Roboter als Lehrer der KI?

 "Geht raus!

Um sich weiterzuentwickeln, braucht künstliche Intelligenz eine ganz neue Art von Daten: Erfahrungen in der echten Welt. Können Roboter die liefern?" 

ZEIT Nr. 54/2025,16. Dezember 2025

[...] Die Robotik steht damit vor einem ähnlichen Problem, wie es in der Weiterentwicklung der Sprachmodelle gerade diskutiert wird: Qualitativ hochwertige Daten könnten auch hier bald ausgehen, wenn immer mehr der Inhalte im Netz von den KI-Modellen selbst erstellt werden. Der Fortschritt in der Entwicklung künstlicher Intelligenz könnte sich damit verlangsamen oder gar zum Erliegen kommen – das fürchtet etwa Richard Sutton, Turing-Preisträger des Jahres 2025 und einer der Väter des maschinellen Lernens.

Übung macht den Chip

Hinzu kommen ungelöste Probleme wie die "Halluzinationen", also die Unsitte von Sprachmodellen, plausibel klingende, aber völlig falsche Antworten zu geben. Das ist schon in der Nutzung eines normalen Chatbots ärgerlich, aber wenn ein halluzinierendes Sprachmodell einen Roboter in die Irre schicken würde, wäre das potenziell lebensgefährlich.

Wenn also Training mit riesigen Datenmengen längerfristig nicht praktikabel ist – bedeutet das, sich vom Traum autonom arbeitender Roboter verabschieden zu müssen?

Nicht unbedingt. Tatsächlich erleben gerade Programmierverfahren, die lange spöttisch als GOFAI (good old-fashioned artificial intelligence) bezeichnet wurden, ein Comeback: Die KI soll dabei nicht mehr alles selbst lernen, sondern bekommt Vorwissen mit auf den Weg. So werden Sprachmodelle etwa mit Datenbanken verknüpft, in denen ihnen sicheres Wissen vorgegeben wird.

Maschinen mit menschlichen Gedanken zu behelligen, halten manche für einen Fehler

Damit sind Programme nicht besonders kreativ, aber man kann sich darauf verlassen, dass ihre Antworten stimmen. Die Entsprechung in der Robotik heißt GOFE, good old-fashioned engineering. So nennt der Roboterforscher Ken Goldberg von der University of California in Berkeley Versuche, den Robotern menschliches Ingenieurwissen mitzugeben: wie eine Bewegung auszusehen hat oder welche Daten wichtig sind.

KI-Pionier Richard Sutton hält diesen Weg jedoch nicht für richtig: Er warnt schon lange davor, künstliche Intelligenz durch menschliches Wissen auszubremsen. Es sei eine Sackgasse, die Maschinen mit unseren (unzulänglichen) Gedanken über die Welt zu behelligen. Stattdessen ruft Sutton eine "Ära der Erfahrung" aus: Um wirklich intelligent zu werden, müssen die Maschinen demnach lernen, lernen und nochmals lernen. Nicht aus mühsam beschafften Daten, sondern aus Erfahrungen, die sie selbst machen – mit anderen Programmen oder mit der Welt. [...]"

Wikipedia: "[...] Grundlegende Schwachstellen der KI

Zu den auch Ende des Jahres 2024 deutlich feststellbaren grundlegenden Schwachstellen der KI gehören u. a.:

• Generative KI beinhaltet systemimmanente Probleme, die zum so genannten Halluzinieren führen können, bei dem schlüssige Antworten verfasst werden, die angeblich wahr sind, obwohl es sich tatsächlich um frei erfundene Inhalte handelt.^[82][83]
• Wenige marktbeherrschende Unternehmen im Zusammenhang mit den weltweiten Internetgiganten kontrollieren durch Ausnutzung ihrer bestehenden Dominanz und durch gezieltes Aufkaufen von KI-Startups die Entwicklung der künstlichen Intelligenz und verstärken dadurch umso mehr ihre monopolartigen Marktstellungen mit all den damit zusammenhängenden Nachteilen.^[84]
• Manipulierbarkeit der Anwendung schon allein durch Auswahl der verwendeten KI-„Trainingsdaten“.
• Zum Teil gravierende Sicherheitsbedenken: Nutzer von insbesondere generativen KI-Modellen haben kaum Möglichkeiten, Sicherheitslücken zu erkennen. Beispielsweise ist mit Stand Februar 2025 bei der DeepSeek-AI von einer sehr weitreichenden Speicherung von auch vertraulichen Nutzerdaten auszugehen.^[85]
• KI neigt dazu, bereits bestehende gesellschaftliche Diskriminierungsverhältnisse zu reproduzieren. Wenn die Daten, mit denen eine KI trainiert wird, z. B. bereits einen sexistischen oder rassistischen Bias haben, wirkt sich dieser auch auf die Funktionen der KI aus. Es gibt vor allem bei mittels KI automatisierten Entscheidungsprozessen eine Reihe von Beispielen, bei denen marginalisierte Gruppen benachteiligt werden.^[86][87] So wurde z. B. im November 2025 bekannt, dass KI, die Dialekte hört bzw. liest, oft unfair urteilt, indem sie Vorurteile gegenüber Menschen mit Dialekt zum Ausdruck bringt und Eigenschaften wie „ungebildet“ und „unfreundlich“ auswählt.^[88] [...]"

KI in der Geschichtswissenschaft

 "[...] Kein anderer Beruf, von dem des Übersetzers abgesehen, sei stärker von KI betroffen als der des Historikers, heißt es in dem Bericht. KI könne die Tätigkeiten von Historikern, wie sie in einer Berufsdatenbank des US-Arbeitsministeriums beschrieben werden, zu 91 Prozent übernehmen: Informationen recherchieren, evaluieren und aufbereiten. Einzig an der Archivarbeit scheitere die Software – und am Unterrichten.

"Es steht wirklich eine Revolution bevor", sagt auch der Wissenschaftshistoriker Gerd Graßhoff bei einem Gespräch in seinem Büro an der Berliner Humboldt-Universität. Graßhoff hat viel zur Geschichte großer Entdeckungen geforscht, etwa zur Kopernikanischen Wende und zu Johannes Kepler. Eigentlich wurde er gerade emeritiert. Aber jetzt, da LLMs anfangen, in die historische Forschung vorzudringen, hält es ihn doch noch etwas im Beruf. Zu verlockend findet er die neuen Möglichkeiten: KI-Anwendungen können mehr Material lesen, als es Historiker in ihrem Leben je schaffen, und das über alle Sprachen und Schriftarten hinweg. Auch Karten oder archäologische Objekte können sie in enormer Menge und Geschwindigkeit erfassen – vorausgesetzt, dass diese digitalisiert sind. Und erstmals sind Programme in der Lage, nicht mehr nur Zeichenketten zu identifizieren, sondern komplexe Inhalte.

[...]"Suchen Sie mal nach Aussagen in einem beliebigen historischen Text, die einer These von Ihnen widersprechen. Bislang unmöglich", sagt Graßhoff: "Jetzt geht das." Die Modelle könnten sogar ganze Handlungsketten rekonstruieren. Wie etwa hat Albert Einstein schrittweise zur Relativitätstheorie gefunden? "Das ist manuell nur in jahrelanger Arbeit rekonstruierbar, weil die Masse an Material kaum zu bewältigen ist", erklärt der Wissenschaftshistoriker. Ein LLM hingegen könne das schnell bewerkstelligen. [... ]

https://www.zeit.de/2025/52/kuenstliche-intelligenz-geschichtswissenschaft-historiker-archiv-digitalisierung ZEIT Nr.52 ,4.12.25 in der Fassung vom 7.12.