{"id":17584,"date":"2025-06-28T12:25:38","date_gmt":"2025-06-28T12:25:38","guid":{"rendered":"https:\/\/www.actico.com\/?post_type=knowledge_center&#038;p=17584"},"modified":"2026-09-30T12:29:50","modified_gmt":"2026-09-30T12:29:50","slug":"companion-for-first-ki-grundlagen","status":"publish","type":"knowledge_center","link":"https:\/\/www.actico.com\/de\/knowledge-center\/companion-for-first-ki-grundlagen\/","title":{"rendered":"Eine kurze Geschichte der K\u00fcnstlichen Intelligenz \u2013 von den Anf\u00e4ngen bis zum Companion for First"},"content":{"rendered":"\n<section id=\"m-text__container-block_ec0541dc3221e84b09676b89aa8ab610\" class=\"u-relative m-text__container u-pt-x5 u-pb-x5 u-pt-x10@md u-pb-x10@md u-color-midnight-blue u-bgcolor-shade\"><div class=\"o-container u-relative\"><div class=\"o-grid\">\n                <div class=\"o-grid__col u-12\/12@md\" data-aos=\"none\">\n                    <h4 style=\"text-align: left;\">Liebe Leser,<\/h4>\n<p style=\"text-align: left;\">Faulheit ist die Triebfeder allen Fortschritts, sagt man. Der Wunsch, mit weniger Aufwand mehr zu erreichen, zieht sich wie ein roter Faden durch die Geschichte der Menschheit. Wir lassen Maschinen fu\u0308r uns arbeiten, Computer fu\u0308r uns rechnen und immer h\u00e4ufiger auch fu\u0308r uns mitdenken. KI ist heute l\u00e4ngst Teil unserer Realit\u00e4t.<\/p>\n<p style=\"text-align: left;\">Als ich im Herbst 2022 zum ersten Mal mit ChatGPT experimentierte, war ich elektrisiert von der M\u00f6glichkeit, komplexe Antworten auf einfache, umgangssprachlich formulierte Fragen zu erhalten. Kein aufwendiges Suchen mehr, kein endloses Herumklicken in verteilten Wissensquellen. Etwas Vergleichbares sollten unsere Softwareprodukte auch beherrschen. Keine drei Jahre sp\u00e4ter sind wir auf dem besten Wege, dies zu erreichen.<\/p>\n<p class=\"u-color-royal-blue\" style=\"text-align: left;\"><div class=\"c-link__moreWrapper\" id=\"acfmore-1\"><a href=\"#acfmore-1-content\" class=\"c-link__more\" aria-expanded=\"false\">Weiterlesen<\/a><div id=\"acfmore-1-content\" class=\"c-link__moreContent\" hidden><\/p>\n<p style=\"text-align: left;\">Mit dem von uns entwickelten Companion for First wird unsere bew\u00e4hrte Branchenl\u00f6sung in der Lage sein, Fragen zu den Themen zu beantworten, um die es bei der Kapitalanlageverwaltung geht: \u201eWelche Aktien notieren derzeit unter Einstandsniveau?\u201c, \u201eGib mir eine Liste mit den aktuellen Bewertungen fu\u0308r jede Gesellschaft\u201c, \u201eWo finde ich diese und jene Funktion in der Benutzeroberfl\u00e4che?\u201c.<\/p>\n<p style=\"text-align: left;\">Es sind die Bedu\u0308rfnisse unserer Kunden, die diese Entwicklung vorantreiben. Der Companion wird die Rolle eines intelligenten, dialogf\u00e4higen Assistenten und Sparringspartners u\u0308bernehmen und Nutzer umfassend dabei unterstu\u0308tzen, Kapitalanlagen in First fundiert, regulatorikkonform und zukunftssicher zu verwalten. Als Agentic AI kann der Companion Anwender bei wiederkehrenden Aufgaben ebenso entlasten wie bei strategischen Bewertungen.<\/p>\n<p style=\"text-align: left;\">Gezielte Analysen, verst\u00e4ndlich aufbereitete Visualisierungen, automatisierte Berichte, aktuelle Fachinformationen aus Finanznachrichtenquellen, kontextbezogene Hinweise und systemgestu\u0308tzte Erkl\u00e4rungen zu komplexen Funktionen in First. Damit beginnt ein neues Arbeitsverst\u00e4ndnis: Die fachliche Kompetenz der Anwender bleibt im Zentrum \u2013 unterstu\u0308tzt durch eine KI, die strukturiert Aufgaben u\u0308bernimmt. So entstehen kontextbezogene, qualit\u00e4tsgesicherte Ergebnisse, die Entscheidungsprozesse beschleunigen, Risiken minimieren und neue R\u00e4ume fu\u0308r strategisches Denken er\u00f6ffnen.<\/p>\n<p style=\"text-align: left;\">Dieser Ansatz fu\u0308gt sich ein in die Strategie der ACTICO, Nutzer durch intelligente Companions bei ihren Aufgaben zu unterstu\u0308tzen \u2013 ohne sie zu bevormunden, ohne sie zu ersetzen. Worum es letztendlich geht, ist Bef\u00e4higung: mehr erreichen mit weniger Aufwand, der rote Faden, sozusagen.<\/p>\n<p style=\"text-align: left;\">Unsere Kunden sind eingeladen, diesen Weg mit uns zu beschreiten. Das vorliegende Whitepaper bildet den Auftakt zu einer Reihe, in der wir Grundlagenwissen u\u0308ber Ku\u0308nstliche Intelligenz sowie die konkrete Arbeitsweise unseres Companions teilen m\u00f6chten. Wir wissen: Die Anforderungen im stark regulierten Finanzbereich sind ganz andere als bei einem ChatGPT. Doch als technologiegetriebenes Unternehmen sind wir u\u0308berzeugt, die vor uns liegenden Aufgaben zu bew\u00e4ltigen.<\/p>\n<p style=\"text-align: left;\">Herzlichst Ihr Manfred Beckers<br \/>\nChief Operating Officer und Executive Vice President Asset Administration<\/p>\n<\/div><\/div>\n                <\/div>\n        <\/div><\/div>\n<\/section>\n\n\n<section id=\"eine-kurze-geschichte-der-kuenstlichen-intelligenz\" data-anchor-title=\"Eine kurze Geschichte der K\u00fcnstlichen Intelligenz\" class=\"m-media-text__container u-pt-x10 u-pb-x0 u-pt-x20@md u-pb-x0@md\">\n    <div class=\"o-container u-relative\"><div class=\"o-grid o-grid--rev\">\n            <div class=\"o-grid__col u-4\/12@md u-mb-x6 u-mb-x0@md\" data-aos=\"none\">\n                <img loading=\"lazy\" decoding=\"async\" src=\"https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Icons_Companion_History.png\" width=\"1917\" height=\"1917\"srcset=\"https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Icons_Companion_History.png 1917w, https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Icons_Companion_History-300x300.png 300w, https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Icons_Companion_History-1240x1240.png 1240w, https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Icons_Companion_History-150x150.png 150w, https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Icons_Companion_History-768x768.png 768w, https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Icons_Companion_History-1536x1536.png 1536w\" sizes=\"auto, (max-width: 640px) 100vw, 640px\" alt=\"\" class=\"\"  \/>\n            <\/div>\n            <div class=\"o-grid__col u-8\/12@md\" data-aos=\"none\">\n                <h2 class=\"u-color-electric-blue\">Eine kurze Geschichte der K\u00fcnstlichen Intelligenz<\/h2>\n<p><strong>Wenn man Ku\u0308nstliche Intelligenz (KI) grundlegend verstehen und ihre M\u00f6glichkeiten und Grenzen einsch\u00e4tzen m\u00f6chte, ist es hilfreich, sich einige der zentralen Entwicklungsschritte n\u00e4her anzusehen.<\/strong><\/p>\n<p>Der lange Weg von den Anf\u00e4ngen bis zu massentauglichen Produkten wie ChatGPT, Midjourney\u00a0 oder spezialisierten Anwendungen wie dem Companion for First ist ges\u00e4umt von:<\/p>\n\n            <\/div>\n        <\/div><\/div>\n<\/section>\n\n\n<section id=\"m-text__container-block_1ae8d6ef848b0d379ddd87b18d769e82\" class=\"u-relative m-text__container u-pt-x0 u-pb-x10 u-pt-x0@md u-pb-x20@md\"><div class=\"o-container u-relative\"><div class=\"o-grid\">\n                <div class=\"o-grid__col u-12\/12@md\" data-aos=\"none\">\n                    <ul>\n<li><strong>Mathematischen Errungenschaften<\/strong> \u2013 Gottfried Wilhelm Leibniz<\/li>\n<li><strong>Biologischen Erkenntnissen<\/strong> \u2013 Anlehnung an Neuronale Netzwerke<\/li>\n<li><strong>Algorithmischen Durchbru\u0308chen<\/strong> \u2013 Training komplexer KI-Modelle<\/li>\n<li><strong>Unglaublichen Fortschritten in der Computer-Hardware<\/strong> \u2013 Miniaturisierung, Beschleunigung und Parallelisierung<\/li>\n<li><strong>Sowie der freien Verfu\u0308gbarkeit von Weltwissen im Internet zum Trainieren dieser Modelle.<\/strong> Denn ohne Daten ist eine KI nichts.<\/li>\n<\/ul>\n<p><div class=\"c-link__moreWrapper\" id=\"acfmore-2\"><a href=\"#acfmore-2-content\" class=\"c-link__more\" aria-expanded=\"false\">Weiterlesen<\/a><div id=\"acfmore-2-content\" class=\"c-link__moreContent\" hidden><\/p>\n<p>Die Geschichte beginnt im 18. Jahrhundert mit dem, was man heute einen bitterb\u00f6sen Fake nennen wu\u0308rde: einer schachspielenden Puppe in orientalischen Gew\u00e4ndern, die ab 1769 halb Europa in Staunen versetzte. Niemand war dem lebensgro\u00dfen Roboter, der sich hinter einer massiven Holztruhe erhob, im Schachspiel gewachsen. Kein Wunder, schlie\u00dflich befand sich in der Truhe, hinter einer komplexen Mechanik verborgen, ein menschlicher Schachmeister. Er war es, der die Puppe und ihr Schachspiel dirigierte.<\/p>\n<p class=\"u-color-electric-blue\"><strong>Es sollten zwei Jahrhunderte verstreichen, bis eine KI wieder von sich reden machte.<\/strong><\/p>\n<p>Der deutsch-ju\u0308dische Emigrant Joseph Weizenbaum ver\u00f6ffentlichte 1966 als Juniorprofessor am Massachusetts Institute of Technology (MIT) das Computerprogramm ELIZA. Erstmals demonstrierte er damit die Verarbeitung natu\u0308rlicher Sprache durch einen Computer.<\/p>\n<p>In einer speziellen Variante simulierte ELIZA das Gespr\u00e4ch mit einem Psychotherapeuten. Es schien den beru\u0308hmten \u201eTuring-Test\u201c zu bestehen, da vielen Nutzern nicht gewahr wurde, dass sie mit einer Maschine kommunizierten, der sie im Dialog teilweise intimste Details preisgaben. ELIZA wurde als Meilenstein der Ku\u0308nstlichen Intelligenz gefeiert und gilt heute als Urvater aller Chatbots. Doch in den folgenden Jahrzehnten kehrte Ernu\u0308chterung ein.<\/p>\n<p>Erst in den 1990er Jahren nahm die KI-Forschung wieder Fahrt auf. 1996 wurde zum ersten Mal ein amtierender Schachweltmeister von einem Computer geschlagen, Gari Kasparow von IBMs Deep Blue. Und diesmal war der Sieg tats\u00e4chlich kein Fake.<\/p>\n<p>In den 2020er-Jahren gelang dann mit ChatGPT und Co. ein echter Quantensprung. Beflu\u0308gelt wurde er von der Verfeinerung der KI-Algorithmen und der Entwicklung immer schnellerer Grafikprozessoren (GPUs).<\/p>\n<p>Urspru\u0308nglich fu\u0308r die Visualisierung von 3D-Welten in Computerspielen konzipiert, beschleunigen moderne Grafikprozessoren das Training und die Nutzung von KI-Modellen enorm. Einfach, weil die grundlegenden mathematischen Operationen im Hintergrund \u2013 die Addition und die Multiplikation von Matrizen \u2013 fu\u0308r E-Games und KI-Anwendungen \u00e4hnlich sind. Au\u00dferdem verfu\u0308gen moderne GPUs u\u0308ber Dutzende bis Tausende sogenannter \u201eShader\u201c, in denen diese Berechnungen parallel ablaufen k\u00f6nnen. Ein herk\u00f6mmlicher PC-Prozessor bietet einen so hohen Grad der Parallelisierung typischerweise nicht.<\/p>\n<\/div><\/div>\n                <\/div>\n        <\/div><\/div>\n<\/section>\n\n\n<section id=\"m-text__container-block_df5cf8346a98073b2d981c8906eabe07\" class=\"u-relative m-text__container u-pt-x10 u-pb-x10 u-pt-x10@md u-pb-x10@md u-color-white u-bgcolor-electric-blue\"><div class=\"o-container u-relative\"><div class=\"o-grid\">\n                <div class=\"o-grid__col u-12\/12@md\" data-aos=\"none\">\n                    <h5 class=\"u-color-midnight-blue\" style=\"text-align: center;\">Sie m\u00f6chten das Whitepaper lieber h\u00f6ren?