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.
Dieses Feld wird bei der Anzeige des Formulars ausgeblendet
  |    |  
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
  |    |  
Die auf ChatGPT basierende Werbeplattform erhält ein umfassendes Update, das Werbetreibenden mehr Kontrolle und Effizienz bei der Verwaltung ihrer Kampagnen bieten soll. OpenAI erweitert das System speziell für leistungsorientierte Werbetreibende und führt wichtige Funktionen ein, die aus etablierten Werbenetzwerken bekannt sind.
Weiterlesen
  |    |  
Bei der Erstellung von Inhalten mithilfe künstlicher Intelligenz stehen viele Unternehmen vor dem Problem wiederkehrender manueller Korrekturen. Oft müssen Redakteure dieselben stilistischen, inhaltlichen oder strukturellen Fehler mehrfach korrigieren. Ein systematischer Ansatz zur Lösung dieses Problems sind KI-basierte Content-Workflows, die sich selbst aufrechterhalten und optimieren und auf geschlossenen Feedbackschleifen basieren.
Weiterlesen
  |    |  
Eine Adressänderung im Google-Business-Profil (GBP) zählt zu den heikelsten Eingriffen im Bereich des lokalen SEO. Obwohl ein Umzug oder eine Korrektur der Standortdaten aus organisatorischer Sicht oft notwendig ist, führt die Adressänderung in der Praxis häufig zu unerwarteten Ranking-Einbußen oder wiederholten Verifizierungsprozessen.
Weiterlesen
Kontakt
Leichte Sprache
crossmenu linkedin facebook pinterest youtube rss twitter instagram facebook-blank rss-blank linkedin-blank pinterest youtube twitter instagram