Die erste Phase moderner KI-Systeme war durch die Fähigkeit zur Sprachverarbeitung bestimmt. Die KI-Systeme erzeugten Texte, beantworteten Fragen und unterstützten die Verarbeitung von Informationen.

Die gegenwärtige Phase ist durch eine Erweiterung dieser Funktionen bestimmt. Die KI-Systeme übernehmen die Strukturierung und Ausführung von Arbeitsprozessen. 

Diese Entwicklung bezeichnet die Operationalisierung der künstlichen Intelligenz. Der Gegenstand der Leistung besteht in der Durchführung von Handlungsschritten innerhalb definierter Arbeitszusammenhänge.

Claude, entwickelt von Anthropic, ist als KI-System auf die Verarbeitung umfangreicher Kontexte und die Koordination komplexer Aufgaben innerhalb eines einheitlichen Kontextes ausgerichtet.

ChatGPT, entwickelt von OpenAI, ist als KI-System auf die Zusammenführung unterschiedlicher Anwendungen innerhalb einer einheitlichen Arbeitsoberfläche ausgerichtet.

Seine Leistungsfähigkeit zeigt sich in der Verbindung anpassbarer Instanzen, projektbezogener Arbeitsräume und angebundener Werkzeuge, durch die sich vielfältige Aufgaben innerhalb eines zusammenhängenden Systems bearbeiten lassen. 

Die Stärke des KI-Systems liegt in der Breite seiner Integration, indem es unterschiedliche Arbeitsformate aufnimmt und sie innerhalb einer gemeinsamen Struktur ordnet und zusammenführt.

Die technische Grundlage der KI-Systeme von Anthropic und OpenAI beruht auf derselben Architekturklasse. Beide Systeme verwenden Transformer-Architekturen, die auf umfangreichen, heterogenen Textkorpora trainiert werden und sprachliche Ausgaben auf der Grundlage probabilistischer Berechnungen erzeugen. 

Diese gemeinsame Architektur bildet jedoch nur die Basisschicht der KI-Systeme. Ihre Leistungsfähigkeit ergibt sich aus der Organisation mehrerer technischer Ebenen, die über den Modellkern hinausreichen.

Auf der Ebene des KI-Modells zeigen sich zwischen den Systemen nur graduelle Unterschiede.

Beide KI-Systeme verwenden große neuronale Netze, mit denen sie Muster erkennen und fortschreiben, wobei sich die Unterschiede aus der Auswahl der Trainingsdaten und aus der Form ihrer Feinabstimmung ergeben, ohne dass sich daraus ein grundsätzlich verschiedener Systemtyp ableiten lässt. 

Der Modellkern eines KI-Systems bestimmt seine sprachliche Leistungsfähigkeit, während sich seine operative Einsetzbarkeit erst aus der Einbindung in eine übergeordnete Systemarchitektur ergibt.

Die erste relevante Differenz der KI-Systeme zeigt sich in der Ausgestaltung ihrer Steuerungslogik.

Die entscheidende Differenz der KI-Systeme zeigt sich in der Organisation ihrer Inferenz.

Ein KI-System strukturiert Aufgaben in Teilprobleme und führt diese in einer sequenziellen Verarbeitung zusammen. Dabei erfüllt es drei zentrale Funktionen:

• Es plant die einzelnen Handlungsschritte,
• wählt die geeigneten Werkzeuge aus und
• führt die dabei entstehenden Ergebnisse zu einem konsistenten Resultat zusammen. 

Seine Leistungsfähigkeit zeigt sich in der Stabilität des gesamten Ablaufs, indem es zusammenhängende Aufgaben verlässlich bearbeitet und nicht nur einzelne Antworten erzeugt.

Die Handlungsmöglichkeiten eines KI-Systems entstehen aus der Einbindung externer Werkzeuge.

Ein KI-System bindet externe Funktionen ein und erweitert dadurch seinen Handlungsspielraum über die Verarbeitung von Text hinaus. 

Die Differenz der KI-Systeme zeigt sich darin, wie sie diese Einbindung strukturieren und steuern, indem sie entweder eine breite Verbindung unterschiedlicher Funktionen herstellen oder die Einbindung auf spezifische Arbeitszusammenhänge ausrichten.

Ein zentraler Leistungsfaktor eines KI-Systems liegt in seiner Fähigkeit, umfangreiche Kontexte zu verarbeiten.

Die oberste Ebene der technischen Ordnung eines KI-Systems bildet seine Systemarchitektur.

