Grundlagen
Welche Arten von KI es gibt
Kurzantwort
Schwache KI löst eng umrissene Aufgaben, starke KI wäre eine Intelligenz, die Menschen in allen Bereichen mindestens ebenbürtig ist1. Alle heute verfügbaren Systeme, auch große Sprachmodelle, gelten als schwache KI, die starke KI ist hypothetisch1. Von den vier Typen nach Arend Hintze existieren reaktive Maschinen und Systeme mit begrenztem Gedächtnis, die beiden anderen Typen nicht3.

Wer nach Arten von KI fragt, stößt meist auf zwei Einteilungen. Die ältere trennt schwache von starker KI und fragt, wie breit ein System einsetzbar ist und ob es wirklich versteht. Die jüngere unterscheidet vier Typen nach Gedächtnis und Selbstbild, von der reaktiven Maschine bis zum selbstbewussten System3. Beide führen zum selben Befund: Alles, was heute im Einsatz ist, vom Spamfilter bis zum Chatbot, gehört zur schwachen KI1. Die anderen Stufen sind Forschungsziele oder Gedankenexperimente.
Schwache und starke KI
Im Glossar der Plattform Lernende Systeme steht schwache KI für Systeme, die in einem bestimmten, eng umrissenen Zusammenhang intelligent handeln1. Innerhalb dieses Rahmens können sie menschliche Fähigkeiten übertreffen, beim Schach etwa oder bei bestimmten Diagnosen1. Starke KI wären dagegen hypothetische Systeme, die in allen Bereichen mindestens menschenähnliche Intelligenzleistung erbringen1. Im Englischen heißen die beiden Pole auch Narrow AI und Strong AI.
In der Philosophie stellte John Searle 1980 zwei Thesen gegenüber, wie die Stanford Encyclopedia of Philosophy zusammenfasst2. Nach der These der starken KI versteht ein passend programmierter Computer Sprache tatsächlich und hat geistige Fähigkeiten wie ein Mensch. Nach der These der schwachen KI ist der Computer ein nützliches Werkzeug, das geistige Fähigkeiten nachbildet, ohne zu verstehen oder zu denken2.
Gegen die starke These setzte Searle sein Gedankenexperiment vom chinesischen Zimmer. Eine Person, die kein Chinesisch kann, sitzt in einem Raum und beantwortet chinesische Fragen mithilfe eines Regelbuchs. Von außen wirkt es, als säße dort jemand, der Chinesisch versteht. Die Person versteht aber nichts, sie ordnet nur Zeichen nach ihrer Form2. Searle folgerte, dass ein Programm Verstehen nachahmen kann, ohne es zu besitzen, und dass der Turing-Test deshalb kein Beweis für Verstehen ist2. Ob das Argument trägt, wird bis heute diskutiert. Mit heutigen Sprachmodellen ist es wieder aktuell, und mit ihm die Frage, ob eine KI ein Bewusstsein haben kann.

Beispiele für schwache KI
Schwache KI begegnet dir täglich, meist ohne dass es dir auffällt. Ein paar Beispiele aus unterschiedlichen Bereichen:
- Der Spamfilter im Postfach sortiert Nachrichten nach Mustern, die er aus vielen markierten Mails gelernt hat.
- Die Navigations-App schätzt Fahrzeiten aus aktuellen und früheren Verkehrsdaten.
- Das Übersetzungsprogramm überträgt Texte von einer Sprache in eine andere.
- Die Fotogalerie auf dem Handy erkennt Gesichter und sortiert Bilder danach.
- Ein Schachprogramm schlägt jeden menschlichen Spieler, kann aber keinen Brief schreiben.
Ein historisches Beispiel ist der Schachcomputer Deep Blue von IBM, der 1997 Weltmeister Garri Kasparow schlug6. Außerhalb des Schachbretts konnte er nichts.
Schwieriger wird die Einordnung bei großen Sprachmodellen. Ein Chatbot schreibt Gedichte, erklärt Steuerbegriffe und programmiert, er wirkt also viel breiter als ein Schachcomputer. Nach der Definition der Plattform Lernende Systeme zählen trotzdem alle heute verfügbaren KI-Systeme zur schwachen KI1. Ein naheliegendes Argument dafür liefert die Skala von Morris und Kollegen: Auch die vielseitigsten Modelle erreichen in der Breite nicht das Niveau geübter Erwachsener4. Aus solchen Modellen entstehen generative KI-Anwendungen für Text, Bild und Ton.
