KI, maschinelles Lernen, Deep Learning: die Abgrenzung

Artikel-Übersicht

Vier Begriffe, die ständig durcheinandergehen — und eine Verschachtelung, die sie ordnet. Dieser Artikel beginnt mit der kurzen Antwort und je einem Satz pro Begriff, geht dann jeden einzeln durch: künstliche Intelligenz als Oberbegriff, maschinelles Lernen mit seinen drei Lernarten, Deep Learning und was „deep" eigentlich meint, neuronale Netze ohne eine einzige Formel, und die Einordnung der Sprachmodelle. Der Abschnitt, der über jedes Erklärstück hinausgeht, kommt danach: wann man Deep Learning nicht braucht. Zum Schluss ein Glossar der Begriffe, die noch dazukommen.

Die kurze Antwort

Künstliche Intelligenz ist der Oberbegriff. Maschinelles Lernen ist der Teil davon, der aus Daten lernt. Deep Learning ist der Teil des maschinellen Lernens, der vielschichtige neuronale Netze benutzt. Sprachmodelle sind eine Anwendung des Deep Learning.

Als Bild: vier Kreise ineinander.

┌──────────────────────────────────────────────────┐
│  Künstliche Intelligenz                          │
│  alles, was intelligentes Verhalten nachbildet   │
│  – auch fest programmierte Regeln                │
│                                                  │
│   ┌────────────────────────────────────────┐     │
│   │  Maschinelles Lernen                   │     │
│   │  lernt aus Daten statt aus Regeln      │     │
│   │                                        │     │
│   │   ┌──────────────────────────────┐     │     │
│   │   │  Deep Learning               │     │     │
│   │   │  vielschichtige neuronale    │     │     │
│   │   │  Netze                       │     │     │
│   │   │                              │     │     │
│   │   │   ┌────────────────────┐     │     │     │
│   │   │   │  Sprachmodelle     │     │     │     │
│   │   │   │  Transformer auf   │     │     │     │
│   │   │   │  Text trainiert    │     │     │     │
│   │   │   └────────────────────┘     │     │     │
│   │   └──────────────────────────────┘     │     │
│   └────────────────────────────────────────┘     │
└──────────────────────────────────────────────────┘

Mengendiagramm: Künstliche Intelligenz enthält maschinelles Lernen, dieses enthält Deep Learning, dieses enthält Sprachmodelle.

Ein Hinweis vorweg, den die meisten Darstellungen weglassen: Diese Verschachtelung ist eine nützliche Vereinfachung, keine scharfe Taxonomie. Die Grenzen sind fließend, und es gibt Verfahren, die sich nicht sauber einordnen lassen. Für das Verständnis trägt das Bild trotzdem.

Künstliche Intelligenz

Der weiteste der vier Begriffe — und der einzige, der etwas umfasst, das gar nicht lernt.

Künstliche Intelligenz bezeichnet Systeme, die Aufgaben übernehmen, für die man beim Menschen Intelligenz voraussetzt. Wie sie das tun, sagt der Begriff nicht.

Das überrascht regelmäßig: Ein rein regelbasiertes System ohne jedes Lernen ist im ursprünglichen Sinn künstliche Intelligenz. Ein Expertensystem, das medizinische Diagnosen aus einem festen Regelwerk ableitet, ein Schachprogramm mit fest programmierter Stellungsbewertung — beides sind klassische KI-Systeme. Sie haben nie aus Daten gelernt.

Die Gleichsetzung von „KI" mit „lernendem System" ist erst durch den Erfolg des maschinellen Lernens entstanden. Historisch ist sie falsch, und für das Verständnis der Verschachtelung ist sie hinderlich. Was der Begriff sonst noch umfasst und woher er kommt, steht in Was ist künstliche Intelligenz?.

Maschinelles Lernen

Ist maschinelles Lernen künstliche Intelligenz?

Ja. Maschinelles Lernen ist ein Teilgebiet der künstlichen Intelligenz — der Teil, in dem das System sein Verhalten aus Daten ableitet, statt es vorgeschrieben zu bekommen.

