Kommentar von Dr. Paul Wälti, InfoCodex Semantic Technologies Zum Zukunftspotenzial von KI

Anbieter zum Thema

Fsas Technologies GmbH

INFOMOTION GmbH

QUNIS GmbH

Künstliche Intelligenz (KI oder AI) steht nach wie vor im Zentrum eines globalen technologischen Wettlaufs. Die Meinungen über die künftige Entwicklung gehen allerdings auseinander: Sie zeigen ein von Zukunftseuphorie, aber auch von Skepsis geprägtes Bild.

Nach der Vision von Sam Altman, CEO von OpenAI, wird KI bald in der Lage sein, Mitarbeiter auf Junior-Level zu ersetzen. Denn KI kann schon bald neues Wissen entdecken und auch Geschäftsprobleme lösen. In dieselbe Richtung deutet die Aussage von Salesforce, bis zu 50 Millionen US-Dollar an Personalkosten durch KI eingespart zu haben. Und Boston Consulting Group schreibt im Juni 2025, dass KI-Agenten Geschäftsprozesse und Entscheidungen beschleunigen, weil sie die Umgebung beobachten, planen und auf vernetzte Systeme zugreifen können. Sie schaffen Mehrwerte, indem sie Routineaufgaben schnell und präzise ausführen.

Zurückhaltung, Vorsicht

Die Hälfte aller generativen KI-Projekte (GenAI-Projekte) stehen gemäß Gartner wegen unklarer Ziele, schlechter Daten, hoher Kosten bzw. kleinem Nutzen vor dem Aus. Die meisten GenAI-Modelle machen keine fundierten Analysen und tendieren zu schmeichelhaften, entgegenkommenden Antworten. Der Wissenschaftler und Journalist Leonid Leiva Ariosa schreibt: Versprochen wird Superintelligenz, doch KI hat noch viele Schwächen, so z. B.

• Fähigkeiten der KI sind eng begrenzt, komplexes Denken ist dem Menschen vorbehalten.

• Yann LeCun (Chef KI-Forschung Facebook): KI ist nicht schlauer als eine Hauskatze.

• Demis Hassabis (CEO Google Deepmind): Beim logischen Denken, beim Planen, beim Langzeitgedächtnis, bei der Kreativität hinkt KI dem Menschen hinterher.

• Nouha Dziri (PD, Allen Institute for AI in Seattle): KI versteht nicht, was sie selbst generiert. Beispiel: KI kann ein realistisches Bild einer Bergziege generieren; aber die Frage, ob auf diesem Bild eine Bergziege vorkommt, wird mit Nein beantwortet.

Viele GenAI-Initiativen bleiben in der Konzeptphase stecken

Gartner: Hälfte aller GenAI-Projekte vor dem Aus

Engagement, Investitionen

Microsoft streicht Tausende Stellen – zugunsten massiver Investitionen von 80 Milliarden in Künstliche Intelligenz und den Ausbau von Rechenzentren. Schwarz Digits will mit SAP deutscher Hyperscaler werden, gemeinsam mit Aleph Alpha auch für GenAI-Anwendungen. Und die mit sechs Milliarden Euro bewertete französische Mistral AI holt sich Nvidia als Partner für KI-Infrastruktur, um unabhängig von den aktuellen KI-Giganten zu werden.

Bedeutung für die Nutzbarmachung von KI

Die heutigen GenAI-Modelle wie ChatGPT, Google Gemini, Deepmind, Anthropic oder DeepSeek-R1 liefern in vielen Fällen erstaunlich gute Ergebnisse. Für ein Brainstorming sind sie sehr wertvoll. Beispiel: An einer Geburtstagsparty wurden alle Anwesenden aufgefordert, einen Glückwunschtext aufzusetzen. Nach Angabe des Alters des Gefeierten spie ChatGPT sofort einen passenden Text aus, welcher zwar ein bisschen zu lang war, nach der Aufforderung „nur zwei Sätze“ erschien prompt ein entsprechender Kurztext.

Die mit statistischen Häufigkeiten operierende generative KI (GenAI, LLM-Modell) kann grammatikalisch korrekte Sätze generieren, kann sich der Wahrheit aber nur annähern. Sie wird nie präzise und frei von Halluzinationen sein, weil das Urteilsvermögen, das komplexe Denken und das Strukturieren von Inhalten dem Menschen vorbehalten sind. Außerdem verschlingen der Betrieb und das notwendige Training sehr hohe Kosten und verstoßen teilweise gegen die Datenschutzverordnungen.

