General Purpose AI

Die meisten Computerprogramme können genau eine Sache. Ein Übersetzungsprogramm übersetzt, ein Schachprogramm spielt Schach. General Purpose AI funktioniert anders: Ein einziges System übersetzt, schreibt Texte, beantwortet Fragen, programmiert und fasst Dokumente zusammen. Der englische Ausdruck bedeutht wörtlich “KI für allgemeine Zwecke”. Solche Systeme werden nicht für eine bestimmte Aufgabe trainiert, sondern lernen aus riesigen Mengen Text, Bildern oder Code allgemeine Muster. Erst danach entscheiden die Nutzer, wofür sie das System einsetzen. Bekannte Beispiele sind die Systeme hinter ChatGPT, Gemini oder Claude.

Ein Werkzeug, das seine Einsatzgebiete nicht kennt

Wirtschaftlich ist die Vielseitigkeit der eigentliche Durchbruch. Früher musste ein Unternehmen für jede Anwendung ein eigenes System entwickeln lassen. Das kostete Monate und viel Geld. Heute nimmt man ein bestehendes Allzweck-System und passt es mit wenigen Anweisungen an. Deshalb sind in kurzer Zeit so viele KI-Produkte entstanden.

Genau diese Offenheit ist aber auch ein Problem. Der Hersteller weiß beim Training nicht, was später mit dem System gemacht wird. Ein Modell, das juristische Texte zusammenfassen kann, kann auch täuschend echte Falschmeldungen schreiben. Bei einem Schachprogramm ist Missbrauch schwer vorstellbar, bei Allzweck-KI nicht.

Deshalb ist General Purpose AI seit 2024 ein fester Rechtsbegriff. Die KI-Verordnung der EU, kurz AI Act, behandelt solche Systeme in einem eigenen Kapitel. Anbieter müssen unter anderem dokumentieren, mit welchen Daten trainiert wurde, und das Urheberrecht beachten. Für besonders leistungsfähige Modelle gelten zusätzliche Prüf- und Meldepflichten. Wer nur eine App auf Basis eines solchen Modells baut, hat deutlich weniger Pflichten als der Hersteller des Modells selbst.

Warum ein Modell so viel gleichzeitig kann

Die Grundlage ist Training mit sehr großen Datenmengen. Ein Sprachmodell lernt dabei nur eine simple Übung: das nächste Wort in einem Text vorhersagen. Wiederholt man das milliardenfach mit Texten aus fast allen Wissensgebieten, entsteht nebenbei sehr viel Weltwissen. Das Modell hat Programmcode, Kochrezepte, Gerichtsurteile und Physikaufgaben gesehen. Fähigkeiten, die niemand gezielt eingebaut hat, tauchen dadurch von selbst auf.

Man kann sich das wie eine breite Schulausbildung vorstellen. Eine Berufsausbildung zum Elektriker macht in einem Feld sehr gut. Ein Abitur macht in keinem Feld zum Fachmann, ermöglicht aber viele weitere Wege. Allzweck-KI ist das Abitur, die spezialisierte Anwendung folgt danach.

Diese Anpassung passiert auf zwei Wegen. Beim Feintuning trainiert man das fertige Modell mit einem kleinen, speziellen Datensatz nach, etwa mit medizinischen Berichten. Oder man beschreibt die Aufgabe einfach in der Anweisung, die man eingibt, und ändert am Modell nichts. Der zweite Weg ist billiger und deshalb der Normalfall.

Von der Chat-App bis zur Brüsseler Debatte

Im Alltag begegnet man Allzweck-KI meist über einen Chat oder eine Suchfunktion. Dahinter steckt oft dasselbe Modell, egal ob es um eine Hausaufgabe, eine E-Mail oder eine Reiseplanung geht. Auch Bürosoftware, Bildbearbeitung und Programmierwerkzeuge greifen inzwischen auf solche Modelle zu. Häufig merkt man gar nicht, dass im Hintergrund immer dasselbe System arbeitet.

In Wirtschaftsnachrichten fällt der Begriff vor allem bei Regulierung und Geld. Wenn über Pflichten für OpenAI, Google oder Mistral berichtet wird, geht es fast immer um deren Allzweck-Modelle. Ein häufiger Irrtum ist, General Purpose AI mit einer denkenden, menschenähnlichen KI zu verwechseln. Das wäre Artificial General Intelligence, ein bis heute rein hypothetisches Ziel. General Purpose AI ist dagegen etwas Nüchternes: ein sehr breit einsetzbares Werkzeug, das man heute kaufen kann.