Zeitleiste
Grobe Chronologie zentraler Momente in der Geschichte der KI.
Frühe Grundlagen
-
Turings „Nachahmungsspiel“
Alan Turings Aufsatz in Mind fragt, ob Maschinen sich im Gespräch von Menschen unterscheiden lassen – später oft verkürzt als „Turing-Test“ diskutiert.
-
Dartmouth-KI-Workshop beginnt
Sommer-Workshop, auf dem John McCarthy den Begriff „künstliche Intelligenz“ einführt und ein Forschungsprogramm skizziert – oft als Geburtsstunde der Disziplin gezählt.
-
Rosenblatts Perzeptron in der Öffentlichkeit
Frank Rosenblatts trainierbares einschichtiges Netz wird als technisches und mediales Signal für „lernende Maschinen“ wahrgenommen – und später kritisch gegen skalierbare KI gewendet.
-
ELIZA und der Schein von Gespräch
Joseph Weizenbaums ELIZA zeigt, wie einfache Regeln Gespräch simulieren können – und löst früh Debatten über Vertrauen, Projektion und echtes „Verstehen“ aus.
Kommerz & KI-Winter
-
Erster KI-Winter
Nach Jahren großer Versprechen kühlen der Lighthill-Report und DARPA-Kürzungen die Erwartungen; neuronale Netze und breite KI-Projekte verlieren bis Mitte der 1970er Förderung.
-
Expertensysteme werden industriell
Regelbasierte Expertensysteme rücken aus Laboren in Produkte und Beratungsstorys – versprechen domänenspezifische Intelligenz ohne vollständiges maschinelles Lernen.
Commercial AI & winters
-
Boltzmann-Maschinen bringen statistische Physik in neuronale Netze
Ackley, Hinton und Sejnowski veröffentlichen in Cognitive Science einen Lernalgorithmus für Boltzmann-Maschinen; stochastische binäre Einheiten und eine Energiefunktion lassen Netze verborgene Struktur lernen, doch das Training braucht langsames Markow-Ketten-Sampling.
Kommerz & KI-Winter
-
Backpropagation macht mehrschichtige Netze trainierbar
Rumelhart, Hinton und Williams zeigen in Nature, wie ein Netz seine Fehler rückwärts durch die Schichten verteilt, sodass verborgene Einheiten eigene Merkmale lernen; das Verfahren wird zum Standard für das Training neuronaler Netze.
-
Zweiter KI-Winter
Nach einem Boom spezialisierter KI-Werkzeuge kühlen Erwartungen; Budgets sinken und viele kommerzielle Projekte stocken – in Erinnerung oft als „zweiter Winter“ der 1980er.
Commercial AI & winters
-
Konvolutionelle Netze lesen handgeschriebene Postleitzahlen
LeCun und Kollegen bei Bell Labs trainieren ein konvolutionales neuronales Netz mit Backpropagation auf Ziffern der US Postal Service, ein früher praktischer Erfolg für lokale Filter in der Bildverarbeitung.
-
TD-Gammon lernt Backgammon durch Selbstspiel
Gerald Tesauro bei IBM trainiert TD-Gammon mit Temporal-Difference-Lernen und Selbstspiel und erreicht während des zweiten KI-Winter starkes Backgammon-Spiel.
-
Support-Vektor-Maschinen formalisieren Maximum-Margin-Lernen
Cortes und Vapnik veröffentlichen Support-Vector Networks in Machine Learning und verbinden Margin-Maximierung mit Kernen für nichtlineare Klassifikation.
Kommerz & KI-Winter
-
Deep Blue schlägt Kasparow
IBMs Schachspezialist gewinnt gegen Weltmeister Garri Kasparow – ein medienwirksames Signal für leistungsfähige Suche plus Hardware, während „allgemeine KI“ weiter entfernt wirkt.
Commercial AI & winters
-
Random Forests kombinieren gebaggte Entscheidungsbäume
Leo Breiman veröffentlicht Random Forests in Machine Learning und definiert ein Ensemble entkoppelter Bäume, das vor der Deep-Learning-Renaissance zum Standardklassifikator wird.
-
Neuronale probabilistische Sprachmodelle lernen Wort-Embeddings
Bengio, Ducharme, Vincent und Jauvin veröffentlichen A Neural Probabilistic Language Model in JMLR und lernen verteilte Wortvektoren, um die Grenzen riesiger n-Gramm-Tabellen zu überwinden.
-
Stanley gewinnt die DARPA Grand Challenge
Stanleys von Stanford absolviert die 212 km lange Mojave-Wüstenstrecke in 6 Stunden 53 Minuten, der erste Grand-Challenge-Sieger nach dem Rennen 2004 ohne Zielankunft.
Deep learning at scale
-
Deep Belief Networks machen Tiefe wieder trainierbar
Hinton, Osindero und Teh zeigen, wie eingeschränkte Boltzmann-Maschinen zu Deep Belief Nets gestapelt und per Backpropagation feinabgestimmt werden; ein Science-Paper im selben Sommer demonstriert starke Dimensionsreduktion.
Deep Learning in der Fläche
-
ImageNet startet groß angelegte Bildklassifikation
Das Team um Fei-Fei Li baut ein riesiges, gelabeltes Bildkorpus – später der Maßstab, an dem Faltungsnetze gemessen und weiterentwickelt werden.
-
IBM Watson gewinnt bei Jeopardy!
IBMs Frage-Antwort-System Watson schlägt in der Quizshow Jeopardy! die Rekordchampions Ken Jennings und Brad Rutter und beantwortet dabei Hinweise in natürlicher Sprache, ohne mit dem Internet verbunden zu sein.