Der Unterschied in einem Satz: Bei klassischer Programmierung schreibt ein Mensch die Regeln, und das System wendet sie an. Beim maschinellen Lernen bekommt das System Beispiele und leitet die Regeln selbst ab.

Die drei Lernarten

Überwachtes Lernen. Das System bekommt Beispiele mit der richtigen Antwort dazu und lernt die Zuordnung. Beispiel: zehntausend E-Mails, jede als „Werbung" oder „keine Werbung" gekennzeichnet — das System lernt daraus, neue E-Mails einzuordnen. Das ist die häufigste Art in der Praxis, und der Aufwand liegt fast immer beim Kennzeichnen der Beispiele.

Unüberwachtes Lernen. Das System bekommt Daten ohne Antworten und sucht selbst Struktur darin. Beispiel: Kundendaten werden in Gruppen mit ähnlichem Verhalten aufgeteilt, ohne dass jemand die Gruppen vorher festgelegt hat. Nützlich, wenn man nicht weiß, wonach man sucht — und schwerer zu bewerten, weil es keine richtige Antwort zum Vergleichen gibt.

Verstärkendes Lernen. Das System handelt in einer Umgebung und bekommt Rückmeldung in Form von Belohnung oder Bestrafung. Beispiel: ein Programm, das ein Spiel lernt, indem es Millionen Partien spielt und aus dem Ausgang lernt. Auch die Nachbearbeitung von Sprachmodellen mit menschlicher Rückmeldung gehört in diese Familie.

Deep Learning

Deep Learning ist maschinelles Lernen mit neuronalen Netzen, die viele Schichten haben. Das „deep" bezieht sich auf die Anzahl der Schichten — nicht auf Tiefgründigkeit.

Warum die Schichtenzahl zählt: Jede Schicht bildet die Eingabe auf eine etwas abstraktere Darstellung ab. Bei der Bilderkennung erkennen frühe Schichten Kanten, mittlere Formen, späte ganze Objekte. Diese Staffelung muss niemand entwerfen — sie entsteht im Training. Genau das ist der Vorteil gegenüber älteren Verfahren, bei denen Menschen die brauchbaren Merkmale von Hand festlegen mussten.

Warum es erst seit etwa 2012 praktisch wurde, obwohl die Grundlagen aus den 1980er Jahren stammen: Drei Dinge kamen zusammen. Es gab genug gekennzeichnete Daten. Grafikkarten machten das Training bezahlbar. Und einige Verfahrensverbesserungen ließen tiefe Netze überhaupt erst stabil trainieren. Der viel zitierte Wendepunkt ist der ImageNet-Wettbewerb 2012, bei dem ein tiefes Netz die bisherigen Verfahren deutlich übertraf.

Beispiele für Deep Learning im Alltag: Bilderkennung in Fotoverwaltungen, Spracherkennung in Diktierfunktionen, maschinelle Übersetzung, Gesichtserkennung zum Entsperren, medizinische Bildauswertung — und alle Sprachmodelle. Auch die Texterkennung in Dokumenten ist inzwischen ein Anwendungsfall, in dem tiefe Netze die älteren Verfahren teilweise ablösen.

Neuronale Netze

Die Funktionsweise ohne eine einzige Formel.

Ein neuronales Netz besteht aus einfachen Recheneinheiten, die in Schichten angeordnet und untereinander verbunden sind. Jede Verbindung hat ein Gewicht — eine Zahl, die bestimmt, wie stark ein Signal weitergegeben wird.

Eingabe        versteckte Schicht        Ausgabe

  ○ ─────┬──────────── ○ ──────┬───────── ○
         │         ╱           │
  ○ ─────┼───────╱─── ○ ───────┤
         │     ╱   ╲           │
  ○ ─────┴───╱───── ○ ─────────┴───────── ○

Diagramm eines neuronalen Netzes mit Eingabeschicht, versteckter Schicht und Ausgabeschicht.

Ein Signal läuft von links nach rechts: Jede Einheit summiert, was bei ihr ankommt, wendet eine einfache Umformung an und gibt das Ergebnis weiter. Am Ende steht die Ausgabe — eine Einordnung, eine Zahl, ein nächstes Wort.

