Was ist schwache KI? Definition und Beispiele für spezialisierte künstliche Intelligenz

Wenn heute von künstlicher Intelligenz die Rede ist, ist fast immer schwache KI gemeint. Was steckt hinter dem Begriff, und wo begegnet sie Ihnen?

Schwache KI, auch enge KI oder englisch Narrow AI genannt, ist künstliche Intelligenz, die für einen klar umrissenen Aufgabenbereich gebaut oder trainiert wurde: Spam erkennen, Gesichter entsperren, Sprache in Text umwandeln, Texte formulieren. Innerhalb dieses Bereichs kann sie erstaunlich gut sein, oft schneller und genauer als ein Mensch. Außerhalb davon versagt sie, weil sie weder versteht, was sie tut, noch eigene Ziele verfolgt. Nach der klassischen Einteilung gehört jede KI, die es heute gibt, in diese Kategorie.

Wie selbstverständlich sie geworden ist, zeigt ein gewöhnlicher Morgen. Das Smartphone erkennt Ihr Gesicht und entsperrt sich. Das Postfach hat über Nacht ein Dutzend Werbe- und Betrugsmails aussortiert. Die Navigations-App schlägt wegen eines Staus eine andere Route vor, und im Radio des Autos läuft eine Playlist, die ein Algorithmus zusammengestellt hat. Vier Mal schwache KI, bevor der erste Kaffee im Büro getrunken ist.

Der Name führt allerdings in die Irre. „Schwach“ bedeutet nicht leistungsschwach. Gemeint ist, dass diese Systeme auf ein Aufgabenfeld beschränkt sind und nicht über eine allgemeine, menschenähnliche Intelligenz verfügen. Das Gegenstück, die starke KI, gibt es bisher nur als Forschungsziel und in der Science-Fiction.

Schwache KI: Definition in vier Merkmalen

Die Unterscheidung zwischen schwacher und starker KI geht auf den US-Philosophen John Searle zurück. Er beschrieb 1980 im Aufsatz „Minds, Brains, and Programs“ mit „schwacher KI“ die Sicht, dass Computer geistige Fähigkeiten nur nachbilden und als Werkzeug nützlich sind. Starke KI dagegen war die These, ein passend programmierter Computer habe tatsächlich einen Verstand. Heute wird der Begriff praktischer verwendet. Schwache KI erkennen Sie an vier Merkmalen:

• Begrenzter Aufgabenbereich: Das System ist für eine bestimmte Art von Aufgabe gemacht. Ein Programm, das Röntgenbilder auswertet, kann keine Lieferrouten planen.
• Gelernt aus Daten oder festgelegt durch Regeln: Die meisten heutigen Systeme beruhen auf maschinellem Lernen, also auf Mustern, die ein Algorithmus aus vielen Beispielen abgeleitet hat. Ältere Systeme folgen von Menschen geschriebenen Regeln.
• Kein Verständnis und kein Bewusstsein: Die KI verarbeitet Daten statistisch. Sie weiß nicht, was ein Gesicht oder eine Rechnung ist, sie erkennt nur, was in ihren Trainingsdaten so ausgesehen hat.
• Kein selbstständiger Transfer: Was das System in einem Bereich kann, überträgt es nicht von sich aus auf einen anderen. Für eine neue Aufgabe braucht es neue Daten, neues Training oder einen Menschen, der es passend einsetzt.

Ein Bild hilft: Schwache KI ist wie ein Spezialwerkzeug in einer gut sortierten Werkstatt. Der Drehmomentschlüssel ist beim Anziehen von Radmuttern unschlagbar, zum Sägen taugt er nicht. Starke KI wäre der Handwerker, der selbst entscheidet, welches Werkzeug er wofür braucht.

Beispiele für schwache KI im Alltag

Die folgenden Beispiele zeigen, wie breit das Spektrum ist. Manche Systeme arbeiten unsichtbar im Hintergrund, andere sprechen mit Ihnen.

Spamfilter im E-Mail-Postfach

Ein Spamfilter entscheidet bei jeder eingehenden Nachricht, ob sie erwünscht ist. Er hat aus Millionen markierter E-Mails gelernt, welche Absender, Formulierungen und Links typisch für Werbung oder Betrug sind. Klassische schwache KI: Er kann genau eine Frage beantworten, die aber sehr zuverlässig.

Gesichtserkennung und Fotoalben

Die Entsperrung per Gesicht und die Fotos-App, die Bilder nach Personen, Orten oder „Strand“ und „Hund“ sortiert, nutzen Bilderkennung. Ein neuronales Netz, ein dem Gehirn lose nachempfundenes Rechenmodell, hat gelernt, Merkmale in Pixeln wiederzuerkennen. Was ein Hund ist, weiß es trotzdem nicht.

