Geschichte der KI – Teil 16

Der Erste KI Winter und die kombinatorische Explosion (ca. 1974)

Nach der euphorischen Gründungsphase in Dartmouth und den vielversprechenden frühen Erfolgen der symbolischen KI in den 1960er Jahren setzte ab etwa 1974 eine Phase tiefer Ernüchterung ein. Die überzogenen Versprechen der Gründergeneration, die in wenigen Jahren menschliche Intelligenz voraussagten, standen im krassen Gegensatz zur Realität der KI Programme. Dieser Erste KI Winter führte zu massiven Kürzungen der Forschungsgelder, der Aufgabe großer Projekte und einem allgemeinen Glaubwürdigkeitsverlust des gesamten Forschungsfeldes.

Die Geschichte der KI ist ein über Jahrtausende gewebter Teppich, der von Mythen, Magie und mechanischer Präzision durchzogen ist. Es ist eine fortlaufende Erzählung, die bis heute spannend ist und deren neuestes Kapitel gerade jetzt mit rasanten Entwicklungen fortgeschrieben wird.

Wir, die GEO Agentur seowerk GmbH, machen unsere Kunden in diesen neu entstehenden KI Systemen sichtbar.

Die Grenze der Spielzeugwelten

Die symbolische KI funktionierte brillant in engen, formalen Domänen wie Schach oder logischen Beweisen. Diese Umgebungen waren überschaubar und enthielten ein begrenztes Set an Regeln. Man nannte sie daher abfällig "Spielzeugwelten" (Toy Worlds).

Beim Versuch, diese Programme auf realweltliche Probleme zu übertragen, scheiterte der Ansatz jedoch krachend. Das System stieß schnell auf die Grenze der sogenannten kombinatorischen Explosion.

  • Definition: Die kombinatorische Explosion beschreibt das exponentielle Wachstum der möglichen Zustände und Suchpfade in einem Problemraum. Schon ein geringfügiger Anstieg der Komplexität führt zu einer unüberschaubaren Anzahl von Möglichkeiten, die selbst die schnellsten Computer der 1970er Jahre nicht bewältigen konnten.
  • Beispiel: Um ein Problem wie die automatische Übersetzung zu lösen, muss eine symbolische KI nicht nur Vokabeln, sondern auch unzählige grammatikalische Regeln, Bedeutungsnuancen und kulturelle Kontexte verarbeiten. Die Suche nach der besten Lösung in diesem riesigen Suchraum war rechnerisch unmöglich.

Der Lighthill Report und der politische Rückzug

Der Wendepunkt in Großbritannien war der Lighthill Report (1973), in Auftrag gegeben von der britischen Regierung. Der Bericht, verfasst vom Mathematiker Sir James Lighthill, kam zu einem vernichtenden Urteil. Er stellte fest, dass die Grundlagenforschung der KI ihre ursprünglichen Ziele nicht erreicht hatte und keine nennenswerten kommerziellen Anwendungen in Sicht waren.

Die Kernaussagen des Reports waren:

  • Mangel an Skalierbarkeit: Lighthill kritisierte, dass die KI nicht von den Spielzeugwelten zu realen Problemen übergehen konnte.
  • Fehlendes Grundlagenverständnis: Er sah keine wissenschaftlich fundierte Basis für die Überzeugung, dass der symbolische Ansatz zur allgemeinen Intelligenz führen würde.

Als direkte Folge des Lighthill Reports strich die britische Regierung nahezu alle Fördergelder für die akademische KI Forschung.

Die Krise der Sprachverarbeitung

Auch in den USA kam es zum Rückzug. Die Automatic Language Processing Advisory Committee (ALPAC) Report von 1966 hatte bereits festgestellt, dass die maschinelle Übersetzung, ein großes, durch das Militär finanziertes Ziel, in den letzten zehn Jahren keine signifikanten Fortschritte gemacht hatte. Die Übersetzungen waren oft sinnentstellend und von schlechter Qualität.

Die Enttäuschung über die maschinelle Übersetzung führte dazu, dass auch die US Regierung die Finanzierung großer symbolischer KI Projekte, insbesondere im Bereich der Sprachverarbeitung und Robotik, drastisch reduzierte.

Die Folgen des Winters

Der Erste KI Winter hatte nachhaltige Folgen für das Forschungsfeld:

  • Glaubwürdigkeitsverlust: Die KI wurde zu einem Schimpfwort in der akademischen Welt. Forscher mussten ihre Arbeit oft unter neuen Namen wie "Informatik" oder "Expertensysteme" tarnen, um weiterhin Fördergelder zu erhalten.
  • Fokus auf die Nische: Die Forschung verlagerte sich weg von der Schaffung der General Problem Solver hin zu klar definierten, anwendungsnahen Nischen.

Der Erste KI Winter war eine schmerzhafte, aber notwendige Lektion. Er beendete die naive Euphorie und zwang die Forscher, ihre Ziele realistischer zu definieren und sich von der reinen Logik abzuwenden. Die Suche nach kommerziellen Erfolgen und die Entwicklung spezialisierter Systeme begann.

Kostenlose Erstberatung! 