<\/h5>\n<p style=\"text-align: center;\"><a class=\"c-btn c-btn__white u-mt-x3\" href=\"https:\/\/www.actico.com\/de\/loesungen\/companion-for-first\/#podcast\" target=\"_blank\" rel=\"noopener\">Hier geht es zum Podcast<\/a><\/p>\n\n                <\/div>\n        <\/div><\/div>\n<\/section>\n\n\n<section id=\"neuronale-netze\" data-anchor-title=\"Neuronale Netze\" class=\"u-relative m-text__container u-pt-x10 u-pb-x10 u-pt-x20@md u-pb-x20@md\"><div class=\"o-container u-relative\"><div class=\"o-grid\">\n                <div class=\"o-grid__col u-12\/12@md\" data-aos=\"none\">\n                    <h2 class=\"u-color-electric-blue\">Neuronale Netze<\/h2>\n<p><strong>Moderne KI-Systeme sind ganz wesentlich von Anleihen an die grundlegende Struktur unseres Gehirns inspiriert. Menschliche Intelligenz basiert auf einem vernetzten System von gesch\u00e4tzt etwa 80 bis 100 Milliarden Neuronen. Noch viel zahlreicher sind die Verbindungen zwischen diesen Neuronen, die sich unter der Sch\u00e4deldecke als \u201ewei\u00dfe Substanz\u201c manifestieren.<\/strong><\/p>\n<p>Es ist ein gewaltiges Netzwerk, in dem jedes Neuron Input von unz\u00e4hligen weiteren Neuronen erh\u00e4lt, die ihm quasi vorgeschaltet sind. Diese Signale werden u\u0308ber chemische Botenstoffe zwischen den Neuronen weitergeleitet und im Neuron selbst in elektrische Potenziale umgewandelt.<\/p>\n<p>Jedes Neuron gewichtet seine verschiedenen Eing\u00e4nge. Wenn vorgeschaltete Neuronen feuern und die Summe der \u201eGewichte\u201c einen bestimmten Schwellenwert erreicht, beginnt das Neuron selbst zu feuern: Es produziert einen elektrischen Impuls, der an seinem Ende wieder in chemische Botenstoffe umgewandelt und auf diese Weise an alle nachfolgend mit ihm verbundenen Neuronen weitergeleitet wird. Das geschieht millionenfach in jedem Moment unseres Seins. Ein echtes Wunder der Natur.<\/p>\n<p><div class=\"c-link__moreWrapper\" id=\"acfmore-3\"><a href=\"#acfmore-3-content\" class=\"c-link__more\" aria-expanded=\"false\">Weiterlesen<\/a><div id=\"acfmore-3-content\" class=\"c-link__moreContent\" hidden><\/p>\n<p>Lernen im biologischen Sinne hei\u00dft, dass neue Verbindungen zwischen Neuronen geknu\u0308pft und Gewichtungen angepasst werden. Anders als fru\u0308her gedacht, ist dies bis ins hohe Alter m\u00f6glich, wie man heute wei\u00df (Stichwort \u201eNeuroplastizit\u00e4t\u201c).<\/p>\n<p>Entscheidend ist, dass Wissen und Denken in der Vernetzung eines neuronalen Systems begru\u0308ndet liegen. Es gibt nicht das eine Neuron, das die Oma erkennt oder wei\u00df, dass zwei plus zwei vier ergibt. Wenn das Abbild einer bekannten Person in unserem Sichtfeld erscheint oder wenn wir eine mathematische Aufgabe l\u00f6sen, sind immer komplexe Netzwerke tausender Neuronen beteiligt, die in diesem Moment aktiviert werden.<\/p>\n<p>Und bei keinen zwei Menschen werden dies ganz genau die gleichen Netzwerke sein. Zwar gibt es Hirnfunktionen (die Sinne, das Denken, die motorische Steuerung etc.), die sich entwicklungsgeschichtlich grob bestimmten Hirnarealen zuordnen lassen. Die konkrete Ausformung der Netzwerke ist aber vor allem ein Produkt unserer individuellen Lebens- und Lerngeschichte.<\/p>\n<\/div><\/div>\n                <\/div>\n        <\/div><\/div>\n<\/section>\n\n\n<section id=\"ki-systeme-als-graphen\" data-anchor-title=\"KI-Systeme als Graphen\" class=\"m-media-text__container u-pt-x10 u-pb-x10 u-pt-x20@md u-pb-x20@md\">\n    <div class=\"o-container u-relative\"><div class=\"o-grid o-grid--middle\">\n            <div class=\"o-grid__col u-4\/12@md u-mb-x6 u-mb-x0@md\" data-aos=\"none\">\n                <img loading=\"lazy\" decoding=\"async\" src=\"https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Companion_Sparring.png\" width=\"1917\" height=\"1917\"srcset=\"https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Companion_Sparring.png 1917w, https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Companion_Sparring-300x300.png 300w, https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Companion_Sparring-1240x1240.png 1240w, https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Companion_Sparring-150x150.png 150w, https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Companion_Sparring-768x768.png 768w, https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Companion_Sparring-1536x1536.png 1536w\" sizes=\"auto, (max-width: 640px) 100vw, 640px\" alt=\"\" class=\"\"  \/>\n            <\/div>\n            <div class=\"o-grid__col u-8\/12@md\" data-aos=\"none\">\n                <h2 class=\"u-color-electric-blue\">KI-Systeme als Graphen<\/h2>\n<p>KI-Systeme wie der Companion for First bauen nicht eins zu eins die biologischen Elemente unseres Gehirns nach (Botenstoffe, elektrische Potenziale etc.), wohl aber die grundlegende Struktur, die sich mathematisch mithilfe von sogenannten Graphen darstellen l\u00e4sst.<\/p>\n<p>Ein Graph ist ein Netz aus Knoten (Analogie: Neuronen) und Verbindungen zwischen diesen Knoten, den sogenannten Kanten (Analogie: die Vernetzungen in der wei\u00dfen Substanz). Jeder Knoten kann dabei mit beliebig vielen anderen Knoten verbunden sein.<\/p>\n<p><div class=\"c-link__moreWrapper\" id=\"acfmore-4\"><a href=\"#acfmore-4-content\" class=\"c-link__more\" aria-expanded=\"false\">Weiterlesen<\/a><div id=\"acfmore-4-content\" class=\"c-link__moreContent\" hidden><\/p>\n<p>Viele Elemente unseres Alltags kann man sich als Graphen vorstellen. Etwa das Verkehrsnetz, wo von jeder Abzweigung oder Kreuzung (einem Knoten) Wege (Kanten) zu den n\u00e4chsten Abzweigungen fu\u0308hren. Oder denken Sie an soziale Beziehungen, wo jeder Mensch (Knoten) mit anderen Menschen verbunden ist (Kanten). Tats\u00e4chlich sind nicht mehr als sechs bis sieben Zwischenstationen erforderlich, um eine Verbindung zu jedem anderen Individuum auf diesem Planeten zu knu\u0308pfen, wie erstmals in den 1960er Jahren gezeigt wurde \u2013 das sogenannte \u201eKleine-Welt-Ph\u00e4nomen\u201c.<\/p>\n<p>Entsprechende Such-Algorithmen spielen deshalb fu\u0308r die Arbeit mit solchen Graphen eine zentrale Rolle \u2013 bei der Ku\u0308nstlichen Intelligenz insgesamt, aber beispielsweise auch fu\u0308r die ganz normale Routenplanung in jedem handelsu\u0308blichen Navigationssystem. Die erforderlichen Algorithmen wurden Ende der 1950er Jahre entwickelt und sind heute Standard.<\/p>\n<\/div><\/div>\n            <\/div>\n        <\/div><\/div>\n<\/section>\n\n\n\n\n<section id=\"vom-input-zum-output\" data-anchor-title=\"Vom Input zum Output\" class=\"u-relative m-text__container u-pt-x10 u-pb-x10 u-pt-x20@md u-pb-x20@md\"><div class=\"o-container u-relative\"><div class=\"o-grid\">\n                <div class=\"o-grid__col u-12\/12@md\" data-aos=\"none\">\n                    <h2 class=\"u-color-electric-blue\">Vom Input zum Output<\/h2>\n<p><strong>Informationsverarbeitung bedeutet immer, von einer Eingabe zu einer Ausgabe zu gelangen. Im Gehirn bilden die Sinnesmodalit\u00e4ten (H\u00f6ren, Sehen, Fu\u0308hlen etc.) oder das Denken selbst den Input. Der Output manifestiert sich in Gedanken, Gefu\u0308hlen, Worten und Handlungen. Dazwischen liegt das gro\u00dfe Netzwerk der neuronalen Verarbeitung.<\/strong><\/p>\n<p>Bei modernen KI-Systemen ist der Input potenziell alles, was sich digitalisieren l\u00e4sst: Sprache in Textform oder akustisch aufgezeichnet, in Pixel aufgel\u00f6ste Bilder, Musik, chemische Formeln, B\u00f6rsenkurse und vieles mehr. Was dabei am Ende als Output herauskommt, h\u00e4ngt ganz ma\u00dfgeblich von dem nachgebildeten Neuronalen Netz und dessen Training (Lernen) ab.<\/p>\n<p><div class=\"c-link__moreWrapper\" id=\"acfmore-5\"><a href=\"#acfmore-5-content\" class=\"c-link__more\" aria-expanded=\"false\">Weiterlesen<\/a><div id=\"acfmore-5-content\" class=\"c-link__moreContent\" hidden><\/p>\n<p>Urspru\u0308nglich sprach man in diesem Zusammenhang prim\u00e4r vom \u201eMaschinellen Lernen (ML)\u201c. Dieser Begriff ist mittlerweile etwas in den Hintergrund geru\u0308ckt, weil KI-Systeme heute u\u0308ber das reine Lernen hinausgehen. Er beschreibt jedoch korrekt, was beim Training geschieht \u2013 bei gro\u00dfen Sprachmodellen ebenso wie beim \u201eCompanion for First\u201c.<\/p>\n<p>Anders als im Gehirn wird die Menge der vorhandenen Neuronen und ihre Verknu\u0308pfung bei KI-Systemen von Beginn an fest vorgegeben. Lernen findet hier ausschlie\u00dflich als Anpassung der Gewichtungen an den durch Software abstrahierten Neuroneneing\u00e4ngen statt.<\/p>\n<p>In den Anf\u00e4ngen der KI-Forschung arbeitete man mit dreischichtigen Modellen, einer Input-Schicht, einer Verarbeitungsschicht und einer Output-Schicht. Doch das fu\u0308hrte nicht zum gewu\u0308nschten Ziel, wie bald auch mathematisch gezeigt werden konnte. Man ben\u00f6tigte mehr untereinander verknu\u0308pfte neuronale Zwischenschichten zwischen Input und Output, die sogenannten \u201eHidden Layers\u201c.<\/p>\n<p>Erst mit ihnen und passenden Lernalgorithmen wurde sogenanntes \u201eDeep Learning\u201c m\u00f6glich. Es sorgt dafu\u0308r, dass durch das Training \u00e4hnlicher, aber individuell verschiedener Inhalte abstrakte Merkmale extrahiert und im Netzwerk gespeichert werden k\u00f6nnen. Auf diese Weise lernt ein Neuronales Netzwerk etwa die Gemeinsamkeiten des Konzepts \u201eKatze\u201c und nicht nur die konkreten Individuen aus den Bildern zu erkennen, auf die es trainiert wurde. Es geht um Muster, \u00c4hnlichkeiten und Wahrscheinlichkeiten.<\/p>\n<\/div><\/div>\n                <\/div>\n        <\/div><\/div>\n<\/section>\n\n\n<section id=\"komponenten-der-rag-pipeline-im-companion-for-first\" data-anchor-title=\"Komponenten der RAG Pipeline im Companion for First\" class=\"m-media-text__container u-pt-x10 u-pb-x10 u-pt-x20@md u-pb-x20@md\">\n    <div class=\"o-container u-relative\"><div class=\"o-grid o-grid--middle\">\n            <div class=\"o-grid__col u-4\/12@md u-mb-x6 u-mb-x0@md\" data-aos=\"none\">\n                <img loading=\"lazy\" decoding=\"async\" src=\"https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Icons_Companion_Hope.png\" width=\"1917\" height=\"1917\"srcset=\"https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Icons_Companion_Hope.png 1917w, https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Icons_Companion_Hope-300x300.png 300w, https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Icons_Companion_Hope-1240x1240.png 1240w, https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Icons_Companion_Hope-150x150.png 150w, https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Icons_Companion_Hope-768x768.png 768w, https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Icons_Companion_Hope-1536x1536.png 1536w\" sizes=\"auto, (max-width: 640px) 100vw, 640px\" alt=\"\" class=\"\"  \/>\n            <\/div>\n            <div class=\"o-grid__col u-8\/12@md\" data-aos=\"none\">\n                <h3 class=\"u-color-electric-blue\"><span class=\"u-color-glow\">Noch nicht gez\u00fcndet<\/span><\/h3>\n<p>Die Hoffnung vieler Forscher, man mu\u0308sse nur immer gr\u00f6\u00dfere KI-Modelle bauen und diese mit mehr und mehr Informationen trainieren, dann werde sich der Funke des Geistes schon irgendwann von selbst entzu\u0308nden, ist zumindest bislang nicht in Erfu\u0308llung gegangen. Eine sogenannte Ku\u0308nstliche \u201eAllgemeine Intelligenz (AIG)\u201c ist weiterhin nicht in Sicht. Aber v\u00f6llig ausgeschlossen ist ein solcher Entwicklungssprung nicht. Andere argumentieren hingegen, es existiere ein bislang unentdecktes Bindeglied, eine Komponente, die echtes Denken und umfassendes Schlussfolgern erst m\u00f6glich macht. Nach wie vor gilt dies als eines der spannendsten und kontroversesten Themen in der aktuellen KI-Forschung.