Was ist KI eigentlich konkret?

Ich hatte gerade angefangen, einen Artikel über meine Methodik zur Einführung von KI in Unternehmensprojekten zu schreiben, als mir ein Gespräch nachhallte, das ich vor Kurzem bei einer Veranstaltung in Paris geführt hatte:

« Weißt du, Benjamin, all das zu verstehen, was künstliche Intelligenz überhaupt ermöglicht — oder auch nur, was künstliche Intelligenz selbst ist —, ist schon ein Problem für sich. Von Strategie ganz zu schweigen … »

Und da lag mein Fehler: Ich schrieb Ihnen einen methodischen Artikel über ein Konzept, das für die Leserschaft vielleicht noch gar nicht klar war — oder schlimmer noch, ein Konzept, das Sie und ich nicht genau gleich definierten! Warum also nicht ganz von vorn anfangen?

Sprechen wir darüber, was KI ist. Dieser Artikel soll für alle zugänglich sein:

• ▸Er ist weder ein Theoriebuch für Forschende (die das Thema ohnehin kennen),
• ▸noch ein Programmiertutorial.

Es ist ein allgemein verständlicher Artikel, der aber auch für Entwicklerinnen und Entwickler nützlich sein kann ;) — und der Ihnen eine solide Grundlage gibt, um die Herausforderungen dieses Themas, die Akteure und die Trends zu verstehen, damit Sie Ihre eigenen Entscheidungen treffen können.

Und damit: Sprechen wir über KI!

KI besteht aus Schichten

Ihr Gemini auf dem Smartphone oder Ihr Citymapper, der die beste Route findet, bestehen in Wirklichkeit aus mehreren Bausteinen, die zusammengenommen die Anwendungen ergeben, die Sie kennen. Jeder Baustein bekommt ein eigenes Kapitel, um etwas tiefer einzusteigen. Hier erkläre ich nur grob, wofür sie stehen. Wer lange Texte oder meinen Schreibstil nicht erträgt, hat damit schon einen guten Überblick! 😉

Hier sind die verschiedenen Bausteine, die Ihnen zur Verfügung stehen, um Ihre KI-Anwendungen zu entwickeln und zu betreiben. Jeder große Bereich bringt eigene kommerzielle, industrielle und Autonomie-Fragen mit sich.

Beschreiben wir das Ganze kurz an einem einfachen Beispiel. Halten Sie sich fest, wir gehen sehr schnell über Konzepte hinweg, die wir in den nächsten Kapiteln vertiefen werden!

Festhalten, Chewie: Lichtgeschwindigkeit!

Unser roter Faden

Sie sitzen in Ihrem Unternehmen, das strenge Regeln zum Datenschutz hat. Ihre Chefin bittet Sie um eine Zusammenfassung der Vertriebsstrategie, die Sie gerade aus einer anderen Abteilung erhalten haben. Das Dokument ist lang und Sie haben eigentlich keine Zeit. Ihr Unternehmen hat Ihnen keine KI bereitgestellt (oder nur eine ziemlich schwache). Also greifen Sie, wie die meisten Beschäftigten derzeit, zu einem Werkzeug, das Sie kennen: ChatGPT.

Rote Karte! Sie haben soeben Shadow AI betrieben: eine externe KI genutzt und ihr Unternehmensdaten übergeben (die zum Vermögen des Unternehmens gehören) — an OpenAI, das sie möglicherweise zum Training eigener Modelle verwendet.

Gut, zurück zu unserer kleinen Geschichte. Sie öffnen also Ihren Browser und rufen die Website von ChatGPT auf, um mit Ihrer KI zu sprechen.

1. Die Anwendungsschicht

Hier befinden Sie sich auf der Anwendungsschicht: der Website mit der Chat-Oberfläche, den Werkzeugen, die prüfen, dass Sie es wirklich sind, die Ihnen Zugang gewähren (und Ihr Abonnement abrechnen). Abgesehen von der KI selbst ist es diese Anwendung, die mit dem Aufkommen der LLMs alles verändert hat. Je einfacher sie zu bedienen ist, desto besser für die Nutzer. Genau deshalb müssen Sie gut durchdenken, was Ihre Nutzer zu sehen bekommen: Die Falle des „100 % Chat“ ist in den Unternehmen, denen ich begegne, bereits deutlich zu erkennen.

Sie laden Ihre Datei hoch und sagen: „Fasse mir das in 5 Stichpunkten zusammen.“

2. Die Softwareschicht

Jetzt denken Sie: „Gut, jetzt arbeitet die KI!“ Aber in Wirklichkeit … noch nicht! Zuerst wird Ihre Datei von der Softwareschicht verarbeitet (ganz klassischem Code), noch bevor sie einem KI-Modell begegnet. Der Text wird extrahiert und anschließend in kleine Stücke zerlegt (das nennt man Chunking).

