Niemand hat Ihnen erklärt, was KI ist. Fangen wir dort an.

Reihe «KI verstehen», Notiz 1 von 12. Zwölf Notizen in Reihenfolge, von null bis zur Geschäftsleitung. Dies ist die erste.

Dienstag, 7.40 Uhr, Tram 11 in Zürich. Die Geschäftsführerin eines Unternehmens mit 60 Mitarbeitenden liest auf dem Handy ihre Mails. Drei Nachrichten hintereinander. Ein Anbieter offeriert ihr «eine KI-Lösung» für die Administration. Ihr Sohn schickt ihr den Schulaufsatz, den er in zehn Minuten «mit der KI» geschrieben hat. Und ein Mitglied des Verwaltungsrats fragt sie, mit der Höflichkeit von jemandem, der bereits entschieden hat, dass es ein Problem ist, was das Unternehmen eigentlich mit künstlicher Intelligenz macht.

Zwischen Bürkliplatz und Paradeplatz fällt ihr etwas Unangenehmes auf. Sie hört seit zwei Jahren täglich davon, sie hat eine Lizenz bezahlt, die kaum jemand nutzt, und wenn der Verwaltungsrat sie jetzt nach einer Definition fragen würde, hätte sie keine. Sie erkennt KI, wenn sie sie sieht. Sie kann nicht sagen, was sie ist.

Die Szene ist fiktiv. Die Situation nicht. Ich begegne ihr jede Woche bei Menschen, die seriöse Unternehmen mit seriösen Margen führen und über KI reden, wie man über das Wetter redet: flüssig und ohne genau zu wissen, wie sie funktioniert. Es ist nicht ihre Schuld. Fast alles, was zu diesem Thema erscheint, ist geschrieben, um zu verkaufen oder um Angst zu machen, und keines von beidem erklärt etwas.

Diese Reihe ist mein Versuch, es zu tun. Zwölf Notizen, von der grundlegendsten Frage bis zu den Entscheidungen, die nur die Geschäftsleitung treffen kann. Ohne Fachbegriffe, die ich nicht vorher erkläre, mit Beispielen aus dem gewöhnlichen Leben und mit einer Regel, die ich mir für alle auferlege: Jede Zahl trägt ihre Quelle, und wenn etwas die Schätzung eines Anbieters ist, sage ich es. Am Ende dieser ersten Notiz haben Sie zwei Sätze, um jeder Person in Ihrem Unternehmen KI zu erklären. Und ich nenne Ihnen den häufigsten Fehler beim Erklären, der zugleich der älteste ist: Er ist fünfundsiebzig Jahre alt.

KI ist keine neue Technologie. Sie ist eine alte Frage, die plötzlich Antworten hat, die funktionieren.

Eine Frage aus dem Jahr 1950, die noch offen ist.

1950 veröffentlichte der Mathematiker Alan Turing in der Zeitschrift Mind einen Aufsatz, der mit einer Frage begann, «Können Maschinen denken?», und sie auf der ersten Seite als zu vage verwarf. Stattdessen schlug er ein Spiel vor. Eine Person stellt zwei Gesprächspartnern, die sie nicht sieht, einem Menschen und einer Maschine, schriftlich Fragen und muss erraten, wer wer ist. Gelingt es ihr nicht, hat die Maschine gewonnen. Heute nennen wir das den Turing-Test.

Turing wagte zudem eine Vorhersage: Um das Jahr 2000 werde ein durchschnittlicher Fragesteller nach fünf Minuten höchstens eine Chance von 70 Prozent haben, die Maschine zu erkennen. Die Vorhersage traf nicht ein, und jahrzehntelang war das Spiel eher eine Übung in Philosophie als in Ingenieurskunst. Was daran zählt, ist nicht das Datum. Es ist, dass wir die Intelligenz einer Maschine vom ersten Tag an daran messen, wie menschlich sie wirkt. Behalten Sie diesen Gedanken. Ich komme am Ende darauf zurück, denn er ist die Wurzel des Fehlers, den ich Ihnen versprochen habe.

Der Sommer, in dem die Sache einen Namen bekam.