<\/p>\n\n            <\/div>\n        <\/div><\/div>\n<\/section>\n\n\n\n\n<section id=\"herausforderung-ki-training\" data-anchor-title=\"Herausforderung KI-Training\" class=\"u-relative m-text__container u-pt-x10 u-pb-x0 u-pt-x20@md u-pb-x0@md\"><div class=\"o-container u-relative\"><div class=\"o-grid\">\n                <div class=\"o-grid__col u-12\/12@md\" data-aos=\"none\">\n                    <h2 class=\"u-color-electric-blue\">Herausforderung KI-Training<\/h2>\n<p><strong>Moderne KI-Systeme basieren auf vielen Dutzenden von Schichten zwischen Input und Output (ChatGPT 3.5: 96 Schichten) mit Millionen von nachgebildeten Neuronen innerhalb jeder Schicht und Milliarden von Verknu\u0308pfungen zwischen diesen Neuronen (ChatGPT 3.5: 175 Milliarden). Man spricht in diesem Zusammenhang auch von Parametern, die man sich als die Summe aller Gewichtungen in den Neuronenverbindungen eines KI-Modells vorstellen kann.<\/strong><\/p>\n<p>Ihre Anzahl steigt bei modernen KI-Systemen von Generation zu Generation, bef\u00f6rdert ihre Lern- und Leistungsf\u00e4higkeit, allerdings auch ihren Ressourcenverbrauch. Bei ChatGPT 4 sind es gesch\u00e4tzt bereits 1.800 Milliarden Parameter in 220 Schichten \u2013 eine Verzehnfachung zum vorhergehenden Modell.<\/p>\n<p><div class=\"c-link__moreWrapper\" id=\"acfmore-6\"><a href=\"#acfmore-6-content\" class=\"c-link__more\" aria-expanded=\"false\">Weiterlesen<\/a><div id=\"acfmore-6-content\" class=\"c-link__moreContent\" hidden><\/p>\n<p>Anders als in unserem Hirn sind diese Verbindungen fest vorgegeben und weitgehend statisch. Da w\u00e4chst also nichts nach (Stichwort: Neuroplastizit\u00e4t). Alle Gewichtungen sind jedoch zun\u00e4chst undefiniert und das System deshalb komplett untrainiert. Es wei\u00df und vermag weniger als ein Baby im Mutterleib. Seine F\u00e4higkeiten erh\u00e4lt ein KI-System erst durch Training, das man sich in seinen Grundzu\u0308gen stark vereinfacht als Prozess von Versuch und Irrtum (Trial and Error) vorstellen kann. Man gibt Daten in die Input-Schicht, schickt sie durch das Netzwerk und schaut, was in der Output-Schicht herauskommt. Zun\u00e4chst einmal sicher nicht das Richtige. Lernen bedeutet nun, die Gewichte der beteiligten Neuronen in den verschiedenen Schichten immer besser zu adjustieren, bis in der Output- Schicht das gewu\u0308nschte Resultat erscheint. Das ist die Aufgabe der Software, mit der ein solches KI-Modell trainiert wird.<\/p>\n<p>Diesem Prozess liegen komplexe mathematische Verfahren zugrunde, deren Entwicklung in den 1980er Jahren erst die Voraussetzung fu\u0308r den Durchbruch beim maschinellen Lernen schuf \u201eBackpropagation\u201c. Viele weitere Entwicklungen mussten folgen, bis KI-Systeme ihre heutige Leistungsf\u00e4higkeit erreichten. Durch das Trainieren entsteht allerdings noch keine Allgemeine Intelligenz, wie wir sie dem Menschen zuschreiben, sondern letztendlich \u201enur\u201c eine Art Programmierung, was von dem System bei welchem Input erwartet wird.<\/p>\n<p>Selbst ein so leistungsf\u00e4higes System wie ChatGPT versteht tats\u00e4chlich relativ wenig von unserer Welt, auch wenn es anders erscheinen mag. Aber es wei\u00df durch Milliardenfaches Training sehr gut, welcher Begriff sich an eine vorhergehende Wortfolge vermutlich anschlie\u00dft \u2013 immer abh\u00e4ngig vom jeweiligen Kontext. Letztendlich geht es also um antrainierte Wahrscheinlichkeiten, und das Wort mit der gr\u00f6\u00dften Wahrscheinlichkeit wird gew\u00e4hlt. Klingt verru\u0308ckt, ist aber so.<\/p>\n<\/div><\/div>\n                <\/div>\n        <\/div><\/div>\n<\/section>\n\n\n<section id=\"m-teaser__container-block_41be39de0fd323d1b515da0d6581eeb3\" class=\"m-teaser__container u-pt-x5 u-pb-x0 u-pt-x10@md u-pb-x0@md u-color-midnight-blue\">\n    <div class=\"o-container u-relative\"><div class=\"o-grid\"><div class=\"o-grid__col u-mb-x6\"><h4 class=\"u-color-white\" style=\"text-align: center;\">Konzeptionelle Durchbr\u00fcche in der KI-Forschung<\/h4>\n<\/div><\/div><div class=\"o-grid  o-grid--x4 o-grid--center u-text-center\">\n                        <div class=\"o-grid__col u-mb-x4 u-5\/12@sm\" data-aos=\"flip-up\" data-aos-delay=\"0\">\n                        \n                            <figure class=\"u-flex u-fd-col u-full--width u-text-center u-full--height u-bgcolor-shade\">\n                                <figcaption class=\"u-flex u-fd-col u-fg-1 u-p-x6\"><p class=\"u-color-royal-blue\" style=\"text-align: left;\"><strong>1969 \u2013 Hidden Layers<\/strong><\/p>\n<p style=\"text-align: left;\">Einfu\u0308hrung von mehr als einer neuronalen Schicht zwischen Input und Output.<\/p>\n<div class=\"u-mt--auto\"><\/div><\/figcaption><\/figure>\n                            \n                        <\/div>\n                        <div class=\"o-grid__col u-mb-x4 u-5\/12@sm\" data-aos=\"flip-up\" data-aos-delay=\"100\">\n                        \n                            <figure class=\"u-flex u-fd-col u-full--width u-text-center u-full--height u-bgcolor-shade\">\n                                <figcaption class=\"u-flex u-fd-col u-fg-1 u-p-x6\"><p class=\"u-color-royal-blue\" style=\"text-align: left;\"><strong>1982 \u2013 Backpropagation<\/strong><\/p>\n<p style=\"text-align: left;\">Verfahren zum Training von mehrschichtigen Neuronalen Netzen.<\/p>\n<div class=\"u-mt--auto\"><\/div><\/figcaption><\/figure>\n                            \n                        <\/div>\n                        <div class=\"o-grid__col u-mb-x4 u-5\/12@sm\" data-aos=\"flip-up\" data-aos-delay=\"200\">\n                        \n                            <figure class=\"u-flex u-fd-col u-full--width u-text-center u-full--height u-bgcolor-shade\">\n                                <figcaption class=\"u-flex u-fd-col u-fg-1 u-p-x6\"><p class=\"u-color-royal-blue\" style=\"text-align: left;\"><strong>1987 \u2013 Convolutional Neuronal Networks<\/strong><\/p>\n<p style=\"text-align: left;\">Muster- und Merkmalserkennung in Neuronalen Netzen.<\/p>\n<div class=\"u-mt--auto\"><\/div><\/figcaption><\/figure>\n                            \n                        <\/div>\n                        <div class=\"o-grid__col u-mb-x4 u-5\/12@sm\" data-aos=\"flip-up\" data-aos-delay=\"300\">\n                        \n                            <figure class=\"u-flex u-fd-col u-full--width u-text-center u-full--height u-bgcolor-shade\">\n                                <figcaption class=\"u-flex u-fd-col u-fg-1 u-p-x6\"><p class=\"u-color-royal-blue\" style=\"text-align: left;\"><strong>1990 \u2013 Recurrent Neuronal Networks<\/strong><\/p>\n<p style=\"text-align: left;\">Einfu\u0308hrung der kontextbezogenen Verarbeitung von Inputs.<\/p>\n<div class=\"u-mt--auto\"><\/div><\/figcaption><\/figure>\n                            \n                        <\/div>\n                        <div class=\"o-grid__col u-mb-x4 u-5\/12@sm\" data-aos=\"flip-up\" data-aos-delay=\"400\">\n                        \n                            <figure class=\"u-flex u-fd-col u-full--width u-text-center u-full--height u-bgcolor-shade\">\n                                <figcaption class=\"u-flex u-fd-col u-fg-1 u-p-x6\"><p class=\"u-color-royal-blue\" style=\"text-align: left;\"><strong>1997 \u2013 Long-Short-Term-Memory<\/strong><\/p>\n<p style=\"text-align: left;\">Selbstst\u00e4ndiger Ru\u0308ckgriff auf bereits zuvor Erlerntes w\u00e4hrend des Trainings.<\/p>\n<div class=\"u-mt--auto\"><\/div><\/figcaption><\/figure>\n                            \n                        <\/div>\n                        <div class=\"o-grid__col u-mb-x4 u-5\/12@sm\" data-aos=\"flip-up\" data-aos-delay=\"500\">\n                        \n                            <figure class=\"u-flex u-fd-col u-full--width u-text-center u-full--height u-bgcolor-shade\">\n                                <figcaption class=\"u-flex u-fd-col u-fg-1 u-p-x6\"><p class=\"u-color-royal-blue\" style=\"text-align: left;\"><strong>2014 \u2013 Generative Adversarial Networks<\/strong><\/p>\n<p style=\"text-align: left;\">Zwei Neuronale Netzwerke, die gegeneinander laufen. Grundlage fu\u0308r moderne Bildgeneratoren.<\/p>\n<div class=\"u-mt--auto\"><\/div><\/figcaption><\/figure>\n                            \n                        <\/div>\n                        <div class=\"o-grid__col u-mb-x4 u-5\/12@sm\" data-aos=\"flip-up\" data-aos-delay=\"600\">\n                        \n                            <figure class=\"u-flex u-fd-col u-full--width u-text-center u-full--height u-bgcolor-shade\">\n                                <figcaption class=\"u-flex u-fd-col u-fg-1 u-p-x6\"><p class=\"u-color-royal-blue\" style=\"text-align: left;\"><strong>2017 \u2013 Transformer Neural Networks<\/strong><\/p>\n<p style=\"text-align: left;\">Neuronale Netzwerke erlernen beim Trainieren nicht nur Daten, sondern auch, Wichtiges von Unwichtigem zu unterscheiden und Bezu\u0308ge u\u0308ber gr\u00f6\u00dfere Wissensdistanzen herzustellen (Stichwort Aufmerksamkeitssteuerung). Die Technik hinter ChatGPT.<\/p>\n<div class=\"u-mt--auto\"><\/div><\/figcaption><\/figure>\n                            \n                        <\/div>\n        <\/div>\n    <\/div>\n<\/section>\n\n\n<section id=\"m-teaser__container-block_de49a887c15e8c51aa55c5a3ae481004\" class=\"m-teaser__container u-pt-x5 u-pb-x5 u-pt-x10@md u-pb-x10@md\">\n    <div class=\"o-container u-relative\"><div class=\"o-grid\"><div class=\"o-grid__col u-mb-x6\"><h4 style=\"text-align: center;\">Lernmodelle der KI<\/h4>\n<\/div><\/div><div class=\"o-grid  o-grid--x4\">\n                        <div class=\"o-grid__col u-mb-x4 u-6\/12@sm u-4\/12@md\" data-aos=\"none\" data-aos-delay=\"0\">\n                        \n                            <figure class=\"u-flex u-fd-col u-full--width u-text-center u-full--height none\"><img loading=\"lazy\" decoding=\"async\" src=\"https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Icons_Companion_Learn-1-150x150.png\" width=\"150\" height=\"150\"srcset=\"https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Icons_Companion_Learn-1-150x150.png 150w, https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Icons_Companion_Learn-1-300x300.png 300w, https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Icons_Companion_Learn-1-1240x1240.png 1240w, https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Icons_Companion_Learn-1-768x768.png 768w, https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Icons_Companion_Learn-1-1536x1536.png 1536w, https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Icons_Companion_Learn-1.png 1917w\" sizes=\"auto, (max-width: 130px) 100vw, 130px\" alt=\"\" class=\"u-pt-x5 u-ph-x5 u-mh--auto c-icon__teaser\"  \/>\n                                <figcaption class=\"u-flex u-fd-col u-fg-1 u-mt-x3 u-mt-x6@sm\"><p><strong>\u00dcberwachtes Lernen<\/strong><\/p>\n<p>Die zu lernenden Informationen werden mit Informationen u\u0308ber das gewu\u0308nschte Resultat ausgezeichnet (gelabelt). H\u00e4ufig geschieht dies von Menschenhand. So werden Bilder beispielsweise mit Schlagworten zu ihrem Inhalt versehen (Hund, Katze, Maus). Eine Trainingssoftware fu\u0308ttert das jeweilige KI-Modell mit jedem einzelnen Bild und passt dabei die Gewichtungen des Neuronalen Netzwerks so lange an, bis als Output das definierte Resultat erscheint.