Die vier Typen nach Hintze
- Schwach eng begrenzte Aufgaben
- Stark hypothetisch
- Typ 1 und 2 gibt es
- Typ 3 und 4 Forschungsziel
Die zweite verbreitete Einteilung stammt aus einem Artikel des Forschers Arend Hintze von der Michigan State University vom November 20163. Er ordnet KI-Systeme in vier Typen:
- Reaktive Maschinen haben kein Gedächtnis und nutzen keine früheren Erfahrungen. Sie reagieren nur auf das, was gerade vor ihnen liegt. Hintze nennt Deep Blue als Hauptbeispiel und stellt AlphaGo daneben3.
- Systeme mit begrenztem Gedächtnis können für kurze Zeit in die Vergangenheit schauen. Selbstfahrende Autos beobachten etwa Geschwindigkeit und Richtung anderer Fahrzeuge über einige Augenblicke. Diese Informationen sind vorübergehend und werden nicht zu dauerhafter Erfahrung3.
- Systeme mit einer Theorie des Geistes würden verstehen, dass andere Wesen Gedanken und Gefühle haben, und ihr Verhalten danach ausrichten. Hintze beschreibt das als künftiges Ziel3.
- Selbstbewusste Systeme würden eine Vorstellung von sich selbst bilden und ihre eigenen inneren Zustände verstehen. Davon sei die Forschung wahrscheinlich weit entfernt3.
Anschaulich ist die Einteilung, als wissenschaftlicher Standard taugt sie weniger. Sie stammt aus einem Artikel für ein breites Publikum, und sie entstand, bevor große Sprachmodelle verbreitet waren. Auch autonomes Fahren und Robotik, Hintzes Beispiel für Typ 2, haben sich seither weiterentwickelt.
Was davon real ist
Nach Hintze existieren heute Typ 1 und Typ 2, die Typen 3 und 4 nicht3. Wo Sprachmodelle in diesem Schema stehen, sagt der Artikel von 2016 nicht. Nach unserer Einordnung passen sie am ehesten zu Typ 2: Sie berücksichtigen den bisherigen Gesprächsverlauf, solange er in ihr Kontextfenster passt, behalten ihn aber nicht als dauerhafte Erfahrung. Dass sie über Gefühle anderer schreiben können, macht sie noch nicht zu Typ 3; sie geben Muster aus Texten wieder, in denen über Gefühle geschrieben wird.
Eine feinere Skala hat ein Team von Google DeepMind um Meredith Ringel Morris vorgeschlagen, erstmals im November 2023 und überarbeitet im September 20254. Sie trennt Leistung und Allgemeinheit und stuft Systeme in sechs Stufen von "keine KI" bis "übermenschlich" ein4. Spezialisierte Systeme wie Deep Blue und AlphaGo stehen dort auf Stufe 4 als außergewöhnliche, enge KI, AlphaFold und Stockfish auf Stufe 5 als übermenschliche, enge KI4. Bei den allgemeinen Systemen setzen die Autoren ChatGPT, Bard, Llama 2 und Gemini auf die unterste echte Stufe, "Emerging AGI"; alle höheren allgemeinen Stufen sind nach ihrer Tabelle noch nicht erreicht4.
Die Skala zeigt, warum die Grenze zwischen schwacher und starker KI unscharf geworden ist. Ein Sprachmodell ist breiter einsetzbar als jedes Schachprogramm, erreicht in dieser Breite aber nach der Tabelle von Morris und Kollegen nicht das Niveau geübter Erwachsener4. Ob man es noch schwache KI nennt oder schon eine frühe Form allgemeiner KI, hängt von der gewählten Einteilung ab.

Weitere Einteilungen im Alltag
In Fachtexten und Produktbeschreibungen tauchen noch andere Unterscheidungen auf, die quer zu den beiden großen Einteilungen liegen. Nach dem Zweck trennt man erzeugende Systeme, die neue Texte, Bilder oder Töne herstellen, von analysierenden, die vorhandene Daten einordnen, etwa Betrugsversuche in Zahlungen erkennen oder Röntgenbilder vorsortieren. Nach der Lernmethode unterscheidet man überwachtes, unüberwachtes und bestärkendes Lernen. Und nach der Bauweise steht regelbasierte KI, bei der Menschen Wissen und Regeln von Hand eintragen, neben lernender KI, die ihre Regeln aus Beispielen ableitet.