Auf dieser Ebene entscheidet sich, ob ein KI-System als Plattform organisiert wird, die unterschiedliche Anwendungen zusammenführt, oder ob es als spezialisierte Arbeitsumgebung ausgestaltet ist, die auf bestimmte Aufgabenbereiche ausgerichtet bleibt. 

Die Systemarchitektur bestimmt, wie sich ein KI-System in bestehende Strukturen einfügt, wie es unterschiedliche Komponenten miteinander verbindet und wie es seine Leistungsfähigkeit unter wachsenden Anforderungen entfaltet. In dieser Bestimmung liegt ihre Bedeutung als maßgebliche Wettbewerbsebene.

Mit der Operationalisierung künstlicher Intelligenz bestimmt sich der wirtschaftliche Wert eines KI-Systems nach einer neuen Maßgröße.

Die Integrationsarchitektur eines KI-Systems strukturiert und steuert die Verbindung von System, angebundenen Werkzeugen und Daten innerhalb eines kohärenten Arbeitszusammenhangs.

Sie bestimmt, wie ein KI-System Leistungen erzeugt, diese miteinander verknüpft und in operative Abläufe überführt. 

Der wirtschaftliche Wert eines KI-Systems ergibt sich aus der Gestaltung dieser Verbindung.

Die Erweiterung der Handlungsmöglichkeiten eines KI-Systems verändert die Struktur seiner Risiken.

Die Einbindung externer Systeme und die Ausführung von Programmen vergrößern die Angriffsfläche eines KI-Systems, weil fehlerhafte Eingaben oder unsichere Quellen operative Wirkungen entfalten können.

Zugleich zeigt sich die begrenzte Verlässlichkeit des KI-Systems darin, dass es komplexe Abläufe nur eingeschränkt stabil ausführt und dass sich dabei entstehende Fehler über mehrere Verarbeitungsschritte hinweg fortpflanzen. 

Die Nutzung eines KI-Systems erfordert daher kontrollierte Umgebungen, klar bestimmte Berechtigungsstrukturen und eine kontinuierliche Aufsicht.

Die KI-Systeme von Anthropic und OpenAI entwickeln sich entlang desselben Pfades.

Die Differenz zeigt sich darin, wie diese KI-Systeme ihre Integration ausgestalten und ihre Steuerung organisieren. 

Die weitere Entwicklung dieser KI-Systeme bestimmt sich nach der Qualität ihrer Integrationsarchitektur, indem diese Architektur ihre Anwendung ordnet, ihre Steuerung strukturiert und ihre Verlässlichkeit sichert.

Die Integrationsarchitektur der KI-Systeme begründet eine Struktur wirtschaftlicher Macht.

Wer die Verbindung eines KI-Systems mit seinen Werkzeugen und Datenflüssen bestimmt und steuert, legt die Bedingungen der digitalen Arbeit fest, indem er die Anwendung dieses Systems in eine übergeordnete Systemumgebung einfügt und dort durchsetzt.

Diese Kontrolle entfaltet sich auf mehreren Ebenen:

• Erstens regelt sie den Zugang zu Daten und Funktionen, indem sie durch die Ausgestaltung der Schnittstellen festlegt, welche Informationen verfügbar werden, welche Werkzeuge sich einbinden lassen und in welcher Form sich Arbeitsabläufe vollziehen.
• Zweitens steigert die Integrationsarchitektur mit wachsender Nutzung die Leistungsfähigkeit eines KI-Systems, weil sich Datenbestände, Arbeitsabläufe und Nutzerverhalten innerhalb derselben Systemumgebung aufeinander beziehen und sich in ihrer Wirkung verstärken, wodurch sich zugleich die Bindung an diese Systemstruktur verfestigt.
• Drittens prägt sie die Bindung der Nutzer an spezifische Systemumgebungen, indem sie bewirkt, dass sich Arbeitsprozesse, Datenstrukturen und organisatorische Routinen an der inneren Logik eines bestimmten KI-Systems ausrichten.

In dieser Konstellation bildet sich eine Form digitaler Macht heraus, die aus der Kontrolle der Integrationsarchitektur hervorgeht und innerhalb derer die KI-Systeme ihre Wirkung entfalten.

Diese Macht prägt die Struktur der KI-Ökonomie, indem wenige Anbieter die maßgeblichen Systemumgebungen bereitstellen und deren Nutzung bestimmen.

Die Integrationsarchitektur bestimmt den wirtschaftlichen Wert eines KI-Systems; die Kontrolle dieser Architektur entscheidet damit über die Verteilung wirtschaftlicher Macht in der KI-Ökonomie.

