Die Idee, Maschinen mit menschlicher Intelligenz auszustatten, ist älter, als viele denken. Schon im Altertum gab es Mythen von künstlichen Wesen – wie den mechanischen Riesen Talos aus der griechischen Sage oder die automatischen Figuren, die der legendäre Erfinder Daidalos erschuf. Doch die eigentliche Geschichte der Künstlichen Intelligenz (KI) als wissenschaftliches Feld begann erst im 20. Jahrhundert, als Forscher begannen, über Maschinen nachzudenken, die nicht nur Befehle ausführen, sondern selbstständig Probleme lösen könnten.
Der offizielle Startschuss für die KI als wissenschaftliche Disziplin fiel im Jahr 1956. Damals trafen sich Wissenschaftler wie John McCarthy, Marvin Minsky und Claude Shannon auf einer Konferenz am Dartmouth College in den USA. Sie prägten den Begriff „Künstliche Intelligenz“ und definierten das Ziel, Maschinen zu entwickeln, die Aufgaben bewältigen können, für die sonst menschliche Intelligenz nötig ist. In den folgenden Jahrzehnten schwankte die Entwicklung zwischen euphorischen Durchbrüchen und ernüchternden Rückschlägen – den sogenannten „KI-Wintern“, in denen die Forschung aufgrund überzogener Erwartungen und fehlender Fortschritte kaum noch gefördert wurde.
In den 1950er und 1960er Jahren konzentrierte sich die KI-Forschung auf logikbasierte Systeme. Einer der ersten Meilensteine war das Programm „Logic Theorist“ (1955), das einfache mathematische Beweise finden konnte. 1966 folgte ELIZA, ein frühes Computerprogramm, das wie ein Psychotherapeut Gespräche führte – zwar sehr begrenzt, aber immerhin ein erster Versuch, menschliche Kommunikation zu simulieren. Doch schnell wurde klar: Echte Intelligenz lässt sich nicht allein mit festen Regeln programmieren. Die Euphorie wich Ernüchterung, als sich zeigte, wie komplex selbst einfache Aufgaben wie das Verstehen natürlicher Sprache sind.
In den 1980er Jahren erlebte die KI ein Comeback, diesmal mit dem Fokus auf Expertensysteme. Diese Programme sollten das Wissen von Fachleuten in Bereichen wie Medizin oder Technik abbilden und nutzbar machen. Ein bekanntes Beispiel war MYCIN, das Ärzte bei der Diagnose von Infektionen unterstützte. Doch auch diese Systeme stießen an Grenzen: Sie konnten nur in eng begrenzten Bereichen arbeiten und lernten nicht dazu. Als die Erwartungen wieder nicht erfüllt wurden, folgte ein weiterer KI-Winter.
Der große Durchbruch kam erst mit dem Aufstieg des Internets und der digitalen Datenflut in den 1990er und 2000er Jahren. Plötzlich standen riesige Mengen an Texten, Bildern und anderen Daten zur Verfügung – der Treibstoff, den KI-Systeme brauchen, um zu lernen. Ein entscheidender Moment war 1997, als der IBM-Computer Deep Blue den Schachweltmeister Garri Kasparow besiegte. Doch erst mit der Entwicklung neuronaler Netze und maschinellen Lernens begann das Zeitalter der modernen KI. Statt starre Regeln zu programmieren, lernten Maschinen nun, Muster in Daten zu erkennen. Ein Meilenstein war 2012, als ein neuronales Netz namens AlexNet den Wettbewerb ImageNet gewann – es erkannt Objekte auf Fotos mit nie dagewesener Genauigkeit.
Der nächste große Sprung gelang mit Sprachmodellen. 2017 stellte Google Transformer vor, eine Technologie, die es KI ermöglichte, ganze Sätze und Zusammenhänge zu verstehen. Darauf aufbauend entstanden Systeme wie GPT-3 (2020) und später Le Chat (2024), die nicht nur Fragen beantworten, sondern ganze Texte verfassen, übersetzen und sogar kreativ schreiben können. Parallel dazu revolutionierten Bild-KIs wie DALL·E oder Midjourney die Art, wie wir visuelle Inhalte erstellen.
Heute ist KI allgegenwärtig: Sie steckt in Sprachassistenten wie Siri und Alexa, übersetzt in Echtzeit, hilft bei medizinischen Diagnosen und optimiert Logistikprozesse. Doch die Entwicklung ist noch lange nicht abgeschlossen. Aktuelle Herausforderungen sind ethische Fragen (z. B. Datenschutz und Vorurteile in Algorithmen), der Energieverbrauch großer Modelle und die Suche nach Wegen, KI transparenter und kontrollierbarer zu machen. Eines ist sicher: Die Geschichte der KI ist noch lange nicht zu Ende geschrieben. Von den ersten Träumen antiker Erfinder bis zu den heutigen Systemen zeigt sie, wie aus Science-Fiction nach und nach Realität wird – wenn auch oft anders, als ursprünglich gedacht.