Am 31. August 1955 unterzeichneten vier Forscher einen zweiseitigen Antrag, um bei einer Stiftung Geld zu beantragen. John McCarthy vom Dartmouth College, Marvin Minsky von Harvard, Nathaniel Rochester von IBM und Claude Shannon von den Bell Labs. Sie baten um die Finanzierung einer «zweimonatigen Studie mit zehn Mann über künstliche Intelligenz» im Sommer 1956 am Dartmouth College in New Hampshire. Es ist das erste Mal, dass der Ausdruck schriftlich auftaucht.

Der zentrale Satz des Antrags verdient langsames Lesen: Die Studie ging von der Vermutung aus, dass «jeder Aspekt des Lernens oder jedes andere Merkmal von Intelligenz im Prinzip so genau beschrieben werden kann, dass eine Maschine es simulieren kann». Achten Sie auf zwei Wörter. Vermutung: Es war eine Wette, keine Tatsache. Und simulieren: Sie sagten nie nachbilden. Siebzig Jahre später sind beide Wörter immer noch die richtigen.

Was danach kam, war keine gerade Linie. Es gab Jahrzehnte der Begeisterung, Jahrzehnte der Kürzungen und der Projekte, die nicht hielten, was sie versprachen, und mehrere Generationen unterschiedlicher Techniken unter demselben Namen. Das ist das Erste, was man wissen sollte: «Künstliche Intelligenz» bezeichnet keine Technologie, sondern ein Ziel, und unter dieses Ziel passen sehr verschiedene Dinge. Der Spamfilter in Ihrem Postfach und der Assistent, der Verträge entwirft, heissen gleich und haben im Innern nichts gemeinsam.

Was das Gesetz sagt, was sie ist.

Wenn ein Wort zu viel bedeutet, lohnt sich ein Blick darauf, wie diejenigen es definieren, die es anwenden müssen. Die europäische KI-Verordnung definiert in Artikel 3 ein KI-System als ein maschinengestütztes System, das für einen Betrieb mit unterschiedlichem Grad an Autonomie ausgelegt ist, das nach seiner Einführung anpassungsfähig sein kann und das für explizite oder implizite Ziele aus den Eingaben, die es erhält, ableitet, wie Ergebnisse erzeugt werden, etwa Vorhersagen, Inhalte, Empfehlungen oder Entscheidungen, die physische oder virtuelle Umgebungen beeinflussen können.

Es ist eine juristische Definition, und darum klingt sie auch so. Aber sie enthält ein Wort, das fast alles erklärt: ableitet. Ein herkömmliches Programm folgt Anweisungen. Ist die Kundin über 65, gewähre den Rabatt; übersteigt die Rechnung tausend Franken, verlange eine zweite Unterschrift. Jemand hat jede Regel geschrieben, und das Programm tut genau das, immer, mit beliebigen Daten. Ein KI-System funktioniert nicht so. Niemand hat ihm die Regel geschrieben. Es leitet aus dem, was es erhält, das wahrscheinlichste Ergebnis ab.

Denken Sie an den Unterschied zwischen einem Rezept und einer Köchin. Das Rezept sagt zweihundert Gramm Mehl und zwanzig Minuten im Ofen, und wer ihm folgt, bekommt dasselbe. Die Köchin hat dieses Gericht fünfhundertmal gekocht, schaut den Teig an und weiss, dass er heute, bei dieser Luftfeuchtigkeit, fünf Minuten länger braucht. Sie schlägt keine Regel nach. Sie leitet ab. Das Rezept ist die Software von immer. Die Köchin ist die KI. Und wie die Köchin irrt sie sich manchmal, und sie kann nicht immer erklären, warum sie getan hat, was sie getan hat.

Drei Arten, eine Maschine zu bauen, die ableitet.

In siebzig Jahren wurden viele ausprobiert, und heute bestehen drei nebeneinander. Ich erkläre sie mit demselben Alltagsbeispiel, einer neuen Mitarbeiterin in Ihrem Unternehmen, weil dieses Bild am besten funktioniert, wenn eine Entscheidung ansteht.

Die erste ist, die Regeln aufzuschreiben. Eine Gruppe von Fachleuten bringt alles, was sie weiss, in Form von Bedingungen zu Papier, und die Maschine wendet sie schneller an als jeder Mensch. Das ist die Mitarbeiterin, die mit einem tausendseitigen Handbuch kommt und es buchstabengetreu befolgt. Im Mai 1997 schlug Deep Blue, ein Computer von IBM, Garri Kasparow in New York mit 3,5 zu 2,5 in einem Wettkampf über sechs Partien. Er bewertete zweihundert Millionen Stellungen pro Sekunde. Er hatte nicht spielen gelernt: Er rechnete, mit Regeln und roher Rechenkraft, besser, als ein Mensch rechnen kann. Dieser Ansatz lebt in vielen Unternehmen weiter und hat eine grosse Tugend: Er lässt sich prüfen. Wenn er sich irrt, kann jemand die schuldige Regel finden.

