Discover AI. Discover the Future.
Discover AI. Discover the Future.
Folge uns:

Von Aristoteles zu Algorithmen | Eine Reise durch die Geschichte der KI

Seit über zwei Jahren beherrscht das Thema “Künstliche Intelligenz”, kurz KI, die Schlagzeilen der Mainstream-Medien. Einige halten Künstliche Intelligenz für den nächsten großen Hype oder sogar eine Blase, die zu platzen drohen könnte, wie die Dotcom-Blase in der New Economy im Frühjahr 2000. Andere sind davon überzeugt, dass KI nahezu alle Bereiche des Lebens verändern wird. Klar ist: Die Ursprünge und Konzepte der Künstlichen Intelligenz sind kein Phänomen der Neuzeit. Sie sind vielfältig und tief in der menschlichen Geschichte verwurzelt.
Wir beleuchten die Entwicklung der Künstlichen Intelligenz kompakt und chronologisch: Komm mit uns auf eine Zeitreise zu den Wurzeln der Künstlichen Intelligenz. Los geht’s!

12

min Lesezeit

Link kopiert!

A collage depicting the development of artificial intelligence and showing early computer systems, AI algorithms and modern AI applications.
A collage depicting the development of artificial intelligence and showing early computer systems, AI algorithms and modern AI applications.
Pioniere der KI-Entwicklung (Erstellt mit KI | Dall-E 3 Plugin in ChatGPT)

Als KI nur eine Idee war | 322 v. Chr. - 1818

Aristoteles (Erstellt mit KI | Dall-E 3)

Wer hätte das gedacht? Die Geschichte der Künstlichen Intelligenz begann nicht in den Büros großer Tech-Firmen. Sie entstand vor langer Zeit in den Köpfen von Philosophen und Schriftstellern. So dachten bereits die antiken Philosophen über Maschinen nach, die ohne menschliche Unterstützung arbeiten können. Einer der ersten, der sich mit der Idee automatisierter Mechanismen beschäftigte, war Aristoteles. Seine Überlegungen legten den geistigen Grundstein der heutigen KI-Konzepte. In seinem Werk “Politik” schrieb er:

“Wenn jedes Werkzeug [...] vorausahnend [...] das ihm zukommende Werk verrichten könnte, [...], so bedürfte es weder für den Werkmeister der Gehilfen noch für die Herren der Sklaven.”

An illustration of a life-size, human-like robot created by Yan Shi, an ancient Chinese engineer, with the text "Robot by Yan Shi ~30 BC" on a grey background.
Roboter von Yan Shi (Erstellt mit KI | Dall-E 3)
A powerful and mythical figure of the Golem, depicted as a muscular, stone-like creature with glowing eyes, with the text "Golem ~1200" on a grey background.
Golem (Erstellt mit KI | Dall-E 3)
An illustration of the Elephant Clock by Al-Jazari, featuring an ornate mechanical clock mounted on the back of an elephant, with the text "Elephant Clock by Al-Dschazari ~1300" on a grey background.
Elefantenuhr von Al-Dschazari (Erstellt mit Dall-E 3)
Die Neugier und der Erfindungsreichtum für Maschinen oder menschenähnliche Helfer, die den Menschen Arbeit abnehmen und ihnen das Leben erleichtern, entwickelten sich über die kommenden Jahrhunderte zu einem globalen Phänomen. Im alten China beeindruckte der Ingenieur Yan Shi den König Mu von Zhou mit einem lebensgroßen, menschenähnlichen Roboter. In der jüdischen Literatur findet sich das künstliche Wesen Golem. Dieses Wesen, meist lehmgebunden, war stark und mächtig, besaß jedoch keinen freien Willen und war seinem Schöpfer untertan. Der arabische Gelehrte und Ingenieur Al-Dschazari schuf um 1300 herum die Elefantenuhr, bei der mechanische Figuren auf dem Rücken eines Elefanten angebracht waren und zu jeder halben Stunde erwachten, um Geräusche zu erzeugen.
A detailed portrait of Leonardo da Vinci with an illustration of a mechanical robot he designed, with the text "Leonardo da Vinci ~1500" on a purple background.
Leonardo da Vinci (Erstellt mit KI | Dall-E 3)

Auch der große Visionär der Renaissance, Leonardo da Vinci, entwarf mechanische Figuren, deren komplexe Bewegungen ihrer Zeit weit voraus waren, auch wenn sie nie gebaut wurden.

