Die Spielarten der KI

Grundkurs, Kapitel 01 sagt einen Satz und lässt ihn offen: KI ist der Oberbegriff für das ganze Feld, und Sprachmodelle sind ein Teil davon. Dieses Kapitel sagt, was der Rest ist.

Die Frage hat eine verbindliche Antwort. Die KI-Verordnung der Europäischen Union bestimmt in Artikel 3, was ein KI-System ist, und dieser Teil ist seit dem 02.02.2025 anwendbar: Die Kapitel I und II gelten ab dem 2. Februar 2025 (externe Seite, eur-lex.europa.eu). Die Verordnung selbst ist am 01.08.2024 in Kraft getreten, ihre Pflichten greifen gestaffelt. An der Bestimmung in Artikel 3 hängt, wer überhaupt unter das Gesetz fällt.

Was ein KI-System ist

Der Wortlaut der Verordnung:

ein maschinengestütztes System, das für einen in unterschiedlichem Grade autonomen Betrieb ausgelegt ist und das nach seiner Betriebsaufnahme anpassungsfähig sein kann und das aus den erhaltenen Eingaben für explizite oder implizite Ziele ableitet, wie Ausgaben wie etwa Vorhersagen, Inhalte, Empfehlungen oder Entscheidungen erstellt werden, die physische oder virtuelle Umgebungen beeinflussen können (externe Seite, eur-lex.europa.eu)

Der Satz lässt sich in Merkmale zerlegen, und wie viele es sind, hängt vom Schnitt ab. Hier sind es fünf: Eine Maschine führt es aus, es arbeitet mehr oder weniger selbständig, es kann sich im Betrieb ändern, es verfolgt Ziele, und es leitet ab. Das letzte ist das entscheidende.

Wo die Grenze nach unten verläuft

Die Begründung zur Verordnung sagt ausdrücklich, was draußen bleibt. Der Begriff

sollte sich nicht auf Systeme beziehen, die auf ausschließlich von natürlichen Personen definierten Regeln für das automatische Ausführen von Operationen beruhen (externe Seite, eur-lex.europa.eu)

Eine Lohnabrechnung ist damit kein KI-System, auch wenn sie tausend Sonderfälle kennt. Jemand hat jede dieser Regeln aufgeschrieben. Dasselbe gilt für einen Steuerrechner, für die Ampelschaltung an einer Kreuzung und für den Serienbrief. Kompliziert und lernend sind zwei verschiedene Eigenschaften.

Was stattdessen zählt, steht einen Satz weiter:

Ein wesentliches Merkmal von KI-Systemen ist ihre Fähigkeit, abzuleiten. (externe Seite, eur-lex.europa.eu)

Ableiten heißt hier: aus Eingaben etwas erzeugen, das so vorher nirgends festgelegt war. Die Verordnung grenzt das gegen bloßes Rechnen ab. Die Fähigkeit abzuleiten

geht über die einfache Datenverarbeitung hinaus, indem Lern-, Schlussfolgerungs- und Modellierungsprozesse ermöglicht werden (externe Seite, eur-lex.europa.eu)

Zwei Familien, und das Gesetz nennt beide

An derselben Stelle steht, womit sich das Ableiten überhaupt bauen lässt. Dazu

gehören Ansätze für maschinelles Lernen, wobei aus Daten gelernt wird, wie bestimmte Ziele erreicht werden können, sowie logik- und wissensgestützte Konzepte, wobei aus kodierten Informationen oder symbolischen Darstellungen der zu lösenden Aufgabe abgeleitet wird (externe Seite, eur-lex.europa.eu)

Das sind die zwei großen Familien des Fachs, in einem einzigen Satz.

Die lernende Familie zieht ihr Verhalten aus Beispielen. Niemand schreibt auf, woran eine Katze zu erkennen ist; das Verfahren sieht viele Bilder und findet es selbst. Wie das geht, steht in Kapitel 02.

Die schließende Familie bekommt Wissen in aufgeschriebener Form und leitet daraus ab. Ein System für Materialbestellungen kennt Regeln über Bauteile und Lieferfristen und folgert daraus eine Empfehlung. Diese Familie ist die ältere von beiden, und sie arbeitet weiter: in Planungssystemen, in der Routenberechnung und in der Suche im Spielbaum.

