Jenseits der LLMs: KI, die Sie bereits nutzen, ohne es zu wissen

Die öffentliche Debatte über KI wird seit 2022 fast ausschließlich von LLMs dominiert. ChatGPT, Claude, Gemini. Die Leute, die Prompts verfassen, die Unternehmen, die Sprach-APIs integrieren. Das ist nur ein Bruchteil dessen, was KI in der realen Welt leistet.

Ihr Smartphone lässt sich dank KI per Gesichtserkennung entsperren. Ihr Instagram-Feed wird von einer KI sortiert. Betrug auf Ihrer Kreditkarte wird in Echtzeit von einer KI erkannt. Das Auto, das Sie vor einem Getriebeschaden gewarnt hat, hat möglicherweise eine prädiktive KI verwendet. Keine dieser KIs spricht. Keine davon ist ein LLM.

Bildverarbeitung#

Computer Vision bezeichnet die Fähigkeit eines Systems, Objekte oder Muster in Bildern oder Videos zu erkennen, zu lokalisieren und zu klassifizieren. Es handelt sich dabei um eine der ausgereiftesten Anwendungen des Deep Learning.

Was derzeit in der Produktion zum Einsatz kommt: Qualitätskontrolle an Fertigungslinien (Erkennung optischer Mängel in übermenschlichem Tempo), Paketsortierung in der Logistik, automatisches Erkennen von Kfz-Kennzeichen, Mammographien und bildgebende medizinische Untersuchungen, Überwachung von Baustellen, biometrische Authentifizierung.

Ein auf Millionen von medizinischen Bildern trainiertes Convolutional Neural Network (CNN) kann bestimmte Erkrankungen mit einer Genauigkeit erkennen, die der eines erfahrenen Radiologen entspricht – allerdings nur bei den Bildtypen, die in den Daten gut vertreten sind. Die wichtigen Begriffe: „bestimmte Erkrankungen“, „gut vertretene Bildtypen“. Außerhalb dieser Verteilung sinkt die Leistungsfähigkeit.

Die Empfehlung#

Netflix empfiehlt Ihnen Serien. Spotify erstellt Playlists für Sie. Amazon schlägt Ihnen Produkte vor. Das sind keine LLMs. Es handelt sich um kollaborative Filter- und Matrixfaktorisierungssysteme in Kombination mit Deep Learning, die auf Milliarden von Nutzerinteraktionen trainiert wurden.

Diese Empfehlung ist die KI, die seit langem den größten direkten wirtschaftlichen Einfluss hat. Sie optimiert eine Kennzahl (Klicks, Betrachtungsdauer, Konversionen). Was sie optimiert, kann davon abweichen, was für den Nutzer gut ist. Dies ist eine Eigenschaft des Systems und kein Fehler, der in der nächsten Version behoben werden muss.

Vorhersage und Erkennung von Anomalien#

Aufdeckung von Bankbetrug. Vorhersage von Maschinenausfällen. Bonitätsbewertung. Erkennung von Netzwerkangriffen. Diese Systeme sind seit 15 Jahren in der Praxis im Einsatz – in Branchen, über die Wired nie berichtet.

Ein Betrugserkennungsmodell analysiert Dutzende von Merkmalen in Echtzeit (Betrag, Standort, Uhrzeit, Historie, Gerät, Surfverhalten) und ermittelt einen Betrugswahrscheinlichkeitswert. Überschreitet dieser Wert einen Schwellenwert, wird die Transaktion blockiert oder zur Überprüfung weitergeleitet. Dieses System ist nicht perfekt. Es weist eine Falsch-Positiv-Rate (blockierte legitime Transaktionen) und eine Falsch-Negativ-Rate (nicht erkannte Betrugsfälle) auf. Die Herausforderung besteht darin, diesen Kompromiss anhand Ihrer realen Daten zu optimieren.

Diese Systeme machen Fehler, die konkrete Folgen haben. Eine fehlerhafte Bonitätsbewertung beeinträchtigt den Zugang einer realen Person zu Finanzmitteln. Ein zu aggressiver Betrugsfilter blockiert legitime Kunden. Diese Verzerrungen sind dokumentiert, unterliegen gesetzlichen Regelungen (dem AI Act in Europa, dem Fair Credit Reporting Act in den USA) und sind noch nicht gelöst.

Was sich ändert, wenn man das Gesamtbild betrachtet#

Zwei praktische Konsequenzen.

Um die Risiken wirklich einzuschätzen: Die Risiken der KI liegen nicht nur in den großen Sprachmodellen (LLMs). Sie liegen auch in den stillen automatisierten Entscheidungssystemen, die Rechte und Zugangsberechtigungen beeinflussen, ohne dass die Betroffenen davon in Kenntnis gesetzt werden. Der europäische KI-Gesetzesentwurf regelt genau diesen Punkt.

Zur Einschätzung des Projektumfangs: Ein Projekt im Bereich der Bildverarbeitung zur Qualitätskontrolle weist weder das gleiche Risikoprofil noch die gleichen Trainingskosten oder die gleichen erforderlichen Kompetenzen auf wie ein LLM-Projekt. Sie zu verwechseln, nur weil beide als „KI“ bezeichnet werden, führt zu falschen Entscheidungen.

Die industrielle KI – still und ohne große Sprachmodelle – hat ihren wirtschaftlichen Wert über Jahrzehnte hinweg unter Beweis gestellt. Sie verdient ebenso viel Aufmerksamkeit wie der neueste Chatbot.