Was Artificial Narrow Intelligence ausmacht

ANI-Systeme zeichnen sich dadurch aus, dass sie innerhalb eines abgegrenzten Anwendungsbereichs sehr hohe Leistung erzielen, diese Fähigkeit aber nicht eigenständig auf andere Domänen übertragen können. Ein Bildklassifikator für medizinische Aufnahmen kann im Regelfall keine Vertragstexte analysieren und ein Sprachmodell für Kundendialoge kann keine Roboterarme in Autofabriken steuern. Diese Domänenspezialisierung ist gleichzeitig Stärke und Begrenzung der ANI und entscheidend für die Frage, welche Risiken ein KI-System aus regulatorischer Sicht überhaupt erzeugen kann.

Kernmerkmale von ANI-Systemen

1. Aufgabenspezialisierung: Jede Anwendung ist auf einen klar umrissenen Zweck trainiert (z.B. Spracherkennung, Übersetzung, Bildklassifikation, Textgenerierung, Vertragsanalyse etc.)
2. Datengetriebenes Lernen: Die Leistung hängt direkt von Qualität, Umfang und Repräsentativität der Trainingsdaten ab
3. Fehlende generelle Transferfähigkeit: Fähigkeiten lassen sich nicht ohne Weiteres auf neue Domänen übertragen
4. Statistische Natur der Antworten: Ergebnisse sind Wahrscheinlichkeiten, keine deterministischen Wahrheiten, woraus Halluzinationen, Bias und Qualitätsschwankungen folgen

Abgrenzung: ANI, AGI und ASI

In der wissenschaftlichen und regulatorischen Diskussion wird KI klassisch in drei Entwicklungsstufen unterteilt. Diese Abgrenzung ist für das Verständnis aktueller Regulierung wesentlich, weil sich alle heutigen Compliance-Pflichten ausschließlich auf ANI beziehen.

1. ANI – Artificial Narrow Intelligence (heutige Realität): aufgabenspezifische Systeme, die einzelne Probleme lösen und gesamter Anwendungsbereich des EU AI Act.
2. AGI – Artificial General Intelligence (hypothetisch): Systeme mit menschenähnlicher Allgemeinintelligenz, die selbstständig lernen und Wissen domänenübergreifend übertragen. Derartige Systeme existieren bislang nicht, sind aber Gegenstand umfangreicher Forschungsprojekte auf der ganzen Welt.
3. ASI – Artificial Super Intelligence (rein hypothetisch): Beschreibt Systeme, die menschliche Intelligenz in praktisch allen Domänen übertreffen, einschließlich Kreativität, Wissenschaft und sozialer Kompetenz.

Die meisten KI-Forscher gehen davon aus, dass ASI, also Artificial Super Intelligence, ein logischer Folgeschritt zu AGI wäre, sofern sie technisch realisierbar wäre. Aktuelle Diskussionen um „AGI“ bei den bekannten KI-Herstellern wie OpenAI, Anthropic oder DeepMind beziehen sich auf Frühformen oder vorläufige Definitionen von Allgemeinintelligenz, im strengen Sinne der klassischen Definition existiert AGI derzeit noch nicht.

Praxisrelevanz für Unternehmen

Die Unterscheidung zwischen ANI, AGI und ASI ist keine akademische Spielerei. Sie hat unmittelbare Konsequenzen für die Compliance-Arbeit: Wer in der Geschäftsleitung argumentiert, das Unternehmen setze „keine echte KI“ ein, verkennt regelmäßig, dass jedes ML-System (Machine Learning), jeder generative Assistent und jedes automatisierte Klassifikationsverfahren rechtlich KI im Sinne des Art. 3 Nr. 1 EU AI Act ist und damit der Verordnung unterliegt. Insbesondere generative ANI-Systeme erzeugen relevante Compliance-Verpflichtungen, weil sie personenbezogene Daten verarbeiten, Halluzinationen produzieren und über Shadow AI häufig unbemerkt in Geschäftsprozesse einsickern.

