Mit unserem wöchentlichen Podcast “Fast Facts: KI-Momente” möchten wir 12 Meilensteine der KI-Forschung kurz beleuchten und Interesse für die Entstehungsgeschichte der modernen KI wecken.
Starttermin: 02.04.2026
Mit unserem wöchentlichen Podcast “Fast Facts: KI-Momente” möchten wir 12 Meilensteine der KI-Forschung kurz beleuchten und Interesse für die Entstehungsgeschichte der modernen KI wecken.
Starttermin: 02.04.2026
Konzept & Skripte: Selina Müller, Saskia Reither und Elias Schwoerer
Sprecher: Elias Schwoerer
Postproduktion: Julijana Popovic
Song: "Office Plants" by 1000 Handz, licensed under CC BY, creativecommons.org/licenses/by/4.0
Hören Sie “Fast Facts: KI-Momente” auf vielen gängigen Podcast-Plattformen:
Wie entscheiden wir eigentlich, ob ein Computer intelligent ist oder nur sehr gut darin, uns etwas vorzuspielen?
Schon im Jahre 1950, als Computer noch ganze Räume füllten, stellte sich ein genialer Mathematiker names Alan Turing diese Frage und entwickelte ein Experiment, das bis heute definiert, wie wir über künstliche Intelligenz streiten.
In den 1950er-Jahren gab es noch keinen Begriff für das damals noch neue Feld der Künstlichen Intelligenz, das Maschinen das Denken beibringen wollte.
Und genau das war das Problem: Die Wissenschaft musste sich einen Namen geben, um Forschungsgelder zu bekommen und sich von älteren Denkschulen abzugrenzen.
Der erste große Erfolg, der die Menschen durch Künstliche Intelligenz wirklich in den Bann gezogen hat, brauchte keine komplexen Algorithmen — er brauchte Psychologie.
Wir fragen uns in dieser Folge: Wie konnte ein Computer schon 1966 so überzeugend wirken, dass Nutzer*innen Vertrauen zu ihm aufbauten?
Das Feld der generativen KI wurde vor 50 Jahren offiziell noch als aussichtslos erklärt, obwohl es heute den Alltag von unzähligen Menschen prägt.
Denn Anfang der 70er Jahre kam ein offizieller Bericht in Großbritannien zu dem Schluss: Künstliche Intelligenz kann prinzipiell nicht funktionieren. Dieser sogenannte Lighthill-Bericht hatte recht … und gleichzeitig völlig unrecht.
Was macht eigentlich eine Expertin oder einen Experten aus? Erfahrung? Wissen? Oder eine Sammlung von Regeln?
In den 1980er Jahren glaubte man tatsächlich, Expertise lasse sich vollständig formalisieren – in Wenn-Dann-Regeln. Auf Basis dieser Annahme wurden sogenannte “Expertensysteme” entwickelt, um z.B. anhand von Fakten wie Labordaten Diagnosen zu erstellen.
Ende der 1990er Jahre geriet die weit verbreitete These ins Wanken, dass Schach als Paradebeispiel für intellektuelle Höchstleistung gilt, denn ein Computer namens Deep Blue schlug den amtierenden Schachweltmeister Gary Kasparow.
Es stand eine unbequeme Frage im Raum: Wenn eine Maschine den besten Schachspieler der Welt schlagen kann – was sagt das dann über unsere Vorstellung von Intelligenz aus?
Ende der 90er-Jahre war das Internet ein digitaler Irrgarten. Wer etwas suchte, fand meist nur Werbemüll oder Linklisten.
Schließlich schafften es zwei Studenten, eine Maschine zu bauen, die Relevanz in Suchergebnisse verwandelte: Damit war PageRank geboren.
Der eigentliche Urknall der visuellen Intelligenz liegt in einer Datenbank, die im Jahr 2009 das Licht der Welt erblickte. Ihr Name: ImageNet
Kurz vor der Erstellung dieser Datenbank steckt Computer Vision – also das Trainieren von Computern darin, Bilder zu verstehen – aber noch in einer tiefen Krise. Nicht weil die Algorithmen fehlen, sondern weil die Daten fehlen.
Ein Team der Universität Toronto präsentiert im Jahr 2012 ein tiefes, faltungsbasiertes neuronales Netzwerk – das so genannte AlexNet.
Dieses Netzwerk verändert die KI-Forschung grundlegend. Bis dahin fragte man sich: Wie programmieren wir Maschinen so, dass sie Muster erkennen? Seit 2012 lautet die Frage: Wie geben wir Maschinen genug Daten und Rechenleistung, damit sie Muster selbst finden?
Dass Comupter uns im Rechnen überlegen sind, überrascht niemanden mehr. Aber was ist mit jenen Momenten, in denen wir eine Entscheidung nicht logisch durchdenken, sondern einfach "fühlen", was richtig ist?
Im März 2016 bewies eine Maschine in einem 3000 Jahre alten asiatischen Brettspiel, dass auch Algorithmen eine Art von Bauchgefühl und Kreativität entwickeln können.
Programme wie ChatGPT schreiben Aufsätze, generieren Code und übersetzen komplexe Fachtexte in Sekundenbruchteilen. Dies war lange Zeit nicht möglich, da KI Wörter zwar übersetzen, aber sie nicht verstehen konnte.
Schließlich wurde ein einziges, revolutionäres Konzept im Jahr 2017 entwickelt, das Computern beibrachte, worauf sie beim Lesen wirklich achten müssen.
Wir sind am Ende unserer Reise angekommen. Von dem Sommer 1956 in Dartmouth, als ein paar Wissenschaftler dachten, sie könnten die menschliche Intelligenz in zwei Monaten nachbauen, über die eisigen Jahre des KI-Winters, bis hin zu AlphaGo, das uns lehrte, dass Maschinen sich funktional menschlicher Intuition nähern können.