Einfach erklärt
Schwache (oder „schmale“/narrow) KI meint Systeme, die für eine konkrete Aufgabe gebaut sind – z. B. Bilder klassifizieren, Sprache transkribieren oder E‑Mails zusammenfassen. Sie wirken oft beeindruckend, verfügen aber nicht über allgemeines Verständnis oder Selbstbewusstsein. Für praktische Anwendungen in Unternehmen werden solche Systeme typischerweise in KI‑Workflows und Automatisierungen integriert und über Guardrails (Datenschutz & Compliance) abgesichert.
Starke KI bezeichnet hypothetische Systeme, die menschenähnliches allgemeines Verständnis und Bewusstsein hätten – also nicht nur Aufgaben lösen, sondern wirklich verstehen und flexibel wissen anwenden könnten. Solche Systeme existieren nicht in der Praxis; Forschung und Debatte behandeln sie als langfristiges Ziel bzw. philosophische Fragestellung. Für die heutige Umsetzung relevanter Anwendungsfälle empfiehlt sich eine nüchterne Fokussierung auf konkrete Use‑Cases der schwachen KI.
Professionelle Definition & Einordnung
- Schwache KI: Systeme mit eng umrissener Kompetenz; Leistungsziel ist Aufgabenerfolg (z. B. Metriken wie Genauigkeit, BLEU, WER). Kein Anspruch auf Bewusstsein oder echtes Verständnis. Beispiele: Bilderkennung, Maschinelle Übersetzung, Empfehlungssysteme, LLM‑gestützte Assistenten mit Grounding.
- Starke KI: Theorie‑/Philosophie‑Begriff für allgemeine, menschähnliche Intelligenz mit Bewusstsein/Intentionalität. Würde domänenübergreifend transferieren, planend lernen und sich selbst erklären können.
Abgrenzungen zu nahe verwandten Begriffen
- AGI (Artificial General Intelligence): techniknäherer Begriff für allgemeine Problemlösefähigkeit; häufig als technische Zielmarke diskutiert, ohne die philosophische Bewusstseinsbehauptung starker KI zwingend zu übernehmen.
- ASI (Artificial Superintelligence): hypothetische Systeme, die die menschliche Leistungsfähigkeit deutlich übertreffen.
Praxis‑Relevanz
- Die überwältigende Mehrheit produktiver Anwendungen ist schwache KI – sinnvoll orchestriert in Workflows/Agenten, mit Daten‑/Zugriffs‑Kontrollen und Qualitätsmetriken.
- Risikomanagement richtet sich an Datenqualität, Evaluationsdesign, Monitoring, Compliance und Change‑Management; starke KI ist vor allem strategische Langfrist‑Debatte.
Quellen
- J. Searle (1980): Minds, Brains and Programs, Behavioral and Brain Sciences – klassische Unterscheidung schwache/starke KI (inkl. Chinese‑Room‑Argument).
Cambridge University Press - Stanford Encyclopedia of Philosophy: Einträge „Artificial Intelligence“ und „The Chinese Room Argument“ – historische und begriffliche Einordnung.
https://plato.stanford.edu/entries/artificial-intelligence/ - Russell & Norvig: Artificial Intelligence: A Modern Approach (4th ed.) – Überblick zu „narrow vs. general“ Fähigkeiten & Zielen der KI.
https://aima.cs.berkeley.edu/