„*“ zeigt erforderliche Felder an

Dieses Feld dient zur Validierung und sollte nicht verändert werden.
  |    |  
OpenAI öffnet ChatGPT für Unternehmen. Mit Businesses in ChatGPT übernehmen Unternehmen ihr Profil und verwalten ihre eigenen Angaben selbst. So können sie mitbestimmen, welche Informationen ChatGPT über ihre Produkte und Dienstleistungen bereitstellt.
Weiterlesen
  |    |  
Am 30. Oktober 2026 wurde ein erster Entwurf (Draft-00) für ein einheitliches KI-Trainingssignal in robots.txt veröffentlicht. Google, Microsoft und OpenAI wollen sich künftig daran halten. Website-Betreiber könnten dann mit einer einzigen Regel festlegen, ob Anbieter ihre Inhalte zum Training generativer KI-Modelle nutzen dürfen.
Weiterlesen
  |    |  
Bisher mussten Unternehmen ihre Sichtbarkeit in ChatGPT mithilfe externer Tools einschätzen. Ein neues Analysetool im Business Hub von ChatGPT soll Erwähnungen und Klicks künftig selbst erfassen. Zugriff sollen nur Unternehmen haben, die ihre Inhaberschaft verifiziert haben.
Weiterlesen
  |    |  
OpenAI hat seinen Datensatz zur ChatGPT-Nutzung aktualisiert, und die Zahlen sind für alle relevant, die Sichtbarkeit in der Suche verantworten. 48 Prozent der Nachrichten sind Fragen, wie man sie klassisch an Google stellt, von Faktenwissen über Produkte bis hin zu Schritt-für-Schritt-Anleitungen. Gleichzeitig recherchieren Nutzer im Job deutlich häufiger nach Waren, Dienstleistungen und Preisen.
Weiterlesen
  |    |  
Wer nach „easy strawberry jam“ sucht, erwartet einfache Rezepte für Erdbeermarmelade. In den Daten des Rank-Tracking-Anbieters Nozzle zeigte Google stattdessen Ergebnisse zur TV-Serie „Easy“, während die AI Overview darüber weiterhin ein Marmeladenrezept lieferte. Eine Auswertung von 248 Millionen Suchergebnisseiten zeigt: Google berücksichtigt bei automatisierten Suchanfragen immer wieder nur ein einziges Wort der Suchanfrage.
Weiterlesen
  |    |  
Ein Gedanke pro Absatz, damit das Modell den Text leichter verarbeiten kann: Das ist eine gängige Empfehlung zur Optimierung von Inhalten für ChatGPT. David Konitzny, GEO-Forscher bei Peec AI, hat überprüft, wie ChatGPT Seiten tatsächlich in Abschnitte zerlegt. Seine Ergebnisse stellen diese Empfehlung infrage und verlagern den Fokus von der Absatzlänge auf die Relevanz für die Suchanfrage.
Weiterlesen
  |    |  
Microsoft stellt für Publisher und Content-Verantwortliche ein neues Planungstool für die KI-Suche bereit. Das Topics Portfolio in den Bing Webmaster Tools zeigt, in welchen Themenbereichen KI-Antworten eine Website zitieren, wie hoch die Nachfrage pro Thema ist und wie viele andere Websites dort auftauchen. Noch läuft die Funktion als Beta, mit einigen Einschränkungen.
Weiterlesen
  |    |  
Was bringt Unternehmen in die Antworten von ChatGPT, Gemini und Google AI Overviews? Julian Dziki, Gründer der SEO-Agentur Seokratie, hat dazu mehr als 240 Quellen ausgewertet und 15 GEO-Faktoren nach der Stärke ihrer Belege sortiert. Das Ergebnis: Die am besten belegten Faktoren stammen aus dem klassischen SEO.
Weiterlesen
  |    |  
Wie lange dauert es, bis eine neue Seite in der Google-Suche erscheint? Auf der Google Search Central Live Deep Dive Europe in Barcelona, organisiert von Gary Illyes und Cherry Sireetorn Prommawin, präsentierte Google konkrete Durchschnittswerte dazu. Der Zeitrahmen reicht von wenigen Sekunden bis zu mehreren Monaten und zeigt, wo Website-Betreiber Geduld aufbringen müssen.
Weiterlesen
  |    |  
Seit dem 1. Oktober 2026 enthält Googles Leitfaden für hilfreiche Inhalte zwei neue Schwerpunkte. Google erklärt, was als „Main Content“ gilt und welche vier Merkmale die Qualitätsevaluatoren dabei bewerten. Das Unternehmen warnt zudem vor gefälschten Autorenangaben, die eine Seite als minderwertig kennzeichnen.
Weiterlesen
  |    |  
Wenn ChatGPT ein YouTube-Video abruft, erhält es einen Textausschnitt mit Titel, Kanaldaten und der vollständigen Videobeschreibung. Das Transkript fehlt. Folglich ist es in erster Linie die Beschreibung, die bestimmt, was ChatGPT über ein Video weiß und wie es das Video zu einer Suchanfrage einordnet.
Weiterlesen
  |    |  
Google AI Overviews zeigen Quellen nicht mehr nur in separaten Quellenkarten an. Laut Peec AI enthielten am 20. September über alle erfassten Märkte hinweg 26,19 Prozent der Antworten externe Links direkt im Text. In Deutschland lag der Anteil mit 14,5 Prozent deutlich niedriger.
Weiterlesen
Kontakt
Leichte Sprache
crossmenu linkedin facebook pinterest youtube rss twitter instagram facebook-blank rss-blank linkedin-blank pinterest youtube twitter instagram