kurz erklärt

Large Language Models (LLM)

KI-Modell, das aus gewaltigen Textmengen lernt, welches Wort am wahrscheinlichsten folgt – im Deutschen schlicht Sprachmodell genannt.

Der deutsche Name sagt mehr als die Abkürzung: Ein Sprachmodell lernt keine Fakten, sondern Wahrscheinlichkeiten – welches Wort auf ein anderes folgt, über Milliarden Textbeispiele hinweg. Transformer-Architektur und Self-Attention machen es möglich, dabei auch entfernte Textstellen im selben Satz zu berücksichtigen. Größer wird ein Modell durch mehr Parameter und mehr Trainingsdaten, nicht durch mehr Verstehen.

Auf dieser Basis sind eigene Kategorien entstanden: Nachdenkende KI mit interner Gedankenkette vor der Antwort, agentenhafte Systeme, die mehrere Aufrufe zu mehrstufigen Aufgaben verketten, Retrieval-Systeme, die externes Wissen als Text anreichen. Das Modell selbst bleibt dabei eine Vorhersagemaschine.

Genau da endet es. Ein Sprachmodell modelliert, wie über die Welt geschrieben wird, nicht die Welt selbst – für Physik, Raum oder Kausalität fehlt ihm die Grundlage. Weltmodelle verfolgen den umgekehrten Ansatz: nicht das nächste Wort vorhersagen, sondern den nächsten Zustand der Umgebung.

Der Name ist damit auch eine Warnung. Wer ein Sprachmodell nach Fakten fragt, bekommt das plausibelste Wort, nicht die geprüfte Antwort – Plausibles Fabulieren nennt das im Lexikon schon beim Namen. Der Unterschied zwischen einem Werkzeug, das man versteht, und einem, dem man vertraut, ohne es verstanden zu haben, entscheidet, was am Ende an Kognitiven Schulden hängen bleibt. Wer ihn kennt, liest die Antwort anders: als Vorschlag, der geprüft werden will, nicht als Auskunft, die feststeht.