Was KI kann — und was nicht

Stufe 1 · Kapitel 2 · Lesezeit ca. 4 Minuten

In Kapitel 1 hast du gesehen, dass ein Sprachmodell im Kern nur eines tut: das nächste Wort vorhersagen, gelernt aus Milliarden Texten. Genau daraus folgt beides, die verblüffenden Stärken und die Schwächen, über die du Bescheid wissen musst, bevor du der KI etwas Wichtiges anvertraust.

Warum die KI so überzeugend danebenliegt

Die KI ruft kein Faktenwissen aus einer Datenbank ab. Sie rechnet aus, welche Antwort wahrscheinlich klingt. Meistens ist das wahrscheinliche Wort auch das richtige. Manchmal aber nicht, und dann erfindet die KI mit voller Überzeugung etwas, das es nie gab: eine Quelle, eine Zahl, ein Zitat. Das nennt man eine Halluzination.

Das ist kein Bug, den man abstellt. Es steckt in der Bauart. Die KI klingt beim erfundenen Satz genauso souverän wie beim richtigen, du merkst den Unterschied nicht an der Formulierung. Und genau darin liegt die Falle: Ein Kollege, der etwas nicht weiß, druckst rum oder sagt „da bin ich nicht sicher". Die KI sagt nie „keine Ahnung", sie liefert einfach eine glatte Antwort. Deshalb gilt eine einfache Regel, ohne Ausnahme: Was du freigibst, prüfst du. Nennt die KI eine Quelle, klick sie an. Nennt sie eine Zahl, gleich sie mit dem Original ab. Je wichtiger die Entscheidung, die auf der Antwort aufbaut, desto genauer.

Was die KI wirklich gut kann, und wo Schluss ist

Die echten Stärken heutiger Modelle liegen bei Sprache. Texte schreiben und umformulieren, übersetzen, lange Dokumente zusammenfassen, Muster in Text erkennen. Und längst nicht mehr nur Text: Moderne KI ist multimodal, sie versteht auch Bilder, Audio und Video im selben Gespräch. Foto vom Regal rein, Frage dazu raus, das ist heute Standard. Für den Alltag im Betrieb heißt das: Überall dort, wo es um Formulieren, Ordnen und Verdichten von Sprache geht, ist die KI stark und schnell. Das ist mehr Fläche, als die meisten denken.

Die Grenzen liegen genau da, wo Sprache aufhört und harte Fakten anfangen. Erfundene Statistiken. Große Zahlen exakt multiplizieren, das kann ein Sprachmodell aus sich heraus nicht sauber, dafür braucht es einen Taschenrechner als Werkzeug. Und ein veralteter Wissensstand: Das Modell kennt nur, was bis zum Ende seines Trainings im Netz stand, das Ereignis von letzter Woche fehlt ihm, wenn es nicht gerade nachschlagen darf.

Erst antworten oder erst nachdenken

Es gibt zwei Arbeitsweisen. Die eine antwortet sofort, sie schießt das wahrscheinliche Ergebnis raus. Die andere denkt erst in Schritten nach, zerlegt das Problem, prüft Zwischenergebnisse, korrigiert sich, das nennt man Reasoning. Reasoning ist bei komplexen Aufgaben deutlich besser, Strategie, Kalkulation, verzwickte Analysen. Bei einer einfachen Frage lohnt es nicht, es dauert nur länger und kostet mehr. Die Kunst ist, das Passende zu wählen, nicht immer die schwerste Maschine für die leichteste Aufgabe. Für die schnelle Notiz reicht die einfache Variante, für die Frage, an der eine Investition hängt, nimmst du das Modell, das erst nachdenkt.

„Das kann die KI nicht" hat ein Verfallsdatum

Ein Fehler, den ich Unternehmer immer wieder machen sehe: Sie testen die KI einmal, stoßen auf eine Grenze und legen das Thema für Jahre ab. „Kann sie nicht." Das ist ein schlechtes Dauerargument. Die Fähigkeiten wachsen nicht gleichmäßig, sondern in Sprüngen. Prof. Christian Bauckhage vom Fraunhofer-Institut bringt dafür ein Beispiel aus der Molekularbiologie: Bei der Proteinfaltung hat die gesamte Menschheit von 1957 bis 2018 rund 200.000 Strukturen entschlüsselt. Dann kam DeepMinds KI-System AlphaFold, und von 2018 bis 2024 kamen 200 Millionen dazu. 200.000 in 70 Jahren, 200 Millionen in wenigen. Bauckhages Muster: Fast jeder „Ja, aber die KI kann X nicht"-Einwand der letzten Jahre hat sich wenig später von selbst erledigt. Plane also nicht mit dem Stand von heute, sondern rechne damit, dass die Grenze von gestern nächstes Jahr weg ist.

Teste dich