Die Schwächen der generativen Sprachmodelle sind auf die einseitige Konzentration auf die Grammatik und die Kombinatorik von Wörtern aus riesigen Mengen von Dokumenten zurückzuführen, ohne die Bedeutung zu verstehen. Den Charakter einer Ratemaschine auf der Basis von unsicheren Quellen können die GenAI-Modelle zwar verbergen, aber nie ganz loswerden. Es bleibt eine gewisse Unsicherheit.

Wo liegt das größte Zukunftspotzenzial?

Es ist denkbar, dass mit einer Verfeinerung der bereits sehr erfolgreichen GenAI/LLM-Modelle noch weitere Fortschritte erzielt werden können, doch das kreative und umfassende Denken wird dem Menschen vorbehalten bleiben. Eine alternative Technologie ist das Reasoning-System, das ein Zusammenspiel menschlicher und Künstlicher Intelligenz anstrebt. Es will Inhalte verstehen und mithilfe logischer Techniken wie Deduktion und Induktion Schlussfolgerungen aus vorhandenem Wissen ziehen. Eine spezielle Richtung ist das Bionic Reasoning, das sich an der Funktionsweise des menschlichen Gehirns orientiert.

Wir schlagen ein KI-Reasoning-System vor, das sich auf semantischer Technologie stützt. Im Gegensatz zum LLM-Ansatz wird das Wissensrepertoire aus Wörtern/Phrasen zusammen mit deren Bedeutungen (Hypernyme) aus renommierten internationalen Standardwerken zusammengetragen (z. B. Wordnet der Princeton University, Eurovoc, Agrovoc, medizinische Lexika, Jurivoc, DIN, ISO-Standards etc.). Wörter/Phrasen mit nahezu gleicher Bedeutung werden in kleinen semantischen Wolken zusammengefasst und mit einem Taxon in einer universellen Taxonomie verknüpft. Dieses Wissensrepertoire wird mit menschlicher Intelligenz aufgebaut, unterstützt durch Computer-Linguistik und durch ein selbstorganisierendes neuronales Netz. Das in dieser Weise konstruierte Wissensrepertoire wird in einer universellen, maschinell lesbaren linguistischen Datenbank abgelegt.

Das semantische Wissensrepertoire kann mehrsprachig sein. Die Wörter/Phrasen in den verschiedenen Sprachen werden einfach entsprechend ihrer Bedeutung in den passenden semantischen Wolken abgelegt.

Zum Beispiel enthält die linguistische Datenbank von Infocodex mehr als vier Millionen Wörter/Phrasen in den fünf Sprachen Deutsch, Englisch, Französisch und Italienisch, gruppiert nach semantischer Bedeutung entsprechend einem Taxonomiebaum mit etwa einer Million Knoten (semantische Wolken).

Das auf Semantik basierende KI-Modell braucht kein Training, generiert keine Halluzinationen und ist nicht für Datenschutzverletzungen anfällig. Es will und kann die bestehenden leistungsfähigen GenAI-Modelle nicht konkurrieren. Es beschränkt sich auf das Lesen und Verstehen von Texten in verschiedenen Sprachen. Es will schlank sein und will keine Bilder interpretieren und auch keine Programmieraufgaben lösen können.

Der Abgleich der Wörter/Phrasen eines analysierten Dokuments mit den kleinen semantischen Wolken liefert

• 1. eine sprachübergreifende semantische Analyse,

• 2. ein Verstehen des Inhalts des Dokuments, und

• 3. eine Strukturierung und Zusammenfassung des Inhalts.

Ein KI-basiertes semantisches Reasoning-System kann auf der Grundlage eines sprachübergreifenden universellen Wissensrepertoires ohne Training für Echtzeitanalysen eingesetzt werden. Zudem kann es Trends aus unstrukturierten Informationen erkennen. Das verlässliche Wissensrepertoire, das auf menschlicher Intelligenz basiert, dient als Referenz bzw. Maßstab zur Beurteilung des Wahrheitsgehalts neu analysierter Texte. Eine besondere Stärke ist das KI-Inferencing: Ähnlichkeitsvergleiche mit bereits vorhandenen Daten können genutzt werden, um versteckte Zusammenhänge in neu eingehenden Daten zu erkennen.

(ID:50471078)