Sprachmodelle gehören zur ersten Familie. Sie sind darin ein sehr kleiner Ausschnitt.

Was außer Sprache noch KI ist

Fünf Anwendungen, und keine davon ist ein Sprachmodell. Drei haben einen eigenen Beleg, zwei einen Verweis auf das Kapitel, das sie behandelt.

Spiele. Die AlphaGo-Arbeit erschien im Januar 2016 und beschreibt eine Mischung aus beiden Familien:

We also introduce a new search algorithm that combines Monte Carlo simulation with value and policy networks. (externe Seite, nature.com)

Zwei gelernte Netze lenken eine klassische Suche im Spielbaum. Gemeldet wird darin der erste Sieg eines Programms gegen einen Berufsspieler auf vollem Brett (externe Seite, nature.com), gewonnen im Herbst zuvor gegen den Europameister. Die öffentlich bekannte Partie gegen Lee Sedol folgte zwei Monate nach dem Erscheinen.

Wissenschaft. AlphaFold sagt vorher, wie sich ein Eiweiß faltet. DeepMind beschreibt das System als aufmerksamkeitsbasiertes neuronales Netz, von Ende zu Ende trainiert (externe Seite, deepmind.google), gebaut für diese eine Aufgabe. Dieselbe Bauform, die Sprachmodelle benutzen, beantwortet hier eine Frage der Biochemie.

Gesprochene Sprache. Aus Schall wird Text, und aus Text wird Schall. Beides sind eigene Verfahren mit eigener Geschichte. Wie die Erkennung im Sprachagenten eingesetzt wird, steht in Conversational AI, Kapitel 02; die Verfahren selbst stehen in Kapitel 07 und Kapitel 08.

Bilder. Ein Bildmodell erzeugt etwas, das es vorher nicht gab, über ein Verfahren, das mit Sprache nichts zu tun hat. Es steht in Grundkurs, Kapitel 14. Die Gegenrichtung, also das Auswerten vorhandener Bilder, ist ein eigenes Fach und steht in Kapitel 05.

Roboter. Generalist AI stellte 2026 ein Modell vor, das aus Video, Ton und Gelenkstellungen Bewegungen erzeugt:

GEN-1.5 is a large multimodal model that processes video input (30 seconds of memory, alongside other sensor, language, and proprioceptive inputs) and produces 100 Hz action trajectories. (externe Seite, generalistai.com)

Hundert Steuerbefehle je Sekunde an einen Körper, der etwas anfasst. Die Zahlen stammen vom Hersteller, eine unabhängige Messung dazu liegt nicht vor. Wie ein solches System übt, ohne dafür jedes Mal etwas anfassen zu müssen, steht in Kapitel 09. Das Gebiet dahinter steht in Kapitel 14.

Wo das Sprachmodell darin sitzt

Von außen nach innen: Künstliche Intelligenz ist das Fach. Maschinelles Lernen ist die Familie darin, die aus Daten lernt. Neuronale Netze sind das Verfahren, mit dem diese Familie heute fast immer arbeitet. Sprachmodelle sind eine Bauform davon, zugeschnitten auf Text.

Jede dieser Schachteln ist kleiner als die vorige, und an zwei Stellen ist die Ordnung ungenauer, als sie aussieht. Das steht in Tiefe 2.

Woran Sie die Einordnung festmachen

Fragen Sie, wer die Regel aufgeschrieben hat. Steht sie in einem Programm, ist es Software. Ist sie aus Beispielen entstanden, ist es maschinelles Lernen.

Trennen Sie das Fach von seinem bekanntesten Vertreter. Wer über KI redet und Sprachmodelle meint, lässt den größeren Teil des Feldes weg.

Achten Sie auf den Gegenstand, den ein Verfahren bearbeitet. Text, Bild, Ton und Bewegung brauchen verschiedene Eingänge, auch wenn im Inneren Verwandtes rechnet.

Nehmen Sie die Rechtsdefinition ernst, wenn es um Pflichten geht. Sie entscheidet, was unter die Verordnung fällt. Maßgeblich ist dabei das Ableiten, und die Bezeichnung im Werbetext zählt an dieser Stelle gar nicht.

