81% der Deutschen kennen „Algorithmus". Nur 10% wissen, wie einer funktioniert. Und die meisten verwechseln ihn mit KI. Ein Versuch, Ordnung in das Chaos zu bringen — mit Daten, nicht mit Meinungen.
Die Bertelsmann Stiftung hat nachgefragt. Repräsentativ, über Jahre. Das Ergebnis ist ernüchternd: Deutschland kennt das Wort, aber nicht die Sache.
81% haben das Wort schon gehört. Aber nur jeder Zehnte kann erklären, was ein Algorithmus tut. Und fast die Hälfte — 45% — kann auf die offene Frage „Was fällt Ihnen dazu ein?" schlicht nichts antworten. Die Kluft ist riesig. Und sie verläuft entlang bekannter Linien.
97% der Akademiker kennen den Begriff. Bei Menschen mit Haupt- oder Realschulabschluss sind es 54%. Die Kluft hat sich seit 2018 kaum verringert.
Nur 29% sehen einen starken Einfluss von Algorithmen auf ihren Alltag. Für KI sind es sogar nur 14%. Die Technologie ist überall — aber die meisten bemerken sie nicht. Oder sie wollen es nicht.
Von der Rechenregel zum selbstlernenden System — in neun Stufen.
Die Frage „Ist das KI?" klingt einfach. Die Antwort ist es nicht. Es gibt kein Schwarz und Weiß. Es gibt ein Spektrum. Und irgendwo auf diesem Spektrum verläuft eine Grenze — wenn man denn eine ziehen will.
Links: feste Regeln, immer gleiches Ergebnis. Rechts: Systeme, die lernen, sich anpassen, generalisieren. Die EU hat im AI Act versucht, die Grenze zu definieren. Das Schlüsselwort: infers — schlussfolgern. Wenn ein System aus Daten eigenständig Schlüsse zieht, die über vorgegebene Regeln hinausgehen, ist es KI. Wenn nicht, ist es Software.
„AI system means a machine-based system that [...] infers, from the input it receives, how to generate outputs such as predictions, content, recommendations, or decisions."
Klingt klar? Ist es nicht. Viele EU-Mitgliedstaaten halten die Definition für zu breit und zu vage. Die Richtlinien der EU-Kommission (Februar 2025) schließen explizit aus: rein regelbasierte Systeme, einfache Optimierung, klassische Heuristiken. Aber in der Praxis: „case-by-case". Das hilft wenig.
Wie aus „Algorithmus" über Nacht „KI" wurde.
2006 schrieb Netflix einen Preis aus: eine Million Dollar für bessere Empfehlungsalgorithmen. Niemand sagte „KI". 2024 heißt dasselbe System „AI-Driven Personalisation". Die Technologie hat sich weiterentwickelt — aber der Namenswechsel hat mehr mit Marketing zu tun als mit Technik.
Von 17 Erwähnungen pro Monat im Jahr 2010 auf 498 im ersten Halbjahr 2020. Eine Explosion. Und das war vor ChatGPT. Die Bertelsmann-Analyse zeigt noch etwas: 42% der Artikel berichten positiv, nur 12% negativ. 37% der zitierten Akteure kommen aus der Wirtschaft. Nur 4% aus der Zivilgesellschaft.
Die Umbenennung hat einen Namen: AI Washing. 2024 wurden mindestens 15 Tech-Unternehmen von Regulierern für übertriebene KI-Behauptungen gerügt — mehr als doppelt so viele wie 2023. Typisch: Ein Chatbot wird auf bestehende Software geschraubt, und plötzlich ist alles „KI-gesteuert".
Larry Tesler wusste das schon 1970.
Es gibt ein Muster, das sich seit Jahrzehnten wiederholt: Sobald ein Computer etwas kann, hört man auf, es „intelligent" zu nennen. Schach spielen war „intelligent" — bis Deep Blue es konnte. Texterkennung war „KI" — bis sie Standard wurde. Spam filtern war „KI" — jetzt ist es einfach ein Feature.
„Intelligence is whatever machines haven't done yet."
Pamela McCorduck nannte es 1979 das „odd paradox": Jeder praktische KI-Erfolg wurde in seine Anwendungsdomäne einverleibt und verschwand als „KI". Schach wurde Informatik. OCR wurde Scanner-Software. Spamfilter wurde eine Checkbox. Die Leistung blieb — das Label verschwand.
„Every time somebody figured out how to make a computer do something... there was a chorus of critics to say, but that's not thinking."
„If it works, it isn't AI."
Die Definition von „KI" verschiebt sich permanent. Intelligent ist immer nur das, was der Computer noch nicht kann. Sobald er es kann, ist es „nur Software".
76% der KI-Experten glauben, KI wird ihnen persönlich nutzen. Nur 24% der Bevölkerung sehen das so. 77% der Amerikaner misstrauen sowohl Unternehmen als auch der Regierung beim verantwortungsvollen KI-Einsatz.
Wenn jemand fragt „Was ist der Unterschied?" — hier ist er. Ohne Jargon, ohne Vorlesung.
| Algorithmus | Machine Learning | KI | |
|---|---|---|---|
| Regeln | Vom Menschen vorgegeben | Algorithmen trainieren Modelle | Aus Daten gelernt |
| Anpassung | Keine (deterministisch) | Lernt aus Daten | Adaptiv |
| Neues | Nur wenn vorgesehen | Generalisiert auf neue Daten | Kann generalisieren |
| Transparenz | Nachvollziehbar | Teilweise erklärbar | Oft Black Box |
| Beispiel | Taschenrechner, Sortierung | Spamfilter (ML), Empfehlung | ChatGPT, Bilderkennung |
Machine Learning ist das Bindeglied. Es nutzt Algorithmen (Gradient Descent, Backpropagation), aber das trainierte Modell zeigt Verhalten, das nicht explizit programmiert wurde. Ein Spamfilter mit festen Regeln („Wenn Betreff enthält ‚Viagra' → Spam") ist ein Algorithmus. Derselbe Spamfilter, der aus Millionen E-Mails lernt, welche Muster Spam ausmachen — das ist ML. Das ist KI.
Folgt festen Regeln. Immer gleicher Input = immer gleicher Output. Wie ein Kochrezept.
Lernt aus Daten. Kann Muster erkennen und auf neue, unbekannte Situationen reagieren. Ohne dass ein Mensch jede Regel definiert hat.
Die Grenze zwischen Algorithmus und KI ist unscharf. Aber die Grenze zwischen Verstehen und Nicht-Verstehen — die ist messbar.
81% kennen das Wort. 10% verstehen die Sache. 45% fällt nichts ein. Und die Medien erzählen eine Geschichte, in der 42% Optimismus und 37% Wirtschaftsinteresse stecken — aber nur 4% Zivilgesellschaft. Die Technik entwickelt sich weiter. Die Sprache läuft hinterher. Und dazwischen entsteht ein Raum, in dem Marketing als Erklärung verkauft wird.
Wer den Unterschied zwischen Algorithmus und KI nicht kennt, kann nicht beurteilen, was gerade passiert. Und wer es nicht beurteilen kann, dem wird es erklärt — von denen, die etwas verkaufen wollen.
Sag mir, ob Du mehr davon willst.
tkoerting/data-stories — Code, Daten, Methodik
Alle Daten wurden nach bestem Wissen und Gewissen recherchiert und aufbereitet. Trotzdem: Fehler passieren, Zahlen veralten, Quellen verschwinden. Wer etwas findet, das nicht stimmt — oder eine bessere Quelle kennt — ich freue mich über eine Nachricht: ich@der-koerting.de