Glossareintrag
Wir denken. KI tippt mit.
Schwache KI (englisch Narrow AI oder Weak AI, auch ANI für Artificial Narrow Intelligence) ist eine künstliche Intelligenz, die auf eine einzelne, klar umrissene Aufgabe spezialisiert ist, z. B. Übersetzen, Bilderkennung, Navigation oder Schachspielen. Innerhalb dieser Aufgabe arbeitet ein solches System oft besser als ein Mensch. Es kann sein Können aber nicht auf fremde Aufgaben übertragen.
Das Pendant ist die starke KI, meist AGI (Artificial General Intelligence) genannt. Sie könnte jede geistige Aufgabe eines Menschen bewältigen und existiert bisher nicht (Stand August 2026). Jedes heute verfügbare KI-System zählt damit zur schwachen KI, vom Spamfilter im E-Mail-Postfach bis zu ChatGPT. Die Stufe über der AGI wäre die Superintelligenz (ASI) (eine KI, die Menschen in praktisch allen Bereichen übertrifft).
Der Begriff stammt aus der Philosophie. Der amerikanische Philosoph John Searle führte die Unterscheidung zwischen weak AI und strong AI 1980 in seinem Aufsatz „Minds, Brains, and Programs“ ein. Im selben Text beschrieb er das Gedankenexperiment vom chinesischen Zimmer (Chinese Room). Schwache KI meinte bei ihm die bescheidene Annahme, dass der Computer ein nützliches Werkzeug ist, um den menschlichen Geist zu erforschen. Die starke These lautete dagegen, ein passend programmierter Computer verstehe wirklich und habe echte geistige Zustände. Searles Gedankenexperiment richtet sich allein gegen diese starke Lesart. Das Chinese-Room-Kapitel der Stanford Encyclopedia of Philosophy stellt das Argument und die Debatte dazu ausführlich dar.
Heute wird der Begriff technisch verwendet und beschreibt den Grad der Spezialisierung, nicht mehr die Frage nach dem Bewusstsein. Schwache KI beruht auf Machine Learning. Das System erkennt Muster in seinen Trainingsdaten und wendet sie auf neue Fälle derselben Aufgabe an. Ein Schachprogramm kann deshalb keine E-Mail formulieren, und eine Gesichtserkennung liest keine Verkehrsschilder. Diese Begrenzung hat einen praktischen Vorteil, denn jede Fähigkeit ist einzeln trainiert, messbar und testbar.
Schwach heißt dabei nicht leistungsschwach. IBMs Schachcomputer Deep Blue schlug 1997 den Schachweltmeister Garri Kasparow. DeepMinds AlphaGo besiegte 2016 den südkoreanischen Go-Profi Lee Sedol. AlphaFold sagt die 3D-Struktur von Proteinen aus deren Bausteinfolge voraus. Das Stufenmodell „Levels of AGI“ von Google DeepMind führt alle drei als hochspezialisierte Narrow AI der obersten Leistungsstufen, AlphaFold sogar als „Superhuman Narrow AI“ (übermenschlich stark und zugleich eng spezialisiert).
Bei Sprachmodellen verschwimmt die Grenze. Large Language Models wie ChatGPT, Claude oder Gemini übersetzen, programmieren und beraten in einem einzigen System und wirken damit deutlich breiter als klassische schwache KI. Dasselbe DeepMind-Stufenmodell führt sie als „Emerging AGI“, also als frühe Vorstufe allgemeiner Intelligenz auf niedrigem Leistungsniveau. Formal zählen sie weiter zur schwachen KI. OpenAI-Chef Sam Altman schrieb im Januar 2025 in seinem Blogbeitrag „Reflections“, man wisse nun, wie sich AGI bauen lasse. Am 26. August 2026 veröffentlichte das US-Magazin TIME die Titelgeschichte „Inside OpenAI’s Reboot“, in der Altman eine AGI bis Ende 2026 erwarte. Allerdings als internes System und gemessen an der Definition OpenAIs. Google-DeepMind-Chef Demis Hassabis rechnet laut einem Interview-Bericht vom Mai 2026 mit AGI um das Jahr 2030. Beide Aussagen sind Prognosen der Hersteller, keine Messergebnisse.
Für die Regulierung spielt die Unterscheidung keine Rolle. Der EU AI Act teilt KI-Systeme nicht nach schwach oder stark ein, sondern nach dem Risiko ihres Einsatzzwecks, von minimal bis unannehmbar.
Jedes KI-Werkzeug, das ein Handwerksbetrieb oder lokales Unternehmen heute einsetzt, ist schwache KI. Viele davon arbeiten unbemerkt im Hintergrund:
Laut der KI-Statistik des Statistischen Bundesamts nutzten 2025 rund 26 % der Unternehmen in Deutschland künstliche Intelligenz. Bei kleinen Unternehmen mit 10 bis 49 Beschäftigten waren es 23 %, bei Großunternehmen ab 250 Beschäftigten 57 %.
Bei der Tool-Auswahl zählt deshalb nicht, wie intelligent ein Werkzeug insgesamt wirkt. Es muss die eine Aufgabe beherrschen, die im Betrieb anfällt, und das lässt sich vor dem Kauf an echten Beispielen testen. Ein spezialisiertes Programm für die Belegerfassung muss keine Texte schreiben können, und ein Terminplaner benötigt keine Bilderkennung. Auch KI-Agenten, die mehrere Arbeitsschritte selbstständig ausführen, bleiben schwache KI. Sie verketten spezialisierte Fähigkeiten, entwickeln aber kein allgemeines Verständnis.
