# KI und Machine Learning einfach erklärt

> Künstliche Intelligenz (KI) bezeichnet Systeme, die Aufgaben übernehmen, für die man sonst menschliche Intelligenz braucht. Machine Learning ist der wichtigste Teilbereich: Statt fester Regeln lernt das System aus vielen Beispieldaten selbst Muster und trifft damit Vorhersagen. Moderne Anwendungen wie Sprachmodelle beruhen darauf, haben aber klare Grenzen.

**Autor:** Mr. Benjamin · **Beruf:** IT-Grundlagen
**Veröffentlicht:** 2026-07-16 · **Aktualisiert:** 2026-07-16
**Quelle:** https://yellowbluetech.de/blog/kuenstliche-intelligenz-machine-learning

---

Kaum ein Begriff wird so oft benutzt und so selten erklärt wie „KI". Dabei steckt hinter Künstlicher Intelligenz keine Magie, sondern eine überraschend nachvollziehbare Idee: Ein Computer lernt aus Beispielen, statt starre Regeln zu befolgen.

## Was ist Künstliche Intelligenz?

Künstliche Intelligenz (KI) ist ein Sammelbegriff für **Systeme, die Aufgaben lösen, für die man sonst menschliche Intelligenz bräuchte** – Sprache verstehen, Bilder erkennen, Entscheidungen treffen. KI ist also kein einzelnes Programm, sondern ein ganzes Feld.

> **Merksatz**
>
> KI ist der Oberbegriff. **Machine Learning** (maschinelles Lernen) ist der wichtigste Teilbereich davon, und **Deep Learning** wiederum ein Teilbereich des Machine Learnings. Die Begriffe stecken ineinander wie Puppen in einer Matrjoschka.

## Was ist Machine Learning?

Klassische Programme folgen **festen Regeln**, die ein Mensch vorgibt: „Wenn Betreff ‚Gewinn‘ enthält, markiere als Spam." Machine Learning dreht das um: Statt Regeln vorzugeben, zeigt man dem System **viele Beispiele**, und es findet die Muster selbst.

> **Merksatz**
>
> So lernt auch ein Kind: Man erklärt ihm keine Regel, woran man eine Katze erkennt – man zeigt ihm viele Katzen, bis es das Muster selbst begreift. Genau das tut Machine Learning mit Daten.

Der Ablauf in drei Schritten:

```text
1. Training:   viele Beispieldaten hineingeben
        ↓
2. Modell:     das System bildet daraus ein Muster
        ↓
3. Anwendung:  neue, unbekannte Daten werden eingeordnet
```

## Wie lernt ein System?

Es gibt verschiedene Lernarten. Die zwei wichtigsten:

| Lernart | Prinzip | Beispiel |
| --- | --- | --- |
| **Überwachtes Lernen** | Beispiele mit richtiger Antwort | markierte Bilder „Katze" / „Hund" |
| **Unüberwachtes Lernen** | Muster ohne Vorgaben finden | Kunden in Gruppen einteilen |

Moderne, generative KI wie **große Sprachmodelle** beruht auf sehr großen neuronalen Netzen, die aus riesigen Textmengen gelernt haben, welches Wort wahrscheinlich als Nächstes folgt.

## Was KI nicht kann

> **Hinweis**
>
> So beeindruckend die Ergebnisse sind – ein KI-System **versteht** nichts im menschlichen Sinne. Es erkennt Muster und berechnet Wahrscheinlichkeiten. Daraus folgen echte Grenzen: KI kann **Vorurteile aus den Trainingsdaten übernehmen**, sie kann **falsche Aussagen überzeugend formulieren** (man spricht von „Halluzinieren"), und sie ist nur so gut wie die Daten, mit denen sie gelernt hat. Ergebnisse gehören deshalb immer geprüft.

## Selbstkontrolle

**Frage:** Worin unterscheidet sich Machine Learning von einem klassischen Programm?

- [ ] Machine Learning ist einfach schneller.
- [x] Es lernt Muster aus Daten, statt festen Regeln zu folgen.
- [ ] Es braucht keine Daten.
- [ ] Es funktioniert ganz ohne Computer.

**Erklärung:** Ein klassisches Programm folgt festen Regeln, die ein Mensch vorgibt. Machine Learning lernt stattdessen aus vielen Beispieldaten selbst die Muster und leitet daraus seine Ergebnisse ab. Man gibt also nicht die Regel vor, sondern die Beispiele.

## Häufige Fragen

### Was ist der Unterschied zwischen KI und Machine Learning?

KI ist der Oberbegriff für alle Systeme, die intelligentes Verhalten nachbilden. Machine Learning ist ein Teilbereich davon, bei dem Systeme aus Daten lernen, statt festen Regeln zu folgen. Jedes Machine Learning ist also KI, aber nicht jede KI nutzt Machine Learning – frühe KI arbeitete rein regelbasiert.

### Was bedeutet es, wenn eine KI halluziniert?

Halluzinieren beschreibt, dass ein KI-System eine falsche Aussage überzeugend und flüssig formuliert, als wäre sie richtig. Das passiert, weil das System Wahrscheinlichkeiten berechnet, aber keinen Wahrheitsbegriff hat. Deshalb sollte man Ergebnisse einer KI immer überprüfen, besonders bei Fakten.

### Braucht Machine Learning viele Daten?

In der Regel ja. Je mehr und je bessere Beispieldaten ein System zum Lernen bekommt, desto zuverlässiger erkennt es Muster. Schlechte oder einseitige Daten führen zu schlechten Ergebnissen. Die Datenqualität ist deshalb oft wichtiger als der Algorithmus selbst.

### Ist ein Sprachmodell wirklich intelligent?

Es wirkt intelligent, versteht aber nichts im menschlichen Sinne. Ein Sprachmodell berechnet, welches Wort wahrscheinlich als Nächstes passt, gelernt aus riesigen Textmengen. Das erzeugt erstaunlich sinnvolle Antworten, bleibt aber eine statistische Vorhersage ohne echtes Verständnis oder Bewusstsein.

**Weiterlesen:** [Datenanalyse: von Rohdaten zur Erkenntnis](/blog/datenanalyse-grundlagen) · [Was ist Open Source? Einfach erklärt](/blog/was-ist-open-source) · [DSGVO und Datenschutz einfach erklärt](/blog/datenschutz-dsgvo) · [Fachinformatiker Daten- und Prozessanalyse](/blog/fachinformatiker-daten-prozessanalyse)

## Das Wichtigste in Kürze

- **KI** ist der Oberbegriff, **Machine Learning** der wichtigste Teilbereich, **Deep Learning** ein Teil davon.
- Machine Learning **lernt Muster aus Daten**, statt festen Regeln zu folgen.
- Wichtige Lernarten sind **überwachtes** und **unüberwachtes** Lernen.
- KI **versteht nicht wirklich** – sie kann Vorurteile übernehmen und falsche Aussagen erzeugen.