Zeitleiste

Grobe Chronologie zentraler Momente — wird nach und nach mit Artikeln und Quellen verdichtet.

Ergänzend: Glossar · Prognosen , Vergleich.

Frühe Grundlagen

  1. Turings „Nachahmungsspiel“

    Alan Turings Aufsatz in Mind fragt, ob Maschinen sich im Gespräch von Menschen unterscheiden lassen – später oft verkürzt als „Turing-Test“ diskutiert.

  2. 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.

    Artikel: Das Dartmouth-Sommerprojekt zu künstlicher Intelligenz (1956)

  3. 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.

  4. 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

  1. Expertensysteme werden industriell

    Regelbasierte Expertensysteme rücken aus Laboren in Produkte und Beratungsstorys – versprechen domänenspezifische Intelligenz ohne vollständiges maschinelles Lernen.

  2. 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.

  3. 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.

Deep Learning in der Fläche

  1. 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.

  2. AlexNet gewinnt ImageNet

    Ein tiefes Faltungsnetz auf GPUs senkt die Fehlerrate auf ImageNet drastisch – häufig als Auslöser der aktuellen Deep-Learning-Welle beschrieben.

  3. AlphaGo schlägt 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

  1. „Attention is all you need“

    Die Transformer-Architektur setzt auf Selbstaufmerksamkeit statt Rekurrenz – und wird zum Gerüst späterer großer Sprach- und multimodaler Modelle.

  2. 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.

  3. 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.

  4. 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.

  5. 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.

  6. Google startet Gemini 1.0

    Google bündelt sein multimodales Portfolio unter dem Namen Gemini — enger verwoben mit Suche, Cloud-APIs und Hardware-Narrativen.

  7. 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.

  8. 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.