Mehr als Algorithmen: was hinter einem KI-System steckt
Wenn über KI gesprochen wird, rücken oft Modelle, neuronale Netze oder Rechenleistung in den Mittelpunkt. Die ISO/IEC 22989 zeigt jedoch, dass ein KI-System deutlich umfassender ist. Es handelt sich um ein funktionales Gesamtkonzept, das Daten verarbeitet, Wissen nutzt und Entscheidungen ableitet. Das alles geschieht auf Grundlage von Zielen und Vorgaben, die von Menschen definiert und überwacht werden.
Ein Modell ist dabei nur ein Teil des Ganzen. Erst das Zusammenspiel aller Komponenten macht ein System zuverlässig und nutzbar.
Vom Input zur Entscheidung: wie KI-Systeme Daten verarbeiten
Am Anfang stehen Daten oder Informationen. Sie werden gesammelt, aufbereitet und als Eingabe an ein Modell übergeben. Dieses Modell erkennt Muster, bewertet Zusammenhänge und liefert Vorhersagen, Empfehlungen oder Entscheidungsvorschläge.
Die Funktionskette nach ISO/IEC 22989
Daten → Modell → Vorhersage → Entscheidung → Aktion
Diese Abfolge beschreibt, wie ein KI-System aus Eingaben nutzbare Ergebnisse erzeugt.
Beispiele dafür sind:
- eine Qualitätsprognose aus Sensordaten
- eine Objekterkennung aus Bilddaten
- eine Risikobewertung aus Transaktionsdaten
Erst wenn auf Basis dieser Ergebnisse eine konkrete Handlung ausgelöst wird, entsteht der tatsächliche Nutzen im Alltag. Das kann eine Freigabeentscheidung sein, ein Hinweis an eine Person oder eine physische Bewegung, etwa bei Robotik.
Wissen in der KI: mehr als nur Lernen
Im Zentrum eines KI-Systems steht ein Modell, das Wissen in maschinenlesbarer Form repräsentiert. Die ISO/IEC 22989 unterscheidet zwei Wissensarten:
- Deklaratives Wissen beschreibt Fakten, Regeln und Zusammenhänge.
- Prozedurales Wissen beschreibt Abläufe, Vorgehensweisen und Entscheidungslogiken.
Leistungsfähige KI-Systeme kombinieren beide Formen. Maschinelles Lernen liefert Muster und Strukturen aus Daten, während zusätzliche Regeln und Fakten das Verhalten ergänzen und erklärbar machen.
Lernen und Anpassen: Warum Modelle nicht fertig sind
Ein Machine-Learning-Modell verbessert sich durch Training, passt sich aber nicht automatisch an veränderte Bedingungen an. Sobald sich Daten, Prozesse oder Umgebungen verändern, sinkt die Qualität der Ergebnisse. Deshalb benötigen KI-Systeme eine kontinuierliche Überwachung.
Zu einem funktionalen System gehören:
- regelmässige Kontrolle der Ergebnisse
- Überprüfung der Modellqualität
- Anpassungen und erneutes Training
- Aktualisierung der Testdaten, wenn sich die Realität verändert
Ohne solche Massnahmen verliert eine KI im Laufe der Zeit an Genauigkeit und Zuverlässigkeit. Das geschieht oft schneller, als es vielen bewusst ist.
Der Mensch bleibt Teil des Systems
Die Norm macht deutlich, dass KI nicht versteht, sondern berechnet. Menschen bleiben deshalb in jeder Phase beteiligt. Sie legen Ziele fest, prüfen Resultate, bewerten Risiken und entscheiden, ob ein Ergebnis akzeptabel ist. Der Umfang dieser Aufsicht hängt vom Einsatzgebiet ab, ist aber insbesondere beim Training und bei der Validierung entscheidend.
Fazit: KI verstehen heisst Systeme verstehen
KI-Systeme können in Teilen schwer nachvollziehbar sein. Die ISO/IEC 22989 zeigt jedoch, dass sich ihre Arbeitsweise funktional beschreiben lässt, von Eingaben über ein Modell bis zu Outputs wie Vorhersagen, Empfehlungen oder Entscheidungen.
Wer diese Abläufe kennt, kann KI besser einordnen und gezielter einsetzen. Gleichzeitig lassen sich Risiken früher erkennen und die Technologie bewusster steuern.
Die ISO/IEC 22989 liefert dafür einen verständlichen und strukturierten Überblick, der hilft, KI-Systeme besser zu bewerten und verantwortungsvoll zu nutzen.
Möchtest du klären, wie deine KI-Projekte im Kontext der ISO/IEC 22989 einzuordnen sind? Nimm gerne Kontakt mit uns auf und sprich mit uns über deine konkreten Fragestellungen.
Du möchtest mehr über die ISO/IEC 22989 erfahren?
Hier findest du die vorherigen Blogbeiträge:
