MitteilungVeröffentlicht am 10. März 2026

Was ist KI? – Meilensteine der Künstlichen Intelligenz

«Können Maschinen denken?» – Diese Frage stellte der britische Mathematiker Alan Turing bereits in den frühen 1950er-Jahren. Eine allgemein gültige Definition von Künstlicher Intelligenz gibt es bis heute nicht. Meist wird KI jedoch als Versuch verstanden, menschliche Intelligenz nachzubilden, etwa durch das Verarbeiten grosser Datenmengen, das Erkennen von Mustern oder adaptives Lernen. Wie sich die KI seither entwickelt hat, erfährst du in diesem Beitrag.

Dr. Michael Rüeggsegger, Leiter Kompetenzzentrum KI & Simulation Generativer KI-Boom — Dr. Michael Rüeggsegger, Leiter Kompetenzzentrum KI & Simulation — © VBS

Was ist KI?

«Können Maschinen denken?» – Mit dieser Frage prägte Alan Turing, ein britischer Mathematiker und Pionier auf dem Gebiet der Computerwissenschaften, bereits in den frühen 1950er-Jahren den Begriff «Künstliche Intelligenz». Trotzdem konnte sich bis heute keine allgemein gültige Definition durchsetzen. Rund um das Konzept der Künstlichen Intelligenz (KI) besteht eine Vielzahl an Definitionen und Typologien. Nichtsdestotrotz wird KI in den gängigsten Definitionen als ein Versuch beschrieben, menschliche Intelligenz nachzubauen. Das heisst, KI verarbeitet grosse Mengen an Informationen, um spezifische Aufgaben zu erfüllen. Dazu gehört unter anderem die Verarbeitung von natürlicher Sprache, die Erkennung von Mustern, das adaptive Lernen und das Entwickeln von Strategien. Entsprechend ist KI auf Ideen und Methoden aus unterschiedlichen Disziplinen wie beispielsweise Mathematik, Neurowissenschaft, Linguistik oder Psychologie angewiesen.

Zu unterscheiden gibt es grob drei KI-Ebenen: die schwache KI (Artificial Narrow Intelligence), welche darauf spezialisiert ist, eine Aufgabe auszuführen wie beispielsweise einen Chatbot auf einer Webseite. Weiter fokussiert sich die generelle oder auch starke KI genannte (Artificial General Intelligence) darauf, menschliche Intelligenz zu replizieren. Dabei besitzt die starke KI die Fähigkeit, sich breites Wissen zur Ausführung von unterschiedlichen Aufgaben anzueignen. Die dritte Ebene bezeichnet schliesslich die künstliche Superintelligenz (Artificial Super Intelligence), dessen Fähigkeiten die menschliche Intelligenz übersteigen. Gegenüber der menschlichen Denkfunktion sind die intellektuellen Fähigkeiten dieser Superintelligenz hoch entwickelt und weit fortgeschritten.

Die derzeitigen Forschungen und KI-Technologien beziehen sich insbesondere auf den Strang der schwachen KI. Dabei wird deutlich: KI-Anwendungen kommen nicht an menschliche Fähigkeiten heran. Lediglich in bestimmten und spezialisierten Teilgebieten ist es einzelnen KI-Technologien gelungen, menschliche Fähigkeiten zu übertreffen.

Meilensteine der KI

1943 – McColloch-Pitts-Neuron

Bereits in den frühen 1940er-Jahren präsentierten Warren McCulloch und Walter Pitts ein erstes Neuronenmodell. Das Modell erkennt, basierend auf einem binären Ansatz, Neuronen als inaktives oder aktives Element. Dabei wird den Neuronen der Wert 0 oder 1 zugewiesen. Bis heute gilt das Modell als erste Arbeit im Forschungsfeld der Künstlichen Intelligenz.

1950 – Alan Turing

Portrait von Alan Turing — © Godrey Argent Studio, via The Royal Society / The New York Times

Der renommierte britische Mathematiker Alan Turing entwarf im Jahr 1950 den bis heute angewandten Turing-Test. Der Test ist ein anerkannter Gradmesser, um Maschinen auf ihre selbstständige Rechenleistung bzw. Intelligenz zu überprüfen. Als bestanden gilt der Test, auch bekannt unter dem Namen Imitation Game, sobald ein Mensch nicht mehr unterscheiden kann, ob die geführte Interaktion mit einem Menschen oder mit einer Maschine stattfand.

