von Dinah Pfau
ChatGPT, Gemini oder Claude – immer mehr Menschen verlassen sich in ihrem Alltag auf sogenannte „generative KI“. Aber wie funktioniert das eigentlich? Wie können wir die Antworten der Anwendungen einordnen? Und was passiert im Hintergrund? In dieser Beitragsreihe werden anhand von Alltagsbeispielen grundlegende Fragen rund um das Thema KI behandelt.
„Künstliche Intelligenz“ (KI) ist wohl einer der geschicktesten Marketing-Begriffe aller Zeiten. Die Bezeichnung deckt ein so breites semantisches Feld ab, dass sich von alltäglichen Kleinigkeiten bis zu den großen Fragen der Menschheit Alles diskutieren lässt. Das geniale hierbei: Darüber, was „künstlich“, was „Intelligenz“ oder was beides zusammengenommen bedeutet, lässt sich wunderbar streiten, nicht aber abschließend entscheiden. In einer Ökonomie, in der es um ständige Aufmerksamkeit geht, ist diese definitorische Offenheit buchstäblich Gold wert.
Zum allgemeinen Verständnis der Sachverhalte trägt es jedoch wenig bei, wenn sich schon grundlegende Fragen wie „Was ist KI?“ oder „Wie funktioniert es?“ kaum klären lassen. Erleichtert wird dies auch nicht, wenn Untergangsszenarien und (manchmal auch darin versteckte) Heilsversprechen der Big-Tech-Unternehmen die mediale Berichterstattung durchziehen und von den eigentlichen Bedingungen und Effekten der datenintensiven Anwendungen ablenken.[1] Debatten über Fragen nach einer vermeintlichen Ähnlichkeit der statistischen Verfahren zu „dem“ Menschen erschweren nicht nur eine kritische öffentliche Auseinandersetzung mit dem Thema, sondern auch die Regulierung der Technologien und ihrer Profiteure.[2]
Liefen viele technische, auch KI-gestützten Prozesse bisher unbemerkt im Hintergrund, so treten sie nun in Form von generativen Modellen in direkterer Weise in Erscheinung – auch in ganz alltäglichen Anwendungen. Entwicklungen, wie die Einführung der neuen Google-Suche mit „KI-Unterstützung“, die weit verbreitete Nutzung von Chat-Programmen oder das Erzeugen von Bildern, werfen dabei Fragen auf, die nicht nur unser Privatleben, sondern den Kern unserer demokratischen Gesellschaftsordnung betreffen.[3]
Die Diskussionen um die Folgen des Einsatzes können dabei durchaus Anlass zu Skepsis geben: Von Effizienzgewinnen über Jobverluste bis zum Verlust der Kontrolle und Verfügungsgewalt über die eigenen Daten (sogenannte Datensouveränität) gibt es eine riesige Flut von ganz unterschiedlichen Aussagen zu Künstlicher Intelligenz. Verwunderlich ist das nicht, so deuten die obigen Ausführungen schon an, wie schwer es ist, das Thema in seiner Komplexität greifbar zu machen.
Am Deutschen Museum stellt man sich dieser Herausforderung nicht nur in den Ausstellungen, sondern auch in der Forschung. Als Historikerin und Kulturwissenschaftlerin am Forschungsinstitut des Deutschen Museums habe ich in mehreren Projekten[4] zur Geschichte von Computern und Künstlicher Intelligenz gearbeitet. Ich habe mich in den letzten Jahren also intensiv mit dem Thema befasst und versucht, mir einen Überblick über die vielen verschiedenen relevanten Dimensionen zu verschaffen. Trotzdem ist es auch für mich bisweilen eine Herausforderung, die sinnvollen Nachrichten im Rauschen der Berichterstattung zu identifizieren (und zu entschlüsseln).
Die jüngsten Entwicklungen rund um diese Technologien – die oben beschriebene Einführung von Chat-Programmen, die Rede von ausgebrochenen KI-Agenten und der Ausbau von Datenzentren weltweit – möchte zum Anlass nehmen, um einige Aspekte rund um KI zu beleuchten. Hierfür möchte ich in den folgenden Blog-Beiträgen jeweils kleine Exkurse und eine Auswahl von Quellen anbieten. KI ist jedoch ein kompliziertes Thema, das von einem Menschen kaum mehr in seiner Gänze durchdrungen werden kann. Glücklicherweise muss ich für weitere Expertise gar nicht lange suchen: Für die Erstellung und Überprüfung der Inhalte kann ich auf eine breit gefächerte Expertise im Deutschen Museum und darüber hinaus zurückgreifen.
