Was ein LLM wirklich ist

Stufe 1 · Kapitel 1 · Lesezeit ca. 6 Minuten

In den kurzen Videos hast du schon gehört, dass KI kein Hype ist, der einfach wieder weggeht. Bevor wir darüber reden, was du damit im Betrieb machst, klären wir die eine Frage, die fast alle überspringen: Was ist so ein Sprachmodell eigentlich? Wer das verstanden hat, verliert die Angst davor und fällt auf deutlich weniger Unsinn rein.

Zwei Arten, einem Computer etwas beizubringen

Klassische Software funktioniert nach dem Prinzip „wenn das, dann das". Jeder Schritt ist vorgegeben. Dein Kassensystem im Shop ist genau so gebaut: Barcode X ergibt Preis Y, immer, ohne Ausnahme. Ein Mensch hat vorher jede Regel hingeschrieben. Das ist zuverlässig, aber stur. Was nicht programmiert wurde, kann die Software nicht.

Machine Learning, maschinelles Lernen, dreht das um. Du gibst dem Rechner keine Regeln, sondern viele Beispiele, und er sucht sich das Muster selbst. Statt „spitze Ohren plus Schnurrhaare plus Schwanz gleich Katze" zu programmieren, zeigst du dem System hunderttausend Katzenfotos. Am Ende erkennt es selbst, was eine Katze ausmacht. Den entscheidenden Satz merk dir: Der Rechner schreibt sich die Regel selbst, statt sie vorgesetzt zu bekommen.

Vom Muster zum Sprachmodell

Deep Learning ist eine besondere Form davon. Dahinter stecken neuronale Netze, viele kleine Recheneinheiten, in Schichten hintereinander. Jede Schicht erkennt ein bisschen mehr: erst Kanten, dann Formen, dann Augen und Nasen, am Ende „das ist ein Hund". Der Name kommt vom Gehirn, weil die Idee grob davon abgeschaut ist. Aber das ist nur eine grobe Abstraktion, keine Kopie. Ein neuronales Netz funktioniert nicht wirklich wie dein Kopf, es ist bloß lose davon inspiriert.

Ein LLM, ein großes Sprachmodell, ist so ein neuronales Netz, nur riesig und mit Milliarden Texten trainiert: Bücher, Webseiten, Nachschlagewerke. Und jetzt kommt der Punkt, den kaum jemand kennt. Im Kern tut so ein Modell eine einzige, fast langweilige Sache: Es sagt Wort für Wort das wahrscheinlich nächste voraus. Es ruft keine Fakten aus einer Datenbank ab. Es rechnet Wahrscheinlichkeiten. Klingt die naheliegende Fortsetzung plausibel, gibt es sie aus.

Warum das Ding trotzdem so viel kann

„Nur das nächste Wort" klingt nach wenig. Wie kann daraus etwas werden, das schreibt, übersetzt, zusammenfasst, sogar rechnet? Die Antwort steckt in dem Wort „Milliarden". Weil das Modell vorher so unfassbar viele Texte gesehen hat, hat es die Muster mitgelernt, nach denen Sprache, Argumente, Rechnungen und Programmcode aufgebaut sind. Es „weiß" nichts im menschlichen Sinn. Es hat das Muster tausendfach gesehen und trifft deshalb die wahrscheinliche Fortsetzung erstaunlich gut.

Genau daraus folgt aber auch die wichtigste Vorsicht, und die zieht sich durch den ganzen Kurs. Ein Modell, das die wahrscheinliche Fortsetzung ausgibt, kann sich mit voller Überzeugung irren. Klingt der erfundene Satz plausibel, kommt er raus, egal ob er stimmt. Deshalb ist die KI ein starker Assistent, aber keine Wahrheitsmaschine. Wer das einmal verstanden hat, arbeitet von Anfang an richtig mit ihr: nutzen ja, blind vertrauen nein. Im nächsten Kapitel schauen wir uns das genauer an.

Damit die Begriffe nicht durcheinandergeraten, sortier sie wie vier Schachteln ineinander. KI ist der Oberbegriff für alles, was Aufgaben übernimmt, für die man sonst den Kopf anstrengt. Machine Learning ist der Teil davon, der aus Beispielen lernt. Deep Learning ist Machine Learning mit neuronalen Netzen. Und ein LLM ist ein besonders großes Deep-Learning-Modell für Sprache. Von außen nach innen: KI, Machine Learning, Deep Learning, LLM.

Modell und App sind nicht dasselbe

Ein letzter Punkt, der im Gespräch oft schiefgeht. GPT, Claude oder Gemini sind die Modelle, also das Gehirn. ChatGPT, die Claude-App oder die Gemini-App sind nur die Bedienoberfläche drumherum, das Fenster, durch das du mit dem Gehirn redest. Wie Motor und Auto. „ChatGPT" ist nicht das Modell, sondern die App, in der das Modell GPT arbeitet. Kleiner Unterschied, aber wenn du ihn kennst, klingst du sofort weniger nach Anfänger und triffst bessere Entscheidungen, wenn es später um Modellwahl und Kosten geht.

Teste dich