<\/p>\n<div class=\"u-mt--auto\"><\/div><\/figcaption><\/figure>\n                            \n                        <\/div>\n                        <div class=\"o-grid__col u-mb-x4 u-6\/12@sm u-4\/12@md\" data-aos=\"none\" data-aos-delay=\"100\">\n                        \n                            <figure class=\"u-flex u-fd-col u-full--width u-text-center u-full--height none\"><img loading=\"lazy\" decoding=\"async\" src=\"https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Icons_Companion_Learn-2-150x150.png\" width=\"150\" height=\"150\"srcset=\"https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Icons_Companion_Learn-2-150x150.png 150w, https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Icons_Companion_Learn-2-300x300.png 300w, https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Icons_Companion_Learn-2-1240x1240.png 1240w, https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Icons_Companion_Learn-2-768x768.png 768w, https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Icons_Companion_Learn-2-1536x1536.png 1536w, https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Icons_Companion_Learn-2.png 1917w\" sizes=\"auto, (max-width: 130px) 100vw, 130px\" alt=\"\" class=\"u-pt-x5 u-ph-x5 u-mh--auto c-icon__teaser\"  \/>\n                                <figcaption class=\"u-flex u-fd-col u-fg-1 u-mt-x3 u-mt-x6@sm\"><p><strong>Un\u00fcberwachtes Lernen<\/strong><\/p>\n<p>KI-Modelle werden mit Daten gefu\u0308ttert, die nicht konkret ausgezeichnet sind. Das Modell soll lernen, \u00c4hnlichkeiten, Muster und Strukturen in diesen Daten zu entdecken, damit es zuku\u0308nftige Daten einem gelernten Muster zuordnen und sie anschlie\u00dfend passend dazu weiterverarbeiten kann.<\/p>\n<div class=\"u-mt--auto\"><\/div><\/figcaption><\/figure>\n                            \n                        <\/div>\n                        <div class=\"o-grid__col u-mb-x4 u-6\/12@sm u-4\/12@md\" data-aos=\"none\" data-aos-delay=\"200\">\n                        \n                            <figure class=\"u-flex u-fd-col u-full--width u-text-center u-full--height none\"><img loading=\"lazy\" decoding=\"async\" src=\"https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Icons_Companion_Learn-3-150x150.png\" width=\"150\" height=\"150\"srcset=\"https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Icons_Companion_Learn-3-150x150.png 150w, https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Icons_Companion_Learn-3-300x300.png 300w, https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Icons_Companion_Learn-3-1240x1240.png 1240w, https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Icons_Companion_Learn-3-768x768.png 768w, https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Icons_Companion_Learn-3-1536x1536.png 1536w, https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Icons_Companion_Learn-3.png 1917w\" sizes=\"auto, (max-width: 130px) 100vw, 130px\" alt=\"\" class=\"u-pt-x5 u-ph-x5 u-mh--auto c-icon__teaser\"  \/>\n                                <figcaption class=\"u-flex u-fd-col u-fg-1 u-mt-x3 u-mt-x6@sm\"><p><strong>Best\u00e4rkendes Lernen<\/strong><\/p>\n<p>Ahmt das Lernen bei Menschen und Tieren auf Basis der Reaktionen ihrer Umwelt im Sinne von Versuch und Irrtum nach. Einem Modell wird beigebracht, verschiedene Aktionen im Hinblick auf ein zu erreichendes Ziel willku\u0308rlich auszuprobieren. Unmittelbar darauf erfolgt eine Bewertung durch das Trainingssystem. Diese veranlasst das Modell, im n\u00e4chsten Durchlauf etwas anderes zu versuchen oder den eingeschlagenen Weg weiter zu verfeinern, bis das Ziel erreicht und eine zielfu\u0308hrende Strategie gelernt ist.<\/p>\n<div class=\"u-mt--auto\"><\/div><\/figcaption><\/figure>\n                            \n                        <\/div>\n        <\/div>\n    <\/div>\n<\/section>\n\n\n<section id=\"konzeptbedingte-unschaerfen\" data-anchor-title=\"Konzeptbedingte Unsch\u00e4rfen\" class=\"u-relative m-text__container u-pt-x10 u-pb-x10 u-pt-x20@md u-pb-x20@md\"><div class=\"o-container u-relative\"><div class=\"o-grid\">\n                <div class=\"o-grid__col u-12\/12@md\" data-aos=\"none\">\n                    <h2 class=\"u-color-electric-blue\">Konzeptbedingte Unsch\u00e4rfen<\/h2>\n<p><strong>Der Unterschied zwischen traditioneller Computer-Software und KI-Systemen wird deutlich, wenn KI-Systeme Falschaussagen produzieren. Das kann viele Ursachen haben: objektiv falsche Trainingsdaten, Mehrdeutigkeiten, die Kontextabh\u00e4ngigkeit von Informationen, \u00dcberanpassung oder ganz einfach die Modellkomplexit\u00e4t, um nur einige zu nennen. Beispiele fu\u0308r solche Fehler finden sich im Internet zuhauf, manche amu\u0308sant, andere eher befremdlich.<\/strong><\/p>\n<p>Die Schwierigkeiten manifestieren sich beispielsweise im sogenannten \u201eHalluzinieren\u201c, wenn sich KI-Systeme bei der Bewertung eines Outputs oder der Beantwortung einer Frage etwas Zusammenreimen, scheinbar ohne konkreten Bezug zur Realit\u00e4t. Etwa so, wie Menschen in Wolkenformationen oder anderen nicht klar erkennbaren Strukturen manchmal kuriose Dinge sehen.<\/p>\n<p><div class=\"c-link__moreWrapper\" id=\"acfmore-7\"><a href=\"#acfmore-7-content\" class=\"c-link__more\" aria-expanded=\"false\">Weiterlesen<\/a><div id=\"acfmore-7-content\" class=\"c-link__moreContent\" hidden><\/p>\n<p>Traditionelle Computersoftware arbeitet regelbasiert. Die Regeln sind in Entscheidungsb\u00e4umen oder sogenannten State-Machines kodiert. Als Bestandteil des Programmcodes liegen sie offen zutage und k\u00f6nnen durch die Entwickler deshalb leicht ver\u00e4ndert und korrigiert werden.<\/p>\n<p>Bei einem KI-System sieht man hingegen nichts vom eingespeicherten Wissen, au\u00dfer Millionen oder gar Milliarden von Gewichtungen als Teil eines vernetzten Systems. Wo darin welche Informationen verborgen liegen, l\u00e4sst sich weder ausmachen noch nachtr\u00e4glich einfach korrigieren. Denn dann mu\u0308sste man die Gewichtungen an vielen Stellen des Netzes anpassen, mit potenziell weitreichenden Folgen fu\u0308r weiteres darin gespeichertes Wissen.<\/p>\n<p>Tats\u00e4chlich sind KI-Systeme bis heute nicht besonders gut darin, wenn man Informationen nachtr\u00e4glich erg\u00e4nzen oder \u00e4ndern will, das sogenannte \u201eFinetuning\u201c. Genau wie die Aktualisierung der Wissensbasis (die Welt dreht sich schnell), erfordert das Tilgen von Falschaussagen deshalb in der Regel einen kompletten neuen Trainingsdurchlauf eines KI-Modells.<\/p>\n<p>Und der kann bei entsprechend gro\u00dfen Modellen Tage und Wochen in Anspruch nehmen und Kosten in Millionenh\u00f6he verursachen. Fu\u0308r den Companion for First mit seinem klar umgrenzten Aufgabenfeld gilt das u\u0308brigens nicht: Hier reicht die Nachtzeit fu\u0308r das Training auf die t\u00e4glich ver\u00e4nderten Datenbest\u00e4nde vollkommen aus.<\/p>\n<p>\u00dcbrigens lernen KI-Systeme gerade erst, zu erkl\u00e4ren, wie sie zu einem bestimmten Output gelangt sind. Dies gilt auch fu\u0308r das Schlussfolgern (Reasoning), das den Menschen zum logischen Denken bef\u00e4higt. Ausgepr\u00e4gte Meta-F\u00e4higkeiten gibt es bislang in KI-Modellen also (noch) nicht.<\/p>\n<\/div><\/div>\n                <\/div>\n        <\/div><\/div>\n<\/section>\n\n\n<section id=\"grosse-sprachmodelle-large-language-models\" data-anchor-title=\"Gro\u00dfe Sprachmodelle \u2013 Large Language Models\" class=\"u-relative m-text__container u-pt-x10 u-pb-x10 u-pt-x20@md u-pb-x20@md\"><div class=\"o-container u-relative\"><div class=\"o-grid\">\n                <div class=\"o-grid__col u-12\/12@md\" data-aos=\"none\">\n                    <h2 class=\"u-color-electric-blue\">Gro\u00dfe Sprachmodelle \u2013 Large Language Models<\/h2>\n<p><strong>KI-Systeme lassen sich prinzipiell fu\u0308r viele Arten der Datenverarbeitung nutzen. Sie k\u00f6nnen Menschen auf Videoaufnahmen beim \u00dcberklettern eines Bauzauns ausmachen, R\u00f6ntgenbilder interpretieren, Proteinfaltungen vorhersagen, Musikstu\u0308cke komponieren, Kunstwerke kreieren oder als spezialisierte Assistenten innerhalb einer Anwendung fungieren.<\/strong><\/p>\n<p>Manchmal bew\u00e4ltigen sie ihre Aufgaben sogar besser als menschliche Experten, nachweislich etwa beim Thema Brustkrebs- oder Hautkrebserkennung. Vereinfacht ausgedru\u0308ckt ist dies alles eine Frage eines korrekten und entsprechend umfangreichen Trainings.<\/p>\n<p><div class=\"c-link__moreWrapper\" id=\"acfmore-8\"><a href=\"#acfmore-8-content\" class=\"c-link__more\" aria-expanded=\"false\">Weiterlesen<\/a><div id=\"acfmore-8-content\" class=\"c-link__moreContent\" hidden><\/p>\n<p>Im Fokus der \u00d6ffentlichkeit stehen vor allem die gro\u00dfen Sprachmodelle (Large Language Models, LLMs), aus denen man per Sprache Wissensbest\u00e4nde abrufen und zusammenfassen lassen kann. Dies kommt nicht von ungef\u00e4hr, schlie\u00dflich sind die Entwicklung von Sprache und Intelligenz eng miteinander verknu\u0308pft.<\/p>\n<p>Die computergestu\u0308tzte Verarbeitung von Sprache durch Computer nennt man \u201eNatural Language Processing\u201c (NLP). Zu dieser F\u00e4higkeit kommt bei Large Language Models ihr enormes Weltwissen hinzu, das sie zumeist aus \u00f6ffentlich zug\u00e4nglichen Quellen beziehen: Wikipedia, Bu\u0308chersammlungen, Datenbanken und Millionen von regelm\u00e4\u00dfig durchsuchten Internet-Seiten mit Nachrichten und Informationen.<\/p>\n<p>Woher sollten sie diese Daten auch sonst beziehen? Kein Unternehmen allein k\u00f6nnte eine solch umfassende Wissensbasis zusammentragen. Doch das birgt auch Konfliktpotenzial. Nicht alle im Internet verfu\u0308gbaren Informationen und Inhalte sind gemeinfrei. Und nicht alle sind auch tats\u00e4chlich korrekt.<\/p>\n<\/div><\/div>\n                <\/div>\n        <\/div><\/div>\n<\/section>\n\n\n<section id=\"wieso-der-name-chatgpt\" data-anchor-title=\"Wieso der Name ChatGPT?