05.04.2018

Wo steht die Artificial Intelligence wirklich?

Was ist Artificial Intelligence und was wird nur so genannt? Und wo auf dem Weg zu den Science-­Fiction­-Vorbildern aus Star Trek und Co stehen wir?
/artikel/stand-der-dinge-in-der-artificial-intelligence
Stand der Dinge in der Artificial Intelligence
(c) fotolia.com - koya979

Die Faszination für künstliche Intelligenz (AI) bzw. vom Menschen geschaffene Intelligenz ist fast so alt wie die Menschheit selbst. Bereits in der griechischen Mythologie finden sich mechanische, aus Bronze gefertigte Diener, die über eigenständigen Willen verfügen. Die Geburtsstunde des Begriffs Artificial Intelligence war 1956, als sich unter der Führung von Marvin Minsky eine Gruppe von Wissenschaftlern für einen achtwö­chigen Workshop in Dartmouth traf, in dem der Grundstein für die Disziplin gelegt wurde. Doch was ist heute der Stand der Dinge in der Artificial Intelligence?

AI lässt sich grob folgendermaßen unterteilen:

  • Narrow AI: Systeme, die eng abgesteckte, repetitive Aufgaben automatisieren können, z.B. Bilderkennung,
  • Artificial General Intelligence: AI, die in der Lage ist, selbstständig neue Probleme zu erkennen und zu lösen, z. B. Data in Star Trek
  • Conscious AI: Sie verfügt über ein eigenes Bewusstsein und Emotionen, z.B. HAL 9000 in „2001: Odyssee im Weltraum“.

+++Zombies, Aliens & Star Trek: “Lemmings”-Inkubator holt Silicon Valley Mindset nach Wien+++ 

Stand der Dinge in der Artificial Intelligence

Die gewählten Beispiele zeigen: Alle heutigen als AI betitelten Systeme fallen unter Narrow AI, da sie weder in der Lage sind, das Gelernte zu generalisieren, noch Emotionen fühlen können oder gar über ein eigenes Bewusstsein verfügen. Der Befund zum Stand der Dinge in der Artificial Intelligence ist also – zumindest für Science Fiction Fans – eher ernüchternd.

Von Machine und Deep Learning

Innerhalb der Narrow AI sind es vor allem Machine Learning und im Speziellen Deep Learning, die den aktuellen Hype losgetreten haben. Machine Learning ist eine Technik, die bereits seit den 1950ern existiert. Sie beschreibt Algorithmen, die sich in Abhängigkeit von den Eingangsdaten selbst anpassen können. Auf diese Art können Muster und Gesetzmäßigkeiten in Datenbeständen erkannt werden, um darauf basierend Vorhersagen zu treffen. Typische Anwendungsgebiete für Machine Learning sind etwa Spamfilter, Prognosesysteme (z. B. Wetter oder Real Estate) sowie Betrugserkennung.

Deep Learning, das eine Subkategorie von Machine Learning darstellt, basiert auf künstlichen neuronalen Netzen, weshalb die Begriffe Deep Learning und (Artificial) Neural Networks fast austauschbar verwendet werden. Das Kernelement sind dabei künstliche Neuronen, die eine beliebige Anzahl von Eingängen haben können, aber nur einen Ausgang. Für jeden Eingang gibt es ein sogenanntes Gewicht, das bestimmt, wie wichtig er für den Ausgang ist.

Lernen durch Errors

Das „Deep“ in Deep Learning bezieht sich auf die Anordnung der Neuronen, die oft in mehreren Schichten erfolgt. Am Ausgang des gesamten Netzes erfolgt mittels der sogenannten „Error Function“ eine Überprüfung, wieweit der Vorhersagewert vom tatsächlichen Wert der Trainingsdaten abweicht. Dieser Error wird danach dazu verwendet, die Gewichte der einzelnen Neuronen zu adjustieren – das System lernt somit. Vereinfacht sieht das bei einer Vorhersage über Wohnungspreise folgendermaßen aus: Das neuronale Netz erhält als Eingangsdaten eine Liste an Wohnungen, bei denen neben dem Verkaufspreis und der Lage auch Daten wie z. B. Verkäufer und Maklerbüro zu finden sind. Nach mehreren Durchläufen erkennt das Netz, dass z.B. „Verkäufer“ und „zuständiges Maklerbüro“ nur einen sehr geringen Einfluss auf den Verkaufspreis haben, und setzt dementsprechend die Gewichte für die entsprechenden Eingänge neu.