Das Training besteht ausschließlich darin, die Gewichte anzupassen. Man gibt ein Beispiel hinein, vergleicht die Ausgabe mit der richtigen Antwort und ändert die Gewichte ein kleines Stück in die Richtung, die den Fehler verkleinert. Millionenfach wiederholt. Mehr passiert nicht — kein Verstehen, kein Nachdenken, nur schrittweise Anpassung von Zahlen.

„Vielschichtig" heißt: nicht eine versteckte Schicht, sondern dutzende bis hunderte.

Und Sprachmodelle?

Die Einordnung, die am häufigsten gefragt und am seltensten gegeben wird.

Ein großes Sprachmodell ist ein Deep-Learning-Modell einer bestimmten Bauart — Transformer genannt —, das auf sehr großen Textmengen trainiert wurde. Es ist damit im innersten der vier Kreise.

Der Unterschied zwischen KI und Sprachmodell ist also kein Gegensatz, sondern ein Größenverhältnis: Jedes Sprachmodell ist KI, aber längst nicht jede KI ist ein Sprachmodell. Die Wettervorhersage, die Betrugserkennung im Zahlungsverkehr und der Empfehlungsalgorithmus eines Versandhändlers sind KI-Systeme ohne jedes Sprachmodell.

Was die Transformer-Bauart auszeichnet und warum gerade sie den Durchbruch brachte, steht in Transformer-Architektur verständlich erklärt.

Wann braucht man Deep Learning?

Der Abschnitt, der in anbieternahen Quellen fehlt — verständlicherweise, denn die meisten stammen von Firmen, die Deep-Learning-Plattformen verkaufen.

Datenart	empfohlenes Verfahren	Begründung
Tabellendaten (Zeilen und Spalten)	Baumverfahren, Gradient Boosting	schlägt neuronale Netze regelmäßig, trainiert in Minuten, erklärbar
Bilder	Deep Learning	Merkmale von Hand zu definieren ist aussichtslos
Text	Deep Learning, meist vortrainiert	Sprache hat zu viel Struktur für Regeln
Zeitreihen	erst klassisch versuchen	statistische Verfahren sind oft ebenbürtig und weit sparsamer
Sehr wenige Daten (< einige tausend Beispiele)	klassisch	tiefe Netze brauchen Datenmenge
Erklärpflicht (Kredit, Medizin, Behörde)	klassisch bevorzugen	Nachvollziehbarkeit ist teils rechtlich gefordert

Die unbequeme Zeile ist die erste. Bei tabellarischen Daten schlagen Baumverfahren neuronale Netze regelmäßig — und sie trainieren schneller, brauchen weniger Daten und lassen sich erklären. Das ist gut untersucht und in mehreren systematischen Vergleichen der letzten Jahre bestätigt worden; es widerspricht der Erwartung, weshalb es den Beleg braucht. Ein oft zitierter Vergleich findet sich in der unten verlinkten Arbeit von Grinsztajn und Kollegen.

Da die meisten betrieblichen Daten in Tabellen liegen — Kundendaten, Verkaufszahlen, Sensorwerte, Buchungen —, betrifft diese Zeile die Mehrheit der Fälle.

Die praktische Reihenfolge, die ich empfehle: Erst das einfachste Verfahren, das in Frage kommt. Erst wenn es messbar nicht reicht, das nächstkomplexere. Ein neuronales Netz als Ausgangspunkt zu wählen, kostet Zeit, Rechenleistung und Erklärbarkeit — oft ohne Gegenwert.

Die Begriffe, die noch dazukommen

Ein Kurzglossar für alles, was in denselben Gesprächen auftaucht.

Generative KI — Systeme, die neue Inhalte erzeugen: Text, Bilder, Ton, Code. Der Gegensatz ist unterscheidende KI, die einordnet statt erzeugt.

Foundation Model — ein sehr großes, allgemein trainiertes Modell, das als Grundlage für viele Aufgaben dient, statt für eine einzige trainiert zu werden.

Training — der Vorgang, in dem die Gewichte aus Daten angepasst werden. Aufwendig, einmalig, teuer.