\" class=\"m-media-text__container u-pt-x10 u-pb-x10 u-pt-x20@md u-pb-x20@md\">\n    <div class=\"o-container u-relative\"><div class=\"o-grid o-grid--middle\">\n            <div class=\"o-grid__col u-4\/12@md u-mb-x6 u-mb-x0@md\" data-aos=\"none\">\n                <img loading=\"lazy\" decoding=\"async\" src=\"https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Icons_Companion_Name.png\" width=\"1917\" height=\"1917\"srcset=\"https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Icons_Companion_Name.png 1917w, https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Icons_Companion_Name-300x300.png 300w, https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Icons_Companion_Name-1240x1240.png 1240w, https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Icons_Companion_Name-150x150.png 150w, https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Icons_Companion_Name-768x768.png 768w, https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Icons_Companion_Name-1536x1536.png 1536w\" sizes=\"auto, (max-width: 640px) 100vw, 640px\" alt=\"\" class=\"\"  \/>\n            <\/div>\n            <div class=\"o-grid__col u-8\/12@md\" data-aos=\"none\">\n                <h3 class=\"u-color-electric-blue\">Wieso der Name ChatGPT?<\/h3>\n<p>Das derzeit bekannteste KI-Produkt stammt von der US-Firma OpenAI. Es ist ein Chatbot, der drei seiner Grundlagentechnologien im Namen fu\u0308hrt: GPT steht fu\u0308r Generative Pre-trained Transformers. Die Begriffe verweisen darauf, wie das dahinterstehende Large Language Model lernt und wie es anschlie\u00dfend die Anfragen seiner Nutzer beantwortet. Modernste KI-Technik trifft dabei auf einen unermesslichen Schatz von Daten und Informationen, mit denen ChatGPT trainiert wurde.<\/p>\n\n            <\/div>\n        <\/div><\/div>\n<\/section>\n\n\n\n\n<section id=\"datensicherheit-und-verlaesslichkeit-beim-companion-for-first\" data-anchor-title=\"Datensicherheit und -verl\u00e4sslichkeit beim Companion for First\" class=\"m-media-text__container u-pt-x10 u-pb-x10 u-pt-x20@md u-pb-x20@md\">\n    <div class=\"o-container u-relative\"><div class=\"o-grid\"><div class=\"o-grid__col u-mb-x6\"><h2 class=\"u-color-electric-blue\">Datensicherheit und -verl\u00e4sslichkeit beim Companion for First<\/h2>\n<p>Bei der Entwicklung des Companion for First spielt die Frage nach Datensicherheit und -verl\u00e4sslichkeit eine zentrale Rolle. Um dem gerecht zu werden, besch\u00e4ftigen wir uns in der Entwicklung des Companions mit mehreren technischen Ans\u00e4tzen:<\/p>\n<\/div><\/div><div class=\"o-grid o-grid--middle\">\n            <div class=\"o-grid__col u-4\/12@md u-mb-x6 u-mb-x0@md\" data-aos=\"none\">\n                <img loading=\"lazy\" decoding=\"async\" src=\"https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Icons_Companion_Data.png\" width=\"1917\" height=\"1917\"srcset=\"https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Icons_Companion_Data.png 1917w, https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Icons_Companion_Data-300x300.png 300w, https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Icons_Companion_Data-1240x1240.png 1240w, https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Icons_Companion_Data-150x150.png 150w, https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Icons_Companion_Data-768x768.png 768w, https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Icons_Companion_Data-1536x1536.png 1536w\" sizes=\"auto, (max-width: 640px) 100vw, 640px\" alt=\"\" class=\"\"  \/>\n            <\/div>\n            <div class=\"o-grid__col u-8\/12@md\" data-aos=\"none\">\n                <p>Ein zentraler Fokus liegt auf einem vollst\u00e4ndig isolierten Betrieb innerhalb der <strong>ACTICO Cloud<\/strong>, bei dem s\u00e4mtliche Verarbeitung \u2013 einschlie\u00dflich Sprachverarbeitung \u2013 lokal erfolgt. In diesem Szenario werden keinerlei Daten an externe Systeme u\u0308bermittelt. S\u00e4mtliche Informationen, einschlie\u00dflich Nutzeranfragen, Ausgaben und Kontextverarbeitung, verbleiben vollst\u00e4ndig innerhalb der sicheren und regulierungskonformen <strong>ACTICO Cloud<\/strong>.<\/p>\n<p>Erg\u00e4nzend dazu wird auch die kontrollierte Anbindung externer LLM Services evaluiert. In diesem Fall erfolgt die Verarbeitung durch KI-Modelle, die ausschlie\u00dflich in zertifizierten EU-Rechenzentren betrieben werden. Dabei werden anonymisierte Query-Strukturen u\u0308bermittelt, niemals jedoch Kundendaten oder inhaltlich sensible Informationen. Die eigentlichen Finanzdaten verbleiben auch hier vollst\u00e4ndig in der <strong>ACTICO Cloud<\/strong>.<\/p>\n<p class=\"u-color-electric-blue\"><strong>Beide Ans\u00e4tze verfolgen dasselbe Ziel: die sichere, nachvollziehbare und regulatorisch saubere Integration von KI in anspruchsvolle Fachanwendungen \u2013 mit maximalem Nutzen bei voller Kontrolle u\u0308ber die Daten.<\/strong><\/p>\n\n            <\/div>\n        <\/div><\/div>\n<\/section>\n\n\n<section id=\"prompt-engineering\" data-anchor-title=\"Prompt Engineering\" class=\"u-relative m-text__container u-pt-x10 u-pb-x0 u-pt-x15@md u-pb-x0@md\"><div class=\"o-container u-relative\"><div class=\"o-grid\">\n                <div class=\"o-grid__col u-12\/12@md\" data-aos=\"none\">\n                    <h2 class=\"u-color-electric-blue\">Prompt Engineering<\/h2>\n<p><strong>Die gr\u00f6\u00dften KI-Modelle sind mittlerweile multimodal:<\/strong><\/p>\n<p>Man kann sie mit einem Bild konfrontieren, um zu erfahren, wer oder was darauf abgebildet ist. Oder mit einem kurzen Auszug aus einem Popsong, um den Titel und den Namen der Band herauszufinden. Doch der meiste Informationsabruf erfolgt noch immer u\u0308ber Sprache \u2013 getippt, gesprochen, handschriftlich auf einem Tablet notiert oder wiederum als Text in einem Bild.<\/p>\n<p>Dabei spielt das sogenannte \u201ePrompt Engineering\u201c eine zunehmend wichtige Rolle: die F\u00e4higkeit, sein Anliegen exakt so zu formulieren, dass das Gewu\u0308nschte dabei herauskommt. Der Companion for First u\u0308bernimmt in dieser Hinsicht eine wichtige Funktion, da er in einzelnen Verarbeitungsschritten Large Language Modelle nutzt, um die an ihn gestellten Anfragen und Auftr\u00e4ge zu verarbeiten.<\/p>\n<p><div class=\"c-link__moreWrapper\" id=\"acfmore-9\"><a href=\"#acfmore-9-content\" class=\"c-link__more\" aria-expanded=\"false\">Weiterlesen<\/a><div id=\"acfmore-9-content\" class=\"c-link__moreContent\" hidden><\/p>\n<p>Ein gut formulierter Prompt kann ein LLM dazu bringen, pr\u00e4zise, relevante und hilfreiche Antworten zu generieren. Ein schlecht formulierter Prompt fu\u0308hrt hingegen regelm\u00e4\u00dfig zu ungenauen oder unerwu\u0308nschten Ergebnissen.<\/p>\n<p>Geht es um reine Wissensinhalte im Sinne von Wer, Was, Wann, Wo, Warum etc., spielt das Prompt-Engineering eine eher untergeordnete Rolle. Dafu\u0308r reicht eine klar formulierte umgangssprachliche Frage in der Regel aus: \u201eWer siegte in der Schlacht von Hastings?\u201c, sofern man das ganz dringend wissen m\u00f6chte.<\/p>\n<p>Aber bereits, wenn man eine Zusammenfassung von Inhalten wu\u0308nscht oder der KI kreative Leistungen abverlangen will, macht das Prompt-Engineering den entscheidenden Unterschied in der Richtung und Qualit\u00e4t des Outputs aus.<\/p>\n<p>Allerdings handelt es sich beim Prompt-Engineering keinesfalls um eine exakte Wissenschaft. Vielmehr geht es um \u201eBest Practices\u201c. Es kommt darauf an, das jeweilige KI-Modell und seine Vorgehensweise ein Stu\u0308ck weit zu \u201everstehen\u201c. In der Regel ist es zielfu\u0308hrend, dafu\u0308r ein wenig zu experimentieren und die eigenen Prompts Schritt fu\u0308r Schritt zu verfeinern.<\/p>\n<\/div><\/div>\n                <\/div>\n        <\/div><\/div>\n<\/section>\n\n\n<section id=\"m-text__container-block_6a2c00dd58b4355c9a5b9279495238e3\" class=\"u-relative m-text__container u-pt-x5 u-pb-x10 u-pt-x10@md u-pb-x20@md\"><div class=\"o-container u-relative\"><div class=\"o-grid\">\n                <div class=\"o-grid__col u-12\/12@md\" data-aos=\"none\">\n                    <h4>Einige grundlegende Tipps und Tricks k\u00f6nnen dabei hilfreich sein:<\/h4>\n<ul>\n<li><strong>Auftr\u00e4ge und Fragen sollten m\u00f6glichst klar formuliert sein<\/strong> und es sollte auf unn\u00f6tige Fu\u0308llw\u00f6rter verzichtet werden.<\/li>\n<li><strong>Kontexte und Rollen definieren:<\/strong> \u201eSchreibe wie ein Reporter\u201c, \u201eformuliere wie ein mittelalterlicher Dichter\u201c<\/li>\n<li><strong>Zielgruppen nennen:<\/strong> \u201esodass es auch Kinder verstehen\u201c, \u201ein einfacher Sprache\u201c, \u201efu\u0308r Akademiker\u201c, \u201efu\u0308r Sportbegeisterte\u201c<\/li>\n<li><strong>Zielformat angeben:<\/strong> \u201eliefere mir die Definition\u201c, \u201eschreibe einen Aufsatz\u201c, \u201egib mir eine Schritt-fu\u0308r-Schritt-Anleitung\u201c, \u201eerstelle eine Pro- und Contra-Tabelle\u201c<\/li>\n<li><strong>L\u00e4nge und Umfang festlegen:<\/strong> \u201eeine umfangreiche Abhandlung\u201c, \u201efasse dich kurz\u201c, \u201enicht mehr als 5 Abs\u00e4tze\u201c<\/li>\n<li><strong>Die Tonalit\u00e4t bestimmen:<\/strong> \u201eschreibe m\u00f6glichst verst\u00e4ndlich\u201c, \u201edru\u0308cke dich wissenschaftlich aus\u201c, \u201ebleibe sachlich und neutral\u201c, \u201eformuliere es lustig\u201c<\/li>\n<li><strong>Reihenfolgen vorgeben:<\/strong> \u201ebehandle erst das Thema \u2026 und anschlie\u00dfend das Thema \u2026\u201c<\/li>\n<li><strong>Auf Negationen in den Prompts verzichten<\/strong>, stattdessen aktiv und positiv formulieren.<\/li>\n<\/ul>\n\n                <\/div>\n        <\/div><\/div>\n<\/section>\n\n\n<section id=\"wo-und-wie-ki-systeme-betrieben-werden\" data-anchor-title=\"Wo und wie KI-Systeme betrieben werden\" class=\"u-relative m-text__container u-pt-x10 u-pb-x10 u-pt-x20@md u-pb-x20@md\"><div class=\"o-container u-relative\"><div class=\"o-grid\">\n                <div class=\"o-grid__col u-12\/12@md\" data-aos=\"none\">\n                    <h2 class=\"u-color-electric-blue\">Wo und wie KI-Systeme betrieben werden<\/h2>\n<p><strong>Die Leistung moderner KI-Systeme fu\u0308hlt sich zuweilen beinahe magisch an. Dennoch handelt es sich um ganz normale Software, die grunds\u00e4tzlich auch auf herk\u00f6mmlichen PCs ausgefu\u0308hrt werden kann. Die modernsten Desktop- und Notebook-Prozessoren von Intel und AMD sind sogar bereits dafu\u0308r optimiert. Noch schneller gelingen Training und Nutzung der Modelle, wenn m\u00f6glichst leistungsf\u00e4hige Grafikkarten mit modernen GPUs verbaut sind.<\/strong><\/p>\n<p>Man kann sie mit einem Bild konfrontieren, um zu erfahren, wer oder was darauf abgebildet ist. Oder mit einem kurzen Auszug aus einem Popsong, um den Grunds\u00e4tzlich gilt: Das Trainieren ist um viele Zehnerpotenzen aufwendiger als die anschlie\u00dfende Nutzung eines so entstandenen KI-Modells. Dennoch sind auch bei der Nutzung eines KI-Modells Grenzen gesetzt, die sich am Speicherumfang der Modelle und den erforderlichen Rechenkapazit\u00e4ten bemessen. Von einer der ersten Versionen von ChatGPT ist bekannt, dass jeder Trainingsdurchlauf auf einer einzelnen modernen Grafikkarte rund 350 Jahre (!) in Anspruch genommen h\u00e4tte. Und seitdem sind die ChatGPT-Modelle unglaublich gewachsen.