Viele Anwender, wenige „echte AI-Startups“

Soviel zum technologischen Stand der Dinge in der Artificial Intelligence. Zu beachten gibt es in der Beurteilung von AI-Produkten aber noch einen weiteren Punkt. Denn die meisten Firmen, die Artificial Intelligence nutzen, haben sie nicht selbst kreiert. Was unterscheidet also ein „echtes AI­-Startup“ von reinen Anwendern?

Hier ein paar Anhaltspunkte:

  • Erstellen und Trainieren von eigenen Modellen (Deep Learning, Machine Learning)
  • Eigenständige Implementierung von domänenspezifischen Lösungen, teilweise on top von bestehenden AI­Frameworks wie z. B. Google TensorFlow, PyTorch oder Keras, und
  • über Verwendung und Kombination von Frameworks hinausgehende Anwendungen. Im Fall von Chatbot­Frameworks wie IBM Watson und Facebooks wit.ai wären das z.B. eigene Sprachmodelle für Umgangssprache.

Dieser Artikel erschien in gedruckter Form im aktuellen Brutkasten Magazin #6

Deine ungelesenen Artikel:
18.06.2026

Die nächste Finanzinfrastruktur wird gerade gebaut – die Frage ist nur, von wem

In seiner Kolumne zum „Proof of Talk“-Event in Paris zeigt Dejan Jovicevic: Blockchain wird zur neuen Finanzinfrastruktur. Europa muss jetzt handeln, um seine digitale Souveränität zu sichern.
/artikel/die-naechste-finanzinfrastruktur-wird-gerade-gebaut-die-frage-ist-nur-von-wem
18.06.2026

Die nächste Finanzinfrastruktur wird gerade gebaut – die Frage ist nur, von wem

In seiner Kolumne zum „Proof of Talk“-Event in Paris zeigt Dejan Jovicevic: Blockchain wird zur neuen Finanzinfrastruktur. Europa muss jetzt handeln, um seine digitale Souveränität zu sichern.
/artikel/die-naechste-finanzinfrastruktur-wird-gerade-gebaut-die-frage-ist-nur-von-wem
© brutkasten

Wer Blockchain hört, denkt oft noch immer an Kryptowährungen, Kursentwicklungen und die Spekulationsexzesse der vergangenen Jahre. Dieses Bild greift jedoch zunehmend zu kurz. Nach zwei Tagen beim Proof of Talk in Paris, einem der relevantesten europäischen Treffen für Web3, digitale Assets und Finanzinnovation, ist mein Eindruck vor allem einer: Die Diskussion hat sich fundamental verändert.

Bemerkenswert war dabei weniger die Technologie selbst als die Zusammensetzung der Teilnehmerinnen und Teilnehmer. Neben Gründer:innen und Technologieunternehmen waren Banken, Asset Manager, institutionelle Investoren, Zahlungsdienstleister und Regulatoren präsent. Viele der Gespräche drehten sich nicht mehr um die Frage, ob Blockchain-Technologien künftig eine Rolle spielen werden, sondern darum, wo und wie sie konkret eingesetzt werden können. Die Debatte hat die Nische verlassen und ist in der Mitte des Finanzsystems angekommen.

Genau darin liegt auch die eigentliche Relevanz der Entwicklung. Im Kern geht es längst nicht mehr um Kryptowährungen. Es geht um die Infrastruktur der Finanzwelt von morgen. Diskutiert wurden Themen wie Tokenisierung, Stablecoins, digitale Identitäten, neue Kapitalmarktmodelle und die Frage, wie Finanztransaktionen künftig abgewickelt werden. Viele dieser Entwicklungen stehen noch am Anfang. Dennoch entsteht zunehmend der Eindruck, dass sich hier grundlegende Bausteine einer neuen Finanzarchitektur herausbilden.

Besonders häufig fiel in Paris das Schlagwort Tokenisierung. Die dahinterstehende Idee ist, reale Vermögenswerte digital abzubilden und damit einfacher handelbar, teilbar und zugänglich zu machen. Befürworter sehen darin die Chance auf effizientere Kapitalmärkte und einen leichteren Zugang zu Investitionen. Ob sich diese Vision in vollem Umfang verwirklichen wird, bleibt abzuwarten. Unübersehbar ist jedoch, dass erhebliche Ressourcen und Aufmerksamkeit in diese Richtung fließen.

