KI verstehen – Was steckt wirklich dahinter?

Wie ein Sprachmodell seine Antworten erzeugt

Künstliche Intelligenz verstehen und klug nutzen

Dein Lernziel: Du kannst Tokens, Kontext und das Grundprinzip der schrittweisen Textgenerierung verständlich erklären.

Textgrundlage, Quellen und Einordnung

Redaktioneller Stand: 27. Oktober 2026. Alle Dialoge, Fälle, Auswahlfragen und Merksätze sind eigens entwickelte Kursbeispiele, keine wörtlichen Zitate aus den Quellen. Fachliche Grundsätze sind nachstehend belegt.

Schritt 1 von 5: Ein Satz mit mehreren Fortsetzungen

Vervollständige den Satz:

„Bitte stelle das Glas auf den …“

Du denkst vielleicht zuerst an „Tisch“. Möglich wären aber auch „Schrank“, „Untersetzer“ oder „Boden“.

Jetzt eine kleine Änderung: „Bitte stelle das Glas auf den Untersetzer, damit der Holztisch …“

Was fällt auf?

Rückmeldung – aufklappen

Der vorausgehende Text verändert, welche Fortsetzungen sinnvoll erscheinen. Sprachmodelle nutzen genau solche Zusammenhänge – in wesentlich größerem Maßstab und mit komplexeren gelernten Mustern.

Schritt 2 von 5: Tokens: Die Bausteine

Viele Sprachmodelle verarbeiten Text nicht direkt als ganze Sätze oder vollständige Wörter. Er wird zunächst in Tokens zerlegt. Ein Token kann ein Wort, ein Wortteil, ein Satzzeichen oder eine andere Zeichenfolge sein.

Bei der Ausgabe berechnet das Modell auf Grundlage des bisherigen Kontexts mögliche nächste Tokens und wählt nach einem bestimmten Verfahren eines aus. Dann wird der neue Kontext erweitert, und der Vorgang wiederholt sich.

Eine einzelne Antwort entsteht also Schritt für Schritt. Die genaue Auswahl kann vom Modell und den Einstellungen abhängen. Deshalb können auf dieselbe Frage auch unterschiedliche Formulierungen folgen.

Wichtig: Die Auswahl eines passenden nächsten Tokens ist eine Rechenoperation; sie enthält für sich genommen noch keine unabhängige Überprüfung aller Tatsachenbehauptungen.

Schritt 3 von 5: Warum Kontext zählt

Betrachte zwei Sätze:

A: „Die Bank steht am Fluss.“
B: „Die Bank genehmigt den Kredit.“

Dasselbe Wort „Bank“ bezeichnet unterschiedliche Dinge. Ein gutes Sprachmodell berücksichtigt die anderen Wörter, um die wahrscheinlich gemeinte Bedeutung zu verarbeiten.

Viele heutige große Sprachmodelle basieren auf der Transformer-Architektur. Deren sogenannte Attention-Mechanismen helfen dabei, Beziehungen zwischen Elementen eines Textes zu berücksichtigen. Wir müssen dafür keine Mathematik beherrschen.

Frage: Warum genügt es nicht, allein nachzuschlagen, was das Wort „Bank“ bedeutet?

Rückmeldung – aufklappen

Weil die passende Bedeutung aus dem Zusammenhang hervorgeht. Der umgebende Text ist Teil der Information, die das Modell verarbeitet.

Schritt 4 von 5: Du lenkst bereits die Fortsetzung

Ein Teilnehmer schreibt: „Erkläre mir die Photosynthese.“ Ein anderer schreibt: „Erkläre einem zwölfjährigen Kind in vier kurzen Sätzen, wie Pflanzen Licht nutzen.“

Beide können sachlich ähnliche Informationen erhalten, aber die zweite Eingabe gibt zusätzlich Zielgruppe, Umfang und Darstellungsform vor.

Welche Folgerung ist richtig?

  1. Die zweite Eingabe trainiert das Sprachmodell dauerhaft neu.
  2. Die zweite Eingabe steuert den aktuellen Kontext und damit die erzeugte Antwort.
  3. Die zweite Eingabe garantiert, dass die Antwort wissenschaftlich fehlerfrei wird.
Rückmeldung – aufklappen

B. Eine präzisere Eingabe beeinflusst, welche Antwort erzeugt wird. Sie verändert bei gewöhnlicher Nutzung nicht automatisch das trainierte Modell und ist auch keine Wahrheitsgarantie. In Modul 2 üben wir die gezielte Formulierung solcher Eingaben.

Schritt 5 von 5: Wie aus Text eine Antwort wird

Die vereinfachte Kette lautet:

  1. Du gibst eine Frage oder Aufgabe ein.
  2. Das System bereitet die Eingabe als Tokens auf.
  3. Das Modell verarbeitet den Kontext und berechnet die Fortsetzung.
  4. Die Ausgabe wird schrittweise erzeugt und als Text angezeigt.

In realen KI-Anwendungen können weitere Komponenten hinzukommen, etwa Dokumentensuche, Rechenwerkzeuge oder eine Sprachausgabe. Darum ist nicht jede Chatantwort ausschließlich das Ergebnis eines Sprachmodells ohne Zusatzfunktionen.

Mini-Aufgabe: Erkläre einem Bekannten den Begriff „Token“, ohne das Wort „künstlich“ zu verwenden.

Rückmeldung – aufklappen

Mögliche Erklärung: „Ein Token ist ein Textbaustein, mit dem das Sprachmodell rechnet. Das kann ein ganzes Wort, ein Wortteil oder ein Satzzeichen sein.“

Merksatz: Ein Sprachmodell erzeugt eine Antwort aus dem Kontext – nicht aus einer eingebauten Wahrheitsprüfung.