Wie aber auswählen unter den vielen Themen, die hierbei relevant sind? Das, was mit dem Begriff „Künstliche Intelligenz“ und den dahinterstehenden Technologien einhergeht, ist historisch gewachsen und nur schwer zu umreißen. Die KI-Forscherin Kate Crawford fasst es beispielsweise so zusammen: Sie sagt, Künstliche Intelligenz ist „verkörpert und materiell ‒ hergestellt auf der Basis von natürlichen Rohstoffen, Kraftstoffen, menschlicher Arbeitskraft, Infrastrukturen, Logistiken, Geschichten und Klassifikationen. KI-Systeme sind ohne ein vorheriges ausgiebiges und rechenintensives Training mit umfangreichen Datensätzen oder vorgegebenen Regeln und Belohnungen weder autonom noch rational oder auch nur in der Lage, irgendetwas wahrzunehmen.”[5]
Wie die Algorithmen funktionieren und welche Rolle Daten hierbei spielen, ist folglich ebenso relevant, wie die menschliche Arbeit, die die Grundlage für gegenwärtige KI-Technologien liefert oder die historischen Dimensionen von Praktiken der Klassifizierung. Viele der angesprochenen Probleme bekommen wir zudem gar nicht mit, da die Produktion und der Betrieb der Systeme auf komplexen Infrastrukturen aus Menschen, Kulturen und Technologien beruhen, die den gesamten Globus umspannen. Das betrifft nicht zuletzt den immensen Ressourcenverbrauch und die im Zusammenhang mit Erzeugung und Betrieb der KI-Systeme erzeugten Umweltbelastung.
Einigen dieser Themen, darunter Fragen nach Technik, Daten, Arbeit und Ressourcen, werde ich mich in den folgenden Beiträgen widmen. Ein Überblick über das komplexe und gewordene Verhältnis dieser Dimensionen von KI kann freilich nicht umfassend sein, zumal nicht auf wenigen Seiten eines Blog-Beitrags, der sich auch an Menschen richtet, für die das Thema neu ist. Vielleicht aber bietet er eine Orientierungshilfe im Dickicht der Spekulationen und eine Grundlage für eine kritische Auseinandersetzung jenseits der Frage, ob Computer intelligent sind.
Ein wichtiger Baustein für eine solche Orientierungshilfe ist das Wissen um die Funktionsweise von KI-Modellen und -Algorithmen. Freilich gibt es nicht „die“ eine KI, nicht „den“ einen Algorithmus, sondern eine Vielzahl verschiedener Technologien. Die meisten von ihnen beruhen im Moment vor allem auf statistischer Datenverarbeitung. Im nächsten Beitrag widme ich mich daher zunächst der Frage, wie diese Verarbeitung funktioniert. Am Beispiel von generativer KI erkläre ich, was passiert, wenn wir mit einer solchen Anwendung (bspw. ChatGPT) „chatten“ und wie die Antworten entstehen.
[1] Bspw. Tödliche Intelligenz. KI-Pioniere warnen vor einem Angriff der Maschinen. Der SPIEGEL 10. 2026.
[2] Bareis, Jascha, und Thomas Christian Bächle. „The Realities of Autonomous Weapons: Hedging a Hybrid Space of Fact and Fiction“. In The Realities of Autonomous Weapons, herausgegeben von Thomas Christian Bächle und Jascha Bareis. Bristol University Press, 2025. https://doi.org/10.51952/9781529237191.ch001.
[3] Siehe zum Beispiel Mühlhoff, Rainer. 2026. Künstliche Intelligenz und der neue Faschismus. Reclams Universal-Bibliothek Was bedeutet das alles? 14789. Reclam Verlag.
[4]„IGGI: Ingenieur-Geist und Geistes-Ingenieure. Eine Geschichte der Künstlichen Intelligenz.“ BMBF-Projekt am Forschungsinstitut des DM unter der Leitung von Rudolf Seising, 2020–2023; „Artificial Vision at Work – Maschinelles Sehen am Arbeitsplatz: Die digitale Transformation der Arbeit als Transformation der Praxis und Organisation des Sehens“, DFG-Projekt unter der Leitung von Rudolf Seising, 2024–2027.
[5] Crawford, Kate. Die materielle Wahrheit hinter den neuen Datenimperien. C.H. Beck, 2024, S. 16.
Dr. Dinah Pfau ist promovierte Historikerin und arbeitet seit 2020 als wissenschaftliche Mitarbeiterin am Forschungsinstitut des Deutschen Museums. Hier befasst sie sich mit verschiedenen Aspekten der Geschichte der Künstlichen Intelligenz.
Ihr Tipp für einen Besuch im Deutschen Museum ist die Ausstellung „Bild Schrift Codes“, die auf spannende und gut verständliche Weise verschiedene menschgemachte Systeme der Speicherung, Übertragung und Verarbeitung von Nachrichten beleuchtet.