Die gängige Erklärung des Feldes ist eine Schachtelung: Künstliche Intelligenz außen, darin maschinelles Lernen, darin Deep Learning, darin die Sprachmodelle. Sie hilft beim ersten Sortieren und wird an zwei Stellen ungenau. Beide sind der Grund, warum dieses Kapitel vor den beiden folgenden steht.

Die Schachtelung, und wo sie hakt

Erste Stelle: KI ist mehr als maschinelles Lernen. Die Verordnung nennt neben den lernenden Verfahren ausdrücklich die logik- und wissensgestützten Konzepte (externe Seite, eur-lex.europa.eu). Wer die Schachtelung wörtlich nimmt, hat diese Familie aus dem Fach herausdefiniert, und mit ihr die Suche, die Planung und alles, was aus aufgeschriebenem Wissen folgert.

Zweite Stelle: maschinelles Lernen ist mehr als neuronale Netze. Entscheidungsbäume, Stützvektormaschinen und die lineare Regression lernen ebenfalls aus Daten und kommen ohne eine einzige Schicht aus. In der Wirtschaftspraxis laufen sie in großer Zahl, weil sie mit wenig Daten auskommen und ihre Entscheidung nachvollziehbar bleibt. Wie sie das machen, steht in Kapitel 04.

Die Schachtelung stimmt in der Richtung, in der sie meistens benutzt wird: Ein Sprachmodell ist immer ein neuronales Netz, ein neuronales Netz ist immer maschinelles Lernen, und maschinelles Lernen ist immer KI. Rückwärts gilt keine der drei Aussagen.

Die schließende Familie, in einem Satz

Der Rechtstext beschreibt sie als Ableiten aus kodierten Informationen oder symbolischen Darstellungen der zu lösenden Aufgabe (externe Seite, eur-lex.europa.eu). Praktisch heißt das: Jemand schreibt Wissen in einer Form auf, die eine Maschine verarbeiten kann, und ein Verfahren zieht daraus Schlüsse, die niemand einzeln hingeschrieben hat.

Der Unterschied zur gewöhnlichen Software liegt genau dort. Ein Regelwerk mit tausend Wenn-Dann-Zeilen führt aus, was dasteht. Ein schließendes System kombiniert die Regeln zu Folgerungen, die als Kette länger sind als alles, was im Regelwerk steht.

Diese Familie hat das Fach in seinen ersten Jahrzehnten bestimmt, und sie erklärt, warum das Wort Intelligenz überhaupt fiel: Was damals gebaut wurde, sah aus wie Denken in Sätzen. Woher das Wort stammt und was in jenen Jahrzehnten daran hing, steht in Kapitel 11. Heute steht sie im Schatten der lernenden Verfahren, und sie arbeitet an Stellen weiter, an denen eine Antwort begründbar sein muss.

Warum die Abgrenzung praktisch zählt

An der Bestimmung in Artikel 3 hängen Pflichten. Fällt ein System darunter, gelten je nach Risikoklasse Anforderungen an Daten, Protokollierung, Aufsicht und Kennzeichnung. Fällt es nicht darunter, gilt davon nichts. Welche Klassen es gibt und woran die Einstufung hängt, steht in Kapitel 12.

Damit wird die Frage, ob ein Verfahren ableitet oder Regeln ausführt, zu einer mit Folgen. Zwei Fehler sind dabei üblich, und sie gehen in verschiedene Richtungen. Der eine schreibt KI auf ein Produkt, das eine Tabelle auswertet. Der andere hält ein eingekauftes Bewertungsmodul für gewöhnliche Software, weil es unauffällig im Personalsystem sitzt.

Was für die Kennzeichnungspflichten daraus folgt, steht in Grundkurs, Kapitel 14.

Dieselbe Bauform, eine andere Aufgabe

Der auffälligste Zug der letzten Jahre ist, dass die Spielarten technisch zusammenrücken. Die Bauform, die 2017 für Übersetzung entstand, arbeitet inzwischen an Aufgaben, die mit Sprache nichts zu tun haben.

