Allgemeine Einleitung

Seit die Menschheit Geschichten erzählt, träumt sie davon, der unbelebten Materie das Denken einzuhauchen: Statuen, die zum Leben erwachen, Golems aus Lehm, Automaten aus Kupfer. Lange gehörte dieser Traum ins Reich des Mythos. Mitte des 20. Jahrhunderts wurde daraus eine wissenschaftliche Disziplin. Und seit dem Beginn der 2020er-Jahre ist er industrielle Wirklichkeit, die Woche für Woche verändert, wie wir arbeiten, heilen, schöpferisch tätig sind und Krieg führen.

Als künstliche Intelligenz bezeichnet man die Gesamtheit der Techniken, mit denen Maschinen Aufgaben erledigen können, die „Intelligenz“ erfordern würden, wenn Menschen sie ausführten: einen Text verstehen, ein Gesicht erkennen, ein Auto steuern, einen mathematischen Satz beweisen, ein Gespräch führen. Diese Definition ist bewusst unscharf, und diese Unschärfe ist kein Mangel, sondern ein Wesensmerkmal des Themas. Was wir „intelligent“ nennen, verschiebt sich unablässig: Gestern galt Schach auf höchstem Niveau als Gipfel der Intelligenz, heute ist es eine Funktion, die man kostenlos herunterlädt. Forscher nennen das den „KI-Effekt“: Sobald eine Maschine etwas kann, hört man auf, es als Intelligenz zu betrachten.

Dieser Kurs ist um einen historischen Wendepunkt herum aufgebaut. Sechzig Jahre lang (1956-2017) kam die KI nur ruckweise voran, im Wechsel zwischen überschwänglichen Versprechen und „Wintern“ der Ernüchterung. Zwei große Familien von Ansätzen lösten einander ab und standen einander gegenüber: die symbolische KI, die das Schlussfolgern durch explizite Regeln nachbilden wollte, und die konnektionistische KI, die es nach dem Vorbild des Gehirns nachahmen wollte, mit neuronalen Netzen, die mit Daten gefüttert werden.

2017 führt eine wissenschaftliche Veröffentlichung mit provokantem Titel („Attention ist alles, was man braucht“) eine neue Architektur ein, den Transformer. Niemand ermisst damals ihre Tragweite. Fünf Jahre später, im November 2022, erreicht ein auf dieser Architektur aufgebautes Produkt, ChatGPT, binnen zwei Monaten hundert Millionen Nutzer, die schnellste Verbreitung in der Geschichte einer Technologie für das breite Publikum. Die Welt entdeckt die großen Sprachmodelle (englisch Large Language Models, kurz LLM): Systeme, die schreiben, programmieren, übersetzen und schlussfolgern können, auf einem Niveau, das Respekt abnötigt und zugleich beunruhigt.

Der gesamte Kurs lässt sich als Erzählung dieser Zäsur und ihrer Folgen lesen:

Wie konnte eine einfache Idee (das nächste Wort vorhersagen) Maschinen hervorbringen, die zu verstehen scheinen? Und was ändert das für die Wissenschaft, die Arbeit, den Krieg, den Planeten und vielleicht für die Zukunft unserer Spezies?

Ein roter Faden zieht sich durch das gesamte Dokument. Je leistungsfähiger diese Systeme werden, desto drängender wird die Frage ihrer Kontrolle. Es sind zwei Seiten derselben Medaille:

• Auf der hellen Seite: am Computer gefaltete Proteine, die den Weg zu neuen Medikamenten ebnen; frühere medizinische Diagnosen; bislang unbekannte mathematische Entdeckungen; eine vervielfachte Produktivität.
• Auf der dunklen Seite: bedrohte Arbeitsplätze; eine gewaltige Energierechnung; autonome Waffen; industrialisierte Desinformation; und am Horizont die schwindelerregende Frage, ob Systeme, die intelligenter sind als wir, an unseren Absichten ausgerichtet bleiben.

Weder die rein begeisterte Erzählung („Die KI wird alles lösen“) noch die rein katastrophische („Die KI wird uns vernichten“) wird der Wirklichkeit gerecht. Dieser Kurs bemüht sich, beide Enden zusammenzuhalten.

Zur Einstimmung (jeder Punkt wird in den jeweiligen Kapiteln ausführlich behandelt):

• Die Spitze des Feldes teilt sich eine Handvoll Labore. Auf amerikanischer Seite Anthropic (Claude-Modelle), OpenAI (GPT), Google DeepMind (Gemini) und SpaceXAI, vormals xAI (Grok); auf chinesischer Seite DeepSeek, Qwen (Alibaba), Moonshot und weitere, häufig mit offenen Gewichten und zu sehr niedrigen Kosten; auf europäischer Seite hält das französische Unternehmen Mistral die Fahne der Souveränität hoch. Die Rangfolge ändert sich jeden Monat, und die Lehre des Jahres 2026 lautet: Es gibt nicht mehr das eine beste Modell, sondern ein bestes Modell für jede Aufgabe.
• Die KI ist agentisch geworden. Man begnügt sich nicht mehr damit, sich mit einem Modell zu unterhalten: Man überträgt ihm Ziele, und es handelt: Es schreibt Code, bewegt sich durchs Web, bedient Software. Das ist der Schritt vom „Copilot“ zum „digitalen Mitarbeiter“.
• Die Robotik hat das Labor verlassen. 2026 arbeiten humanoide Roboter tatsächlich in Fabriken (Figure bei BMW, Atlas von Boston Dynamics bei Hyundai), während chinesische Plattformen wie Unitree solche Roboter für 16.000 Dollar verkaufen. Das ist keine Vorführung mehr, sondern ein entstehender Markt.
• Die Regulierung nimmt Gestalt an. Die europäische KI-Verordnung (AI Act) hat am 2. August 2026 eine weitere Etappe genommen: Ihre Transparenzpflichten und die Aufsichtsbefugnisse der Kommission über KI-Modelle mit allgemeinem Verwendungszweck sind anwendbar geworden. Die Vorschriften für Hochrisiko-Systeme, das Herzstück des Textes, wurden dagegen durch eine im Sommer 2026 verabschiedete Vereinfachungsverordnung auf Dezember 2027 und August 2028 verschoben (siehe Kapitel 25).
• Die Debatte über AGI hat sich verschärft. Die Chefs der großen Labore erklären öffentlich, in den kommenden Jahren eine „allgemeine künstliche Intelligenz“ anzustreben. Detaillierte Zukunftsszenarien wie AI 2027 beschreiben eine mögliche schwindelerregende Beschleunigung, die andere für übertrieben halten. Wir kommen darauf zurück, ohne Beschönigung und ohne Schwarzmalerei.

Wir beginnen bei den Grundlagen (Teil I): der Geschichte vor den LLM, dann der Mechanik des maschinellen Lernens, bis hin zur Transformer-Revolution. Anschließend treten wir in die Ära der großen Modelle ein (Teil II): LLM, Weltmodelle, Agenten und die Landkarte der Akteure. Mit Hardware und Infrastruktur (Teil III) steigen wir in den Maschinenraum hinab: Chips, Rechenzentren, lokale KI, Energie. Wir erkunden die großen Konvergenzen (Teil IV): Blockchain, Quantencomputing, Robotik. Wir sehen die KI im Einsatz in der realen Welt (Teil V): Gesundheit, Arbeit, Recht, Verteidigung. Schließlich stellen wir uns den existenziellen Fragen (Teil VI): Alignment, Sicherheit, Governance und mögliche Zukünfte.

Viel Freude bei der Lektüre.

---