Was ist KI? Künstliche Intelligenz einfach erklärt

Künstliche Intelligenz (KI) ist Software, die aus Daten Muster erkennt und daraus Ergebnisse ableitet: eine Vorhersage, einen Text, eine Empfehlung oder eine Entscheidung. Sie ahmt dabei menschliche Fähigkeiten wie Lernen, Wahrnehmen oder Problemlösen nach, ohne wie ein Mensch zu denken. Hier erfährst du, was hinter dem Begriff steckt, wie KI technisch funktioniert, welche Arten es gibt, wie das EU-Recht sie definiert und wo sie dir im Alltag begegnet, bis hin zur Analyse deiner Haare per Foto.

Kurz gesagt

• KI ist ein Teilgebiet der Informatik: Systeme lernen aus Eingabedaten und imitieren so kognitive Fähigkeiten des Menschen.
• Die wichtigsten Techniken sind einfache Algorithmen, maschinelles Lernen und Deep Learning mit künstlichen neuronalen Netzen.
• Alle heutigen Systeme, auch ChatGPT, sind „schwache“ KI für bestimmte Aufgaben. Eine „starke“ KI mit menschlicher Allround-Intelligenz gibt es bisher nicht.
• Die EU-KI-Verordnung definiert ein KI-System als maschinengestütztes System, das aus Eingaben Vorhersagen, Inhalte, Empfehlungen oder Entscheidungen ableitet.
• Besonders stark ist KI bei der Bilderkennung, etwa in der Medizin. In der Haaranalyse misst sie Haarparameter automatisiert und wiederholbar.

Inhaltsverzeichnis

• Was künstliche Intelligenz eigentlich ist
• Woher der Begriff kommt
• Wie KI funktioniert: von Regeln zu neuronalen Netzen
• Denkt KI wie ein Mensch?
• Schwache und starke KI: die Arten im Überblick
• Wie das EU-Recht KI definiert
• Wo KI dir heute im Alltag begegnet
• KI in der Haaranalyse: was sie schon leistet
• KI sicher und sinnvoll nutzen
• Unsere Sicht: Warum KI bei Haarverlust den Unterschied macht
• Deine Haare mit KI analysieren
• Häufige Fragen zu KI
• Quellen

Was künstliche Intelligenz eigentlich ist

Eine einzige, allgemein gültige Definition gibt es nicht, aber die seriösen Erklärungen laufen auf denselben Kern hinaus. Das Fraunhofer IKS beschreibt KI als Teilgebiet der Informatik, das menschliche kognitive Fähigkeiten imitiert, indem es Informationen aus Eingabedaten erkennt und sortiert. Diese „Intelligenz“ kann auf fest programmierten Abläufen beruhen oder durch maschinelles Lernen entstehen.

Die Verbraucherzentrale formuliert es aus Sicht der Nutzer: Informationssysteme werden so entwickelt, dass sie Fähigkeiten wie Lernen, Wahrnehmung und Kreativität möglichst gut nachahmen, damit sie bestimmte Aufgaben automatisiert übernehmen können.

Wichtig ist das Wort „nachahmen“. KI ist kein künstliches Gehirn, sondern ein Werkzeug, das in eng umrissenen Aufgaben Ergebnisse liefert, die wir sonst nur von Menschen kennen. Drei Bausteine stecken fast immer drin:

1. Daten: Bilder, Texte, Messwerte oder Tonaufnahmen, aus denen das System lernt.
2. Ein Modell: ein trainiertes System, das Gelerntes auf neue Situationen anwendet.
3. Eine Ausgabe: eine Einordnung („Das ist eine Katze“), eine Prognose, ein Text oder eine Empfehlung.

Ein Beispiel aus dem Alltag: Deine Foto-App erkennt Gesichter, weil ein Modell zuvor Millionen Gesichter gesehen hat. Niemand hat ihr per Regel erklärt, wie eine Nase aussieht. Sie hat die typischen Muster selbst gefunden.