Warum? Weil jedes KI-Modell eine Obergrenze dafür hat, wie viel es auf einmal lesen kann: sein Kontextfenster (ein wenig wie das Arbeitsgedächtnis Ihres Gehirns beim Lesen einer Seite). Übersteigt Ihr Dokument diese Kapazität, oder will die Anwendung Zeit und Token sparen, orchestriert die Software die Arbeit zuerst: den großen Brocken zerlegen, jedes Stück zusammenfassen lassen oder gezielt nur die entscheidenden Passagen holen (über ein Verfahren namens RAG), um dem Modell nur das Wesentliche zu übergeben. Das ist echte Teamarbeit zwischen klassischem Code und KI!

3. Das KI-Modell

Jetzt erreicht der Text das Modell (LLM), das Sie in Ihrer Oberfläche ausgewählt haben.

Hier sprechen wir tatsächlich von KI. Und davon gibt es viele Arten! Ich spreche hier von LLMs, weil sie die bekannteste Form sind, aber es gibt weitere Algorithmen, die in ihrem jeweiligen Feld sehr leistungsfähig sind. Und innerhalb derselben Familie gibt es verschiedene Modelle: Hier fallen Namen wie GPT, Claude, Mistral, Qwen, Kimi und so weiter.

4. Die Infrastruktur: Wo läuft das alles?

Während unsere Modelle arbeiten, stellen wir uns die Frage: Wo laufen sie eigentlich? Denn Ihr Dokument ist nicht in Ihrem Browser geblieben! Es wurde irgendwohin geschickt, um analysiert zu werden: zu einem Cloud-Provider, in ein Rechenzentrum.

Und nun sollten Sie eines wissen: Selbst wenn Ihr physischer Server in Frankreich steht, unterliegen Ihre Daten dem Recht des Herkunftslandes Ihres Anbieters. Nutzen Sie Azure (Microsoft), AWS (Amazon) oder Google Cloud, fallen Ihre Daten unter extraterritoriale US-Gesetze, insbesondere den CLOUD Act (Clarifying Lawful Overseas Use of Data Act) oder Section 702 des FISA. Im Klartext: Die US-Justiz kann theoretisch Zugriff auf Daten verlangen, die von einem US-Unternehmen verwaltet werden — ganz gleich, ob die Server in Paris, Amsterdam oder Frankfurt stehen. Und ohne dass man es Ihnen überhaupt sagt! Geografie ist nicht alles, die Nationalität des Tech-Riesen spielt ebenso hinein.

Davon gibt es viele. Die bekanntesten sind AWS (Amazon), Google Cloud und Azure (Microsoft), daneben französische Akteure wie Scaleway, OVHcloud oder Outscale. Aber das sind nur Markennamen. Die Rechenzentren selbst stehen auf einem konkreten Staatsgebiet. In diesem Moment kann Ihr Dokument in Paris, Amsterdam oder New York liegen. Übrigens kann ein Teil Ihrer Anwendung an einem Ort liegen und Ihr KI-Modell an einem anderen (etwa Ihre Website auf Azure in Europa, während die KI die Zusammenfassung in einem Rechenzentrum in den USA erstellt). Und natürlich muss diese gesamte Infrastruktur mit Strom versorgt und mit Wasser gekühlt werden!

5. Die Hardware

Ihr Dokument war wirklich sehr lang, es rechnet noch immer, und die Chips werden dabei sogar ein wenig warm … Ja, die Hardware! Die Chips (GPU, CPU und andere), auf denen alles beruht: Ihr Dokument, die KI-Modelle, Ihre Anwendung. Die Cloud-Provider mussten sie kaufen.

Dieser Markt wird heute von einem großen Akteur beherrscht: NVIDIA. Doch NVIDIA fertigt seine Chips nicht selbst, sondern entwirft sie (Design). Hergestellt werden sie von Auftragsfertigern (Foundries) wie TSMC (hauptsächlich in Taiwan). Und das Verrückteste daran: Die hochkomplexen Maschinen, mit denen diese Fertiger Ihre Chips belichten, werden von einem einzigen Unternehmen in den Niederlanden gebaut — ASML! Ganz zu schweigen davon, dass man Rohstoffe braucht, um all diese Hardware überhaupt herzustellen.

Und damit ist die Aufgabe erledigt! Die Textstücke wurden ein letztes Mal vom Modell verarbeitet, um Ihnen Ihre 5 Stichpunkte zu liefern — fertig!

Eine realistischere Sicht

Wie Sie inzwischen verstanden haben: Wollte man das Ganze realistischer darstellen als in unserer ersten Aufteilung, sähe es so aus:

Es sind unterschiedliche Maschinen, die Ihre KI und Ihre Anwendung betreiben, das Ganze von Software orchestriert und bei einem Cloud-Provider gehostet. Und auf jeder Ebene stellen sich Fragen nach Leistung, Vertrauen, Souveränität und mehr.

Wenn Sie die Herausforderungen rund um all diese Themen verstehen möchten, lesen Sie gern die nächsten Kapitel! Und vor allem: Geben Sie mir Rückmeldung, damit ich meine Feder verbessern kann.

Ich wünsche Ihnen einen ausgezeichneten Tag — und vergessen Sie nicht, Spaß zu haben!