Sprachassistenten wie Siri und Alexa

Sprachassistenten verbinden mehrere schwache KI-Systeme: eines wandelt gesprochene Sprache in Text um, eines erkennt die Absicht („Wecker stellen“), eines erzeugt die gesprochene Antwort. Die Hersteller bauen inzwischen große Sprachmodelle ein, damit die Assistenten freier antworten. Am Prinzip ändert das nichts.

Empfehlungen bei Streaming und Onlineshops

Netflix, Spotify, YouTube oder der Onlinehändler schlagen vor, was Sie als Nächstes sehen, hören oder kaufen könnten. Grundlage ist der Vergleich Ihres Verhaltens mit dem vieler anderer Nutzer. Solche Empfehlungssysteme gehören zu den wirtschaftlich wichtigsten KI-Anwendungen überhaupt, auch wenn sie kaum jemand als KI wahrnimmt.

Navigation und Stauprognose

Die Navigations-App berechnet nicht nur den kürzesten Weg. Sie schätzt aus aktuellen und historischen Bewegungsdaten, wie lange Sie auf welcher Strecke brauchen werden. Diese Prognose ist eine typische Aufgabe für maschinelles Lernen.

Übersetzung, Diktat und Autokorrektur

Übersetzungsdienste wie DeepL oder Google Übersetzer, die Diktierfunktion im Smartphone und die Wortvorschläge der Bildschirmtastatur beruhen auf Sprachmodellen. Sie erkennen, welche Formulierung in einem Zusammenhang wahrscheinlich passt. Das macht sie im Alltag sehr hilfreich und erklärt zugleich typische Fehler bei Fachbegriffen und Eigennamen.

Suchmaschinen

Wenn Sie eine Frage eingeben, versucht die Suchmaschine zu verstehen, was Sie meinen, und sortiert Milliarden Seiten nach Relevanz. Mehrere spezialisierte Modelle arbeiten dabei zusammen. Seit 2025 zeigt Google auch in Deutschland KI-Zusammenfassungen über den Suchergebnissen („Übersicht mit KI“), die ebenfalls ein Sprachmodell schreibt.

Chatbots im Kundenservice

Ob Bank, Energieversorger oder Onlineshop: Viele Chatfenster auf Websites beantworten Standardfragen automatisch. Ältere Bots folgen festen Entscheidungsbäumen, neuere nutzen Sprachmodelle und greifen auf die Hilfeseiten des Unternehmens zurück. Wird es kompliziert, übergeben gute Systeme an einen Menschen.

Betrugserkennung bei Kartenzahlungen

Banken und Kartenanbieter prüfen jede Zahlung in Sekundenbruchteilen auf Auffälligkeiten: ungewöhnlicher Ort, ungewohnte Uhrzeit, untypischer Betrag. Schlägt das Modell an, wird die Zahlung angehalten oder per App bestätigt. Auch hier: eine Aufgabe, millionenfach am Tag.

Fahrassistenz und automatisiertes Fahren

Notbremsassistent, Spurhalteassistent und Verkehrszeichenerkennung werten Kamera- und Radardaten aus. Selbst Robotaxis, die in einigen Städten ohne Fahrer unterwegs sind, nutzen schwache KI: hochspezialisiert auf den Straßenverkehr und auf die Gebiete, für die sie freigegeben sind.

Bildauswertung in der Medizin

Software unterstützt Radiologinnen und Radiologen beim Befunden, etwa indem sie auf Röntgen- oder Mammografiebildern auffällige Stellen markiert. Sie ist ein zweites Paar Augen, kein Ersatz für die ärztliche Entscheidung. Die Diagnose stellt weiterhin ein Mensch, der Vorgeschichte und Gesamtbild kennt.

Schwache KI im Unternehmen: Beispiele aus Büro, Produktion und Verwaltung

Auch im Arbeitsalltag steckt schwache KI in vielen Abläufen, oft eingebaut in Software, die längst im Haus ist. Einige typische Einsatzfelder:

• Rechnungseingang: Angenommen, ein Großhändler bekommt täglich mehrere Hundert Lieferantenrechnungen als PDF. Eine Belegerkennung liest Rechnungsnummer, Betrag und Kostenstelle aus und schlägt die Buchung vor. Die Buchhaltung prüft nur noch die Fälle, bei denen das System unsicher ist.
• Vorausschauende Wartung: Sensoren an Pumpen, Motoren oder Förderbändern messen Vibration und Temperatur. Ein Modell erkennt Muster, die einem Ausfall vorausgehen, und meldet sie, bevor die Anlage steht.
• Qualitätskontrolle per Kamera: In der Fertigung prüfen Kamerasysteme Bauteile auf Kratzer, Risse oder falsche Maße, ohne zu ermüden.
• Bedarfsprognosen: Handel und Gastronomie schätzen aus Verkaufsdaten, Wetter und Feiertagen, wie viel Ware sie brauchen.
• IT-Service: Eingehende Störungsmeldungen werden automatisch einer Kategorie und einem Team zugeordnet. Im Seminar zu KI im IT-Betrieb ist das eines der ersten Einsatzfelder.
• Bürotexte: KI-Assistenten wie ChatGPT, Microsoft Copilot oder Google Gemini entwerfen E-Mails, fassen Besprechungen zusammen und durchsuchen interne Dokumente.

Gemeinsam ist allen Beispielen: Die Aufgabe ist klar umrissen, es gibt genug Daten, und ein Fehler lässt sich erkennen und korrigieren. Genau dort spielt schwache KI ihre Stärken aus.

Warum ChatGPT und Co. trotz ihrer Breite schwache KI sind

Spätestens seit ChatGPT fragen sich viele: Ein System, das Gedichte schreibt, Programmcode erklärt, Verträge zusammenfasst und auf Englisch, Deutsch oder Japanisch antwortet – ist das noch „eng“? Die Frage ist berechtigt. Große Sprachmodelle sind deutlich vielseitiger als ein Spamfilter, und die Grenze zwischen enger und allgemeiner KI ist dadurch unschärfer geworden.

Trotzdem ordnen die meisten Fachleute ChatGPT, Claude, Gemini und vergleichbare Systeme der schwachen KI zu. Google DeepMind spricht in seinem Stufenmodell bei solchen Sprachmodellen zwar von „aufkommender AGI“, meint damit aber die unterste Stufe allgemeiner KI. Für die Einordnung als schwache KI gibt es gute Gründe:

• Im Kern eine Aufgabe: Ein Sprachmodell setzt Text fort. Es berechnet Wort für Wort, welche Fortsetzung zu Ihrer Eingabe und zu allem passt, was es im Training gesehen hat. Die Vielseitigkeit entsteht, weil sich sehr viele Aufgaben als Text ausdrücken lassen.
• Keine eigenen Ziele: Das Modell wird erst aktiv, wenn jemand es fragt. Auch KI-Agenten, die mehrere Schritte selbstständig ausführen, arbeiten an einem Auftrag, den ein Mensch formuliert hat, und nur mit den Werkzeugen, die man ihnen freigibt.
• Kein Lernen aus Erfahrung im Betrieb: Das eigentliche Modell verändert sich im Gespräch nicht. Wenn sich ein Assistent an frühere Unterhaltungen „erinnert“, liest er gespeicherte Notizen oder Auszüge aus früheren Chats mit. Dazulernen im eigentlichen Sinn geschieht nur beim nächsten Training durch den Hersteller.
• Brüchiges Wissen: Sprachmodelle erfinden gelegentlich Fakten, Quellen oder Zahlen und tragen sie überzeugt vor. Fachleute sprechen von Halluzinationen. Ein Mensch mit dem gleichen Wissen würde merken, dass er gerade rät.
• Kein Bezug zur Welt: Das Modell hat nie einen Gegenstand angefasst oder die Folgen einer Entscheidung erlebt. Es kennt die Welt nur aus Beschreibungen.

Man kann es so zusammenfassen: ChatGPT ist ein sehr breites Spezialwerkzeug. Für Unternehmen ist diese Einordnung mehr als Begriffsklauberei. Wer weiß, dass er mit einem statistischen Textwerkzeug arbeitet, prüft Ergebnisse, gibt keine vertraulichen Daten unbedacht ein und überträgt dem System keine Entscheidungen, die ein Mensch verantworten muss. Wie sich schwache und starke KI unterscheiden und warum Sprachmodelle die Grenze verwischen, erklärt der Beitrag Starke und schwache KI: der Unterschied und was Unternehmen daraus ableiten.

Was schwache KI gut kann und wo ihre Grenzen liegen

Die Stärken schwacher KI liegen dort, wo Menschen ermüden oder überfordert sind: bei großen Datenmengen, bei immer gleichen Prüfungen und bei Mustern, die zu fein für das bloße Auge sind. Ein Modell sichtet in Minuten, wofür ein Team Wochen bräuchte, und arbeitet um drei Uhr nachts genauso wie um zehn Uhr morgens.

