Künstliche Intelligenz: Definition, Arten und Einordnung
Definition
Künstliche Intelligenz beschreibt Verfahren, mit denen Software Aufgaben übernimmt, die beim Menschen Wahrnehmen, Sprache oder Urteilen erfordern würden. Der Begriff nennt kein Produkt und keine feste Methode, sondern spannt einen Rahmen von regelbasierten Systemen bis zu lernenden Modellen. Entscheidend ist nicht das Wort, sondern die Frage, welche Aufgabe ein System löst, mit welchen Daten und mit welcher nachweisbaren Güte.
Warum der Begriff zählt
Weil unter dem gleichen Etikett völlig verschiedene Dinge verkauft werden, von der simplen Automatik bis zum aufwendigen lernenden Modell. Für eine Investitionsentscheidung ist das riskant. Eine neutrale Beratung übersetzt das Schlagwort in drei prüfbare Fragen: Welche Aufgabe genau, welche Datenlage, welche Fehlertoleranz. Wer den Begriff so aufschlüsselt, kauft nicht ein Versprechen, sondern bewertet einen konkreten Anwendungsfall vor dem ersten Euro.
Wann es relevant ist
- Wiederkehrende Aufgaben folgen Mustern, die sich schwer in starre Regeln fassen lassen.
- Es liegen genug dokumentierte Beispiele vor, aus denen ein System ableiten kann.
- Ein Ergebnis mit Restunschärfe ist tragbar, solange es überprüfbar bleibt.
- Der erwartete Nutzen lässt sich an einer Kennzahl festmachen, nicht nur am Bauchgefühl.
Wann nicht
Wenn eine Aufgabe eindeutig und stabil ist, löst eine feste Regel sie günstiger und verlässlicher als jedes lernende Modell. Bei Entscheidungen mit hohem Risiko und ohne Kontrollpunkt braucht es zuerst eine verantwortliche Person und klare Prüfschritte, bevor überhaupt ein Modell unterstützt. Ohne Datengrundlage bleibt der Begriff eine Hülle.
Branchen, die das nutzen
- Logistik und Spedition: Tourenplanung und Ankunftszeiten schätzen, ohne die Disposition komplett aus der Hand zu geben.
- Versicherungen: eingehende Schadenmeldungen vorsortieren, damit Sachbearbeiter Zeit für die kniffligen Fälle haben.
- Energieversorger: Verbrauch und Netzlast prognostizieren, um Beschaffung und Wartung besser zu planen.
- Landwirtschaft und Agrartechnik: Bilder von Feldern und Beständen auswerten, um früh gegenzusteuern.
Typische Anwendungsfälle
- Ein Assistent, der Fragen aus freigegebenen internen Dokumenten beantwortet.
- Eine Prognose, die Nachfrage, Ausfälle oder Engpässe früh sichtbar macht.
- Eine Klassifikation, die Dokumente oder Anfragen sortiert und weiterleitet.
- Eine Extraktion, die Felder aus Belegen oder Formularen in Systeme überträgt.
- Eine Empfehlung, die Sachbearbeiter mit Kontext statt mit fertigen Urteilen versorgt.
Entscheidungshilfe
| Signal | Begriff passt | Alternative |
|---|---|---|
| Aufgabe mit Mustern, viele Beispiele | KI-Ansatz prüfen | feste Regel bei klarer Logik |
| Eindeutige, stabile Regel | eher nicht | Formel oder Standardsoftware |
| Hohes Risiko, keine Kontrolle | erst absichern | Prozess mit Mensch im Entscheid |
| Nutzen unklar, keine Kennzahl | zuerst einordnen | Readiness-Check vor Projekt |
Beispiel
Ein Energieversorger will KI für die Lastprognose testen. In der Potenzialanalyse trennen wir die Aufgabe vom Schlagwort: Welche Daten liegen vor, wie genau muss die Prognose sein, wo greift der Mensch ein. Erst danach steht fest, ob ein lernendes Modell oder eine einfachere Statistik passt. Das Beispiel zeigt die Methode, keine behauptete Kundenkennzahl.
Verbindung zu Services
Der ehrliche Einstieg ist der KI-Readiness-Check oder die KI-Potenzialanalyse. Wer Anwendungsfälle strukturiert bewerten will, beginnt bei der KI-Beratung für den Mittelstand.
Verwandte Begriffe
Quellen
Diese Einordnung beschreibt gängige Praxis in der KI-Beratung. Aussagen zu rechtlichen Pflichten sind allgemeine Orientierung und keine Rechtsberatung; sie sind im Einzelfall gegen die aktuell geltenden Rechtstexte zu prüfen.