Maschinelles Lernen und generative KI: Was ist der Unterschied?

Der Unterschied in einer Zeile

Prädiktives maschinelles Lernen beantwortet Fragen wie „Was ist das?“, „Wie viel?“, „Welches?“. Generative KI beantwortet Aufträge wie „Schreib mir“, „Zeichne mir“, „Fasse zusammen“. Es sind aber keine Gegensätze: Generative KI ist selbst eine Form des maschinellen Lernens, genauer des Deep Learning.

Wie prädiktives maschinelles Lernen arbeitet

Das Modell erhält Daten und liefert ein Etikett oder eine Zahl: „verdächtige Transaktion“ oder „prognostizierte Nachfrage: 1.200 Stück“. Es wird für Betrugserkennung, Absatzprognosen, Bonitätsbewertung und vorausschauende Wartung genutzt. Das Ergebnis lässt sich mit präzisen Kennzahlen wie der Genauigkeit messen und mit der Realität vergleichen.

Wie generative KI arbeitet

Große Sprachmodelle (LLMs) werden mit riesigen Textmengen trainiert, um das nächste Stück eines Satzes vorherzusagen. Wiederholt man diese Vorhersage viele Male, entstehen ganze Absätze. Dasselbe Prinzip gilt mit anderen Daten für Bilder, Audio und Code. Das Ergebnis wirkt flüssig und überzeugend, ist aber nicht garantiert wahr.

Vergleich auf einen Blick

• Ziel: Prädiktiv klassifiziert oder prognostiziert, generativ erzeugt Inhalte.
• Ausgabe: ein Etikett oder eine Zahl gegenüber Text, Bild oder Code.
• Bewertung: objektive Kennzahlen gegenüber menschlichem Urteil und Inhaltsprüfung.
• Typische Fehler: falsche Vorhersagen oder Bias gegenüber „Halluzinationen“, also plausibel klingenden, aber falschen Antworten.
• Beispiele: Betrugserkennung, Scoring, Absatzprognose gegenüber Assistenten wie ChatGPT, Gemini oder Claude und Bildgeneratoren.

Wann Sie was einsetzen

• Sie brauchen eine messbare Entscheidung oder Schätzung (Risiko, Preis, Wahrscheinlichkeit): prädiktives maschinelles Lernen.
• Sie müssen Inhalte erstellen, zusammenfassen oder umformen (Entwürfe, Zusammenfassungen, Übersetzungen, Code): generative KI.
• Oft werden beide kombiniert: Ein prädiktives Modell erkennt abwanderungsgefährdete Kunden, ein generatives formuliert die persönliche Nachricht.

Risiken und Governance

Die Risiken hängen von der Technik ab. Bei prädiktiven Modellen stehen Bias, Datendrift im Zeitverlauf und Erklärbarkeit im Vordergrund. Bei generativen sind es Halluzinationen, Vertraulichkeit der in Prompts eingegebenen Daten, Urheberrecht und Nachvollziehbarkeit. Der EU AI Act richtet sich mehr nach dem Risiko der Anwendung als nach der Technologie: Er sieht Transparenzpflichten für Chatbots und generierte Inhalte vor, besondere Regeln für KI-Modelle mit allgemeinem Verwendungszweck und strengere Anforderungen für sensible Anwendungen wie die Personalauswahl – unabhängig von der verwendeten Technik.