Fine-Tuning — die Nachschulung eines fertigen Modells auf eigene Daten. Deutlich günstiger als Training von Grund auf. Mehr dazu in Fine-Tuning von Sprachmodellen.

Inferenz — die Benutzung des fertigen Modells, also jede einzelne Anfrage. Das ist es, was ein lokal betriebenes Modell tut; die Voraussetzungen dafür stehen in Ollama: lokale Sprachmodelle betreiben.

Embedding — die Darstellung von Text als Zahlenreihe, in der ähnliche Bedeutung nahe beieinanderliegt. Grundlage der Ähnlichkeitssuche, erklärt in Embeddings verständlich erklärt.

Reasoning-Modelle — Sprachmodelle, die vor der Antwort einen Zwischenschritt erzeugen. Was das bringt und wo nicht, steht in Reasoning-Modelle erklärt.

Häufige Fragen

Was ist der Unterschied zwischen KI und maschinellem Lernen? Künstliche Intelligenz ist der Oberbegriff und umfasst auch regelbasierte Systeme, die nichts lernen. Maschinelles Lernen ist der Teil davon, der sein Verhalten aus Daten ableitet.

Was ist der Unterschied zwischen KI und Deep Learning? Deep Learning ist ein Teilgebiet des maschinellen Lernens und damit ein Teilgebiet der KI — nämlich der Teil, der vielschichtige neuronale Netze verwendet.

Was ist der Unterschied zwischen KI und LLM? Ein Sprachmodell ist eine bestimmte Bauart von Deep-Learning-Modell für Text. Jedes LLM ist KI, aber viele KI-Systeme — Bilderkennung, Betrugserkennung, Wettervorhersage — sind keine Sprachmodelle.

Ist maschinelles Lernen künstliche Intelligenz? Ja, es ist ein Teilgebiet davon.

Welche Beispiele gibt es für Deep Learning? Bilderkennung, Spracherkennung, maschinelle Übersetzung, Gesichtserkennung, medizinische Bildauswertung und alle Sprachmodelle.

Wann reicht klassisches maschinelles Lernen? Bei tabellarischen Daten, bei wenigen Beispielen, bei Zeitreihen und immer dann, wenn die Entscheidung nachvollziehbar sein muss.

Zusammenfassung und praktische Tipps

Vier Begriffe, eine Verschachtelung — und eine Entscheidung, die daraus folgt:

• Künstliche Intelligenz ist der Oberbegriff und schließt regelbasierte Systeme ein.
• Maschinelles Lernen ist der Teil, der aus Daten lernt — überwacht, unüberwacht oder verstärkend.
• Deep Learning ist maschinelles Lernen mit vielschichtigen neuronalen Netzen; „deep" meint die Schichtenzahl.
• Sprachmodelle sind Deep-Learning-Modelle der Transformer-Bauart, trainiert auf Text.
• Training ist Gewichtsanpassung, nichts weiter — millionenfach wiederholt.
• Bei Tabellendaten schlagen Baumverfahren neuronale Netze regelmäßig, und sie sind erklärbarer und billiger.
• Die Verschachtelung ist eine Vereinfachung. Sie trägt für das Verständnis, nicht für eine Prüfungsdefinition.

Mein Rat: Wenn du in einer Diskussion merkst, dass die Begriffe durcheinandergehen, zeichne die vier Kreise auf ein Blatt. Es dauert zehn Sekunden und beendet erfahrungsgemäß die halbe Debatte — weil sich meistens herausstellt, dass die Beteiligten über verschiedene Kreise reden. Und wenn jemand für ein Tabellenproblem ein neuronales Netz vorschlägt, frag nach dem Vergleich mit einem Baumverfahren. Diese eine Frage spart regelmäßig Wochen.

Ressourcen

• Why do tree-based models still outperform deep learning on tabular data? – Grinsztajn u. a., systematischer Vergleich bei Tabellendaten
• ImageNet Classification with Deep Convolutional Neural Networks – die Arbeit von 2012, die den Wendepunkt markiert
• scikit-learn – Choosing the right estimator – Entscheidungshilfe für klassische Verfahren