Die zweite ist, aus Beispielen zu lernen. Statt die Regeln zu schreiben, gibt man der Maschine viele gelöste Fälle und bittet sie, das Muster zu finden. Das ist maschinelles Lernen, und die Idee hat ein Datum: 1959 beschrieb Arthur Samuel von IBM ein Programm, das besser Dame spielen lernte als die Person, die es geschrieben hatte. Heute unterscheidet man drei Varianten. Lernen mit beschrifteten Beispielen, wie wenn man eine neue Mitarbeiterin mit tausend bereits klassierten Rechnungen einarbeitet. Gruppen in unbeschrifteten Daten finden, wie wenn man entdeckt, dass die eigene Kundschaft in vier Profile zerfällt, die niemand definiert hatte. Und Lernen durch Versuch und Irrtum, mit einer Belohnung für jeden Treffer; so wurde AlphaGo trainiert: Im März 2016 gewann es in Seoul 4 zu 1 gegen den Champion Lee Sedol, nachdem es Tausende menschliche Partien studiert und Tausende weitere gegen Versionen seiner selbst gespielt hatte.

Diese zweite Mitarbeiterin ist sehr gut in dem, was sie oft gesehen hat, und sehr schlecht in dem, was sie nie gesehen hat. Und sie hat eine Eigenschaft, die die Geschäftsleitung kennen muss: Sie lernt, was in den Beispielen steckt, einschliesslich der Fehler und der Vorurteile derjenigen, die sie erzeugt haben. Wenn Ihr Unternehmen zehn Jahre lang Kredite auf voreingenommene Weise vergeben hat, lernt die Maschine, mit derselben Eleganz voreingenommen zu sein.

Die dritte ist die, die das Gespräch verändert hat: die generativen Modelle. Im Juni 2017 veröffentlichten acht Forschende einen Aufsatz mit dem Titel «Attention Is All You Need», der eine Architektur namens Transformer beschrieb. Auf ihr wurden die grossen Sprachmodelle gebaut. Die Grundidee ist von fast beleidigender Einfachheit: Man trainiert ein Netz mit einer riesigen Menge Text darauf, eine einzige Sache zu tun, das nächste Wort vorherzusagen. Danach verfeinert man es mit Beispielen und menschlichen Korrekturen, damit es sich wie ein Assistent verhält. Und es zeigt sich, dass das, in ausreichendem Massstab gemacht, etwas hervorbringt, das schreibt, übersetzt, zusammenfasst und programmiert.

Am 30. November 2022 wurde ChatGPT für die Öffentlichkeit freigeschaltet. Laut einer von Reuters zitierten Notiz der Bank UBS hatte es im Januar 2023, zwei Monate nach dem Start, bereits hundert Millionen monatliche Nutzende; TikTok hatte dafür rund neun Monate gebraucht, Instagram zweieinhalb Jahre. Das ist eine Schätzung von Analysten, keine Zahl des Unternehmens, und so zitiere ich sie. Aber sie erklärt die Szene im Tram: Zum ersten Mal war KI etwas, das jede Person nutzen konnte, ohne etwas darüber zu wissen. Und das, eigentlich eine gute Nachricht, ist zugleich der Grund, warum so viele, die sie nutzen, nicht wissen, was sie ist.

Diese dritte Mitarbeiterin ist die verwirrendste. Sie hat mehr gelesen als irgendjemand in Ihrem Unternehmen, schreibt mit einer Flüssigkeit, die Eindruck macht, und war zugleich nie in Ihrem Büro, kennt Ihre Kundschaft nicht und weiss nicht, welcher Tag heute ist, wenn man es ihr nicht sagt. Ich erzähle es Ihnen in der nächsten Notiz ausführlich, denn zu verstehen, wie sie im Innern arbeitet, ist das, was die teuren Fehler verhindert.

Was sie nicht ist.

