NachschlagenKI-Geschichte
Was wann passiert ist
Die Meilensteine, auf denen die Grundlagen aufbauen. Jeder Eintrag trägt seine Primärquelle und das Datum, an dem sie zuletzt erreichbar war. Der auffälligste Befund steht gleich am Anfang: Zwischen der Arbeit, die alles möglich machte, und dem Tag, an dem die Öffentlichkeit davon Notiz nahm, liegen 5,5 Jahre.
2015maßstäblich. Farbe ist die Spur, Größe ist das Gewicht: Beleg, wichtig, Wendepunkt (5)2025
Die Dichte der Punkte sagt, wie viel hier erfasst ist, nicht wie viel passiert ist. Ältere Jahre sind dünner besetzt, weil sie aus der Rückschau gefiltert sind. Als Beleg für Beschleunigung taugt diese Darstellung deshalb nicht.
Byte Pair Encoding für SpracheForschung
Sennrich, Haddow und Birch übertragen ein Verfahren aus der Datenkompression auf Text. Seltene Wörter zerfallen in häufige Teile, statt als unbekannt zu gelten. Damit steht fest, wie Modelle bis heute Text zerlegen.
Neural Machine Translation of Rare Words with Subword Units (externe Seite, arxiv.org)geprüft 27.07.2026zur Achseerklärt in Kapitel „Token, die Bausteine der Sprache“
Der TransformerWendepunktForschung
Vaswani und sieben Mitautoren zeigen, dass ein Netz allein über den Mechanismus der Aufmerksamkeit auskommt, ohne die bis dahin übliche schrittweise Verarbeitung. Erst dadurch lassen sich Modelle auf viele Rechenkerne verteilen.
Attention Is All You Need (externe Seite, arxiv.org)geprüft 27.07.2026zur Achseerklärt in Kapitel „Was ein Sprachmodell ist“
GPT-1Modell
Erst auf sehr viel unbeschriftetem Text vortrainieren, dann für einzelne Aufgaben nachjustieren. Das Muster gilt bis heute. Das G steht für generative, das P für pre-trained, das T für Transformer.
Improving Language Understanding by Generative Pre-Training (externe Seite, openai.com)geprüft 27.07.2026zur Achseerklärt in Kapitel „Was ein Sprachmodell ist“
GPT-2Modell
Bemerkenswert weniger wegen der Technik als wegen der Entscheidung, das größte Modell zunächst zurückzuhalten. Die erste öffentliche Debatte darüber, ob ein Sprachmodell zu gut sein kann.
Better language models and their implications (externe Seite, openai.com)geprüft 27.07.2026zur Achseerklärt in Kapitel „Was ein Sprachmodell ist“
RAG, Nachschlagen statt ErinnernForschung
Ein Modell bekommt passende Textstellen vorgelegt, statt sich auf Gelerntes zu verlassen. Das Verfahren ist bis heute der übliche Weg zu Antworten aus eigenen Dokumenten, und der Grund, warum eine schlechte Suche eine falsche Antwort erzeugt, obwohl das Modell fehlerfrei arbeitet.
Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks (externe Seite, arxiv.org)geprüft 27.07.2026zur Achse
GPT-3WendepunktModell
Ein ausreichend großes Modell löst Aufgaben, für die es nie eigens trainiert wurde, wenn man ihm im Text ein paar Beispiele vorlegt. Das ist der Grund, warum Prompting überhaupt funktioniert.
Language Models are Few-Shot Learners (externe Seite, arxiv.org)geprüft 27.07.2026zur Achseerklärt in Kapitel „Was ein Sprachmodell ist“
Nachtraining mit menschlicher RückmeldungWendepunktForschung
Ein deutlich kleineres, nachtrainiertes Modell antwortet hilfreicher als ein sehr viel größeres ohne. Das ist der Schritt, der aus einem Textfortsetzer einen Assistenten macht, und die eigentliche Voraussetzung für das, was acht Monate später als ChatGPT bekannt wurde.
Training language models to follow instructions with human feedback (externe Seite, arxiv.org)geprüft 27.07.2026zur Achse
ChatGPTWendepunktAnwendung
Nicht das Modell war neu, sondern die Oberfläche. In der Ankündigung steht kein Modellname mit Versionsnummer, sondern „ein Modell der GPT-3.5-Serie". Die Anwendung bekam einen Namen, das Modell darunter blieb ungenannt.
Introducing ChatGPT (externe Seite, openai.com)geprüft 27.07.2026zur Achseerklärt in Kapitel „Was ein Sprachmodell ist“
Llama, der offene Zweig beginntModell
Eine Modellreihe, deren Gewichte herausgegeben werden. Von hier an gibt es zu jedem geschlossenen Modell eine Alternative, die man selbst betreiben kann. Das verändert weniger die Technik als die Frage, wo Daten verarbeitet werden.
LLaMA: Open and Efficient Foundation Language Models (externe Seite, arxiv.org)geprüft 27.07.2026zur Achse
GPT-4Modell
Erstmals verarbeitet ein Modell dieser Reihe neben Text auch Bilder. Der technische Bericht nennt bewusst keine Angaben zu Größe und Trainingsdaten, ein Bruch mit der bis dahin üblichen Offenheit.
GPT-4 (externe Seite, openai.com)geprüft 27.07.2026zur Achseerklärt in Kapitel „Was ein Sprachmodell ist“
GPT-4oModell
Text, Bild und Ton laufen durch ein einziges Modell statt durch mehrere hintereinandergeschaltete. Mit diesem Modell kam auch das Vokabular o200k_base, das in Kapitel 03 zerlegt wird.
Hello GPT-4o (externe Seite, openai.com)geprüft 27.07.2026zur Achseerklärt in Kapitel „Was ein Sprachmodell ist“
Reasoning, Rechenzeit zur AntwortzeitWendepunktModell
Ein Modell erzeugt vor der Antwort Zwischenschritte und verbraucht dafür mehr Rechenzeit beim Antworten. Der Zugewinn entsteht damit nicht mehr nur beim Training. Das ist ein zweiter Weg, Modelle besser zu machen, und er kostet pro Frage statt einmalig.
Learning to reason with LLMs (externe Seite, openai.com)geprüft 27.07.2026zur Achseerklärt in Kapitel „Was ein Sprachmodell ist“
MCP, ein Standard für WerkzeugeProtokoll
Ein offener Standard für die Anbindung von Werkzeugen und Datenquellen. Aus Einzellösungen je Programm wird ein Ökosystem, in dem ein Werkzeug einmal bereitgestellt und von vielen Anwendungen genutzt wird. Weniger eine technische als eine ökonomische Änderung.
Introducing the Model Context Protocol (externe Seite, anthropic.com)geprüft 27.07.2026zur Achse
Offene Gewichte mit ZwischenschrittenModell
Ein Modell mit offenen Gewichten erwirbt Zwischenschritte über bestärkendes Lernen. Damit ist der zweite Skalierungspfad nicht mehr auf geschlossene Anbieter beschränkt, und der Abstand zwischen offen und geschlossen wird zur Frage von Monaten statt von Jahren.
DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement Learning (externe Seite, arxiv.org)geprüft 27.07.2026zur Achse
14 Einträge, 2015 bis 2025. Die Liste endet beim letzten belegten Eintrag und wächst mit den Kapiteln. Ein Datum ohne Primärquelle kommt nicht hinein.