Woher der Begriff kommt

KI ist kein Kind der letzten Jahre. Laut Fraunhofer IESE wurde der Begriff 1956 beim Dartmouth Summer Research Project on Artificial Intelligence geprägt. Damals bezeichnete er ein Forschungsfeld, das Intelligenz verstehen und intelligente Maschinen bauen wollte. Heute meint man mit „einer KI“ meist ein konkretes Softwaresystem, das die in diesem Feld entwickelten Methoden anwendet.

Dass KI gerade jetzt so präsent ist, liegt an drei Dingen, die erst in den letzten Jahrzehnten zusammenkamen: riesige Datenmengen, starke Rechenleistung und lernfähige neuronale Netze. Die jüngste Welle ist die generative KI, also Systeme, die selbst Texte, Bilder oder Code erzeugen. Große Sprachmodelle (LLMs) sind laut OpenAI genau darauf ausgerichtet, Sprache zu verstehen und zu erzeugen.

Wie KI funktioniert: von Regeln zu neuronalen Netzen

Die Verbraucherzentrale unterscheidet drei Techniken nach ihrer Komplexität. Sie bauen aufeinander auf.

Algorithmen

Die einfachste Form. Ein Algorithmus ist eine feste Abfolge von Schritten, vergleichbar mit einem Kuchenrezept: Wenn A, dann tu B. Das System lernt nichts dazu, es führt aus, was Menschen vorgegeben haben.

Maschinelles Lernen

Hier lernt der Algorithmus selbst, eine Aufgabe immer besser zu lösen, und bekommt nach jedem Durchgang Feedback. Die TH Köln erklärt, dass dahinter die Idee aus den 1980er-Jahren steht, Computer könnten ähnlich wie Menschen durch Erfahrung lernen. Man füttert den Algorithmus mit sehr großen Datenmengen, aus denen er selbstständig Schlüsse zieht. Maschinelles Lernen ist die Art der KI, die am breitesten angewendet wird.

Deep Learning

Deep Learning ist ein Teilbereich des maschinellen Lernens. Es nutzt große künstliche neuronale Netze aus vielen Schichten, um komplexe Muster in unstrukturierten Daten wie Fotos oder Sprache zu erkennen. Der entscheidende Unterschied laut Fraunhofer IESE: Beim klassischen maschinellen Lernen müssen Menschen festlegen, welche Merkmale in den Daten wichtig sind. Beim Deep Learning findet das Modell diese Merkmale selbst. Dafür sind die Modelle meist größer und brauchen mehr Trainingsdaten.

Die Idee der neuronalen Netze ist vom Gehirn abgeschaut. Forschende der Universität Bern beschreiben Neuronen als kleine Schalter, die Signale sammeln und weiterfeuern, sobald eine Schwelle erreicht ist. Die Verbindungen dazwischen werden durch Nutzung stärker, und genau das ermöglicht Lernen. Künstliche Netze übertragen dieses Prinzip in Mathematik: Beim Training werden Millionen von Verbindungsgewichten so lange angepasst, bis die Ausgaben stimmen.

Denkt KI wie ein Mensch?

Nein, und das ist kein Mangel, sondern ein anderes Prinzip. Die Kognitionsforscher Albert Newen, Constantin Rothkopf, Nele Russwinkel und Martin V. Butz schreiben in Spektrum der Wissenschaft, dass menschliche Intelligenz und heutige KI radikal verschiedene Architekturen haben. KI-Systeme erbringen intelligente Leistungen, denken aber anders als wir, so wie Flugzeuge anders fliegen als Vögel.

Die Berner Forschenden unterscheiden zwei Denkschulen. Das symbolische Paradigma sah Denken als Verarbeitung von Symbolen nach festen Regeln. Das konnektionistische Paradigma setzt auf lernende neuronale Netze und bildet die Grundlage moderner KI.

Wo KI dem Menschen überlegen ist, zeigt eine Einordnung der Friedrich-Alexander-Universität Erlangen-Nürnberg: KI-Systeme können große Datenmengen schneller und oft genauer analysieren als Menschen und steigern bei wiederholbaren, klar definierten Aufgaben Effizienz und Genauigkeit. Echte Kreativität, ein tiefes Verständnis menschlicher Gefühle und eigenständiges ethisches Abwägen bleiben dagegen menschliche Stärken.