Definitionen darüber, was etwas nicht ist, haben einen schlechten Ruf, aber bei diesem Thema sind es die, die am meisten Geld sparen. Fünf Dinge, die KI nicht ist und die fast jede Verkaufspräsentation als gegeben voraussetzt.

• Sie ist nicht eine einzige Sache. Unter demselben Namen finden sich ein Spamfilter, ein System, das Rechnungen liest, ein Assistent, der schreibt, und ein Programm, das Go spielt. Wenn Ihnen jemand «KI» anbietet, lautet die erste Frage, zu welcher der drei Familien sie gehört, denn Risiko, Kosten und Prüfmethode sind bei jeder anders.
• Sie ist nicht neu. Sie hat siebzig Jahre Geschichte, mehrere Generationen von Techniken und eine lange Liste nicht eingelöster Versprechen. Neu ist, dass die dritte Familie gut genug funktioniert, damit jede Person sie nutzen kann, und dass ihr Preis sehr schnell gefallen ist.
• Sie weiss nicht, was sie sagt. Ein Sprachmodell erzeugt die wahrscheinlichste Fortsetzung eines Textes. Es hat keine Absicht, es prüft nicht, es weiss nicht, dass es sich irrt, wenn es sich irrt. Das ist kein Mangel, den die nächste Version behebt, es ist die Natur der Methode, und darum muss man sie mit Kontrollen umgeben.
• Sie ist keine Mitarbeiterin. Die Analogie der neuen Mitarbeiterin hilft mir beim Erklären, aber man sollte sie nicht bis in den Vertrag tragen. Eine KI trägt keine Verantwortung. Für das, was sie in Ihrem Namen tut, haftet Ihr Unternehmen, und es gibt Urteile, die das bereits gesagt haben. Ich spreche in der Notiz über Sicherheit davon.
• Sie ist kein Anbieter. Einige Labore bauen Modelle, Hunderte Unternehmen verpacken sie und Tausende verkaufen sie unter anderem Namen weiter. Dass ein Produkt «KI enthält», sagt fast nichts darüber, was drin ist.

Die Grössenordnung dessen, was geschieht.

Es lohnt sich, zwei oder drei Zahlen zur Hand zu haben, mit ihrem Vorbehalt. Der Bericht AI Index 2025 der Universität Stanford hält fest, dass 78 Prozent der befragten Organisationen 2024 angaben, KI zu nutzen, gegenüber 55 Prozent im Jahr davor. Es ist eine Umfrage, und «KI nutzen» reicht von einem Versuch in einer Abteilung bis zu einem System im Betrieb; lesen Sie es also als Tendenz und nicht als Messung.

Die Zahl, die mich am meisten interessiert, ist eine andere. Laut demselben Bericht sind die Kosten, ein System auf dem Niveau von GPT-3.5 zu betreiben, zwischen November 2022 und Oktober 2024 um mehr als das 280-Fache gesunken. Was vor zwei Jahren teuer auszuprobieren war, kostet heute Rappen, und das verändert die Frage, die sich eine Geschäftsleitung stellen muss: nicht mehr, ob sie es sich leisten kann, sondern was sich damit zu tun lohnt und was nicht. Ebenfalls laut Stanford schrumpfte der Leistungsabstand zwischen dem besten und dem zehntbesten Modell innerhalb eines Jahres von 11,9 auf 5,4 Prozent. Die Modelle gleichen sich immer mehr. Der Vorteil, wenn es einen gibt, liegt darin, wie man sie einsetzt, nicht darin, welches man kauft.

Und eine Zahl, die erklärt, warum ich Ihnen aus der Schweiz und aus Spanien schreibe: Von den bedeutenden Modellen, die 2024 veröffentlicht wurden, zählt Stanford 40 aus den Vereinigten Staaten, 15 aus China und 3 aus Europa. Die Modelle werden anderswo gemacht. Was hier gemacht wird, und wo sich der Wert für ein Unternehmen wie Ihres entscheidet, ist die Anwendung.

Wie man es in zwei Sätzen erklärt.

Zurück ins Tram. Der Verwaltungsrat hat gefragt, was das Unternehmen mit KI macht, und die Geschäftsführerin hat diesmal eine Antwort. Ich schlage Ihnen diese Definition vor, um sie in Ihrer nächsten Sitzung laut auszusprechen, und damit jede Person in Ihrem Team sie wiederholen kann, ohne mehr verstehen zu müssen:

Ein Programm, das, statt genauen Anweisungen zu folgen, aus Millionen von Beispielen gelernt hat, die wahrscheinlichste Antwort zu geben. Es liegt viel öfter richtig, als wir erwartet haben, und es weiss nicht, wann es sich irrt.

