Geschichte der KI – Teil 10

Neuronale Vorläufer: Der Blick nach innen und die Reflexbögen des 19. Jahrhunderts

Während Babbage und Lovelace die mechanischen Grundlagen der künstlichen Intelligenz legten, vollzog sich im 19. Jahrhundert eine parallele, ebenso wichtige Entwicklung in der Biologie und Physiologie. Wissenschaftler begannen, den menschlichen Körper und vor allem das Nervensystem als einen mechanistischen Apparat zu begreifen. Die Erforschung des Gehirns und des Verhaltens wurde von metaphysischen Spekulationen befreit und in die naturwissenschaftliche Domäne überführt. Dies schuf die biologische Blaupause für die späteren künstlichen neuronalen Netze.

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.

Der entscheidende Schritt in dieser Zeit war die Entdeckung des Reflexbogens und die Feststellung, dass Verhalten durch einfache Reiz und Reaktionsketten erklärt werden kann.

Die Entdeckung des Mechanismus im Nervensystem

Bis ins 19. Jahrhundert hinein wurde angenommen, dass der Wille und die Seele die Kontrolle über das Nervensystem ausübten. Physiologen begannen jedoch, diesen Prozess zu dekonstruieren.

Ivan Sechenov (1829 bis 1905), der Vater der russischen Physiologie, argumentierte, dass auch scheinbar bewusste oder willkürliche Handlungen im Grunde komplizierte Reflexe seien. In seinem Werk Die Reflexe des Gehirns (1863) postulierte er, dass alle mentalen Prozesse durch materielle, mechanische Vorgänge im Gehirn entstehen. Er sah das Gehirn als einen computerähnlichen Mechanismus, der äußere Reize verarbeitet und in Muskelreaktionen umwandelt.

Seine zentrale Aussage war, dass die Aktivität des Gehirns durch Erregung und Hemmung reguliert wird. Diese frühen physiologischen Konzepte sind heute die direkten biologischen Vorbilder für die mathematischen Modelle, die in neuronalen Netzen verwendet werden: die Gewichte (Erregung) und die Aktivierungsfunktionen (Hemmung).

Die Entdeckung der Nervenzelle

Ein weiterer entscheidender Schritt war die histologische Erforschung des Nervensystems. Santiago Ramón y Cajal (1852 bis 1934) lieferte durch mikroskopische Studien den endgültigen Beweis, dass das Nervensystem aus diskreten, individuellen Zellen, den Neuronen, besteht.

Die Neuronenlehre besagte, dass die Nervenzellen über spezielle Kontaktstellen, die Synapsen, miteinander kommunizieren und keine kontinuierliche Masse bilden. Jedes Neuron empfängt Signale von vielen anderen Neuronen, verarbeitet sie und leitet ein eigenes Signal weiter.

  • Der Prototyp des Knotens: Das Neuron wurde zum biologischen Prototyp des Knotens oder der künstlichen Zelle in einem künstlichen neuronalen Netz.
  • Die Synapse als Gewichtung: Die Synapse wurde als der Punkt identifiziert, an dem die Stärke des Signals moduliert werden kann, ein Konzept, das später in der KI als Gewicht oder Weight in die mathematischen Modelle einfloss.

Die Messung des Denkens

Im Zuge dieser Entwicklungen entstand die experimentelle Psychologie in Deutschland. Denker wie Wilhelm Wundt (1832 bis 1920) versuchten, mentale Prozesse objektiv zu messen. Der Fokus lag auf der Reaktionszeit und der Wahrnehmungspsychologie.

Diese Bemühungen zielten darauf ab, die mentale Verarbeitung in ihre kleinsten, messbaren Schritte zu zerlegen. Diese Art des Reduktionismus ist essentiell für die KI. Um ein künstliches System zu bauen, muss man die menschliche Kognition in elementare, quantifizierbare Schritte zerlegen können. Die Psychophysik lieferte die ersten quantitativen Daten über die Geschwindigkeit und die Gesetzmäßigkeiten des Denkens.

Die Verbindung zur Kybernetik

Die physiologischen und psychologischen Erkenntnisse des 19. Jahrhunderts schufen die alternative Denkrichtung zur symbolischen Logik. Anstatt zu versuchen, das Wissen der Welt in formalen Regeln zu speichern (Leibniz Ansatz), schlug dieser mechanistische physiologische Ansatz vor, dass Intelligenz aus der Masse und der Struktur der Verarbeitungseinheiten entsteht.

Diese Erkenntnisse lieferten das Material, auf dem in den 1940er Jahren die Kybernetik und die ersten Modelle des künstlichen Neurons (McCulloch und Pitts) aufgebaut werden sollten. Das 19. Jahrhundert beendete die metaphysische Diskussion über Geist und Materie. Es etablierte die physiologische Tatsache, dass das Denken ein elektrisch chemischer, mechanischer Prozess ist, der sich theoretisch nachbilden lässt.

Kostenlose Erstberatung! 

