage netto. Darunter steht die Quelle, die Vertriebsrichtlinie. Nicht geraten, sondern belegt, und jeder kann es nachprüfen. Eine Grenze sollten Sie kennen. Das Nachschlagen holt immer nur einige passende Abschnitte. Für eine einzelne Frage reicht das. Eine Frage wie Zeige mir alle Verträge mit dieser Klausel beantwortet es dagegen nicht vollständig, denn dafür müsste es jedes Dokument lesen. Und wann trainiert man ein Modell lieber nach? Für Firmenwissen fast nie. Nachtrainieren ist aufwendig, und das neue Wissen wäre bald wieder veraltet. Nachschlagen bleibt dagegen aktuell: Ändert sich die Richtlinie, ändert sich die Antwort. Genau darauf baut skai auf. Merken Sie sich: Wer nachschlägt, statt zu raten, antwortet belegt.

6. 6

   Daten, Recht, Verantwortung

   Kapitel fünf: Daten, Recht und Verantwortung. Was Sie klären sollten, bevor es losgeht. Bleibt die Frage, was mit Ihren Daten passiert. Alles, was Sie einem KI-Werkzeug geben, wird irgendwo verarbeitet. Ob es gespeichert oder zum Training genutzt wird, legt der Anbieter fest. Lesen Sie das nach, bevor vertrauliche Inhalte hineinkommen. Dabei zählen zwei Dinge: wo die Rechenzentren stehen und wessen Recht für den Anbieter gilt. Ein Anbieter aus einem anderen Rechtsraum kann verpflichtet sein, Daten herauszugeben, auch wenn sie in Europa liegen. Für viele Unternehmen ist das der entscheidende Punkt. Sie haben dabei eine Wahl. Große Modelle laufen meist in der Cloud eines Anbieters. Kleinere Modelle lassen sich auch auf eigenen Servern betreiben. Abzuwägen sind Leistung, Kosten und Kontrolle, und die Antwort fällt je nach Aufgabe anders aus. Auch der Gesetzgeber ordnet KI ein. Der europäische AI Act stuft Anwendungen nach ihrem Risiko ein: Je mehr für Menschen auf dem Spiel steht, desto strenger die Pflichten. Was das für Ihren Fall bedeutet, klären Sie mit Ihrer Rechtsberatung. Dieser Film ersetzt sie nicht. Und am Ende entscheidet ein Mensch. KI bereitet vor, fasst zusammen, schlägt vor. Die Verantwortung für das Ergebnis bleibt bei Ihnen. Wer KI einführt, fängt am besten klein an, mit einer klaren Aufgabe, und nimmt die Menschen mit, die damit arbeiten.

7. 7

   Schluss

   Fassen wir zusammen. Ein Sprachmodell sagt Wörter voraus. Es kann überzeugend falsch liegen. Schlägt es in Ihrem eigenen Wissen nach, antwortet es belegt. Und die Verantwortung behalten Sie. Jedes Thema dieses Films gibt es als kurzes Video zum Vertiefen, unter KI verstehen in unseren Tutorials.