Die Grenzen sind ebenso typisch:

• Abhängigkeit von Daten: Eine KI ist nur so gut wie die Beispiele, aus denen sie gelernt hat. Fehlen bestimmte Fälle, erkennt sie diese schlecht.
• Verzerrungen: Enthalten die Trainingsdaten Vorurteile, übernimmt das Modell sie. Bei der Vorauswahl von Bewerbungen oder bei Kreditentscheidungen kann das Menschen benachteiligen.
• Überraschungen außerhalb des Trainings: Eine Kamera-Prüfung, die bei Tageslicht trainiert wurde, kann bei anderer Beleuchtung danebenliegen. Menschen gleichen solche Unterschiede mühelos aus, schwache KI nicht.
• Schwer nachvollziehbar: Warum ein neuronales Netz zu einem Ergebnis kommt, lässt sich oft nur annähernd erklären. Das wird zum Problem, wenn Entscheidungen begründet werden müssen.

Der europäische AI Act setzt genau hier an. Er regelt KI nicht danach, ob sie schwach oder stark ist, sondern nach dem Risiko des Einsatzes. Ein Spamfilter fällt praktisch nicht darunter, ein System zur Bewerberauswahl gilt als Hochrisiko-Anwendung mit strengen Pflichten. Diese Pflichten gelten nach der Verschiebung durch den Digital Omnibus zur KI ab dem 2. Dezember 2027. Einen Überblick über Fristen und Pflichten gibt das Seminar AI Act im Überblick.

Was das für Ihr Unternehmen bedeutet

Die gute Nachricht: Sie müssen nicht auf eine KI warten, die „wirklich denkt“. Fast alle Einsatzfälle, die sich heute rechnen, sind Aufgaben für schwache KI. Die sinnvolle Frage lautet deshalb nicht, wie intelligent ein System ist, sondern ob es zu einer konkreten Aufgabe passt. Drei Prüffragen helfen:

1. Ist die Aufgabe klar umrissen? „Rechnungen vorkontieren“ ist ein guter Kandidat, „den Vertrieb verbessern“ nicht.
2. Gibt es genug passende Daten oder Texte? Ohne Beispiele, Dokumente oder Messwerte lernt kein Modell etwas Brauchbares.
3. Lassen sich Fehler erkennen und auffangen? Wo ein Mensch das Ergebnis prüft oder ein Fehler wenig kostet, ist der Einstieg leicht. Wo Entscheidungen Menschen direkt betreffen, braucht es Kontrolle und Dokumentation.

Überschätzt wird dagegen, wie viel ein einzelnes Werkzeug allein leistet. Der Nutzen entsteht, wenn Abläufe angepasst und Mitarbeitende geschult sind. Meine Empfehlung: Beginnen Sie mit zwei, drei überschaubaren Aufgaben, messen Sie den Zeitgewinn ehrlich und bauen Sie von dort aus. Einen Überblick über Methoden, Werkzeuge und Einsatzfelder finden Sie im Themenbereich Künstliche Intelligenz (KI).

Häufige Fragen zur schwachen KI

Sind schwache KI, enge KI und Narrow AI dasselbe?

Ja. Die drei Begriffe meinen dasselbe: KI, die auf einen bestimmten Aufgabenbereich spezialisiert ist. Im Englischen sind „Narrow AI“ und „Weak AI“ gebräuchlich, im Deutschen meist „schwache KI“.

Gibt es außer schwacher KI schon eine andere Form?

Nein. Starke KI, also eine Maschine mit allgemeiner, menschenähnlicher Intelligenz, existiert bisher nicht. Ob und wann sie kommt, ist in der Forschung umstritten. Welche Fähigkeiten ihr fehlen und wie man sie erkennen würde, steht im Beitrag Was ist starke KI? Fähigkeiten, Beispiele und Stand der Forschung.

Lernt schwache KI von selbst dazu?

Nur im vorgesehenen Rahmen. Manche Systeme werden mit neuen Daten regelmäßig nachtrainiert, etwa Spamfilter. Neue Fähigkeiten außerhalb ihres Aufgabenbereichs entwickeln sie dadurch nicht.

Ist schwache KI harmlos, weil sie nicht denken kann?

Nicht automatisch. Die Risiken liegen weniger in eigenen Absichten der Maschine als in Fehlern, Verzerrungen und falschem Einsatz. Ein Modell, das Bewerbungen unfair sortiert oder falsche Auskünfte gibt, richtet Schaden an, obwohl es nichts „will“.

Wer schwache KI im eigenen Arbeitsbereich sinnvoll einsetzen möchte, braucht weniger Theorie als ein Gefühl für passende Aufgaben, gute Eingaben und die Grenzen der Werkzeuge. Darum geht es im Seminar Künstliche Intelligenz (KI) in der Praxis, mit Beispielen aus Büro, Fachabteilung und Verwaltung.