Typische ANI-Anwendungen im Unternehmensumfeld

• Sprachassistenten und Chatbots im Kundenservice
• Generative Sprachmodelle (ChatGPT, Claude, Copilot) für Textarbeit, Programmierung und Recherche
• Bilderkennung in Qualitätskontrolle und Sicherheitstechnik
• Empfehlungssysteme in Vertrieb, Marketing und E-Commerce
• Scoring- und Klassifikationsverfahren in HR, Finanzwesen und Versicherung
• Übersetzungs- und Transkriptionsdienste

Rechtliche Einordnung von ANI

Der EU AI Act adressiert mit seiner Definition in Art. 3 Nr. 1 ausdrücklich Systeme, die als maschinengestützte Systeme mit unterschiedlichen Autonomiegraden verstanden werden und aus Eingaben Ausgaben generieren, die ihre Umgebung beeinflussen. Diese Definition trifft auf den Stand der Technik zu, also auch auf ANI. Spezifische Vorgaben für AGI oder ASI enthält die Verordnung nicht; sie kennt lediglich den Sonderfall der General-Purpose AI Models (GPAI) mit eigenen Pflichten für Anbieter besonders leistungsfähiger Foundation Models, was technisch weiterhin ANI ist, auch wenn der Begriff „general purpose“ anderes suggeriert.

Beispielhafte Artikelverweise:

• Art. 3 Nr. 1: Definition KI-System (deckt alle ANI-Anwendungen ab)
• Art. 4: KI-Kompetenz der Bedienenden bei jedem ANI-Einsatz
• Art. 6 ff.: Risikoklassifizierung von ANI-Anwendungen
• Art. 51 ff.: Sonderpflichten für General-Purpose-KI-Modelle

ANI als Bezugspunkt der KI-Governance

Sämtliche operativen Bausteine der KI-Governance, also das KI-Inventar, die Risikoklassifizierung nach den vier Risikostufen des EU AI Act, interne KI-Richtlinien, Schulungspflichten und Dokumentationsanforderungen, beziehen sich ausschließlich auf ANI-Systeme. Wer ein vollständiges Bild seiner KI-Landschaft erstellen (lassen) will, muss die gesamte ANI-Breite erfassen: vom vermeintlich harmlosen Übersetzungstool bis zum scoring-relevanten HR-Klassifikator, der in Bewerbungsverfahren eingesetzt wird.

Beratung durch Elsen GRC

Elsen GRC unterstützt Unternehmen dabei, ihre konkret eingesetzten ANI-Systeme vollständig zu erfassen, regulatorisch korrekt einzuordnen und in eine tragfähige KI-Governance zu überführen. Im AI Act Readiness Scan werden alle ANI-Anwendungen inventarisiert und nach den vier Risikostufen des AI Act klassifiziert. Mit einer KI-Kompetenzschulung vermitteln wir Mitarbeitenden den verantwortungsvollen Umgang mit den konkret eingesetzten ANI-Tools. Durchgeführt werden die KI-Strategieworkshops und Schulungen von einem TÜV-zertifizierten Datenschutzbeauftragten mit über 14 Jahren Software-Entwicklungserfahrung.

Unverbindliche Beratung zu KI-Governance anfordern

Quellen

• IBM: „Types of artificial intelligence“
• EUR-Lex: Regulation (EU) 2024/1689, Art. 3 Nr. 1, Definition KI-System
• Morris et al.: „Levels of AGI: Operationalizing Progress on the Path to AGI“, Google DeepMind, arXiv 2311.02462
• Russell, Norvig: „Artificial Intelligence: A Modern Approach“, 4. Aufl., Pearson 2021
• Bild: © Jakob Braun – Unsplash.com

Der Beitrag Artificial Narrow Intelligence (ANI) – Definition und Bedeutung erschien zuerst auf ELSEN GRC.