Für dich als Nutzer heißt das: KI ist am stärksten, wo eine Aufgabe klar umrissen ist und es viele vergleichbare Daten gibt. Ein Foto von tausenden anderen zu unterscheiden, gehört genau dazu.

Schwache und starke KI: die Arten im Überblick

Die gängigste Unterscheidung ist die nach Reichweite. Schwache KI (Narrow AI) ist auf bestimmte Aufgaben spezialisiert. Laut Distart sind alle heute existierenden Systeme schwache KI, darunter Sprachassistenten, ChatGPT und selbstfahrende Autos. Starke KI (AGI, Artificial General Intelligence) beschreibt eine KI, die menschliche Intelligenz in ihrer ganzen Breite nachbilden könnte. Sie existiert bisher nur als Konzept.

Wer nach den „vier Arten von KI“ fragt, meint meist diese Einteilung nach Fähigkeiten:

Fast alles, was du heute nutzt, vom Navi bis zur Haaranalyse-App, gehört zur Limited Memory AI: Es lernt aus vielen vergangenen Beispielen und wendet das auf deinen Fall an.

Kann KI ein Bewusstsein entwickeln?

Nach heutigem Stand nicht nachweisbar. Prof. Claus Beisbart von der Universität Bern betont, dass Bewusstsein subjektives Erleben umfasst, das sich bislang nicht auf Maschinen übertragen lässt. Kathinka Evers von der Universität Uppsala hält ein bewusstes KI-System in manchen theoretischen Rahmen für denkbar, es fehlen aber unabhängige empirische Belege. Wenn ein Chatbot „fühlend“ wirkt, liegt das laut derselben Quelle an unserer Neigung, Dingen menschliche Zustände zuzuschreiben, nicht am System.

Wie das EU-Recht KI definiert

Seit der KI-Verordnung (Verordnung (EU) 2024/1689) gibt es in der EU erstmals eine verbindliche Rechtsdefinition. Die Bundesnetzagentur gibt Artikel 3 Nummer 1 so wieder: Ein KI-System ist „ein maschinengestütztes System, das für einen in unterschiedlichem Grade autonomen Betrieb ausgelegt ist“, nach dem Start anpassungsfähig sein kann und aus Eingaben ableitet, wie es Ausgaben wie Vorhersagen, Inhalte, Empfehlungen oder Entscheidungen erstellt, die physische oder virtuelle Umgebungen beeinflussen können.

In einfachen Worten stecken darin vier Merkmale:

• maschinengestützt: Es läuft auf Hard- und Software.
• autonom in unterschiedlichem Grad: Es arbeitet zumindest teilweise ohne menschliches Eingreifen.
• ableitend: Es leitet aus Eingaben selbst ab, wie es zum Ergebnis kommt, statt nur feste Regeln abzuarbeiten.
• wirksam: Seine Ausgaben beeinflussen die reale oder digitale Welt.

Die Grenze zu gewöhnlicher Software ist nicht immer leicht zu ziehen. Deshalb hat die EU-Kommission am 6. Februar 2025 Leitlinien zur Definition von KI-Systemen veröffentlicht, die Anbietern bei der Einordnung helfen. Die Definition ist wichtig, weil nur was als KI-System gilt, unter die Pflichten der Verordnung fällt.

Wo KI dir heute im Alltag begegnet

Wahrscheinlich nutzt du KI mehrmals täglich, ohne darüber nachzudenken. Die Verbraucherzentrale nennt unter anderem:

• Sprachassistenten und Smart Home
• Vorschläge beim Musik- und Videostreaming, Social-Media-Feeds und Werbung
• Navigation, etwa im DB Navigator oder in Karten-Apps
• Fahrassistenzsysteme wie den Spurhalteassistenten
• Chatbots im Kundenservice, in der Produktberatung und in der Schule

Das Fraunhofer IKS ordnet die Einsatzfelder des maschinellen Lernens technisch: Bilderkennung (medizinische Diagnostik, Gesichtserkennung, autonomes Fahren), Spracherkennung, semantische Sprachverarbeitung für Übersetzungen und Chatbots, Mustererkennung, etwa bei Fehlern in der Fahrzeugelektronik, und Prozessoptimierung. Gerade die Bilderkennung ist für Gesundheit und Körperpflege spannend, denn viele Veränderungen sieht man zuerst auf einem Foto.