Und Paracelsus beschrieb in der Schrift De natura rerum einen künstlich geschaffenen Menschen, den Homunculus.

A detailed portrait of Frankenstein's monster from Mary Shelley's novel, with the text "Frankenstein by Mary Shelley ~1818" on a purple background.
Frankenstein (Erstellt mit KI | Dall-E 3 & Canva)

Nicht zuletzt hat die Science-Fiction-Literatur erhebliche Beiträge zur Weiterentwicklung der KI geleistet. In Gullivers Reisen stellte Jonathan Swift im Jahre 1726 “Engine”, die erste computer-ähnliche Maschine vor, und auch Mary Shelley beschäftigte sich in Frankenstein mit dem Thema des künstlichen Lebens.

Die Konzepte zur Künstlichen Intelligenz, die aktuell die Schlagzeilen der Tagespresse bestimmen, sind also nicht plötzlich entstanden. Sie bauen sich auf einem reichen Fundament von Geschichten, Spekulationen und kreativen Gedankenspielen auf und bereiteten uns auf die Erkundung der tieferen Schichten der Künstlichen Intelligenz vor.

Geburt der KI | 1950er - 1970er Jahre

Während die frühen Konzepte und Visionen von Künstlicher Intelligenz ein solides Fundament legten und Träume von maschineller Intelligenz formten, läuteten die 1950er bis 1970er Jahre das Zeitalter ein, in dem diese Träume der Realität näher kamen.

Gib genau an, worin deiner Meinung nach ein Mensch einem Computer überlegen sein soll, und ich werde einen Computer bauen, der deinen Glauben widerlegt.”

A digital portrait of Alan Turing, a pioneering figure in artificial intelligence, with the text "Alan Turing 1950" on a purple background.
Alan Turing (Erstellt mit KI | Dall-E 3 & Canva)

Im Herzen dieser revolutionären Phase stand Alan Turing. Turing war ein Pionier. In seinem Paper “Computing machinery and intelligence” revolutionierte er die Art und Weise, wie wir über die Intelligenz von Maschinen denken. Turing brachte die Frage auf: Kann eine Maschine denken? Um sich dieser Frage zu nähern, entwickelte er den nach ihm benannten “Turing-Test”, um zu prüfen, ob eine Maschine so denken oder kommunizieren kann, dass sie nicht von einem Menschen zu unterscheiden ist. Damit schuf Turing den Ausgangspunkt für ein neues Gebiet der wissenschaftlichen KI-Forschung.

A digital portrait of John McCarthy, a pioneer in artificial intelligence, with the text "John McCarthy 1956" on a purple background.
John McCarthy (Erstellt mit KI | Dalle-E 3)

Nur sechs Jahre später, im Sommer 1956, fand am Dartmouth College ein Ereignis statt, das bis heute als wichtiger Gründungsmoment der Künstlichen Intelligenz gilt. Unter einer ausgewählten Gruppe visionärer Denker befand sich John McCarthy. Er war es, der erstmalig den Begriff Künstliche Intelligenz einführte. Es war der Moment, in dem die Grundlagen der KI als eigenständiges Forschungsfeld gelegt wurden, das darauf abzielte, das Potenzial von Maschinen zu erforschen, die nicht nur in der Lage sind zu denken, sondern auch eigenständig zu lernen – eine Idee, die damals revolutionär war.

A digital portrait of Allen Newell and Herbert A. Simon, pioneers in artificial intelligence, with the text "A. Newell & H. A. Simon 1966" on a purple background.
Newell & Simon (Erstellt mit KI | Dall-E 3)

Zeitgleich, während desselben Treffens am Dartmouth College, entwickelten Allen Newell und Herbert A. Simon ein Programm namens Logic Theorist”. Dieses Programm ist als das erste echte KI-Programm der Welt in die Geschichte eingegangen. Es war in der Lage, mehrere Dutzend mathematische Aufgaben zu lösen und demonstrierte damit die beeindruckenden Fähigkeiten von Computern. Der Erfolg des Logic Theorists unterstrich nicht nur die Machbarkeit der KI-Forschung, sondern auch das enorme Potenzial, das in der maschinellen Nachahmung menschlicher Denkprozesse liegt.