Für Europa stellt sich dabei eine weit größere Frage als jene nach einzelnen Technologien oder Geschäftsmodellen, nämlich die Wettbewerbsfähigkeit. In den vergangenen Jahren wurde intensiv darüber diskutiert, wie Europa bei künstlicher Intelligenz, Cloud-Infrastruktur oder Halbleitern eine stärkere Rolle einnehmen kann. Weniger Aufmerksamkeit erhält bislang die Frage, wer die Finanzinfrastruktur des digitalen Zeitalters gestaltet.

Dabei sind die Parallelen offensichtlich. Wer die Standards definiert, die Plattformen betreibt und die Infrastruktur kontrolliert, verfügt über einen erheblichen strategischen Vorteil. Wenn Europa digitale Souveränität ernst meint, sollte diese Debatte daher nicht bei KI oder Cloud-Lösungen enden. Sie muss auch den Finanzsektor umfassen.

Die Voraussetzungen dafür wären grundsätzlich vorhanden. Europa verfügt über starke Universitäten, technologisches Know-how, hohe Sparquoten und etablierte Finanzinstitutionen. Gleichzeitig zeigt sich seit Jahren ein wiederkehrendes Muster: Innovationen entstehen häufig in Europa, werden aber anderswo skaliert. Genau deshalb wird es entscheidend sein, Forschung, Unternehmertum, Kapital und Regulierung stärker zusammenzuführen und die Umsetzungsgeschwindigkeit zu erhöhen.

Proof of Talk hat mir vor allem eines vor Augen geführt: Die Diskussion befindet sich an einem anderen Punkt als noch vor wenigen Jahren. Die Frage lautet nicht mehr, ob Blockchain-Technologien jemals relevant werden könnten. Die Frage lautet zunehmend, welche konkreten Anwendungen sich durchsetzen und welche Regionen von dieser Entwicklung profitieren werden.

Ob Blockchain tatsächlich die Finanzwelt grundlegend verändern wird, kann heute niemand mit Sicherheit beantworten. Sicher ist jedoch, dass Banken, Investoren, Unternehmen und Regulatoren diese Möglichkeit mittlerweile ernsthaft diskutieren. Allein das unterscheidet die aktuelle Situation grundlegend von jener vor einigen Jahren.

Gerade deshalb lohnt es sich, die Entwicklungen aufmerksam zu verfolgen. Nicht, weil jede technologische Vision Realität wird. Sondern weil in solchen Phasen oft die Grundlagen jener Infrastrukturen entstehen, die Wirtschaft und Gesellschaft über Jahrzehnte prägen. Die nächste Finanzinfrastruktur wird möglicherweise genau jetzt gebaut. Die entscheidende Frage für Europa lautet daher nicht, ob sie kommt, sondern welche Rolle wir dabei spielen werden.

Toll dass du so interessiert bist!
Hinterlasse uns bitte ein Feedback über den Button am linken Bildschirmrand.
Und klicke hier um die ganze Welt von der brutkasten zu entdecken.

brutkasten Newsletter

Aktuelle Nachrichten zu Startups, den neuesten Innovationen und politischen Entscheidungen zur Digitalisierung direkt in dein Postfach. Wähle aus unserer breiten Palette an Newslettern den passenden für dich.

Montag, Mittwoch und Freitag

AI Summaries

Wo steht die Artificial Intelligence wirklich?

AI Kontextualisierung

Welche gesellschaftspolitischen Auswirkungen hat der Inhalt dieses Artikels?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Wo steht die Artificial Intelligence wirklich?

AI Kontextualisierung

Welche wirtschaftlichen Auswirkungen hat der Inhalt dieses Artikels?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Wo steht die Artificial Intelligence wirklich?

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Innovationsmanager:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Wo steht die Artificial Intelligence wirklich?

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Investor:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Wo steht die Artificial Intelligence wirklich?

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Politiker:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Wo steht die Artificial Intelligence wirklich?

AI Kontextualisierung

Was könnte das Bigger Picture von den Inhalten dieses Artikels sein?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Wo steht die Artificial Intelligence wirklich?

AI Kontextualisierung

Wer sind die relevantesten Personen in diesem Artikel?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Wo steht die Artificial Intelligence wirklich?

AI Kontextualisierung

Wer sind die relevantesten Organisationen in diesem Artikel?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Wo steht die Artificial Intelligence wirklich?