<\/p>\n<p><div class=\"c-link__moreWrapper\" id=\"acfmore-10\"><a href=\"#acfmore-10-content\" class=\"c-link__more\" aria-expanded=\"false\">Weiterlesen<\/a><div id=\"acfmore-10-content\" class=\"c-link__moreContent\" hidden><\/p>\n<p>Aus diesem Grund findet zumindest das Training von LLMs fast ausschlie\u00dflich in riesigen Rechenzentren mit tausenden von PCs und noch viel mehr parallel arbeitenden GPUs statt. Anschlie\u00dfend k\u00f6nnen zumindest kleinere Modelle aber durchaus auch lokal auf modernen PCs ablaufen, wie es Microsoft beispielsweise mit seinem Copilot vormacht.<\/p>\n<p>Der Companion for First wird dort ausgefu\u0308hrt, wo auch First betrieben wird: in der ACTICO Cloud unter MS-Azure. Jede Nacht wird er auf die tagesaktuellen Datenbest\u00e4nde der Kunden trainiert, tagsu\u0308ber stellt er sein Wissen dann im Rahmen von First zur Verfu\u0308gung. In einem der nachfolgenden Whitepaper werden wir ausfu\u0308hrlich auf diese Zusammenh\u00e4nge eingehen.<\/p>\n<\/div><\/div>\n                <\/div>\n        <\/div><\/div>\n<\/section>\n\n\n\n\n<section id=\"energiehunger-grosser-ki-systeme\" data-anchor-title=\"Energiehunger gro\u00dfer KI-Systeme\" class=\"u-relative m-text__container u-pt-x10 u-pb-x10 u-pt-x20@md u-pb-x20@md\"><div class=\"o-container u-relative\"><div class=\"o-grid\">\n                <div class=\"o-grid__col u-12\/12@md\" data-aos=\"none\">\n                    <h2 class=\"u-color-electric-blue\">Energiehunger gro\u00dfer KI-Systeme<\/h2>\n<p>Der Ressourcenverbrauch von ChatGPT und Co. ist ein Thema, das zunehmend kritisch betrachtet wird. Ihr wachsender Stromhunger belastet Stromnetze, erh\u00f6ht Treibhausgasemissionen und versch\u00e4rft Umweltprobleme. Etwa durch den erh\u00f6hten Wasserverbrauch fu\u0308r die Ku\u0308hlung von Hunderttausenden Prozessoren. Zum Vergleich: Eine simple KI-Anfrage im Internet verbraucht bereits etwa zehnmal so viel Energie, wie eine herk\u00f6mmliche Google-Suche, grob gesch\u00e4tzt etwa 3 Watt.<\/p>\n<p>Aktuell verdoppelt sich der Speicher- und Rechenbedarf der immer leistungsf\u00e4higeren KI-Modelle etwa alle 6 Monate. Die riesigen KI-Rechenzentren (\u201eKI\u2011Fabriken\u201c), die derzeit auf allen Kontinenten entstehen, haben teilweise einen Strombedarf, der dem Verbrauch von 100.000 Haushalten entspricht. Und Ausma\u00dfe, die ganze Stadtteile u\u0308berdecken k\u00f6nnten.<\/p>\n<p><div class=\"c-link__moreWrapper\" id=\"acfmore-11\"><a href=\"#acfmore-11-content\" class=\"c-link__more\" aria-expanded=\"false\">Weiterlesen<\/a><div id=\"acfmore-11-content\" class=\"c-link__moreContent\" hidden><\/p>\n<p>Gesch\u00e4tzt wird, dass der Strombedarf aller weltweit installierten KI-Systeme bis 2030 dem einer Industrienation wie Japan gleichkommt. Das torpediert massiv die CO\u00b2-Ziele der gro\u00dfen Internet-Konzerne und tr\u00e4gt \u2013 pikanterweise \u2013 zur aktuellen Renaissance der Kernkraft bei. Denn die gilt als CO\u00b2-neutral.<\/p>\n<p>Intensiv wird deshalb an verbesserten Algorithmen, Prozessoren und Techniken fu\u0308r KI-Systeme geforscht. Doch es existieren auch einfache Ma\u00dfnahmenden Strombedarf in der KI-Nutzung unmittelbar zu reduzieren: indem man nicht zwangsl\u00e4ufig auf die gr\u00f6\u00dften Modelle setzt. Schlie\u00dflich skaliert der Ressourcenverbrauch mit der Anzahl der Parameter in den Modellen.<\/p>\n<p>Schon jetzt ist ein Trend zu kleineren Modellen zu beobachten, die mit deutlich weniger Parametern \u00e4hnlich gute Ergebnisse wie ihre gro\u00dfen Vorbilder erzielen. Dies ist der Ansatz, den wir beim<strong> Companion for First<\/strong> verfolgen. Denn der Companion muss zwar Sprache grundlegend verstehen und in ihre Bestandteile zerlegen k\u00f6nnen, er muss aber nichts u\u0308ber mittelalterliche Ritterkultur oder die Funktionsweise der Photosynthese wissen. Das Weltwissen darf den gr\u00f6\u00dften Modellen vorbehalten bleiben. Der <strong>Companion for First<\/strong> ben\u00f6tigt es in seiner klar definierten Rolle als Finanzassistent in First nicht.<\/p>\n<\/div><\/div>\n                <\/div>\n        <\/div><\/div>\n<\/section>\n\n\n<section id=\"rag-pipelines\" data-anchor-title=\"RAG Pipelines\" class=\"u-relative m-text__container u-pt-x10 u-pb-x0 u-pt-x20@md u-pb-x0@md\"><div class=\"o-container u-relative\"><div class=\"o-grid\">\n                <div class=\"o-grid__col u-12\/12@md\" data-aos=\"none\">\n                    <h2 class=\"u-color-electric-blue\">RAG Pipelines<\/h2>\n<p><strong>Chatbots lassen sich heute mit wenigen Zeilen Programmcode in Software-Anwendungen einbinden. Doch bei spezifischen Aufgabenstellungen wie im Companion for First fu\u0308hrt das nicht unmittelbar zum gewu\u0308nschten Ziel.<\/strong><\/p>\n<p>Externe LLMs verstehen nichts von der Funktionsweise einer Anwendung wie First, geschweige denn von ihren internen Datenstrukturen und den konkreten Dateninhalten eines Kunden. Und diese Details gehen sie ja auch gar nichts an.<\/p>\n<p>An dieser Stelle kommen RAG Pipelines ins Spiel. RAG steht fu\u0308r \u201eRetrieval Augmented Generation\u201c. Der Begriff beschreibt, wie der Output eines LLM von Programmen als Ausgangspunkt genutzt wird, um diesen durch weitere Daten zu erg\u00e4nzen (zu augmentieren), etwa durch die Resultate von internen Datenbankabfragen. Erst daraus entstehen dann in weiteren Verarbeitungsschritten die gesuchten Antworten.<\/p>\n<p><div class=\"c-link__moreWrapper\" id=\"acfmore-12\"><a href=\"#acfmore-12-content\" class=\"c-link__more\" aria-expanded=\"false\">Weiterlesen<\/a><div id=\"acfmore-12-content\" class=\"c-link__moreContent\" hidden><\/p>\n<p>Eine solche RAG Pipeline bildet das Herzstu\u0308ck des Companion for First. Sie ist mehrstufig organisiert, wobei sie an ausgew\u00e4hlten Stellen auf die Dienste externer LLMs zuru\u0308ckgreift. Diese fungieren quasi als die Arbeitsesel der Sprachverarbeitung, um zu verstehen, was der Nutzer vom Companion m\u00f6chte.<\/p>\n<p>Es geht darum herauszufinden, welche konkreten Informationen abgerufen werden sollen, fu\u0308r welchen Zeitraum und in welcher Form die Aufbereitung der Daten gewu\u0308nscht ist, etwa als Listen, Texte oder Grafiken. Unter Umst\u00e4nden fragt der Companion auch einmal nach, wenn er etwas nicht versteht. Die Abl\u00e4ufe sind nicht ganz trivial, fu\u0308hren aber zuverl\u00e4ssig zu den gewu\u0308nschten Ergebnissen. Wir werden den Aufbau der RAG Pipeline im Companion for First deshalb in einem der nachfolgenden Whitepaper im Detail vorstellen.<\/p>\n<\/div><\/div>\n                <\/div>\n        <\/div><\/div>\n<\/section>\n\n\n<section id=\"m-teaser__container-block_0c9aa6acbb75c4a9c205aa3839aa65f6\" class=\"m-teaser__container u-pt-x10 u-pb-x10 u-pt-x20@md u-pb-x20@md\">\n    <div class=\"o-container u-relative\"><div class=\"o-grid\"><div class=\"o-grid__col u-mb-x6\"><h4 class=\"u-color-electric-blue\" style=\"text-align: center;\"><strong>Die RAG Pipeline im Companion for First<\/strong><\/h4>\n<\/div><\/div><div class=\"o-grid  o-grid--x4\">\n                        <div class=\"o-grid__col u-mb-x4 u-6\/12@sm u-4\/12@md\" data-aos=\"none\" data-aos-delay=\"0\">\n                        \n                            <figure class=\"u-flex u-fd-col u-full--width u-text-center u-full--height none\"><img loading=\"lazy\" decoding=\"async\" src=\"https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Icons_Companion_1.-Query-Processing-150x150.png\" width=\"150\" height=\"150\"srcset=\"https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Icons_Companion_1.-Query-Processing-150x150.png 150w, https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Icons_Companion_1.-Query-Processing-300x300.png 300w, https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Icons_Companion_1.-Query-Processing-1240x1240.png 1240w, https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Icons_Companion_1.-Query-Processing-768x768.png 768w, https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Icons_Companion_1.-Query-Processing-1536x1536.png 1536w, https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Icons_Companion_1.-Query-Processing.png 1917w\" sizes=\"auto, (max-width: 130px) 100vw, 130px\" alt=\"\" class=\"u-pt-x5 u-ph-x5 u-mh--auto c-icon__teaser\"  \/>\n                                <figcaption class=\"u-flex u-fd-col u-fg-1 u-mt-x3 u-mt-x6@sm\"><p><strong>1. Query Processing<\/strong><\/p>\n<div class=\"u-mt--auto\"><\/div><\/figcaption><\/figure>\n                            \n                        <\/div>\n                        <div class=\"o-grid__col u-mb-x4 u-6\/12@sm u-4\/12@md\" data-aos=\"none\" data-aos-delay=\"100\">\n                        \n                            <figure class=\"u-flex u-fd-col u-full--width u-text-center u-full--height none\"><img loading=\"lazy\" decoding=\"async\" src=\"https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Icons_Companion_2.-Retrieval-Process-150x150.png\" width=\"150\" height=\"150\"srcset=\"https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Icons_Companion_2.-Retrieval-Process-150x150.png 150w, https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Icons_Companion_2.-Retrieval-Process-300x300.png 300w, https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Icons_Companion_2.-Retrieval-Process-1240x1240.png 1240w, https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Icons_Companion_2.-Retrieval-Process-768x768.png 768w, https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Icons_Companion_2.-Retrieval-Process-1536x1536.png 1536w, https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Icons_Companion_2.-Retrieval-Process.png 1917w\" sizes=\"auto, (max-width: 130px) 100vw, 130px\" alt=\"\" class=\"u-pt-x5 u-ph-x5 u-mh--auto c-icon__teaser\"  \/>\n                                <figcaption class=\"u-flex u-fd-col u-fg-1 u-mt-x3 u-mt-x6@sm\"><p><strong>2. Retrieval Process<\/strong><\/p>\n<div class=\"u-mt--auto\"><\/div><\/figcaption><\/figure>\n                            \n                        <\/div>\n                        <div class=\"o-grid__col u-mb-x4 u-6\/12@sm u-4\/12@md\" data-aos=\"none\" data-aos-delay=\"200\">\n                        \n                            <figure class=\"u-flex u-fd-col u-full--width u-text-center u-full--height none\"><img loading=\"lazy\" decoding=\"async\" src=\"https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Icons_Companion_3.-LLM-Processing-150x150.png\" width=\"150\" height=\"150\"srcset=\"https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Icons_Companion_3.-LLM-Processing-150x150.png 150w, https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Icons_Companion_3.-LLM-Processing-300x300.png 300w, https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Icons_Companion_3.-LLM-Processing-1240x1240.png 1240w, https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Icons_Companion_3.-LLM-Processing-768x768.png 768w, https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Icons_Companion_3.-LLM-Processing-1536x1536.png 1536w, https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Icons_Companion_3.