A digital portrait of Joseph Weizenbaum, a pioneer in artificial intelligence, with the text "Joseph Weizenbaum 1966" on a blue background.
Joseph Weizenbaum (Erstellt mit KI | Dalle-E)
Einen weiteren Meilenstein in der Erforschung der Kommunikation zwischen Mensch und Maschine legte bereits zehn Jahre später Joseph Weizenbaum, indem er den ersten Chatbot der Geschichte mit dem Namen “ELIZA” am Massachusetts Institute of Technology (MIT) entwickelte. ELIZA simulierte einen Psychotherapeuten, der auf Chat-Eingaben logisch und relevant reagieren konnte. Es gelang ELIZA mit verblüffend simplen Mitteln, den menschlichen Chatteilnehmern den Eindruck eines empathischen Gesprächspartners zu erwecken. Weizenbaum war überrascht und zugleich besorgt über die Leichtgläubigkeit der Nutzer. Mit der beeindruckenden Simulation menschenähnlicher Fähigkeiten initiierte Weizenbaum eine tiefgreifende Auseinandersetzung mit den gesellschaftlichen, ethischen und sozialen Dimensionen der Mensch-Maschine-Interaktion. Es kamen Fragen nach Potenzialen und Grenzen von KI auf sowie nach der Verantwortung bei der Nachahmung menschlichen Denkens und Interagierens.

Zwischen Hoffnung und Enttäuschungen: KI-Winter und Expertensysteme | Mitte 1970er - 1990er Jahre

Die Entwicklung von Programmen wie ELIZA entfachte einen starken Optimismus in Bezug auf das, was KI erreichen könnte. Doch bald machten die Grenzen der damaligen Technologie, insbesondere die eingeschränkte Rechenleistung und Speicherkapazität, deutlich, dass der Weg zur Entwicklung einer intelligenten Maschine weit komplexer war als angenommen. In den 1970er Jahren erlebte die KI-Welt den ersten großen Rückschlag.
A digital portrait of Michael James Lighthill, a key figure in AI history, with the text "Michael James Lighthill 1973" on a blue background.
M.J. Lighthill (Erstellt mit KI | Dall-E 3)
Michael James Lighthill kritisierte im berüchtigten Lighthill-Bericht, dass die tatsächlichen Fortschritte in der KI-Forschung die hochfliegenden Versprechungen bei weitem nicht erreicht haben. Er wies darauf hin, dass – trotz großer Investitionen – die Ergebnisse besonders in den Bereichen des allgemeinen Problemlösens und des Sprachverständnisses enttäuschend blieben. Weiter führte er auf, dass die wachsende Komplexität es erschwere, die Potenziale der Künstlichen Intelligenz einzuschätzen. Daher empfahl er, die finanzielle Unterstützung für KI-Projekte zu reduzieren. Der Glaube an die Verwirklichung intelligenter Maschinen erlitt einen schweren Schlag und die Forschungsgemeinschaft erlebte den ersten großen KI-Winter: Es folgte eine Zeit der Enttäuschung, die erhebliche Kürzungen der Forschungsförderung nach sich zog.
Natürlich ließen sich die KI-Forscher nicht gänzlich entmutigen. Parallel dazu erlebte die Entwicklung von Expertensystemen einen Durchbruch. ‘MYCIN’ wurde 1972 an der Stanford University entwickelt und beriet Ärzte bei der Auswahl der passenden Antibiotika. ‘XCON’ wurde hingegen 6 Jahre später an der Carnegie Mellon University entwickelt und automatisierte komplexe Computerkonfigurationen des Unternehmens ‘Digital Equipment Corporation’ – eine Aufgabe, die bis dato erfahrene Techniker erforderte. XCON brachte dem Unternehmen Kosteneinsparungen von bis zu 40 Millionen Dollar pro Jahr ein, was dazu beitrug, dass Expertensysteme in den 1980er Jahren weltweit von Unternehmen nachgefragt wurden und somit das Hauptinteresse der KI-Forschung darstellten. Diese fortschrittlichen Computerprogramme waren darauf ausgelegt, menschliche Expertise in spezialisierten Feldern wie Medizin, Chemie oder Ingenieurwesen zu simulieren und demonstrierten zum ersten Mal, wie Künstliche Intelligenz alltägliche Herausforderungen meistern konnte. Einmal mehr erzielte die Künstliche Intelligenz signifikante Erfolge und läutete eine neue Ära ein.
Allerdings stellten Expertensysteme eine Herausforderung in Entwicklung und Instandhaltung dar. Sie erforderten regelmäßige Updates, um mit dem kontinuierlich wachsenden Fachwissen Schritt zu halten. Zudem konnten Expertensysteme die hohen Erwartungen an ihre Leistungsfähigkeit und Flexibilität oft nicht erfüllen. Diese Probleme, gepaart mit den hohen Kosten für die notwendige Hardware und Softwareentwicklung, führten erneut zu einer wachsenden Skepsis und Enttäuschung. Das Interesse und die Investitionen in die KI-Forschung entwickelten sich abermals zurück. Schließlich begann mit dem Scheitern der hochgesteckten Erwartungen an Expertensysteme 1987 der zweite KI-Winter.

