Prädiktive und generative KI

Prädiktive KI gewinnt aus vorhandenem Wissen Schlussfolgerungen, Zusammenhänge und Erkenntnisse und gibt damit Vorhersagen oder Empfehlungen ab. Sie erzeugt keine neuen Informationen, kann aber je nach Modell aus Rückmeldungen lernen. Auch sie wird trainiert, weil sie ein Wissensmodell braucht. Suchmaschinen und autonome Fahrzeuge enthalten solche Systeme, ebenso der Webshop, der Produkte mit dem Hinweis empfiehlt, dass andere Kunden sich ebenfalls dafür interessiert haben. An prädiktive KI haben sich die meisten Menschen so gewöhnt, dass sie sie gar nicht mehr als etwas Besonderes wahrnehmen.

Generative KI erzeugt dagegen neue Informationen. Sie kann Texte, Programmcode, Bilder oder Musik schaffen, indem sie Informationen anhand der gelernten Zusammenhänge neu kombiniert. Sie wird auch für Simulationen eingesetzt, etwa in Forschung, Maschinenbau, Chemie, Architektur oder Meteorologie.

Generative KI beruht auf Wahrscheinlichkeiten. Sie fragt nicht in erster Linie, wie logisch oder richtig eine Aussage ist, sondern zum Beispiel, wie wahrscheinlich es ist, dass auf ein bestimmtes Wort ein anderes folgt. Deshalb kommt es vor, dass sie Ergebnisse liefert, die gut und plausibel klingen, sachlich aber falsch sind.

Mengenmäßig spielen prädiktive Systeme in der Praxis – jedenfalls noch – die größere Rolle. Generative KI ist spektakulärer, weil ihre Ergebnisse so verblüffen; ihr praktischer Nutzen wird derzeit aber gelegentlich überschätzt, während prädiktive KI schon von alltäglichem Nutzen ist. Die eingangs geschilderten Beispiele aus Webshop, IT-Sicherheit und Diagnostik gehören größtenteils zur prädiktiven KI. Inzwischen werden beide Ansätze kombiniert: Prädiktive Modelle sollen die Richtigkeit generativer Aussagen verbessern, und prädiktive Systeme wie die Google-Suche werten ihre Ergebnisse mit generativer KI auf.