Wie lernt künstliche Intelligenz aus Beispielen?
Computer können Muster in Daten suchen. Ein passendes Muster und eine richtige Antwort sind aber nicht dasselbe.
Kurz erklärt
Eine KI bekommt beim Lernen viele Beispiele, etwa Bilder von Katzen und Hunden. Sie findet darin Muster und verwendet sie für neue Bilder. Dabei kann sie etwas verwechseln.
Auch eine flüssig geschriebene Antwort kann falsch sein: Wichtige Aussagen prüfen wir mit verlässlichen Quellen.
Puschel und Flauschi im Museum. Sortiertafel: Ein blaues Dreieck gehört nach seiner Form zu den Dreiecken. Das Sortierspiel veranschaulicht eine Regel, nicht die gesamte Arbeitsweise einer KI. Mit KI gestaltete Illustration; keine Naturaufnahme.
Was genau wird verbessert?
1. Beispiele reichen noch nicht
Oben: rote Dreiecke. Unten: blaue Kreise. Bisher passen zwei Regeln: nach Form oder nach Farbe sortieren.
2. Ein neues Beispiel
Das blaue Dreieck zeigt den Unterschied. Nach Form gehört es zu den Dreiecken. Nach Farbe würde es bei den blauen Kreisen landen.
3. Rückmeldung und neue Beispiele
Die Vorgabe lautet: nach Form sortieren. Deshalb gehört auch das blaue Dreieck zu den Dreiecken und der rote Kreis zu den Kreisen. Beide Farben kommen jetzt bei beiden Formen vor.
Die Bilder zeigen ein Sortierbeispiel. Beim Lernen mit beschrifteten Beispielen vergleicht ein Computer seine Ergebnisse mit den vorgegebenen Zuordnungen.
Ein Lernverfahren verändert Recheneinstellungen, damit die Ergebnisse besser passen. Danach wird an anderen Beispielen geprüft, ob das auch dort gelingt.
Eine einzelne Korrektur macht eine KI noch nicht fehlerfrei.
Wie kann KI aus Beispielen lernen – und sich trotzdem irren?
Ein Lernverfahren passt Recheneinstellungen an Beispiele an. Sind die Beispiele einseitig, kann ein unpassendes Muster entstehen, hier die Farbe statt der Form. Neue Beispiele und richtige Rückmeldungen helfen beim Verbessern; weitere Prüfungen bleiben nötig.
Eine erfundene Wuselszene
Puschel und Flauschi entdecken
Puschel sortiert die Beispielkarten immer nach der Hintergrundfarbe. Bei einer neuen Karte passt sein Ergebnis nicht zum abgebildeten Tier. Flauschi deckt die Hintergründe ab und lässt ihn neu vergleichen.
Sie notieren: Eine auffällige Regel kann die falsche sein; neue Beispiele helfen beim Prüfen.
Schau genau hin
Vergleiche das Museumsmodell mit den drei Bildschritten. Ein blaues Dreieck prüft: Zählt die Form oder die Farbe?
Ein Beispiel zum Verstehen
Lege zwei rote Dreiecke und zwei blaue Kreise hin. Frage: Könnte die Regel nach Form oder Farbe gehen? Beides passt bisher. Ergänze ein blaues Dreieck und einen roten Kreis. Jetzt könnt ihr prüfen, ob nach Form sortiert wird. Das ist ein Denkbeispiel für unpassende Muster. Ihr trainiert mit den Karten keine echte KI; ein Computer müsste mit einem passenden Verfahren und Daten arbeiten.
Erkläre es selbst
Eine KI antwortet sehr sicher. Was sollten wir trotzdem tun?
Wähle a), b) oder c) und begründe deine Wahl.
- a)Eine Aussage glauben, wenn sie in derselben Antwort zweimal steht.
- b)Eine Aussage glauben, wenn sie besonders ausführlich erklärt wird.
- c)Wichtige Aussagen prüfen.
Erklärung zeigen
Richtig ist c): Wichtige Aussagen prüfen.
Eine KI bekommt beim Lernen viele Beispiele, etwa Bilder von Katzen und Hunden. Sie findet darin Muster und verwendet sie für neue Bilder. Dabei kann sie etwas verwechseln.
Auch eine flüssig geschriebene Antwort kann falsch sein: Wichtige Aussagen prüfen wir mit verlässlichen Quellen.
Genauer entdecken
Hier findest du längere Erklärungen und weitere Einzelheiten. Ihr könnt sie gemeinsam entdecken.
1. Was bedeutet KI?
KI ist die Abkürzung für künstliche Intelligenz. Damit meint man verschiedene Computerverfahren, die Aufgaben wie Bilder erkennen oder Sprache verarbeiten übernehmen können. KI ist kein einzelner Roboter. Ein Programm kann solche Verfahren verwenden, auch wenn es weder Arme noch Räder hat. Nicht jede KI lernt auf dieselbe Weise.
2. Aus Beispielen entsteht ein Modell
Beim maschinellen Lernen wird ein mathematisches Modell mithilfe von Daten angepasst. Daten sind gespeicherte Informationen, zum Beispiel Bilder, Wörter oder Zahlen. Ein Modell ist hier eine Rechenweise, die Zusammenhänge beschreibt. Bei einer Lernart erhält das Verfahren Beispiele mit passenden Bezeichnungen: etwa Bilder und das Wort Kreis oder Dreieck. Anpassungen sollen bessere Ergebnisse ermöglichen. Es ist kein Lernen mit Schulheft und Gefühlen wie bei einem Kind.
Dazu geprüft: [1]
3. Eine scheinbar passende Regel kann täuschen
Stell dir vor, alle gezeigten Dreiecke sind rot und alle Kreise blau. Eine Regel nach der Farbe würde diese Beispiele richtig sortieren. Für ein blaues Dreieck wäre sie aber falsch, wenn nach der Form sortiert werden soll. Deshalb müssen Beispiele vielfältig sein. Forschende prüfen Ergebnisse auch mit Daten, die nicht zum Anpassen des Modells benutzt wurden.
4. Flüssige Antworten können falsch sein
Andere KI-Verfahren erzeugen Texte oder Bilder. Ein Text kann überzeugend klingen und trotzdem erfundene Angaben enthalten. Das nennt man bei solchen Systemen manchmal Halluzination: eine erzeugte, falsche oder nicht belegte Angabe. Die Bezeichnung bedeutet hier nicht, dass der Computer wie ein Mensch etwas sieht. Auch Quellenangaben können falsch sein. Wichtiges wird deshalb unabhängig geprüft.
Eine freiwillige Frage zur Vertiefung
Du darfst in der längeren Erklärung darüber nachlesen. Das ist eine Zusatzaufgabe für Interessierte.
Eine Zusatzfrage
Kann man einem KI-Text vertrauen, nur weil er sicher und freundlich klingt?
Antwort entdecken
Nein. Der Ton beweist keine Richtigkeit. Prüfe wichtige Aussagen und Quellen unabhängig, gemeinsam mit einem Erwachsenen.
Bilder und Quellen für Erwachsene
Quellen zum Nachlesen
Sachinformationen am 12. Oktober 2026 mit den folgenden Fachquellen abgeglichen. Die Wusel-Szene ist erfunden; Vergleiche und vereinfachte Modelle werden ausdrücklich erklärt. Quellen auf Deutsch.