KI in der Haaranalyse: was sie schon leistet

Haare sind ein Paradebeispiel für die Stärken von Deep Learning: Es geht um Bilder, um feine Muster und um Veränderungen über Monate, die das menschliche Auge im Spiegel kaum zuverlässig vergleicht.

Eine narrative Übersichtsarbeit in Dermatology and Therapy (Lecumberri et al., 2026) zeigt, wie breit KI bei Haarstörungen bereits eingesetzt wird: zur objektiven, quantitativen Bewertung, zur diagnostischen Unterstützung, für personalisierte Medizin, in der Arzneimittelentwicklung, bei roboterassistierten Verfahren und zur Auswertung von Patientenangaben. Am weitesten verbreitet sind Werkzeuge, die Haarparameter automatisiert und reproduzierbar messen. Diagnostische und prognostische Modelle sind überwiegend noch in der Forschung.

Wie genau solche Modelle arbeiten können, zeigt eine Studie zu trichoskopischen Bildern von Caposiena Caro und Kollegen. Ihr zweistufiges Deep-Learning-Modell erkannte kreisrunden Haarausfall (Alopecia areata) mit einer Gesamtgenauigkeit von 88,92 % und bestimmte in einem zweiten Schritt die Aktivität der Erkrankung mit 83,33 % Genauigkeit.

Was heißt das praktisch? KI ist besonders stark darin, deinen Haarzustand messbar und vergleichbar zu machen:

1. Ausgangspunkt festhalten: Ein Scan dokumentiert Dichte und Zustand zu einem bestimmten Zeitpunkt.
2. Verlauf verfolgen: Wiederholte Scans unter ähnlichen Bedingungen zeigen, ob sich etwas verändert.
3. Entscheidungen stützen: Aus den Daten lassen sich Pflege, Produkte oder der Weg zur Fachpraxis besser planen.

Damit die Messung vergleichbar bleibt, fotografiere möglichst immer bei gleichem Licht, aus gleichem Winkel und mit trockenem, ähnlich frisiertem Haar. Bemerkst du plötzlichen, büschelweisen oder kreisrunden Haarausfall, gehört die Diagnose zu einer Hautärztin oder einem Hautarzt. Die KI-Analyse hilft dir dann, den Verlauf zu dokumentieren und zum Termin mitzubringen.

KI sicher und sinnvoll nutzen

Wie jede Technik braucht KI einen bewussten Umgang. Die Verbraucherzentrale nennt sechs Bereiche, auf die du achten solltest, und für jeden gibt es einen einfachen Schritt:

• Datenschutz: Lies, wofür deine Daten verwendet werden, bevor du Fotos oder persönliche Angaben hochlädst.
• Fehleranfälligkeit: Nutze Ergebnisse als Grundlage für Entscheidungen und prüfe wichtige Gesundheitsfragen mit Fachleuten.
• Manipulation und Kriminalität: Sei skeptisch bei Anrufen mit vertrauten Stimmen, die Geld fordern, und bei perfekt formulierten Phishing-Mails.
• Diskriminierung: KI kann Vorurteile aus Trainingsdaten übernehmen, deshalb zählt eine breite Datenbasis.
• Nachhaltigkeit: Große Rechenzentren brauchen viel Energie.
• Arbeitswelt: Manche Tätigkeiten fallen weg, neue Berufsfelder entstehen.

Unsere Sicht: Warum KI bei Haarverlust den Unterschied macht

Wer Haare verliert, kennt das Problem: Man starrt in den Spiegel, vergleicht alte Fotos und weiß trotzdem nicht, ob es schlimmer wird oder ob die neue Pflege wirkt. Genau für diese Frage ist KI gemacht. Sie misst, wo das Auge schätzt, und sie vergisst nicht, wie dein Haar vor drei Monaten aussah.