1956 – Dartmouth College Conference

Gruppenfoto der Darthmouth Konferenz von 1956 — © IEEE Spectrum / The Minsky Family

Im Sommer 1956 trafen sich am Dartmouth College im US-Bundesstaat New Hampshire führende Computerwissenschaftler, Mathematiker und Linguisten zu einem Workshop, der sich dem Thema Künstliche Intelligenz widmete. Dies bezeichnet formal die Geburtsstunde des Begriffes «Künstliche Intelligenz». Noch während der Zusammenkunft wurde sogleich das erste KI-Programm unter dem Namen Logic Theorist entwickelt.

1970 – 1990 KI-Winter

Trotz einiger zwischenzeitlicher Meilensteine in der KI-Historie, wie das von Frank Rosenblatt entwickelte primitive neuronale Netz Perzeptron 1958 oder das psychotherapeutische Dialogsystem ELIZA 1966, blieben diese Errungenschaften weit hinter den Erwartungen zurück. Der KI-Winter bezeichnet insbesondere zwischen 1970 und 1990 die Grenzen der KI zur damaligen Zeit. Geringe Datenmengen, wenig gebündeltes Expertenwissen sowie Kompetenzmangel in Spracherkennung und Interpretation führten unmittelbar zur grossflächigen Einstellung der finanziellen Mittel. Infolgedessen reduzierten sich die Tätigkeiten auf dem Gebiet der KI weitestgehend.

1990-2010 – KI-Aufschwung

Anfang der 1990er-Jahre stellte vor allem die Einführung des öffentlich zugänglichen Internets einen wesentlichen Durchbruch für das Forschungsfeld der KI dar. Durch die schnelle Verbreitung des Internets, die Globalisierung sowie die voranschreitende Digitalisierung blühte das Interesse an KI-Technologien wieder auf. Insbesondere die rasante Zunahme an freizugänglichen Datenmengen führte direkt zur exponentiellen Weiterentwicklung der KI-Systeme. Diese positive Verlaufskurve wurde durch den stetigen Anstieg der Rechenleistungen von Computern und die verbesserten Methoden im KI-Bereich gefördert. Ende der 1990er-Jahre meldete sich die KI durch einige vielversprechende Siege gegen ihre menschlichen Kontrahenten in den Bereichen Schach und Computerspiele medial zurück. In den 2000er-Jahren begannen vermehrt auch Privatunternehmen wie Amazon, Google und IBM eigenen KI-Projekte zu finanzieren. Dabei wurde eins deutlich: KI war zu dieser Zeit bereits ein fester Bestandteil in den Geschäftsmodellen einiger Privatunternehmen.

2020 – Erste Leitlinien der Bundesverwaltung zu KI

Auch die Aufgaben und Tätigkeiten der Bundesverwaltung sind von der voranschreitenden Digitalisierung und somit von der KI zunehmend betroffen. Längst gehört KI in vielen Bereichen der Bundesverwaltung zu einem wichtigen technologischen Bestandteil. Als Reaktion auf die voranschreitenden Auswirkungen der Künstlichen Intelligenz sowie auf die damit einhergehenden Herausforderungen verabschiedete der Bundesrat im November 2020 erste Leitlinien zum Umgang mit KI in der Bundesverwaltung. Diese Leitlinien boten primär einen Orientierungsrahmen für alle Träger der Bundesverwaltung. Das Ziel war es, ein gemeinsames Verständnis von KI zu erlangen und somit im Umgang mit der KI eine einheitliche Politik zu fahren.

