Künstliche Intelligenz war lange ein Versprechen. Heute ist sie Alltag. Sprachmodelle wie GPT-4 führen Gespräche, die von menschlicher Kommunikation kaum zu unterscheiden sind. Bilderkennungssysteme diagnostizieren Krankheiten mit einer Präzision, die erfahrene Ärztinnen und Ärzte herausfordert. Und Algorithmen treffen täglich Millionen von Entscheidungen – über Kredite, Versicherungen, Jobbewerbungen.

Hinter all diesen Anwendungen steckt im Kern dasselbe Prinzip: Systeme, die aus Daten lernen, Muster erkennen und daraus Schlüsse ziehen – ohne für jeden Einzelfall explizit programmiert zu werden. Was als „schwache KI" beginnt, die gezielt Teilaufgaben übernimmt, entwickelt sich rasant weiter. Die wissenschaftliche Frage lautet heute nicht mehr „Funktioniert KI?", sondern: „Verstehen wir, warum sie so entscheidet, wie sie entscheidet?" In allen Bereichen und auch in der Versicherungswirtschaft werden neue Anwendungen erforscht und erprobt. So spielen intelligente Anwendungen heute bereits eine wichtige Rolle bei selbst fahrenden Autos. Schon in wenigen Jahren wird vermutlich kaum ein Lebensbereich ohne KI bzw. maschinelles Lernen auskommen. Die Weichenstellungen, damit dieses Szenario mit Leben gefüllt werden kann und sich das Misstrauen als unbegründet erweist, erfolgen heute.

Der Begriff „künstliche Intelligenz“ wurde 1955 von dem US-amerikanischen Informatiker John McCarthy geprägt. Es existieren zahllose Definitionen und Vorstellungen, die meisten beziehen sich darauf, dass menschliches Denken nachgebildet wird. Generell kann zwischen starker KI und schwacher KI unterschieden werden. Starke KI-Anwendungen wären Computersysteme, die auf Augenhöhe mit dem Menschen, selbstständig komplexe Aufgaben erledigen könnten. Diese existieren bisher allerdings nur im Bereich der Science Fiction. Schwache KI-Technologie verwendet dagegen Algorithmen, die die Fähigkeit besitzen, zu lernen und damit das menschliche Denken oder technische Anwendungen in Einzelbereichen gezielt unterstützen. Häufig in einem Zusammenhang mit KI gebrauchte oder verwandte Begriffe sind außerdem maschinelles Lernen, Deep Learning, neuronale Netze oder Big Data.