-LLM-Processing.png 1917w\" sizes=\"auto, (max-width: 130px) 100vw, 130px\" alt=\"\" class=\"u-pt-x5 u-ph-x5 u-mh--auto c-icon__teaser\"  \/>\n                                <figcaption class=\"u-flex u-fd-col u-fg-1 u-mt-x3 u-mt-x6@sm\"><p><strong>3. LLM Processing<\/strong><\/p>\n<div class=\"u-mt--auto\"><\/div><\/figcaption><\/figure>\n                            \n                        <\/div>\n                        <div class=\"o-grid__col u-mb-x4 u-6\/12@sm u-4\/12@md\" data-aos=\"none\" data-aos-delay=\"300\">\n                        \n                            <figure class=\"u-flex u-fd-col u-full--width u-text-center u-full--height none\"><img loading=\"lazy\" decoding=\"async\" src=\"https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Icons_Companion_4.-Tool-Execution-150x150.png\" width=\"150\" height=\"150\"srcset=\"https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Icons_Companion_4.-Tool-Execution-150x150.png 150w, https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Icons_Companion_4.-Tool-Execution-300x300.png 300w, https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Icons_Companion_4.-Tool-Execution-1240x1240.png 1240w, https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Icons_Companion_4.-Tool-Execution-768x768.png 768w, https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Icons_Companion_4.-Tool-Execution-1536x1536.png 1536w, https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Icons_Companion_4.-Tool-Execution.png 1917w\" sizes=\"auto, (max-width: 130px) 100vw, 130px\" alt=\"\" class=\"u-pt-x5 u-ph-x5 u-mh--auto c-icon__teaser\"  \/>\n                                <figcaption class=\"u-flex u-fd-col u-fg-1 u-mt-x3 u-mt-x6@sm\"><p><strong>4. Tool Execution<\/strong><\/p>\n<div class=\"u-mt--auto\"><\/div><\/figcaption><\/figure>\n                            \n                        <\/div>\n                        <div class=\"o-grid__col u-mb-x4 u-6\/12@sm u-4\/12@md\" data-aos=\"none\" data-aos-delay=\"400\">\n                        \n                            <figure class=\"u-flex u-fd-col u-full--width u-text-center u-full--height none\"><img loading=\"lazy\" decoding=\"async\" src=\"https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/AC_First_Page_Icons_Check-1-150x150.png\" width=\"150\" height=\"150\"srcset=\"https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/AC_First_Page_Icons_Check-1-150x150.png 150w, https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/AC_First_Page_Icons_Check-1-e1789459459771.png 300w\" sizes=\"auto, (max-width: 130px) 100vw, 130px\" alt=\"\" class=\"u-pt-x5 u-ph-x5 u-mh--auto c-icon__teaser\"  \/>\n                                <figcaption class=\"u-flex u-fd-col u-fg-1 u-mt-x3 u-mt-x6@sm\"><p><strong>5. Validation &amp; Formatting<\/strong><\/p>\n<div class=\"u-mt--auto\"><\/div><\/figcaption><\/figure>\n                            \n                        <\/div>\n                        <div class=\"o-grid__col u-mb-x4 u-6\/12@sm u-4\/12@md\" data-aos=\"none\" data-aos-delay=\"500\">\n                        \n                            <figure class=\"u-flex u-fd-col u-full--width u-text-center u-full--height none\"><img loading=\"lazy\" decoding=\"async\" src=\"https:\/\/www.actico.com\/wp-content\/uploads\/2026\/06\/AC_AI-Connector_faster-1-150x150.png\" width=\"150\" height=\"150\"srcset=\"https:\/\/www.actico.com\/wp-content\/uploads\/2026\/06\/AC_AI-Connector_faster-1-150x150.png 150w, https:\/\/www.actico.com\/wp-content\/uploads\/2026\/06\/AC_AI-Connector_faster-1-300x300.png 300w, https:\/\/www.actico.com\/wp-content\/uploads\/2026\/06\/AC_AI-Connector_faster-1-e1787774072643.png 275w\" sizes=\"auto, (max-width: 130px) 100vw, 130px\" alt=\"\" class=\"u-pt-x5 u-ph-x5 u-mh--auto c-icon__teaser\"  \/>\n                                <figcaption class=\"u-flex u-fd-col u-fg-1 u-mt-x3 u-mt-x6@sm\"><p><strong>6. Caching &amp; Performance<\/strong><\/p>\n<div class=\"u-mt--auto\"><\/div><\/figcaption><\/figure>\n                            \n                        <\/div>\n        <\/div>\n    <\/div>\n<\/section>\n\n\n<section id=\"agentische-ki-vom-wissen-zum-handeln\" data-anchor-title=\"Agentische KI \u2013 vom Wissen zum Handeln\" class=\"u-relative m-text__container u-pt-x10 u-pb-x10 u-pt-x20@md u-pb-x20@md\"><div class=\"o-container u-relative\"><div class=\"o-grid\">\n                <div class=\"o-grid__col u-12\/12@md\" data-aos=\"none\">\n                    <h2 class=\"u-color-electric-blue\">Agentische KI \u2013 vom Wissen zum Handeln<\/h2>\n<p><strong>Es ist das Eine, mithilfe von Ku\u0308nstlicher Intelligenz Wissen abzurufen, das zuvor antrainiert wurde. Etwas Anderes ist es, einer KI Auftr\u00e4ge zu erteilen, damit sie im Auftrag des Nutzers aktiv wird.<\/strong><\/p>\n<p>Dies ist der Ansatz, den wir beim Companion for First von Anfang an konsequent verfolgen. Eine solche \u201eAgentische KI\u201c hat das Ziel, komplexe Abl\u00e4ufe bzw. Analysen durchzufu\u0308hren und Nutzer bei wiederkehrenden Aufgaben zu entlasten. Im Rahmen der jeweiligen Aufgabenstellung trifft sie dabei selbstst\u00e4ndig Entscheidungen und w\u00e4hlt die passenden Werkzeuge aus. Sofern gewu\u0308nscht, kann ein solcher Agent auch proaktiv im Hintergrund Aufgaben wahrnehmen, im Sinne von \u201ePush statt Pull\u201c.<\/p>\n<p><strong>Im Dialog mit unseren Kunden haben wir eine Reihe von Aufgaben identifiziert, bei denen First-Nutzer von einer Agentischen KI profitieren k\u00f6nnen. Folgende Funktionen sind fu\u0308r die kommenden Ausbaustufen des Companion von First geplant:<\/strong><\/p>\n<ul>\n<li>Agenten erzeugen komplexe Berichte und Zusammenfassungen, fu\u0308r die umfangreiche Datenabrufe und Datenverknu\u0308pfungen erforderlich sind.<\/li>\n<li>Agenten fu\u0308hren definierte Analysen in First regelm\u00e4\u00dfig aus.<\/li>\n<li>Agenten produzieren aufwendige Management- und Controlling-Reports mit Text und Grafik.<\/li>\n<li>Agenten durchsuchen externe Finanznachrichtenquellen zu den Assets eines Kunden.<\/li>\n<li>Agenten werten systematisch die Protokolle von First aus fu\u0308r automatische Hinweise auf Anomalien und Erkl\u00e4rungen dazu.<\/li>\n<\/ul>\n\n                <\/div>\n        <\/div><\/div>\n<\/section>\n\n\n<section id=\"wie-geht-es-weiter\" data-anchor-title=\"Wie geht es weiter?\" class=\"m-media-text__container u-pt-x5 u-pb-x5 u-pt-x10@md u-pb-x10@md u-color-midnight-blue\">\n    <div class=\"o-container u-relative\"><div class=\"o-grid o-grid--rev o-grid--middle\">\n            <div class=\"o-grid__col u-4\/12@md u-mb-x6 u-mb-x0@md\" data-aos=\"none\">\n                <img loading=\"lazy\" decoding=\"async\" src=\"https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Icons_AI_electricblue.png\" width=\"1917\" height=\"1918\"srcset=\"https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Icons_AI_electricblue.png 1917w, https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Icons_AI_electricblue-300x300.png 300w, https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Icons_AI_electricblue-1240x1240.png 1240w, https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Icons_AI_electricblue-150x150.png 150w, https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Icons_AI_electricblue-768x768.png 768w, https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Icons_AI_electricblue-1536x1536.png 1536w\" sizes=\"auto, (max-width: 640px) 100vw, 640px\" alt=\"\" class=\"\"  \/>\n            <\/div>\n            <div class=\"o-grid__col u-8\/12@md\" data-aos=\"none\">\n                <h2 class=\"u-color-electric-blue\">Wie geht es weiter?<\/h2>\n<p class=\"u-color-white\">So viel zu den spannenden Grundlagen der Ku\u0308nstlichen Intelligenz und ihrer Relevanz fu\u0308r den Companion for First. Die nachfolgenden Whitepaper werden sich ganz spezifisch mit den konkreten Abl\u00e4ufen innerhalb des Companions besch\u00e4ftigen \u2013 wie der Companion die Anfragen und Auftr\u00e4ge seiner Nutzer entschlu\u0308sselt, die gewu\u0308nschten Informationen aus First ausliest und zusammenbringt, wie er dabei Kundendaten wirksam schu\u0308tzt und wie die Anforderungen der Regulatorik die Abl\u00e4ufe ma\u00dfgeblich beeinflussen.<\/p>\n\n            <\/div>\n        <\/div><\/div>\n<\/section>\n\n\n<section id=\"m-text__container-block_df7e2f5f0c2ee56e0cbd71ef845de9e5\" class=\"u-relative m-text__container u-pt-x5 u-pb-x5 u-pt-x10@md u-pb-x10@md u-color-white u-bgcolor-electric-blue\"><div class=\"o-container u-relative\"><div class=\"o-grid\">\n                <div class=\"o-grid__col u-12\/12@md\" data-aos=\"none\">\n                    <h5 class=\"u-color-midnight-blue\" style=\"text-align: center;\">Unser KI-Glossar erkl\u00e4rt zentrale Begriffe rund um K\u00fcnstliche Intelligenz.<\/h5>\n<p style=\"text-align: center;\"><a class=\"c-btn c-btn__white u-mt-x3\" href=\"https:\/\/www.actico.com\/de\/loesungen\/glossar\/\">Zum KI-Glossar<\/a><\/p>\n\n                <\/div>\n        <\/div><\/div>\n<\/section>","protected":false},"excerpt":{"rendered":"<p>Wie funktionieren moderne KI-Systeme, was k\u00f6nnen sie leisten und wo liegen ihre Grenzen? Das Whitepaper erkl\u00e4rt zentrale Grundlagen wie neuronale Netze und Large Language Models und zeigt, wie der Companion for First KI f\u00fcr die Kapitalanlageverwaltung nutzt.<\/p>\n","protected":false},"author":19,"featured_media":18346,"menu_order":0,"template":"","format":[182],"meta":{"_acf_changed":false,"footnotes":""},"business_unit":[],"industry":[],"other-tag":[255],"process":[],"class_list":["post-17584","knowledge_center","type-knowledge_center","status-publish","has-post-thumbnail","hentry","format-ebook-de","other-tag-companion"],"acf":[],"yoast_head":"<!-- This site is optimized with the Yoast SEO Premium plugin v28.5 (Yoast SEO v28.5) - https:\/\/yoast.com\/product\/yoast-seo-premium-wordpress\/ -->\n<title>Eine kurze Geschichte der K\u00fcnstlichen Intelligenz \u2013 von den Anf\u00e4ngen bis zum Companion for First | ACTICO<\/title>\n<meta name=\"description\" content=\"Wenn man KI grundlegend verstehen und ihre M\u00f6glichkeiten und Grenzen einsch\u00e4tzen m\u00f6chte, ist es hilfreich, sich einige der zentralen Entwicklungsschritte n\u00e4her anzusehen.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/www.actico.com\/de\/knowledge-center\/companion-for-first-ki-grundlagen\/\" \/>\n<meta property=\"og:locale\" content=\"de_DE\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Eine kurze Geschichte der K\u00fcnstlichen Intelligenz \u2013 von den Anf\u00e4ngen bis zum Companion for First\" \/>\n<meta property=\"og:description\" content=\"Wenn man KI grundlegend verstehen und ihre M\u00f6glichkeiten und Grenzen einsch\u00e4tzen m\u00f6chte, ist es hilfreich, sich einige der zentralen Entwicklungsschritte n\u00e4her anzusehen.