Welche Einteilung weiterhilft, hängt von der Frage ab: Bei der Auswahl eines Werkzeugs zählen Zweck und Daten, in der Debatte über die Zukunft der Technik die Unterscheidung zwischen schwach und stark.
Abgrenzung zu AGI und Superintelligenz
AGI steht für Artificial General Intelligence, allgemeine künstliche Intelligenz. Gemeint ist meist ein System, das sich wie ein Mensch in beliebige neue Aufgaben einarbeiten kann. In vielen Texten wird AGI gleichbedeutend mit starker KI verwendet, wobei die philosophische Frage nach echtem Verstehen dabei oft offen bleibt. Eine noch weiter gehende Stufe wäre eine Superintelligenz, die Menschen in allen Bereichen übertrifft. In der Skala von Morris und Kollegen entspricht das der Stufe 5 bei allgemeinen Systemen, die sie als noch nicht erreicht führen4. Ob und wann AGI kommt, ist umstritten, und belastbare Prognosen dazu gibt es nicht.
Das Recht arbeitet mit anderen Begriffen. Die europäische KI-Verordnung kennt weder schwache noch starke KI. Sie regelt unter anderem KI-Modelle mit allgemeinem Verwendungszweck und meint damit Modelle, die sich sehr allgemein verwenden lassen und viele verschiedene Aufgaben kompetent erledigen, auch wenn sie mit großen Datenmengen unter Selbstüberwachung trainiert wurden5. Die großen Sprachmodelle fallen darunter, und für ihre Anbieter sieht der EU AI Act eigene Pflichten vor. Die englische Abkürzung dafür lautet GPAI.
Falsche Antworten, Diskriminierung oder Missbrauch für Betrug gehen von heutigen Systemen aus, also von schwacher KI. Die Gefahren der KI beginnen deshalb bei dem, was heute im Einsatz ist. Technisch beruhen sie meist auf maschinellem Lernen, die großen Modelle auf Deep Learning.
Was das für dich heißt
Die Einteilungen helfen beim Einordnen von Schlagzeilen, sagen aber wenig über den Nutzen eines Werkzeugs.
- Frag bei jedem KI-Werkzeug, für welche Aufgabe es gebaut ist und wo seine Grenzen liegen.
- Lies Meldungen über "starke KI" oder "AGI" mit Blick darauf, welche Definition gemeint ist.
- Beurteile Risiken nach dem, was ein System heute tut, nicht nach Zukunftsszenarien.
Häufige Fragen
Was ist der Unterschied zwischen schwacher und starker KI?
Schwache KI ist auf bestimmte Aufgaben zugeschnitten und kann darin sehr gut sein. Starke KI wäre eine Intelligenz, die Menschen in allen Bereichen mindestens ebenbürtig ist und wirklich versteht, was sie tut; sie existiert bisher nicht.
Ist ChatGPT eine starke KI?
Nach gängiger Einteilung nicht. ChatGPT ist sehr vielseitig, erreicht aber nicht in allen Bereichen menschliches Niveau.
Welche der vier KI-Typen gibt es schon?
Reaktive Maschinen wie Schachcomputer und Systeme mit begrenztem Gedächtnis wie selbstfahrende Autos. KI mit einer Theorie des Geistes und selbstbewusste KI gibt es nicht.
Gibt es noch andere Einteilungen?
Ja, etwa nach der Lernmethode (überwacht, unüberwacht, bestärkend), nach dem Zweck (erzeugend oder analysierend) oder nach Leistungsstufen wie in der Skala von Google DeepMind.
Quellen
Stand:
- Plattform Lernende Systeme: Glossar: Schwache KI, Starke KI, abgerufen am 22.11.2026. zurück
- Stanford Encyclopedia of Philosophy: The Chinese Room Argument, Stand 23.10.2024, abgerufen am 22.11.2026. zurück
- The Conversation (Arend Hintze): Understanding the four types of AI, from reactive robots to self-aware beings, Stand 14.11.2016, abgerufen am 22.11.2026. zurück
- arXiv (Morris u. a.): Levels of AGI for Operationalizing Progress on the Path to AGI, Stand 24.09.2025, abgerufen am 22.11.2026. zurück
- EUR-Lex: Verordnung (EU) 2024/1689 (KI-Verordnung), konsolidierte Fassung, Artikel 3 Nummer 63, Stand 27.07.2026, abgerufen am 22.11.2026. zurück
- IBM: Deep Blue, abgerufen am 22.11.2026. zurück





