Künstliche Intelligenz (KI) ist ein Sammelbegriff für Computersysteme, die Muster erkennen, Vorhersagen machen, Optionen empfehlen oder Inhalte erzeugen. Spamfilter, Routenplaner und Schreibassistenten können KI nutzen, obwohl Aufgaben und Risiken verschieden sind.
Für Einsteiger zählt nicht nur: Ist das KI? Hilfreicher ist: Was tut das System, welche Informationen nutzt es, und wie prüfe ich das Ergebnis? Dieser Leitfaden erklärt Grundbegriffe und bietet eine kleine Übung mit einer ohne Fachwissen nutzbaren Checkliste.
KI, maschinelles Lernen und generative KI: Was unterscheidet sie?
| Aufgabe | Ausgabe | Sinnvolle Prüfung |
|---|---|---|
| Eine E-Mail klassifizieren | Ein Label wie Spam oder kein Spam | Wurde eine legitime Nachricht blockiert? |
| Lieferzeit schätzen | Eine Vorhersage | Wie oft stimmt sie mit der Ankunft überein? |
| Kundenantwort entwerfen | Neuer Text | Entspricht er Bestellung und Richtlinie? |
| Besprechungsnotizen zusammenfassen | Kürzere Darstellung des Textes | Bleiben Entscheidungen, Bedingungen und Unbekanntes erhalten? |
Dies sind mögliche Anwendungen, keine Garantien für einen bestimmten Dienst. Ein Produkt kann mehrere Methoden verbinden. Ein Support-Assistent könnte eine Frage klassifizieren, eine Richtlinie abrufen und eine Antwort im selben Ablauf erzeugen.
Wie lernt ein Modell, und was passiert bei der Nutzung?
Beim maschinellen Lernen passt das Training ein Modell anhand von Beispielen an. Inferenz ist die Phase, in der das trainierte Modell eine Eingabe verarbeitet und eine Ausgabe erzeugt. Vereinfacht: ein Muster lernen und das gelernte Muster anwenden. Der genaue Trainingsprozess hängt von Modell und Aufgabe ab.
Bei einem Spam-Erkennungssystem können Entwicklungsbeispiele Merkmale einer Nachricht mit Labels verknüpfen. Eine neue E-Mail wird mithilfe der gelernten Beziehungen eingeordnet. Diese Schätzung kann falsch sein. Ein Schreibmodell hat eine andere Ausgabeaufgabe: Es erzeugt Text statt nur eines Spam-Labels.
Fünf-Minuten-Übung: Eine fiktive Projektnotiz zusammenfassen
Dies ist eine redaktionelle Lernübung, kein Benchmark oder Bericht über einen Modelltest. Projekt, Personen und Beträge sind fiktiv. Die Referenzantwort wurde für diesen Leitfaden geschrieben und ist keine Ausgabe eines benannten KI-Werkzeugs.
1. Die Ausgangsnotiz kopieren
Projektnotiz — fiktives Beispiel Das Team besprach einen Newsletter-Start am 12. November. Der Termin ist vorläufig und hängt vom Abschluss der Prüfung ab. Maya erstellt den Entwurf bis zum 5. November. Leo prüft die Barrierefreiheit, sobald der Entwurf fertig ist; eine Prüffrist wurde nicht festgelegt. Das vorgeschlagene Budget beträgt 300 Dollar, ist aber nicht genehmigt. Das Team hat keine E-Mail-Plattform ausgewählt.
2. Eine begrenzte Aufgabe stellen
Fasse die folgende Notiz nur mit Informationen aus der Notiz zusammen. Nutze diese Überschriften: Vorgeschlagener Plan, Zugewiesene Aufgaben, Offene Punkte. Trenne vorläufige Pläne von bestätigten Zusagen. Erfinde keine Fristen, Genehmigungen oder Plattformwahl. Wenn etwas fehlt, sage, dass es nicht angegeben ist. [Hier die fiktive Projektnotiz einfügen.]
Nutzen Sie einen Textassistenten, auf den Sie bereits Zugriff haben. Verwenden Sie die fiktive Notiz statt privater Projektinformationen. Die Aufgabe ist bewusst klein genug, um jede Aussage selbst zu prüfen.
3. Mit dieser Referenz vergleichen
- Vorgeschlagener Plan: Newsletter-Start am 12. November, vorbehaltlich des Abschlusses der Prüfung.