Die zwei Sätze enthalten alles, was eine Geschäftsleitung zum Anfangen braucht. Der erste erklärt, warum KI für Dinge taugt, die man früher nicht programmieren konnte: Niemand hat die Regel geschrieben. Der zweite erklärt, warum man sie mit Kontrollen, Verträgen und Menschen umgeben muss: Sie wird nie melden, dass sie sich geirrt hat.

Und nun der Fehler, den ich Ihnen versprochen habe. Er ist fünfundsiebzig Jahre alt, und begangen hat ihn, mit aller Intelligenz der Welt, Turing selbst, als er sein Spiel vorschlug. Er besteht darin, KI danach zu beurteilen, wie menschlich sie wirkt. Es ist der Fehler derer, die einem Assistenten vertrauen, weil er tadellos flüssig schreibt, und derer, die ihn verachten, weil er «nur Wörter vorhersagt». Flüssigkeit misst nichts. Ein System kann eine perfekte Mail an eine Kundin verfassen und in der zweiten Zeile eine falsche Angabe enthalten, mit derselben Sicherheit vorgetragen wie die richtigen. Beurteilen Sie KI, wie Sie einen Lieferanten beurteilen: nach dem, was sie liefert, gemessen, in Ihrem konkreten Fall. Nie danach, wie sie klingt.

1. Heute

   Schreiben Sie die Definition auf

   Die zwei Sätze, auf ein Whiteboard oder in die erste Nachricht, die Sie Ihrem Team zum Thema schicken. Alle sollen dieselbe verwenden.

2. Diese Woche

   Machen Sie Inventar dessen, was Sie schon haben

   Der Spamfilter, die Autokorrektur auf dem Handy, der Übersetzer, die Karte, die die Route berechnet. Sie nutzen KI bereits an zehn Stellen; sie zu sehen, nimmt die Angst und gibt Perspektive.

3. Diesen Monat

   Fragen Sie jede Abteilung eine einzige Sache

   Welche wiederkehrende Aufgabe ihnen jede Woche am meisten Zeit raubt. Fragen Sie nicht, wo sie KI einsetzen würden; das ist noch nicht dran. Die Liste der Aufgaben ist das, was zählt.

4. Vor der nächsten Sitzung

   Lesen Sie die zweite Notiz

   Wie ein Sprachmodell im Innern arbeitet und warum es manchmal Dinge erfindet. Sie ist die, die den Fehler verhindert, der Flüssigkeit zu vertrauen.

Wie ich es angehe.

Ich verkaufe keine KI. Ich gestalte Websites für Kliniken, Immobilienfirmen, Internate, Hotels und Kanzleien, und dahinter baue ich Automati­sierungen, die die Arbeit erledigen, die niemand sieht: um elf Uhr nachts in der Sprache des Kunden antworten, das Dossier vorbereiten, das das Team am Montag vorfindet, die Anfrage nicht verlieren, die an einem Sonntag kam. Um das gut zu machen, muss ich der Geschäftsleitung erklären, was das ist und was nicht, und ich habe festgestellt, dass diese Erklärung mehr wert ist als jede Vorführung.

Bevor Sie weiterlesen, ein einfacher Test. Erklären Sie jemandem in Ihrem Team in zwei Sätzen, was künstliche Intelligenz ist, ohne die Wörter «Magie», «Gehirn» oder «denken». Wenn es gelingt, haben Sie etwas, das viele Präsentationen nicht haben. Wenn nicht, keine Sorge: Dafür sind die elf Notizen da, die noch kommen.

Wenn Sie das alles lieber auf Ihr Unternehmen angewendet sehen möchten, mit Ihren Aufgaben, Ihren Systemen und Ihren Zahlen, ist das die Strategische Diagnose. Aber Sie müssen nicht mit mir sprechen, um weiterzulesen.

Nächste Notiz: wie eine KI «denkt» und warum sie manchmal Dinge erfindet. Tokens, Arbeitsgedächtnis und der 2025 nachgewiesene Grund, warum ein Modell lieber rät, als «ich weiss es nicht» zu sagen.