Was unterscheidet KI und maschinelles Lernen?

Das Problem

In einem Zeitungsartikel ist von «künstlicher Intelligenz» die Rede, im nächsten Absatz von «Machine Learning» und kurz darauf von «Deep Learning». Ein Anbieter schreibt «KI-basiert», ein anderer «mit maschinellem Lernen». Sie fragen sich, ob das alles dasselbe ist oder ob Sie gerade etwas Wichtiges übersehen.

Das ist kein Wissensmangel Ihrerseits. Die Begriffe werden auch von Fachleuten und in der Werbung oft unsauber verwendet. Trotzdem lohnt es sich, die Ordnung einmal zu kennen: Dann können Sie Artikel, Kursangebote und Produktbeschreibungen viel besser einschätzen.

Und Sie verstehen, warum KI manchmal Fehler macht, die ein klassisches Programm nie machen würde.

So lösen Sie es mit KI – Schritt für Schritt

Ein KI-Chat ist ein geduldiger Erklärer für genau solche Begriffsfragen. So nutzen Sie ihn:

1. Sammeln Sie die Begriffe, die Sie verwirren. Notieren Sie zum Beispiel «KI, maschinelles Lernen, Deep Learning, Algorithmus».
2. Öffnen Sie einen KI-Chat Ihrer Wahl und verwenden Sie die Vorlage unten.
3. Bitten Sie um ein Bild aus Ihrem Alltag. Eine Erklärung mit Ihrem Beruf oder Hobby bleibt besser hängen als eine Definition.
4. Fragen Sie nach einer Übersicht als Tabelle. So sehen Sie auf einen Blick, was Ober- und was Unterbegriff ist.
5. Testen Sie Ihr Verständnis. Erklären Sie der KI in eigenen Worten, was Sie verstanden haben, und lassen Sie sich korrigieren.
6. Gleichen Sie mit einer zweiten Quelle ab, zum Beispiel mit dieser Seite oder einem Lehrmittel. Begriffserklärungen sind meist zuverlässig, aber nicht immer ganz präzise.

Einfach erklärt

Denken Sie an russische Holzpuppen, die ineinander stecken. Die grösste Puppe heisst künstliche Intelligenz (KI). Gemeint sind alle Computersysteme, die Aufgaben lösen, die nach «Denken» aussehen: Sprache verstehen, Bilder erkennen, Entscheidungen vorschlagen.

In ihr steckt die Puppe maschinelles Lernen, englisch Machine Learning. Hier lernt das System aus Beispielen. Man zeigt ihm zum Beispiel zehntausende E-Mails, die als «Spam» oder «kein Spam» markiert sind. Daraus leitet es selbst ab, woran man Spam erkennt. Diese Beispieldaten heissen Trainingsdaten; mehr dazu unter Trainingsdaten einfach erklärt.

Darin steckt die kleinste Puppe: Deep Learning. Das ist eine besonders leistungsfähige Form des maschinellen Lernens mit vielschichtigen Rechennetzen. Heutige Sprach- und Bildprogramme beruhen darauf. Eine Erklärung finden Sie unter Deep Learning einfach erklärt.

Es gibt aber auch KI ohne maschinelles Lernen. Frühe Systeme arbeiteten mit von Hand geschriebenem Expertenwissen, etwa «Wenn Fieber und Husten, dann prüfe Grippe». Man nennt das symbolische KI; sie wird unter Symbolische KI einfach erklärt beschrieben.

Vorlage zum Kopieren

Ich arbeite als [Beruf, z. B. Sekretärin in einer Gemeindeverwaltung] und habe kein technisches Vorwissen.
Erkläre mir den Unterschied zwischen diesen Begriffen: [Begriffe, z. B. KI, maschinelles Lernen, Deep Learning].

Bitte:
- verwende ein Bild aus meinem Arbeitsalltag,
- zeige in einer kleinen Tabelle, welcher Begriff Ober- und welcher Unterbegriff ist,
- nenne zu jedem Begriff ein Beispiel, das mir in der Schweiz im Alltag begegnet,
- stelle mir am Schluss zwei Kontrollfragen, mit denen ich mein Verständnis prüfen kann.

Passen Sie Beruf und Begriffe an; die Kontrollfragen können Sie direkt im selben Chat beantworten.

Worauf Sie achten müssen

• Begriffe werden uneinheitlich verwendet. Manche Anbieter sagen «KI» für jede Automatik. Fragen Sie im Zweifel nach, was genau lernt.
• Lernen heisst nicht Verstehen. Ein lernendes System erkennt statistische Muster. Es weiss nicht im menschlichen Sinn, was eine E-Mail bedeutet.
• Gelerntes kann veraltet sein. Was ein System gelernt hat, spiegelt den Stand seiner Trainingsdaten. Ändert sich die Welt, muss es neu trainiert werden.
• Daten prägen das Ergebnis. Waren die Beispiele einseitig, ist es auch das gelernte Verhalten.
• KI-Erklärungen prüfen. Bei Begriffsfragen liegt eine KI meist richtig, kann aber Details vermischen. Für Prüfungen oder Vorträge lohnt sich eine zweite Quelle.

Ein Beispiel aus der Praxis

Ein Beispiel: Herr Rossi leitet einen kleinen Elektroinstallationsbetrieb im Tessin und soll im Gewerbeverein kurz über KI berichten.

Vorher: Er hat drei Artikel gelesen und ist verwirrter als zuvor. Er weiss nicht, ob er «KI» oder «Machine Learning» sagen soll.

Nachher: Mit der Vorlage lässt er sich das Puppen-Bild erklären, und zwar mit einem Beispiel aus seiner Branche: einem System, das aus vielen Messwerten lernt, wann eine Anlage wahrscheinlich ausfällt. Er prüft die Tabelle mit dieser Seite und kann im Verein nun in zwei Sätzen erklären, wie die Begriffe zusammenhängen.

So hilft Ihnen Alpasana

Ein solides Grundverständnis hilft bei jedem weiteren KI-Thema. Die KI-Weiterbildung mit verifizierbarem Lernnachweis auf absofort bietet Foundation-Angebote ohne Vorkenntnisse und weiterführende Niveaus. Ein KI-Lerncoach beantwortet Fragen unterwegs, Modul-Quizze zeigen Ihnen, ob die Begriffe sitzen.

Für den Abschluss erhalten Sie ein Zertifikat mit eindeutiger ID und als PDF. Laut Angebotsbeschreibung zahlen Sie einmal und behalten den Kurszugang dauerhaft.

Häufige Fragen

Lernt eine KI auch weiter, während ich sie benutze?

Meist nicht direkt. Die meisten Systeme werden in einer Trainingsphase gelernt und danach unverändert eingesetzt. Ob ein Anbieter Ihre Eingaben für spätere Trainings verwendet, steht in seinen Datenschutzbestimmungen und lässt sich bei vielen Diensten abschalten.

Ist maschinelles Lernen etwas Neues?

Nein. Die Grundideen gibt es seit Jahrzehnten. Neu ist, dass heute genug Rechenleistung und Daten vorhanden sind, um sehr grosse Systeme zu trainieren. Darum wirkt KI erst seit wenigen Jahren so leistungsfähig.

Brauche ich Mathematik, um maschinelles Lernen zu verstehen?

Für das Grundprinzip nicht. Wer KI im Büro nutzt, muss wissen, dass sie aus Beispielen lernt und darum Fehler machen kann. Die Mathematik dahinter ist nur für Fachleute nötig, die solche Systeme selbst bauen.