-
AlexNet gewinnt ImageNet
Ein tiefes Faltungsnetz auf GPUs senkt die Fehlerrate auf ImageNet drastisch – häufig als Auslöser der aktuellen Deep-Learning-Welle beschrieben.
-
Generative Adversarial Networks: zwei Netze im Wettstreit
Ian Goodfellow und Kollegen in Montréal stellen GANs vor: Ein Generator erzeugt Daten, ein Diskriminator versucht, sie von echten zu unterscheiden, und beide verbessern sich im Wettstreit; die Idee prägt die Bildsynthese der folgenden Jahre.
-
AlphaGo schlägt [Lee Sedol](/de/personen/lee-sedol/)
DeepMinds AlphaGo gewinnt vier von fünf Partien gegen einen der weltbesten Go-Spieler – ein Schaufenster für Lernverfahren in zuvor als „zu intuitiv“ geltenden Domänen.
Transformer & große Sprachmodelle
-
„Attention is all you need“
Die Transformer-Architektur setzt auf Selbstaufmerksamkeit statt Rekurrenz – und wird zum Gerüst späterer großer Sprach- und multimodaler Modelle.
-
GPT-3 macht Few-Shot-Prompting sichtbar
OpenAIs Arbeit zu einem 175-Milliarden-Parameter-Sprachmodell zeigt „in-context learning“: Aufgaben in natürlicher Sprache, oft ohne Nachtraining, und verschiebt Erwartungen in Forschung und Produkt.
-
ChatGPT geht an die Öffentlichkeit
Ein Chat-Produkt auf Basis eines großen Sprachmodells wird quasi über Nacht zum Alltagsdemo – und schärft Diskussionen zu Sicherheit, Arbeit, Urheberrecht und Zugang.
-
GPT-4 startet als multimodales Flaggschiff
OpenAI vermarktet GPT-4 als stärkeren Nachfolger mit Bild- und Texteingaben, und verschiebt wieder Maßstäbe für Benchmarks und Produktpläne.
-
Llama 2: weit verbreitete Modellgewichte unter Community-Lizenz
Meta veröffentlicht Llama 2 mit einer Community-Lizenz, mehr Teams können feintunen und hosten, und die Diskussion um „offene Gewichte“ vs. Sicherheit gewinnt an Schärfe.
-
Google startet Gemini 1.0
Google bündelt sein multimodales Portfolio unter dem Namen Gemini, enger verwoben mit Suche, Cloud-APIs und Hardware-Narrativen.
-
EU-KI-Verordnung verabschiedet
Das Europäische Parlament stützt den ersten großen Rechtsrahmen zur KI, gestaffelt nach Risiko, mit Transparenzpflichten für vielseitige Modelle und späteren Umsetzungsfristen.
-
OpenAI zeigt „Reasoning“-Modelle (o1)
Eine neue Modelllinie betont längeres internes Abwägen vor der Antwort, und schärft Debatten zu Rechenbudget beim Inferenz, STEM-Benchmarks und Sicherheitstests.
Reasoning, Agenten & der KI-Boom
-
Neuronale Netze gewinnen den Physik-Nobelpreis
John Hopfield und Geoffrey Hinton werden für grundlegende Arbeiten zu künstlichen neuronalen Netzen geehrt und rücken die Maschinerie der modernen KI ins Zentrum der Wissenschaft.
-
AlphaFold gewinnt den Chemie-Nobelpreis
Einen Tag nach dem Physikpreis ehrt der Chemie-Nobelpreis AlphaFolds Vorhersage von Proteinstrukturen und das computergestützte Proteindesign und zeigt KI als Werkzeug der Entdeckung.
-
Gemini 2.0 und die „Agenten-Ära"
Google veröffentlicht Gemini 2.0 und rückt KI-Agenten ins Zentrum, mit Systemen, die im Browser und darüber hinaus in mehreren Schritten handeln, statt nur zu antworten.
-
DeepSeek-R1 und der Effizienzschock
Ein chinesisches Start-up veröffentlicht ein Reasoning-Modell mit offenen Gewichten, das den Besten ebenbürtig ist, zu einem Bruchteil der Kosten; Tage später löst es Nvidias größten Tagesverlust aus.
-
Das Stargate-Projekt wird angekündigt
OpenAI, SoftBank, Oracle und MGX stellen einen Plan vor, bis zu 500 Milliarden Dollar in US-KI-Rechenzentren zu investieren, und rahmen Fortschritt als Frage von Kapital und physischer Infrastruktur.
-
Der KI-Aktionsgipfel in Paris legt einen Governance-Riss offen
Rund 60 Länder unterzeichnen in Paris eine Erklärung zu inklusiver, nachhaltiger KI; die USA und Großbritannien lehnen ab und offenbaren einen wachsenden Riss über die Regeln der Technik.
-
KI erreicht Gold bei der Internationalen Mathematik-Olympiade
Sprachmodelle von Google DeepMind und OpenAI lösen fünf von sechs Aufgaben der Internationalen Mathematik-Olympiade und erreichen mit 35 von 42 Punkten Goldniveau, in natürlicher Sprache und innerhalb der Prüfungszeit.
-
GPT-5 macht Reasoning zum Standard
OpenAI veröffentlicht GPT-5 als einheitliches System, das selbst entscheidet, wann es schnell antwortet und wann es länger nachdenkt, und gibt es allen ChatGPT-Nutzern; der holprige Start zeigt, wie sehr Menschen an einzelnen Modellen hängen.
-
Der KI-Gipfel in Neu-Delhi holt die USA zurück an den Tisch
Beim ersten globalen KI-Gipfel im Globalen Süden unterzeichnen über 80 Staaten, darunter die USA, China und Großbritannien, eine unverbindliche Erklärung zur Demokratisierung der KI; zugleich lehnt Washington jede globale KI-Governance ausdrücklich ab.