Ab 2021 – Generativer KI-Boom

Grosse Entwicklungssprünge in der KI brachte ab den 2020er-Jahren die generative KI hervor. Die generative KI basiert auf grossen Sprachmodellen, sogenannten Large Language Models (LLM). Diese ermöglichen unterschiedliche Funktionen wie die Verarbeitung und Bearbeitung von Texten, das Erstellen von Inhalten sowie das Übersetzen von Sprachen. Einem breiteren Publikum bekannt wurde der Begriff erstmalig durch die Veröffentlichung des Tools ChatGPT der US-Firma OpenAI im Jahr 2022. ChatGPT war der erste Dienst seiner Art und steht den Nutzenden kostenlos zur Verfügung. Nur kurze Zeit nach dem Markteintritt von OpenAI folgten unzählige Dienste derselben Art von weiteren Unternehmen.

2022 – Gründung des Kompetenznetzwerks CNAI

Der Bundesrat beauftragte im Jahr 2022 das Bundesamt für Statistik (BFS) mit dem Aufbau eines Kompetenznetzwerks für Künstliche Intelligenz (Competence Network for Artificial Intelligence). Zu den Aufgaben des Kompetenznetzwerks gehören beispielsweise die Unterstützung beim Wissensaustausch und die Vernetzung im Bereich der KI, sei dies innerhalb der Verwaltung oder auch darüber hinaus.

2024 – Gründung des Kompetenzszentrums KI und Simulation (KISI)

Im Rahmen der Weiterentwicklung armasuisse 4.0 wurde armasuisse W+T Anfang 2024 damit beauftragt, einen Entwicklungsplan für das Kompetenzzentrum Künstliche Intelligenz und Simulation (KISI) zu erarbeiten. Das Kompetenzzentrum KISI hat zum Ziel, innovative Lösungen für Institutionen der staatlichen Sicherheit zu entwickeln und zu transferieren. Dazu arbeiten die Fachexperten eng mit den Endanwendern sämtlicher Bundesämter innerhalb des VBS zusammen.

Eine der Hauptdienstleistungen ist es, Demonstratoren zu entwickeln und diese in Experimenten sowie zusammen mit den Endanwendern zu testen. Darüber hinaus bildet das Kompetenzzentrum die zentrale Anlaufstelle innerhalb des VBS. Konkret führt und koordiniert es sämtliche praxisnahen Aktivitäten im Bereich KI und Simulation für Sicherheitsanwendungen. Zu diesen Aktivitäten gehören zum Beispiel die technische Beratung der Armee bei der Initialisierung von neuen Vorhaben oder das Vermitteln von Fachwissen an Partner und Industrie für die Weiterentwicklung von Demonstratoren zu Produkten. Dank des hohen Spezialisierungsgrades der unterschiedlichen Fachbereiche von armasuisse W+T kann das KISI bei der Ausführung ihrer Aktivitäten auf die interne Unterstützung unterschiedlicher Fachexperten zurückgreifen. Zudem betreibt das Kompetenzzentrum ein Technologie- und Marktmonitoring, um Neuentwicklungen frühzeitig zu identifizieren und rechtzeitig bei Projekten einzubeziehen.

2025 – Schwerpunkte des Kompetenzzentrums KISI

Das Kompetenzzentrum fokussiert sich aktuell auf die Schliessung der prioritären Fähigkeitslücken der Verteidigung. Für die operativen Fähigkeiten wie das Lageverständnis im Verbund, die Führung im Verbund und eine robuste sowie sichere Datenverarbeitung realisiert und testet das Kompetenzzentrum zusammen mit den Truppen erste Demonstratoren in der Einsatzumgebung. Dabei kommt neben der generativen KI auch die Lernmethode Reinforcement Learning (RL) zum Einsatz.

2025+ – Neuromorphes Computing

Symbolbild Neuromorphes Computing — © VBS

Obwohl die Anfänge des neuromorphen Computings in den 1980er-Jahren liegen, nimmt die aktuelle Bedeutung dieser Technologie stetig zu. Der Computeransatz basiert auf der Funktionsnachbildung des menschlichen Gehirns, um effiziente und adaptive Rechensysteme zu entwickeln. Dabei konzentriert sich die Technologie insbesondere auf die neurologischen und biologischen Strukturen des Gehirns. Neuromorphes Rechnen wird daher auch als zukünftige Schlüsseltechnologie zur Optimierung der Energieeffizienz von ressourcenintensiven KI-Aufgaben gehandelt.