AlphaFold sagt die Faltung von Eiweißen vorher, und DeepMind beschreibt das System als aufmerksamkeitsbasiertes neuronales Netz, von Ende zu Ende trainiert (externe Seite, deepmind.google), gebaut für diese eine Aufgabe. Übertragen wurde die Bauform, nicht das Modell. CLIP legt Bilder und Texte in denselben Zahlenraum, indem ein Bildmodell und ein Textmodell gemeinsam darauf trainiert werden, welche Bildunterschrift zu welchem Bild gehört (externe Seite, arxiv.org). Und das Robotermodell von Generalist AI nimmt Video, Ton und Gelenkstellungen entgegen und gibt Bewegungen aus.

Was diese drei verbindet, ist der Umgang mit dem Eingang. Alles, was hineingeht, wird vorher in Zahlenreihen übersetzt, und danach rechnet ein Netz darauf. Wie diese Übersetzung aussieht, steht in Grundkurs, Kapitel 04.

Multimodal ist keine eigene Spielart

Ein Modell, das Bilder und Text annimmt, gehört deshalb in keine neue Kategorie. Es hat einen zweiten Eingang, und dahinter läuft dasselbe Verfahren. Wie ein Bild dort ankommt und was dabei verlorengeht, steht in Grundkurs, Kapitel 13.

Die Verwechslung lohnt sich zu vermeiden, weil sie Erwartungen erzeugt. Ein Sprachmodell mit Bildeingang ist kein Bilderkennungssystem im Sinne des Fachs. Es beschreibt, was zu sehen ist, und es misst nicht. Was das Fach unter Messen versteht, steht in Kapitel 05.

Wo die Spielarten zusammenwachsen

AlphaGo ist das klarste Beispiel für eine Mischung aus beiden Familien. Die Arbeit beschreibt das Training der Netze so:

These deep neural networks are trained by a novel combination of supervised learning from human expert games, and reinforcement learning from games of self-play. (externe Seite, nature.com)

Gelernt wird also zweimal und auf zwei verschiedene Arten, aus menschlichen Partien und aus Spielen gegen sich selbst. Beides gehört in die lernende Familie und steht in Kapitel 02.

Der zweite Teil des Systems gehört in die andere Familie:

We also introduce a new search algorithm that combines Monte Carlo simulation with value and policy networks. (externe Seite, nature.com)

Die Suche im Spielbaum ist ein klassisches Verfahren aus den ersten Jahrzehnten des Fachs. Die Netze sagen ihr, welche Züge sich anzusehen lohnen. Der Grund dafür steht im ersten Satz der Arbeit: Go galt als the most challenging of classic games for artificial intelligence (externe Seite, nature.com), wegen der Größe seines Suchraums und der Schwierigkeit, eine Stellung zu bewerten. Die eine Familie löst genau das Problem, an dem die andere scheiterte.

Was ein Fundationsmodell daran ändert

Bei den Robotern zeichnet sich dieselbe Bewegung ab, die bei Sprache stattgefunden hat: weg von einem Modell je Aufgabe, hin zu einem Modell für viele. Generalist AI beschreibt das Ergebnis so, dass ein neues Verhalten ohne Training entsteht:

it can learn a new task in seconds, from a single example, without gradient updates or fine-tuning (externe Seite, generalistai.com)

Der Hersteller nennt das den ersten Fall, in dem one-shot and few-shot learning of physical skills have emerged at scale (externe Seite, generalistai.com). Beides sind Angaben aus dem eigenen Haus, an einfachen und kurzen Aufgaben gemessen, und die Arbeit sagt das selbst dazu. Wie solche Modelle gebaut sind und woher ihr Material kommt, steht in Kapitel 14.

Was daraus für die Praxis folgt

Ein Etikett sagt wenig über das Verfahren. KI im Produktnamen kann eine Regeltabelle meinen, ein Entscheidungsbaum kann es genauso sein wie ein Netz mit Milliarden Werten. Die Frage, die weiterhilft, lautet: Woraus ist das Verhalten entstanden?

Die Wahl der Familie hat Folgen für die Begründbarkeit. Ein schließendes System kann den Weg zu seiner Antwort ausgeben. Bei einem Netz ist dieser Weg eine Folge von Zahlenoperationen, und was dabei herauskommt, steht in Grundkurs, Kapitel 07.

Der Zuschnitt der Aufgabe entscheidet mehr als die Größe des Modells. Für eine enge, oft wiederholte Aufgabe reicht oft ein kleines Verfahren, dazu Kapitel 10.