Deshalb haben wir Myhair um die KI-Analyse herum gebaut. Du lädst einen Scan hoch, unsere KI wertet ihn aus und erstellt eine persönliche Wachstumsprognose. Mit jedem weiteren Scan entsteht ein Verlauf, der zeigt, was sich wirklich tut. Unsere Empfehlungen sollen über allgemeine Tipps hinausgehen, weil sie auf deinen eigenen Daten beruhen, und sie fließen mit dem Wissen unserer medizinischen Partner und Experten zusammen.

Wir sehen KI dabei als Begleiter auf dem ganzen Weg: von der ersten Einschätzung über passende Produkte bis zur Frage, welche Klinik oder welcher Arzt zu dir passt. Wer seine Daten kennt, entscheidet besser.

Cyriac

Deine Haare mit KI analysieren

Mit Myhair siehst du, was KI ganz konkret für dich tun kann. Starte kostenlos auf myhair.ai, lade deinen ersten Scan hoch und erhalte eine Einschätzung deines Haarzustands.

Für detaillierte Analysen und individuelle Empfehlungen gibt es den Premium-Plan für 9,99 US-Dollar im Monat. Wenn du schon weißt, dass du eine Behandlung willst, vergleichst du Haarkliniken weltweit nach Ergebnissen und Bewertungen oder findest passende Ärzte für Haarwiederherstellung. Welche Pflege zu deinem Ergebnis passt, zeigt unser Vergleich der besten Haarpflegeprodukte.

Häufige Fragen zu KI

Was ist KI in einfachen Worten?

KI ist Software, die aus vielen Beispielen lernt und dieses Wissen auf neue Fälle anwendet. Sie erkennt etwa Gesichter auf Fotos, übersetzt Texte oder schlägt dir Musik vor. Sie ahmt menschliche Fähigkeiten nach, denkt aber nicht wie ein Mensch.

Was ist der Unterschied zwischen KI, maschinellem Lernen und Deep Learning?

KI ist der Oberbegriff. Maschinelles Lernen ist ein Teil davon, bei dem Systeme aus Daten lernen statt nur Regeln abzuarbeiten. Deep Learning ist wiederum ein Teil des maschinellen Lernens und nutzt vielschichtige neuronale Netze, die wichtige Merkmale in Bildern oder Sprache selbst finden.

Ist ChatGPT eine starke KI?

Nein. ChatGPT ist ein großes Sprachmodell und gehört wie alle heutigen Systeme zur schwachen KI, die auf bestimmte Aufgaben spezialisiert ist. Eine starke KI mit menschlicher Intelligenz in voller Breite gibt es bisher nicht.

Kann KI Haarausfall erkennen?

KI kann Haarparameter auf Fotos automatisiert und wiederholbar messen und so Veränderungen sichtbar machen. In Studien erkennen Deep-Learning-Modelle auch bestimmte Formen wie kreisrunden Haarausfall mit hoher Genauigkeit. Die medizinische Diagnose stellt eine Hautärztin oder ein Hautarzt, die KI-Analyse liefert dafür einen dokumentierten Verlauf.

Quellen

• Fraunhofer IKS: Künstliche Intelligenz und maschinelles Lernen
• Fraunhofer IESE: Künstliche Intelligenz, alle Infos auf einen Blick
• Verbraucherzentrale: Künstliche Intelligenz, Funktionsweise, Anwendungsgebiete und Risiken
• OpenAI: Grundlagen der KI
• TH Köln: Kurz erklärt, über KI, maschinelles Lernen und Deep Learning
• Universität Bern: Was ist KI? Und wie funktioniert sie?
• Spektrum der Wissenschaft: Was KI über menschliche Intelligenz lehrt
• FAU: Was die KI vom Menschen lernen kann
• Distart: Die verschiedenen Arten von KI
• Uppsala University: Artificial consciousness
• Bundesnetzagentur: Definitionen zur KI-Verordnung
• Europäische Kommission: Leitlinien zur Definition von KI-Systemen
• Lecumberri et al.: Artificial Intelligence in Hair Disorders, Dermatology and Therapy
• Caposiena Caro et al.: Analyse trichoskopischer Bilder mit tiefen neuronalen Netzen