Warum zum Kuckuck weiß der KI-Chatbot nicht, welcher Wochentag am 27. Juli sein wird? Und weshalb bekommt Chatty es trotz jüngstem Modell-Update nicht hin, eine Schachszene realistisch abzubilden? Das sind nur zwei Fragen, die die Hörerinnen und Hörer den Hosts des KI-Podcasts gestellt haben. In der 150. Folge haben wir einige davon beantwortet.
Wochentage und Schach sind zwei Alltagsbeispiele dafür, wie Chatbots funktionieren: Die KI-Modelle sagen schlicht das Wahrscheinlichste voraus, was sie aus ihren Trainingsdaten ableiten können. Das nächste Wort, das nächste Stück Bild. Und das kann immer nur so gut sein wie ihre Trainingsdaten.
Warum kennt die KI den Wochentag nicht?
Hörer Matthias schreibt mit Claude Pressemitteilungen. Er hat festgestellt, dass die KI Daten dem falschen Wochentag zuordnet. So wird etwa aus einem Freitag, dem 10. Juli, ein Dienstag. Wer dagegen einfach nur fragt, welcher Tag der 10. Juli ist, bekommt die richtige Antwort. Der Grund: Zwischen Datum und Wochentag gibt es keine sprachliche Logik, und der Wochentag verschiebt sich jedes Jahr. Errechnen kann sich die KI einen Tag nur, wenn sie die Aufgabe priorisiert, ihn schlicht weiß oder einen Kalender zum Nachschlagen hat.
Bei der Pressemitteilung ist die eigentliche Aufgabe das Schreiben. Die Berechnung des Wochentags ist nachrangig, also rät die KI ihn nach Wahrscheinlichkeit – das geht schneller und verbraucht weniger Rechenleistung. Dass der 11. September 2001 ein Dienstag war, weiß sie dagegen, weil es in vielen Texten zu den Terroranschlägen steht.
Warum scheitert die KI am Schachbrett?
Ein zweites Beispiel liefert KI-Podcast-Hörer Alex. Er will seit langem ein Bild von einer Schachszene generieren lassen – und verlegt das Experiment auf Modell-Updates, weil die aktuellen daran scheitern. Die Aufgabe klingt banal: In einer 3D-ähnlichen Ansicht soll der schwarze Turm den schwarzen König vor einem weißen Läufer schützen. Auf den generierten Bildern aber stehen mal die Figuren auf dem falschen Feld, mal nicht mittig, manchmal kommt ein Brett mit sieben mal sieben Feldern heraus. Es müssten acht mal acht Felder sein.
Aber warum klappt das nicht? Die KI-Modelle kennen zwar Bilder von vielen einzelnen Schachsituationen, aber die komplexen Regeln nicht in all ihrer Tiefe. Sie haben gelernt, wie ein Schachbrett aussieht – aber nicht, wie es funktioniert. Schach gilt als eines der komplexesten Spiele überhaupt. Bis heute zitieren Schachexperten den Mathematiker Claude Shannon: Er berechnete in den 50er Jahren, dass die Zahl möglicher Schachverläufe 10 hoch 120 beträgt – eine 1 mit 120 Nullen.
KI-Multitasking: der Schlüssel zu richtigen Schachbildern
Dass KIs daran scheitern, eine Schachszene richtig darzustellen, ist übrigens derselbe Grund, aus dem Bild-KIs früher Händen sechs oder acht Finger verpassten: Für die Modelle ist eine Hand nichts weiter als ein bestimmtes Pixelmuster – kein Skelett, das festen Regeln folgt. Neben einem Finger ist nach der KI-Logik meistens noch ein Finger. Also kann auch schon mal einer zu viel ins Bild rutschen, wenn die KI nicht genau nachzählt.
Denn damit die Fingeranzahl bei den Modellen heute stimmen kann, mussten die KI erst quasi multitaskingfähig werden: Während sie Details generieren wie einen einzelnen Finger, behalten sie das ganze Bild im Blick. Sie merken heute, wenn sie schon fünf Finger entworfen haben und gerade mit dem sechsten anfangen. Beim Schach ist dieser Punkt noch nicht erreicht. Möglich wäre er: Man müsste nur eine Schach-Engine an ein Bildmodell koppeln.
Fazit: KIs können, was wir ihnen beibringen
Ob Wochentage oder Schach: Beide zeigen anschaulich, wie KI funktioniert. Sie erzeugt Sprache und Bilder auf Basis von Wahrscheinlichkeiten, auch wenn ihr das tiefere Verständnis für das System dahinter fehlt. Wahrscheinlichkeiten aber sind fehleranfällig. Wer die Fehler minimieren will, muss die KI trainieren – der Kalender bestimmter Jahre ist schnell besorgt, die Kopplung einer Bild-KI an eine Schach-Engine komplexer.