Erwachen der KI: Durchbrüche und Innovationen, die die Welt verändern | 1990er Jahre - heute

Die Geschichte der Künstlichen Intelligenz ist historisch geprägt von Durchbrüchen und Rückschlägen. Doch jedes Mal, wenn die KI-Forschung an ihre Grenzen stieß, nutzte die KI-Gemeinschaft die gewonnenen Erkenntnisse, um aus den Fehlern der Vergangenheit zu lernen und mit neuer Kraft voranzuschreiten. Insbesondere seit den späten 1990er Jahren sind sowohl die Datenmengen aus dem Internet als auch die Leistungsfähigkeit von Rechnern signifikant angestiegen. Ein neues Zeitalter der Künstlichen Intelligenz begann:

A digital portrait of Garry Kasparov, a world chess champion, with the text "Garry Kasparov ~1990" on a green background.
Garry Kasparov (Erstellt mit KI | Dall-E 3)
Der Sieg des IBM-Computers Deep Blue über den Schachweltmeister Garry Kasparov rückte KI in dieser Zeit wieder ins Licht der Öffentlichkeit. Dieser Moment zeigte erneut, dass Künstliche Intelligenz das Potenzial hat, menschliche Experten in komplexen Aufgaben zu übertreffen. Das Interesse an der Erforschung von KI, das seit dem zweiten KI-Winter stagnierte, erwachte erneut zum Leben.
A digital portrait of Geoffrey Hinton, Alex Krizhevsky, and Ilya Sutskever, pioneers in deep learning, with the text "G. Hinton, A. Krizhevsky & I. Sutskever 2012" on a green background.
Hinton, Krizhevsky & Sutskever (Erstellt mit KI | Dall-E 3 & Canva)
Im Jahr 2012 lösten Alex Krizhevsky, Ilya Sutskever und Geoffrey Hinton mit der Entwicklung ihres tiefen neuronalen Netzwerks, welchem sie den Namen AlexNet gaben, eine bahnbrechende Revolution im Bereich des Deep Learning aus. Die Signifikanz von AlexNet lag in seiner herausragenden Leistung bei der ImageNet Challenge am 30. September 2012, einem Wettbewerb, der darauf abzielt, die Fortschritte im Bereich der Bilderkennung und -klassifizierung zu fördern. AlexNet übertraf die Konkurrenz bei weitem, indem es eine deutlich niedrigere Fehlerquote bei der Bilderkennung erzielte als bisherige führende Modelle. AlexNet demonstrierte eindrucksvoll das Potenzial von Deep Learning und katalysierte damit einen signifikanten Anstieg der Forschungsaktivitäten und Innovationen im Bereich der künstlichen neuronalen Netzwerke. Infolgedessen haben Deep Learning-Modelle bedeutende Fortschritte in einer Vielzahl von Anwendungsbereichen erzielt, darunter Spracherkennung, Textverarbeitung und autonomes Fahren. Deep Learning etablierte sich als zentraler Bestandteil der modernen Künstlichen Intelligenz.
A digital portrait of Lee Sedol, a prominent Go player, with a label reading "Lee Sedol 2016" on a green background.
Lee Sedol (Erstellt mit KI | Dall-E 3 & Canva)
Der Sieg von AlphaGo über Lee Sedol im März 2016 war nicht nur ein weiterer Meilenstein im Bereich der Künstlichen Intelligenz, sondern auch ein Beweis dafür, dass KI menschliche Intuition in einem der komplexesten Brettspiele der Welt nachahmen kann. Go, ein Spiel, das aufgrund seiner enormen Anzahl an möglichen Zügen und strategischer Tiefe deutlich komplexer als Schach gilt, stellte eine besondere Herausforderung dar. Traditionelle Ansätze waren nicht ausreichend gewesen, um die Komplexität von Go zu bewältigen. AlphaGo lernte durch das Studium von Millionen von Go-Partien und übertraf damit alle Erwartungen. Die zündende Idee, neuronale Netze und selbstlernende Verfahren einzusetzen, geht zwar auf den Mathematiker Irving John Good im Jahr 1965 zurück. Doch erst die Entwicklungen von AlphaGo durch das Team von Google DeepMind machten es möglich, diesen Ansatz auch erfolgreich umzusetzen. Mit Auswirkungen: Der Sieg von AlphaGo kurbelte die Investitionen in die KI-Forschung weltweit an. Unmittelbar nach dem Match kündigte die südkoreanische Regierung an, dass sie eine Billion Won (etwa 863 Millionen US-Dollar) in die KI-Forschung investieren wird.