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/www.actico.com\/de\/knowledge-center\/companion-for-first-ki-grundlagen\/\" \/>\n<meta property=\"og:site_name\" content=\"ACTICO\" \/>\n<meta property=\"article:modified_time\" content=\"2026-09-30T12:29:50+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Companion-for-First_Grundlagen_092026_Titel.jpg\" \/>\n\t<meta property=\"og:image:width\" content=\"1240\" \/>\n\t<meta property=\"og:image:height\" content=\"1754\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/jpeg\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:site\" content=\"@ACTICO_en\" \/>\n<meta name=\"twitter:label1\" content=\"Gesch\u00e4tzte Lesezeit\" \/>\n\t<meta name=\"twitter:data1\" content=\"1\u00a0Minute\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\\\/\\\/schema.org\",\"@graph\":[{\"@type\":\"WebPage\",\"@id\":\"https:\\\/\\\/www.actico.com\\\/de\\\/knowledge-center\\\/companion-for-first-ki-grundlagen\\\/\",\"url\":\"https:\\\/\\\/www.actico.com\\\/de\\\/knowledge-center\\\/companion-for-first-ki-grundlagen\\\/\",\"name\":\"Eine kurze Geschichte der K\u00fcnstlichen Intelligenz \u2013 von den Anf\u00e4ngen bis zum Companion for First | ACTICO\",\"isPartOf\":{\"@id\":\"https:\\\/\\\/www.actico.com\\\/de\\\/#website\"},\"primaryImageOfPage\":{\"@id\":\"https:\\\/\\\/www.actico.com\\\/de\\\/knowledge-center\\\/companion-for-first-ki-grundlagen\\\/#primaryimage\"},\"image\":{\"@id\":\"https:\\\/\\\/www.actico.com\\\/de\\\/knowledge-center\\\/companion-for-first-ki-grundlagen\\\/#primaryimage\"},\"thumbnailUrl\":\"https:\\\/\\\/www.actico.com\\\/wp-content\\\/uploads\\\/2026\\\/09\\\/ACTICO_Companion-for-First_Grundlagen_092026_Titel.jpg\",\"datePublished\":\"2025-06-28T12:25:38+00:00\",\"dateModified\":\"2026-09-30T12:29:50+00:00\",\"description\":\"Wenn man KI grundlegend verstehen und ihre M\u00f6glichkeiten und Grenzen einsch\u00e4tzen m\u00f6chte, ist es hilfreich, sich einige der zentralen Entwicklungsschritte n\u00e4her anzusehen.\",\"breadcrumb\":{\"@id\":\"https:\\\/\\\/www.actico.com\\\/de\\\/knowledge-center\\\/companion-for-first-ki-grundlagen\\\/#breadcrumb\"},\"inLanguage\":\"de\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\\\/\\\/www.actico.com\\\/de\\\/knowledge-center\\\/companion-for-first-ki-grundlagen\\\/\"]}]},{\"@type\":\"ImageObject\",\"inLanguage\":\"de\",\"@id\":\"https:\\\/\\\/www.actico.com\\\/de\\\/knowledge-center\\\/companion-for-first-ki-grundlagen\\\/#primaryimage\",\"url\":\"https:\\\/\\\/www.actico.com\\\/wp-content\\\/uploads\\\/2026\\\/09\\\/ACTICO_Companion-for-First_Grundlagen_092026_Titel.jpg\",\"contentUrl\":\"https:\\\/\\\/www.actico.com\\\/wp-content\\\/uploads\\\/2026\\\/09\\\/ACTICO_Companion-for-First_Grundlagen_092026_Titel.jpg\",\"width\":1240,\"height\":1754},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\\\/\\\/www.actico.com\\\/de\\\/knowledge-center\\\/companion-for-first-ki-grundlagen\\\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Startseite\",\"item\":\"https:\\\/\\\/www.actico.com\\\/de\\\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Eine kurze Geschichte der K\u00fcnstlichen Intelligenz \u2013 von den Anf\u00e4ngen bis zum Companion for First\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\\\/\\\/www.actico.com\\\/de\\\/#website\",\"url\":\"https:\\\/\\\/www.actico.com\\\/de\\\/\",\"name\":\"ACTICO\",\"description\":\"\",\"publisher\":{\"@id\":\"https:\\\/\\\/www.actico.com\\\/de\\\/#organization\"},\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\\\/\\\/www.actico.com\\\/de\\\/?s={search_term_string}\"},\"query-input\":{\"@type\":\"PropertyValueSpecification\",\"valueRequired\":true,\"valueName\":\"search_term_string\"}}],\"inLanguage\":\"de\"},{\"@type\":\"Organization\",\"@id\":\"https:\\\/\\\/www.actico.com\\\/de\\\/#organization\",\"name\":\"ACTICO\",\"url\":\"https:\\\/\\\/www.actico.com\\\/de\\\/\",\"logo\":{\"@type\":\"ImageObject\",\"inLanguage\":\"de\",\"@id\":\"https:\\\/\\\/www.actico.com\\\/de\\\/#\\\/schema\\\/logo\\\/image\\\/\",\"url\":\"https:\\\/\\\/www.actico.com\\\/wp-content\\\/uploads\\\/2025\\\/07\\\/Actico_Logo_rgb_2024_midnight-blue.svg\",\"contentUrl\":\"https:\\\/\\\/www.actico.com\\\/wp-content\\\/uploads\\\/2025\\\/07\\\/Actico_Logo_rgb_2024_midnight-blue.svg\",\"width\":120,\"height\":34,\"caption\":\"ACTICO\"},\"image\":{\"@id\":\"https:\\\/\\\/www.actico.com\\\/de\\\/#\\\/schema\\\/logo\\\/image\\\/\"},\"sameAs\":[\"https:\\\/\\\/x.com\\\/ACTICO_en\",\"https:\\\/\\\/x.com\\\/ACTICO_de\",\"https:\\\/\\\/www.linkedin.com\\\/company\\\/actico\",\"https:\\\/\\\/www.xing.com\\\/pages\\\/acticogmbh\"],\"description\":\"Intelligent software solutions from ACTICO support banks and insurance companies in credit risk management, corporate lending and compliance. Drive the digital transformation and optimize your business processes.\",\"email\":\"info@actico.com\",\"telephone\":\"Tel. +49 7541 39726\",\"legalName\":\"ACTICO GmbH\",\"numberOfEmployees\":{\"@type\":\"QuantitativeValue\",\"minValue\":\"201\",\"maxValue\":\"500\"}}]}<\/script>\n<!-- \/ Yoast SEO Premium plugin. -->","yoast_head_json":{"title":"Eine kurze Geschichte der K\u00fcnstlichen Intelligenz \u2013 von den Anf\u00e4ngen bis zum Companion for First | ACTICO","description":"Wenn man KI grundlegend verstehen und ihre M\u00f6glichkeiten und Grenzen einsch\u00e4tzen m\u00f6chte, ist es hilfreich, sich einige der zentralen Entwicklungsschritte n\u00e4her anzusehen.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/www.actico.com\/de\/knowledge-center\/companion-for-first-ki-grundlagen\/","og_locale":"de_DE","og_type":"article","og_title":"Eine kurze Geschichte der K\u00fcnstlichen Intelligenz \u2013 von den Anf\u00e4ngen bis zum Companion for First","og_description":"Wenn man KI grundlegend verstehen und ihre M\u00f6glichkeiten und Grenzen einsch\u00e4tzen m\u00f6chte, ist es hilfreich, sich einige der zentralen Entwicklungsschritte n\u00e4her anzusehen.","og_url":"https:\/\/www.actico.com\/de\/knowledge-center\/companion-for-first-ki-grundlagen\/","og_site_name":"ACTICO","article_modified_time":"2026-09-30T12:29:50+00:00","og_image":[{"width":1240,"height":1754,"url":"https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Companion-for-First_Grundlagen_092026_Titel.jpg","type":"image\/jpeg"}],"twitter_card":"summary_large_image","twitter_site":"@ACTICO_en","twitter_misc":{"Gesch\u00e4tzte Lesezeit":"1\u00a0Minute"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"WebPage","@id":"https:\/\/www.actico.com\/de\/knowledge-center\/companion-for-first-ki-grundlagen\/","url":"https:\/\/www.actico.com\/de\/knowledge-center\/companion-for-first-ki-grundlagen\/","name":"Eine kurze Geschichte der K\u00fcnstlichen Intelligenz \u2013 von den Anf\u00e4ngen bis zum Companion for First | ACTICO","isPartOf":{"@id":"https:\/\/www.actico.com\/de\/#website"},"primaryImageOfPage":{"@id":"https:\/\/www.actico.com\/de\/knowledge-center\/companion-for-first-ki-grundlagen\/#primaryimage"},"image":{"@id":"https:\/\/www.actico.com\/de\/knowledge-center\/companion-for-first-ki-grundlagen\/#primaryimage"},"thumbnailUrl":"https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Companion-for-First_Grundlagen_092026_Titel.jpg","datePublished":"2025-06-28T12:25:38+00:00","dateModified":"2026-09-30T12:29:50+00:00","description":"Wenn man KI grundlegend verstehen und ihre M\u00f6glichkeiten und Grenzen einsch\u00e4tzen m\u00f6chte, ist es hilfreich, sich einige der zentralen Entwicklungsschritte n\u00e4her anzusehen.","breadcrumb":{"@id":"https:\/\/www.actico.com\/de\/knowledge-center\/companion-for-first-ki-grundlagen\/#breadcrumb"},"inLanguage":"de","potentialAction":[{"@type":"ReadAction","target":["https:\/\/www.actico.com\/de\/knowledge-center\/companion-for-first-ki-grundlagen\/"]}]},{"@type":"ImageObject","inLanguage":"de","@id":"https:\/\/www.actico.com\/de\/knowledge-center\/companion-for-first-ki-grundlagen\/#primaryimage","url":"https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Companion-for-First_Grundlagen_092026_Titel.jpg","contentUrl":"https:\/\/www.actico.com\/wp-content\/uploads\/2026\/09\/ACTICO_Companion-for-First_Grundlagen_092026_Titel.jpg","width":1240,"height":1754},{"@type":"BreadcrumbList","@id":"https:\/\/www.actico.com\/de\/knowledge-center\/companion-for-first-ki-grundlagen\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Startseite","item":"https:\/\/www.actico.com\/de\/"},{"@type":"ListItem","position":2,"name":"Eine kurze Geschichte der K\u00fcnstlichen Intelligenz \u2013 von den Anf\u00e4ngen bis zum Companion for First"}]},{"@type":"WebSite","@id":"https:\/\/www.actico.com\/de\/#website","url":"https:\/\/www.actico.com\/de\/","name":"ACTICO","description":"","publisher":{"@id":"https:\/\/www.actico.com\/de\/#organization"},"potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/www.actico.com\/de\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"de"},{"@type":"Organization","@id":"https:\/\/www.actico.com\/de\/#organization","name":"ACTICO","url":"https:\/\/www.actico.com\/de\/","logo":{"@type":"ImageObject","inLanguage":"de","@id":"https:\/\/www.actico.com\/de\/#\/schema\/logo\/image\/","url":"https:\/\/www.actico.com\/wp-content\/uploads\/2025\/07\/Actico_Logo_rgb_2024_midnight-blue.svg","contentUrl":"https:\/\/www.actico.com\/wp-content\/uploads\/2025\/07\/Actico_Logo_rgb_2024_midnight-blue.svg","width":120,"height":34,"caption":"ACTICO"},"image":{"@id":"https:\/\/www.actico.com\/de\/#\/schema\/logo\/image\/"},"sameAs":["https:\/\/x.com\/ACTICO_en","https:\/\/x.com\/ACTICO_de","https:\/\/www.linkedin.com\/company\/actico","https:\/\/www.xing.com\/pages\/acticogmbh"],"description":"Intelligent software solutions from ACTICO support banks and insurance companies in credit risk management, corporate lending and compliance. Drive the digital transformation and optimize your business processes.","email":"info@actico.com","telephone":"Tel. +49 7541 39726","legalName":"ACTICO GmbH","numberOfEmployees":{"@type":"QuantitativeValue","minValue":"201","maxValue":"500"}}]}},"_links":{"self":[{"href":"https:\/\/www.actico.com\/de\/wp-json\/wp\/v2\/knowledge_center\/17584","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.actico.com\/de\/wp-json\/wp\/v2\/knowledge_center"}],"about":[{"href":"https:\/\/www.actico.com\/de\/wp-json\/wp\/v2\/types\/knowledge_center"}],"author":[{"embeddable":true,"href":"https:\/\/www.actico.com\/de\/wp-json\/wp\/v2\/users\/19"}],"version-history":[{"count":20,"href":"https:\/\/www.actico.com\/de\/wp-json\/wp\/v2\/knowledge_center\/17584\/revisions"}],"predecessor-version":[{"id":18689,"href":"https:\/\/www.actico.com\/de\/wp-json\/wp\/v2\/knowledge_center\/17584\/revisions\/18689"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.actico.com\/de\/wp-json\/wp\/v2\/media\/18346"}],"wp:attachment":[{"href":"https:\/\/www.actico.com\/de\/wp-json\/wp\/v2\/media?parent=17584"}],"wp:term":[{"taxonomy":"business_unit","embeddable":true,"href":"https:\/\/www.actico.com\/de\/wp-json\/wp\/v2\/business_unit?post=17584"},{"taxonomy":"format","embeddable":true,"href":"https:\/\/www.actico.com\/de\/wp-json\/wp\/v2\/format?post=17584"},{"taxonomy":"industry","embeddable":true,"href":"https:\/\/www.actico.com\/de\/wp-json\/wp\/v2\/industry?post=17584"},{"taxonomy":"other-tag","embeddable":true,"href":"https:\/\/www.actico.com\/de\/wp-json\/wp\/v2\/other-tag?post=17584"},{"taxonomy":"process","embeddable":true,"href":"https:\/\/www.actico.com\/de\/wp-json\/wp\/v2\/process?post=17584"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}