„*“ zeigt erforderliche Felder an

Dieses Feld dient zur Validierung und sollte nicht verändert werden.
Dieses Feld wird bei der Anzeige des Formulars ausgeblendet
  |    |  
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
  |    |  
Wer in der klassischen Google-Suche gut rankt, hat auch in den AI Overviews bessere Karten. Zu diesem Schluss kommt eine Umfrage unter 131 Suchmaschinenexperten, die untersucht, welche Faktoren die Sichtbarkeit in Googles KI-Antworten beeinflussen. Die Ergebnisse zeigen deutliche Parallelen zwischen klassischer Suchmaschinenoptimierung (SEO) und der Sichtbarkeit in KI-Ergebnissen (GEO).
Weiterlesen
  |    |  
Google verändert seine Suchergebnisse in der EU, um den Anforderungen der EU-Kartellbehörden gerecht zu werden. Das Unternehmen selbst warnt vor den Folgen: Die Nutzererfahrung werde sich verschlechtern, und Unternehmen müssten mit höheren Kosten rechnen. Nach eigener Aussage handelt es sich dabei um den größten Qualitätsverlust in der 29-jährigen Geschichte der Google-Suche.
Weiterlesen
  |    |  
OpenAI betreibt einen eigenen Suchindex. Eine aktuelle Analyse von RESONEO zeigt, dass der interne Index mit dem Codenamen labrador bereits den Großteil der Suchergebnisse in der kostenlosen Version von ChatGPT liefert. In den Bezahlversionen stützt sich das Unternehmen zwar nach wie vor stark auf gescrapte Google-Ergebnisse, doch die Gewichte verschieben sich. Für Website-Betreiber ändern sich damit die Regeln für Sichtbarkeit.
Weiterlesen
  |    |  
Ein einzelner Modellwechsel verändert, welche Inhalte in KI-Antworten auftauchen. Nach dem Rollout von GPT-5.6 sank der Anteil von Listicles in den ChatGPT-Citations um die Hälfte, der Anteil von Vergleichsseiten um knapp ein Drittel. Gleichzeitig zitiert das Modell Marken häufiger direkt von deren eigenen Websites.
Weiterlesen
  |    |  
Google verändert den Aufbau der AI Overviews. Bei einzelnen Suchanfragen entfällt der gewohnte „Mehr anzeigen“-Button, stattdessen erscheint die vollständige KI-Antwort mit einem Eingabefeld für den AI Mode. Google hat das Vorgehen bestätigt und erklärt, dass es bei bestimmten Suchanfragen sinnvoller sei als das bisherige Setup. Die organischen Suchergebnisse rutschen dadurch weiter nach unten.
Weiterlesen
  |    |  
Die Google Search Console schließt eine Lücke, die viele Content-Ersteller lange beschäftigt hat: Wie schneiden Beiträge auf Plattformen wie Instagram, TikTok, X oder YouTube eigentlich in der Google-Suche ab? Mit dem neuen Property-Typ Platform Properties lässt sich das ab sofort direkt in der Search Console nachvollziehen. Wer bislang auf plattforminterne Statistiken angewiesen war, erhält damit erstmals eine Sicht auf die Suchperformance seiner Social- und Videoinhalte.
Weiterlesen
  |    |  
ChatGPT griff lange Zeit vor allem auf Google zurück, um seine Antworten mit aktuellen Informationen anzureichern. Ein neues Datenfeld in der Kommunikation zwischen ChatGPT und dem Browser deutet nun darauf hin, dass sich das ändert. Das Feld heißt „result_source“ und weist dort in bestimmten Fällen den Wert „bing“ auf, ein Verweis auf die Suchmaschine von Microsoft als Quelle. Wer die Entwicklertools im Browser öffnet, kann diesen Hinweis selbst nachvollziehen.
Weiterlesen
  |    |  
Was in der klassischen Google-Suche längst etabliert ist, setzt sich nun auch bei KI-Antworten durch: die Bewertung von Quellen nach Vertrauenswürdigkeit. Perplexity führt dafür vier Vertrauensstufen ein, die von keiner Auszeichnung bis zur Bestnote „Authoritative“ reichen. Fachspezifische Blogs und Nischen-Websites können sich als „Trusted“ qualifizieren, während anerkannte Autoritäten wie Google-Inhalte die höchste Stufe erreichen. Die Einordnung zeigt, dass EEAT-Signale auch für generative KI-Suchsysteme zunehmend an Bedeutung gewinnen.
Weiterlesen
  |    |  
Die Anforderungen an die Suchmaschinenoptimierung (SEO) für Blogs und Content-Plattformen haben sich mit der Verbreitung KI-basierter Suchfunktionen (wie Google AI Overviews und AI Mode) grundlegend verändert. Die rein mechanischen SEO-Taktiken der Vergangenheit, wie das sture Anstreben einer hohen Wortzahl, das Anhäufen von Schlüsselwörtern oder die künstliche Aktualisierung von Daten („Fake Freshness“), verlieren zunehmend an Wirksamkeit.
Weiterlesen
  |    |  
Im Rahmen der Veröffentlichung der Quartalsergebnisse (Q2 2026) gab Alphabet bekannt, dass die Werbefunktion AI Max für Suchkampagnen offiziell die Beta-Phase verlassen hat. Laut Philipp Schindler, Senior Vice President und Chief Commercial Officer bei Google, nutzen bereits über 500.000 Werbetreibende diese Technologie. Das System ermöglicht es Google, Anzeigen für äußerst komplexe und lange Suchanfragen zu schalten, die bisher durch die herkömmliche Ausrichtung auf Suchbegriffe nicht effizient abgedeckt werden konnten.
Weiterlesen
  |    |  
Große Sprachmodelle (LLMs) wie ChatGPT, Gemini oder Perplexity stützen sich bei der Generierung von Antworten auf ein strukturiertes Verständnis von Entitäten. Daher reicht es im Zeitalter der KI für Unternehmen nicht mehr aus, sich nur anhand von Schlüsselwörtern zu positionieren – was wirklich zählt, ist, wie genau KI-Systeme die eigene Marke, die Produkte und die Kernkompetenzen als eigenständige Entität erfassen und klassifizieren.
Weiterlesen
Kontakt
Leichte Sprache
crossmenu linkedin facebook pinterest youtube rss twitter instagram facebook-blank rss-blank linkedin-blank pinterest youtube twitter instagram