Die Zukunft der Künstlichen Intelligenz | 2024 - Zukunft

Die jüngste Ära der KI, charakterisiert durch die Entwicklung und Anwendung von Large Language Models, wie Google Duplex und ChatGPT, hat das Feld erneut revolutioniert. Diese Modelle wurden auf umfangreichen Datenmengen trainiert und zeigen menschenähnliche Fähigkeiten in der Sprachverarbeitung.
So sorgte Google Duplex im Mai 2018 für Staunen und eröffnete eine neue Ära in der Mensch-Maschine-Kommunikation. Die fortschrittliche Technologie des Google Assistant vereinbarte eigenständig einen Friseurtermin per Telefon, ohne dass das Gegenüber merkte, mit einer KI zu sprechen.
A digital portrait of Sam Altman, CEO of OpenAI, with a label reading "Sam Altman 2022" on a green background.
Sam Altman (Erstellt mit KI | Dall-E 3 & Canva)
Die Enthüllung von ChatGPT durch OpenAI am 30. November 2022 erregte weltweit großes Aufsehen. Innerhalb von nur zwei Monaten avancierte ChatGPT mit über 100 Millionen Nutzern zur am schnellsten wachsenden Software-Anwendung der Geschichte. Mit seiner Fähigkeit, auf komplexe Anfragen in einer Weise zu antworten, die von menschlichen Interaktionen kaum zu unterscheiden ist, zog ChatGPT sofort die Aufmerksamkeit auf sich und löste eine Flut von Staunen, Bewunderung und Diskussionen aus. ChatGPT demonstriert eine zuvor unvorstellbare Vielseitigkeit und Kompetenz: Es löst komplexe mathematische Probleme, schreibt kreative Texte und simuliert tiefgreifende Gespräche. Forscher der Stanford University bestätigten, dass ChatGPT-4 den Turing-Test besteht und es sich von durchschnittlichem menschlichem Verhalten lediglich durch eine erhöhte Kooperationsbereitschaft unterscheidet. ChatGPT stellt nicht nur einen weiteren Meilenstein in der KI-Forschung dar, sondern markiert auch einen weiteren Wendepunkt in unserem Verständnis von künstlicher Intelligenz.

