Emergente Fähigkeiten

Ein KI-System lernt aus riesigen Mengen an Beispieltexten. Sein Grundauftrag ist dabei erstaunlich simpel: das nächste Wort vorhersagen. Manche Fähigkeiten tauchen trotzdem auf, obwohl sie nie geübt wurden. Ein System löst plötzlich Rechenaufgaben oder übersetzt Sprichwörter sinnvoll. Auffällig ist der Verlauf: Kleinere Systeme scheitern an der Aufgabe fast völlig, dann springt die Trefferquote bei einer bestimmten Größe nach oben. Solche unerwartet auftauchenden Fertigkeiten nennt man emergente Fähigkeiten.

Der Sprung, den niemand vorhersagen kann

Normalerweise erwartet man von Technik gleichmäßige Fortschritte. Ein doppelt so großes System sollte etwas besser sein, nicht plötzlich etwas ganz Neues können. Genau das aber beobachten Forscher immer wieder. Diese Unstetigkeit ist der Kern des Begriffs.

Für Unternehmen ist das ein wirtschaftliches Argument. Wenn Größe neue Fähigkeiten freischaltet, lohnen sich Milliardeninvestitionen in Rechenzentren. Ein großer Teil des KI-Booms seit 2020 beruht auf dieser Erwartung. Man baut größer, weil man hofft, dass unterwegs etwas Neues entsteht.

Genau das macht die Sache aber auch heikel. Wer nicht vorhersagen kann, was ein System nach dem Training kann, kann auch Risiken schlecht abschätzen. Eine Fähigkeit, die niemand geplant hat, kann auch missbraucht werden. Deshalb testen Anbieter neue Modelle vor der Veröffentlichung systematisch auf unerwartete Fertigkeiten. Aufsichtsbehörden in der EU verlangen solche Prüfungen inzwischen für besonders leistungsfähige Systeme.

Was beim Wachsen im Modell passiert

Ein Sprachmodell besteht aus Milliarden von Stellschrauben, den sogenannten Parametern. Beim Training werden sie so lange nachjustiert, bis die Wortvorhersagen gut passen. Um gut vorherzusagen, muss das System Regelmäßigkeiten in der Sprache erfassen. Grammatik gehört dazu, aber auch Wissen über die Welt und über Rechenregeln.

Manche Aufgaben brauchen mehrere solcher Regelmäßigkeiten gleichzeitig. Eine dreistellige Addition erfordert Ziffern erkennen, Stellenwerte ordnen und Überträge weitergeben. Fehlt ein Teilschritt, ist das Ergebnis falsch – also gilt die Aufgabe als nicht gelöst. Erst wenn alle Teilschritte sitzen, springt das Ergebnis von null auf brauchbar. Der scheinbare Sprung entsteht also aus vielen kleinen Fortschritten.

Hier setzt ein wichtiger Einwand an. Ein Forschungsteam aus Stanford zeigte 2023: Der Sprung hängt oft am Maßstab der Messung. Bewertet man nur richtig oder falsch, sieht man einen harten Knick. Bewertet man Teilergebnisse, verläuft die Kurve glatt. Emergenz wäre dann teils eine Eigenschaft der Messmethode, nicht des Modells. Ganz geklärt ist der Streit bis heute nicht.

Emergenz in Produkten und Schlagzeilen

Das bekannteste Beispiel ist das Lernen aus wenigen Beispielen im Chatfenster. Man zeigt einem Sprachmodell zwei oder drei Musterfälle und es überträgt das Muster auf neue Fälle. Frühere, kleinere Systeme konnten das praktisch nicht. Genau diese Fähigkeit machte Chatbots ab 2022 überhaupt alltagstauglich.

Ähnlich funktioniert schrittweises Begründen: Bittet man ein großes Modell, seinen Rechenweg aufzuschreiben, steigt die Trefferquote deutlich. Bei kleinen Modellen bringt derselbe Trick nichts oder schadet sogar. Auch Programmieren und das Erklären von Witzen werden häufig als emergent beschrieben.

In Nachrichten begegnet dir der Begriff oft in großen Worten. Dann heißt es, eine KI habe eine Fähigkeit „von selbst entwickelt“. Wichtig ist die Abgrenzung: Emergenz bedeutet nicht Bewusstsein und nicht eigene Absicht. Sie bedeutet nur, dass eine Leistung nicht direkt antrainiert wurde. Wenn du solche Meldungen liest, lohnt die Nachfrage, wie gemessen wurde.