- Zugewiesene Aufgaben: Maya erstellt den Entwurf bis zum 5. November. Leo prüft anschließend die Barrierefreiheit; seine Frist ist nicht angegeben.
- Offene Punkte: Das Budget von 300 Dollar ist vorgeschlagen, aber nicht genehmigt. Keine E-Mail-Plattform ist ausgewählt. Der Starttermin bleibt vorläufig.
Der Assistent muss nicht dieselben Worte verwenden, aber Fakten und ihren Status erhalten. „Der Newsletter startet am 12. November mit genehmigten 300 Dollar Budget“ besteht die Übung nicht, weil zwei offene Punkte zu Zusagen werden.
Eine Aussage-für-Aussage-Checkliste nutzen
| Prüfung | Bestehensbedingung | Fehlerbeispiel |
|---|---|---|
| Startstatus | 12. November bleibt vorläufig und bedingt | Start als bestätigt bezeichnen |
| Entwurfsverantwortung und Frist | Maya; 5. November | Person oder Datum ändern |
| Prüfreihenfolge | Leo prüft nach Fertigstellung | Prüfung als abgeschlossen darstellen |
| Fehlende Frist | Keine Prüffrist angegeben | 8. November als Frist erfinden |
| Budget | 300 Dollar vorgeschlagen, nicht genehmigt | Betrag als genehmigt bezeichnen |
| Plattform | Keine ausgewählt | Eine Plattform als Teamwahl nennen |
Markieren Sie jede Prüfung als bestanden oder nicht bestanden. Zum Vergleich zweier Entwürfe können Sie die bestandenen von sechs zählen. Das ist ein Übungsergebnis, keine Schätzung der allgemeinen Modellgenauigkeit. Ein einmaliges Bestehen belegt keine Zuverlässigkeit bei anderen Dokumenten.
Bei einem Fehler korrigieren Sie den Entwurf anhand der Quelle. Sie können den Assistenten um Überarbeitung bitten, müssen die neue Antwort aber selbst prüfen. „Bist du sicher?“ an dasselbe System liefert keine unabhängigen Belege.
Warum kann eine KI-Antwort flüssig und trotzdem falsch sein?
Wann KI nutzen, wann eine einfachere Methode?
| Bedarf | Sinnvoller Ausgangspunkt | Ihre Verantwortung |
|---|---|---|
| Eigene kurze Notiz umformulieren | Textassistent | Bedeutung und Ton prüfen |
| Tabelle nach festen Regeln sortieren | Tabellenfilter oder Formeln | Regel und Eingabedaten prüfen |
| Aktuelle Richtlinie oder Frist prüfen | Maßgebliche Quelle | Datum und Bedingungen bestätigen |
| Nachricht senden oder Datensatz ändern | Kontrollierter Ablauf mit Prüfung | Berechtigungen, Empfänger und Aktion prüfen |
KI hilft, wenn flexible Sprachverarbeitung nützlich ist. Bei einer exakten Regel kann ein deterministisches Werkzeug leichter überprüfbar sein. Zeilen mit einem Wert über 100 zu filtern erfordert beispielsweise nicht unbedingt ein Sprachmodell.
Ein wiederholbarer Ablauf für Einsteiger
- Eine begrenzte Aufgabe wählen. Mit einer vollständig prüfbaren kurzen Notiz beginnen.
- Die Quelle liefern. Quellinformationen von Anweisungen trennen.
- Die Ausgabe definieren. Überschriften und Umgang mit fehlenden Angaben festlegen.
- Jede Aussage prüfen. Daten, Namen, Beträge, Bedingungen und Unbekanntes abgleichen.
- Über die Nutzung entscheiden. Fehler vor Weitergabe oder Handlung korrigieren.
Quellen und Hinweise zu den Beispielen
- Google for Developers: What is Machine Learning? — Hintergrund zu Lernen, Vorhersage und Generierung
- NIST: AI Risk Management Framework — Hintergrund zum KI-Risikomanagement
Projektnotiz, Referenzzusammenfassung, Checkliste und Entscheidungshilfe sind redaktionelle Beispiele für diesen Artikel. Sie zeigen eine Prüfmethode und belegen keine Leistung eines KI-Produkts.