Künstliche Intelligenz ist heute allgegenwärtig und treibt bedeutende Innovationen in verschiedenen Branchen voran. Fortschritte in der Bild- und Spracherkennung haben die Integration von KI in zahlreichen Anwendungsbereichen beschleunigt, darunter autonome Fahrzeuge, persönliche Assistenten und medizinische Diagnosewerkzeuge.
Auch im Bildungssektor können KI-Systeme das Lernen revolutionieren, indem sie beispielsweise personalisierte Lernplattformen kreieren. Derartige Lernplattformen können den Lernstil und das Tempo einzelner Studierender erkennen und den Lehrplan individuell anpassen, um das Lernen für die Schüler zielgerichteter und effizienter zu gestalten.

Im Kundenservice revolutionieren KI-basierte Chatbots und virtuelle Assistenten die Art und Weise, wie Unternehmen mit ihren Kunden interagieren. Sie beantworten Anfragen, nehmen Buchungen vor und liefern wichtige Informationen, was die Kundenzufriedenheit signifikant steigert und die Arbeitsabläufe optimiert.

In der Kreativindustrie wird KI zur Musik- und Filmproduktion sowie zur Erstellung von Computerspielen eingesetzt. KI-Systeme beschleunigen nicht nur den kreativen Prozess, sondern ermöglichen auch ganz neue Ausdrucksformen, wie etwa durch algorithmisch komponierte Musikstücke und dynamisch generierte Spielszenarien. Eine kürzlich in “Scientific Reports veröffentlichte Studie zeigt, dass KI-Systeme im Alternate Uses Task, einem maßgeblichen Kreativitätstest, erstmals höhere Durchschnittswerte als Menschen erreicht haben. Unter diesen Systemen befanden sich auch OpenAIs ChatGPT-3 und GPT-4, die neue Maßstäbe in der kreativen Problemlösung gesetzt haben.

Die aktuellen und zukünftigen Entwicklungen in der KI-Technologie steigern Produktivität und Effizienz. Sie versprechen zudem eine tiefgreifende Veränderung unserer Arbeitsweise und der Interaktion mit Technologie. Diese Entwicklung bringt sowohl Herausforderungen als auch spannende Chancen für die Gesellschaft mit sich.
In Zukunft wird es auch um KI-Anwendungen gehen, die das Potenzial haben, menschliche Erfahrung und Fähigkeiten in einer zunehmend automatisierten Welt grundlegend zu verbessern und nahtlos in unseren Alltag zu integrieren. Der Einfluss von KI wächst stetig. Während KI ein fester Bestandteil unseres Alltags wird, wächst die Herausforderung, diese Technologien zum Wohl aller einzusetzen. Dabei werden wir Antworten suchen müssen auf neue Fragen bezüglich Ethik, Datenschutz und der Zukunft der Arbeit.
Die Geschichte der KI sollte uns dabei stets eine Erinnerung daran sein, dass jeder Fortschritt sowohl Möglichkeiten als auch Verantwortung mit sich bringt. In dieser Dynamik liegt die wahre Essenz – eine ständige Bewegung zwischen Erkundung und Reflexion, die darauf abzielt, die Grenzen des Möglichen zu erweitern, während sie das Menschliche stets in den Mittelpunkt stellt. Das übergeordnete Ziel sollte es sein, eine harmonische Verbindung zwischen Mensch und Künstlicher Intelligenz aufzubauen.

Übrigens: Wie oben bereits aufgeführt, besiegte 2016 die KI von Google DeepMind den Go-Spieler Lee Sedol. 2019 beendete Sedol dann seine Karriere und sagte: “Es gibt ein Wesen, das nicht besiegt werden kann. Doch im Februar 2023 schlug die Menschheit zurück, als Kellin Pelrine die Go-Programme Kata-Go und Leela Zero besiegte. Die Ironie dabei: Die Strategie zum Sieg wurde von einer KI erarbeitet.

Hat dir unser Artikel gefallen?

Lass uns gerne deine Meinung über unsere Sozialen Medien zukommen und bleib mit uns auf dem Laufenden, indem du uns folgst und unsere Inhalte kommentierst und teilst. Wir möchten dir eine umfassende Orientierung über Künstliche Intelligenz und über die Zukunft geben.

Teile diesen Artikel:

Link kopiert!

Verfasst von
Omar Sarwar
Ähnliche Artikel