Was ist ein KI-Modell — und wie lernen Maschinen?

„Was ist eigentlich ein KI-Modell?" — die Frage kommt garantiert. Von der Kollegin, vom Chef, am Familientisch. Und die meisten Antworten sind entweder Marketing („eine digitale Intelligenz!") oder Mathematik-Vorlesung. Beides hilft niemandem.

Dabei lässt sich die ehrliche Antwort in drei Sätzen geben — und wer sie versteht, versteht auch, warum KI manchmal brillant ist und manchmal selbstbewusst Unsinn erzählt.

Ein Modell ist gepresste Erfahrung

Ein KI-Modell ist kein Programm mit einprogrammierten Regeln und keine Datenbank mit gespeichertem Wissen. Es ist eher: Muster aus riesigen Datenmengen, zusammengepresst in Milliarden Zahlen.

Diese Zahlen heissen Gewichte. Man kann sie sich als Drehregler vorstellen — Milliarden winziger Drehregler, deren Stellung gemeinsam bestimmt, was das Modell aus einer Eingabe macht. In den Reglern steckt kein einziger Satz aus den Trainingsdaten wörtlich drin. Was drinsteckt, ist das Muster: wie Sprache typischerweise weitergeht, welche Konzepte zusammengehören, was auf welche Frage üblicherweise folgt.

Wie Maschinen lernen: raten, messen, nachjustieren

Das Training klingt unspektakulärer, als das Ergebnis vermuten lässt:

1. Raten. Das Modell bekommt einen Textausschnitt und sagt das nächste Wort voraus. Am Anfang: reiner Zufall.
2. Messen. Die Vorhersage wird mit dem echten nächsten Wort verglichen. Der Fehler wird berechnet.
3. Nachjustieren. Jeder der Milliarden Drehregler wird ein winziges Stück in die Richtung gedreht, die den Fehler kleiner gemacht hätte.

Das ist alles — nur eben milliardenfach wiederholt, über gewaltige Textmengen, auf Hardware, die ganze Rechenzentren füllt. Aus „raten, messen, nachjustieren" entsteht so etwas verblüffend Fähiges: ein System, das Sprache, Code und Zusammenhänge so gut vervollständigt, dass es wie Verstehen wirkt.

Warum KI halluziniert (und das kein Defekt ist)

Jetzt wird die wichtigste Konsequenz sichtbar: Ein Modell weiss nicht, was wahr ist. Es weiss, was wahrscheinlich klingt.

Wenn du nach etwas fragst, das in den Mustern gut abgedeckt ist, bekommst du eine exzellente Antwort. Wenn du nach etwas fragst, das dünn abgedeckt ist — eine Nischenfrage, eine aktuelle Zahl, dein spezifischer Fall — vervollständigt das Modell trotzdem. Selbstbewusst. Es füllt die Lücke mit dem Wahrscheinlichsten, und das Wahrscheinlichste ist manchmal frei erfunden.

Das ist keine Fehlfunktion, die die Hersteller vergessen haben zu beheben. Es ist die direkte Folge davon, wie das System funktioniert. Halluzinationen sind der Preis für die Flexibilität.

Die Faustregel für den Alltag

Aus alldem folgt eine einzige Regel, die dich vor 90 % des Ärgers bewahrt:

Behandle KI-Antworten als Entwurf, nicht als Auskunft. Bei allem, was kreativ, sprachlich oder strukturell ist (Texte, Zusammenfassungen, Ideen, Code-Gerüste), ist das Modell ein hervorragender Mitarbeiter. Bei allem, was faktisch stimmen muss (Zahlen, Zitate, Rechtliches, Medizinisches), ist es ein Praktikant mit grossem Selbstvertrauen — prüfen, bevor du es weitergibst.

Wer dem Modell zusätzlich eigenes Material mitgibt — den Vertrag, das Protokoll, die Dokumentation — verschiebt die Arbeit vom Raten zum Verarbeiten. Genau deshalb ist Kontext der grösste Hebel beim Prompting.

Was du diese Woche tun kannst

Teste die Grenze selbst: Stell der KI eine Frage aus deinem Fachgebiet, deren Antwort du sicher kennst — einmal allgemein, einmal mit deinem Material im Prompt. Du wirst beides sehen: wie gut das Muster-Vervollständigen funktioniert, und wo es leise kippt. Danach liest du KI-Antworten anders.

Wenn du das Fundament einmal sauber aufbauen willst — was ein Modell ist, wie Maschinen lernen, was Agenten sind, alles in der Du-Form und ohne Fachjargon: Mein Hörbuch „KI-Grundlagen lernen für Einsteiger" gibt es auf Apple Books und Google Play.