Sicher ist Ihnen bei der Beschäftigung mit dem Thema KI schon einmal das Wort LLM (Large Language Model) untergekommen. Viele werfen diese Begriffe in einen Topf, doch das ist nicht korrekt. Tauchen wir ein wenig ein in KI und LLM und klären die Unterschiede.
KI (Künstliche Intelligenz) ist der breite Oberbegriff für Computersysteme, die versuchen, menschliche kognitive Fähigkeiten nachzuahmen. Das Ziel ist es, Maschinen zu erschaffen, die lernen, planen, Muster erkennen oder Probleme lösen können.
Dieses Feld umfasst viele Technologien, die nichts mit Sprache zu tun haben. Es handelt sich vielmehr um Algorithmen, die z.B. Ihre Netflix-Empfehlungen sortieren oder es ist der Computer, der Sie im Schach besiegt – das ist KI.
Ein LLM ist ein gigantisches Sprachmodell und eine sehr spezifische Art von KI. Es gehört zum Bereich des “Deep Learning” (tiefe neuronale Netze) und der generativen KI. Der einzige Zweck eines LLMs ist es, menschliche Sprache zu verstehen, diese zu verarbeiten und zu generieren (lesen, schreiben, übersetzen).
So wird es verständlicher:
Large ist der englische Begriff für groß. Das bedeutet, dass diese Systeme mit großen Mengen an Text trainiert werden, wie z.B. Büchern, Webseiten, etc.
Language ist das englische Wort für Sprache. Das LLM soll Muster in der Sprache erkennen und das statistisch wahrscheinlichste nächste Wort im Satz vorhersagen.
Model ist ähnlich dem deutschen Wort Modell. Soll heißen, es ist ein statistisches Modell, eine Maschine die Muster gelernt hat.
Beispiel:
Im Kern rät es immer wieder das nächste Wort:
“Der Himmel ist“ LLM “blau“
Top-Auswahl: blau, bewölkt, weit, grau etc. -> das Wahrscheinlichste gewinnt.
Diese Methode ist vergleichbar mit der Autokorrektur auf Ihrem Mobiltelefon, wenn Sie Nachrichten verfassen und Ihnen bereits nächste Wörter zur Vervollständigung des Satzes vorgeschlagen werden.
Systeme wie ChatGPT, Google Gemini oder Anthropic Claude basieren auf LLMs.
Mein Fazit
Ein Beispiel macht etwas Komplexes meist anschaulicher. Daher meine Frage: Kennen Sie noch Matroschka-Puppen? Das sind Steckpuppen, die in der Mitte geteilt werden konnten, in einen oberen Teil und einen unteren Teil. Wenn man diese äußere Puppe geöffnet hatte, befand sich eine weitere kleiner Puppe darin, die wiederrum geöffnet werden konnte. Darin befand sich wiederrum eine kleinere Puppe.
Alternativ können Sie sich auch ein Paket vorstellen. Wenn Sie dieses öffnen, befindet sich darin ein kleineres Paket. Wenn Sie das wiederum öffnen, kommt ein weiteres Paket zum Vorschein. Das ist auch ein beliebtes Spiel bei Hochzeiten. Das Brautpaar muss solange Päckchen öffnen, bis sie letztlich das Geschenk erhalten.
So ähnlich ist es auch mit KI. Werfen wir, unter den eben genannten Gesichtspunkten noch einmal ein Auge auf KI und LLM:
Die äußere und größte Matroschka-Puppe/ das größte sichtbare Paket:
KI – Das ist die äußere Hülle, die in den 1950er Jahren begann. Sie umfasst jede Technik, die es Computern ermöglicht, menschliches Verhalten nachzuahmen – auch einfache, von Menschen fest einprogrammierte Wenn-Dann-Regeln (wie alte Schachcomputer).
Die mittlere Matroschka-Puppe darunter/ das nächste sichtbare Paket:
Machine Learning / Maschinelles Lernen – In den 1980er Jahren programmierte der Mensch nicht mehr jede Regel einzeln, sondern der Computer wurde mit vielen Daten gefüttert und die Maschine “lernte” die Regeln selbständig mithilfe statistischer Methoden – wie Spam-Filter, die aus tausenden E-Mails lernen, was Spam ist.
Die kleinste Matroschka-Puppe zum Schluss/ das letzte, zu öffnende Paket: Deep Learning – Der Durchbruch ereignete sich in den 2010er Jahre. Künstliche neuronale Netze wurden dem menschlichen Gehirn nachempfunden. Diese Netze haben viele “Schichten” (daher “deep” bzw. “tief“), um extrem komplexe Muster in riesigen Datenmengen zu erkennen. Hier geht es z.B. um Bilderkennung oder auch autonomes Fahren. Hier sitzen auch die Large Language Models (LLMs), die sich auf das Verstehen und Generieren von Text spezialisiert haben.
Alles hängt zusammen und jedes Modul ist ein Teil der KI.
Da stellen sich für mich gleich die nächsten Fragen: Wie nutze ich LLM richtig und welches Model ist für welche Anwendungen geeignet? Mehr dazu in den nächsten Artikeln.
Ihr Petar Puskaric