Bei Pflichten zählt die Bestimmung im Gesetz. Maßgeblich ist dort das Ableiten. Damit fallen auch Verfahren darunter, die im Hausgebrauch niemand KI nennen würde.

Die Bestimmung in Artikel 3 Nummer 1 der KI-Verordnung ist der einzige Text, der die Frage nach den Spielarten verbindlich beantwortet. Die Erwägungsgründe sagen, woran sie sich ausrichtet: an der Arbeit internationaler Organisationen, die sich mit KI befassen. Sie ist absichtlich weit gefasst.

Fünf Merkmale, einzeln gelesen

Fünf ist dabei der Schnitt dieses Kapitels. Im Gesetz steht keine Zahl, und die Leitlinien der Kommission zerlegen denselben Satz feiner.

Maschinengestützt. Eine Maschine führt es aus. Das schließt nichts aus, was im Alltag vorkommt, und es hält den Begriff von menschlichen Entscheidungswegen frei.

In unterschiedlichem Grade autonom. Die Bestimmung setzt keine Schwelle. Ein Vorschlagssystem, dessen Ergebnis ein Mensch bestätigt, fällt genauso darunter wie ein System, das allein handelt. Was das für Agenten heißt, steht in Agenten und Harness, Kapitel 01.

Nach der Betriebsaufnahme anpassungsfähig sein kann. Die Verordnung formuliert das als Möglichkeit. Ein Modell mit eingefrorenen Gewichten fällt deshalb ebenfalls darunter, obwohl es sich im Betrieb nie ändert.

Explizite oder implizite Ziele. Der zweite Fall ist der interessantere. Ein Sprachmodell hat kein aufgeschriebenes Ziel; sein Verhalten kommt aus dem Training. Die Verordnung erfasst das ausdrücklich.

Ableiten, wie Ausgaben erstellt werden. Der Kern, und er liegt im Weg zum Ergebnis statt im Ergebnis selbst. Ableiten geht über die einfache Datenverarbeitung hinaus, indem Lern-, Schlussfolgerungs- und Modellierungsprozesse ermöglicht werden (externe Seite, eur-lex.europa.eu).

In der Praxis entscheidet fast immer das letzte, weil die ersten vier auf beinahe jede Software zutreffen. Ob alle Merkmale zugleich vorliegen müssen, beantwortet die Verordnung nicht im Text. Die Kommission hat dazu am 06.02.2025 eigene Leitlinien vorgelegt und ihnen zugleich das Gewicht genommen:

The guidelines on the AI system definition are not binding. (externe Seite, digital-strategy.ec.europa.eu)

Sie sind ausdrücklich auf Fortschreibung angelegt:

They are designed to evolve over time and will be updated as necessary, in particular in light of practical experiences, new questions and use cases that arise. (externe Seite, digital-strategy.ec.europa.eu)

Wer eine Einordnung braucht, findet dort also eine Auslegungshilfe. Verbindlich entschieden wird die Frage anderswo.

Die Bestimmung ist auf Wanderung angelegt

Die Erwägungsgründe nennen den Zweck der Fassung: Rechtssicherheit und internationale Anschlussfähigkeit, und

gleichzeitig Flexibilität zu bieten, um den raschen technologischen Entwicklungen in diesem Bereich (externe Seite, eur-lex.europa.eu)

Daraus folgt eine Eigenschaft, die im Streitfall zählt: Die Bestimmung nennt kein einziges Verfahren als Bedingung. Weder neuronale Netze noch Transformatoren noch eine Mindestgröße stehen darin. Ein Verfahren, das es 2024 noch nicht gab, fällt darunter, sobald es ableitet.

Die Gegenrichtung gilt auch. Ein Verfahren, das jahrzehntelang als KI galt, verliert die Bezeichnung im Sprachgebrauch, sobald es alltäglich geworden ist. Die Rechtschreibprüfung, die Handschriftenerkennung auf dem Paketzettel und die Routensuche im Navigationsgerät waren einmal Vorzeigefälle des Fachs. Heute nennt sie kaum jemand so, und juristisch kann derselbe Fall trotzdem unter die Verordnung fallen. Was aus der zweiten von ihnen geworden ist, steht in Kapitel 05.

Warum jede Aufzählung von Spielarten schief steht

Übersichten des Fachs mischen drei Achsen, die unabhängig voneinander sind, und genau daraus entstehen die üblichen Streitfragen.

Die erste Achse ist das Verfahren. Neuronales Netz, Entscheidungsbaum, Suche im Zustandsraum, Regelwerk mit Schlussfolgerung. Die beiden ersten stehen in Kapitel 04.

Die zweite Achse ist die Lernart. Überwacht, unüberwacht, bestärkend, und die Verordnung nennt alle drei als Methoden, mit denen Modelle mit allgemeinem Verwendungszweck trainiert werden (externe Seite, eur-lex.europa.eu). Beschrieben sind sie in Kapitel 02.

Die dritte Achse ist der Gegenstand. Sprache, Bild, Ton, Bewegung, Tabellendaten, Moleküle.

AlphaGo zeigt, dass die Achsen quer zueinander liegen: Die Arbeit nennt überwachtes Lernen aus menschlichen Partien und bestärkendes Lernen aus Spielen gegen sich selbst (externe Seite, nature.com) in einem Satz, dazu kommt eine Suche aus der anderen Verfahrensfamilie, und der Gegenstand bleibt einer. CLIP kreuzt es anders: ein Bildmodell und ein Textmodell, gemeinsam trainiert (externe Seite, arxiv.org), also ein Verfahren, zwei Gegenstände und eine Lernart, die zum Zeitpunkt der Arbeit keinen festen Platz in der üblichen Dreiteilung hatte. Wer eine Aufzählung von Spielarten liest, sieht deshalb zuerst nach, welche Achse sie meint.

Was die Zahlen eines Robotermodells hergeben

Der Fall eignet sich als Übung, weil die Angaben vollständig veröffentlicht sind und ihre eigenen Grenzen benennen.

Experiments across 10 diverse tasks show 59% (±10% std. dev.) average success with one-shot in-context prompting, straight from the pretrained model. (externe Seite, generalistai.com)

Zehn Aufgaben, ein Mittelwert von 59 Prozent, eine Streuung von zehn Prozentpunkten. Die Streuung ist hier die aussagekräftigere Zahl: Bei zehn Aufgaben und dieser Breite liegen einzelne Fälle weit von der Mitte entfernt, und der Mittelwert sagt über die schwierigste Aufgabe wenig.

Die Arbeit setzt ihre eigene Einordnung daneben:

Although the tasks are simple and short-horizon, and the success rates are modest (externe Seite, generalistai.com)

Kurzer Horizont heißt: wenige Handgriffe hintereinander. Genau dort liegt der Unterschied zwischen einer Vorführung und einem Arbeitsgerät, und es ist dieselbe Grenze, an der auch Sprachagenten stehen, beschrieben in Beurteilen und Einordnen, Kapitel 03.

Dazu kommt die Herkunft der Zahlen. Sie stammen aus dem Haus, das das Modell verkauft, und eine unabhängige Wiederholung liegt nicht vor. Was daran anders zu bewerten wäre als bei einer Benchmarkzahl, steht in Beurteilen und Einordnen, Kapitel 04.

Was daraus nicht folgt

Aus der Breite der Spielarten folgt keine Nähe zu allgemeiner Intelligenz. Dass dieselbe Bauform Sprache, Bild und Bewegung verarbeitet, ist eine Aussage über die Bauform. Über die Aufgaben, die damit gelöst sind, sagt sie nichts.

Aus der Rechtsdefinition folgt keine technische Einteilung. Sie ist für Pflichten gebaut und zieht ihre Grenze dort, wo Pflichten sinnvoll ansetzen. Für die Frage, wie ein Verfahren rechnet, ist sie zu grob.

Aus dem Rückzug der schließenden Familie folgt nicht ihr Ende. Sie arbeitet in Bereichen weiter, in denen der Weg zur Antwort nachvollziehbar sein muss, und sie kommt in Mischformen zurück, sobald ein gelerntes Verfahren eine Suche steuern soll.

Aus einer beeindruckenden Vorführung folgt keine Verlässlichkeit im Betrieb. Der Weg von 59 Prozent an zehn einfachen Aufgaben zu einem Gerät, das in einer Werkhalle arbeitet, ist nicht die Verlängerung derselben Kurve.