• Constitutional AI
  Ansatz zur Steuerung eines KI-Systems, bei dem die Ausgabe entlang festgelegter Prinzipien strukturiert und durch Selbstprüfung des Systems begrenzt wird.
• Inferenzorganisation
  Struktur der Verarbeitung innerhalb eines KI-Systems während der Anwendung, die die Zerlegung von Aufgaben, die Abfolge von Handlungsschritten und die Zusammenführung von Ergebnissen umfasst.
• Integrationsarchitektur
  Ordnung der Verbindung eines KI-Systems mit Werkzeugen, Daten und Arbeitsprozessen, die bestimmt, wie Leistungen erzeugt und in operative Abläufe überführt werden.
• KI-System
  Technisch integrierte Einheit aus Modell, Steuerungslogik, Werkzeuganbindung und Schnittstellen, die Aufgaben verarbeitet und Ergebnisse erzeugt.
• KI-Systemarchitektur
  Strukturelle Gesamtordnung eines KI-Systems, die Modell, Steuerung, Inferenzorganisation und Integration in einer funktionsfähigen Einheit zusammenführt.
• Kontextverarbeitung
  Fähigkeit eines KI-Systems, umfangreiche Daten, Dokumente und Zusammenhänge innerhalb eines konsistenten Verarbeitungsrahmens zu erfassen und zu gewichten.
• Modellkern
  Mathematisch-statistische Grundlage eines KI-Systems, die auf neuronalen Netzen basiert und die Erzeugung von Ausgaben ermöglicht.
• Operationalisierung der KI
  Übergang von der Generierung sprachlicher Ausgaben zur strukturierten Ausführung von Arbeitsprozessen innerhalb realer Anwendungskontexte.
• Plattformarchitektur
  Ausgestaltung eines KI-Systems als breit angelegte Arbeitsumgebung, die unterschiedliche Anwendungen, Werkzeuge und Aufgabenformate integriert.
• Reinforcement Learning mit menschlichem Feedback
  Verfahren zur Steuerung eines KI-Systems, bei dem menschliche Rückmeldungen genutzt werden, um das Verhalten und die Ausgabe des Systems zu optimieren.
• Risikostruktur
  Gesamtheit der sicherheitsrelevanten und funktionalen Risiken eines KI-Systems, die sich aus seiner Integration, seinen Schnittstellen und seiner operativen Nutzung ergeben.
• Steuerungslogik
  Regelwerk und Verfahren, die das Verhalten eines KI-Systems bestimmen und die Auswahl, Gewichtung und Begrenzung von Ergebnissen beeinflussen.
• Systemumgebung
  Gesamtheit der technischen und organisatorischen Rahmenbedingungen, in denen ein KI-System eingesetzt und wirksam wird.
• Werkzeugintegration
  Einbindung externer Programme, Datenquellen und Funktionen in ein KI-System zur Erweiterung seines Handlungsspektrums.

• Anthropic (2023): Constitutional AI: Harmlessness from AI Feedback
  Grundlagentext zur Constitutional AI. Beschreibt den regelbasierten Ansatz zur Steuerung von KI-Systemen durch interne Prinzipien statt externer Korrektur. Zentral für das Verständnis der Steuerungslogik von Claude.
• Bommasani, R. et al. (2021): On the Opportunities and Risks of Foundation Models (Stanford CRFM)
  Umfassende Analyse großer KI-Modelle als infrastrukturelle Basistechnologie. Liefert den theoretischen Rahmen für Begriffe wie Modellkern, Skalierung und Systemintegration.
• Bubeck, S. et al. (2023): Sparks of Artificial General Intelligence (Microsoft Research)
  Untersuchung der Leistungsfähigkeit großer Sprachmodelle. Relevant für die Einordnung der Übergänge zwischen Sprachverarbeitung, Problemlösung und operativer Anwendung.
• Kaplan, J. et al. (2020): Scaling Laws for Neural Language Models (OpenAI)
  Zentrale Arbeit zur Skalierung von KI-Systemen. Zeigt, wie Leistungsfähigkeit aus Datenmenge, Rechenleistung und Modellgröße entsteht. Grundlage für die ökonomische Betrachtung der KI-Entwicklung.
• Karpathy, A. (2023–2024): Vorträge und technische Analysen zu LLM Operating Systems
  Konzeptualisierung von KI-Systemen als operative Einheiten mit eigener Inferenzorganisation. Wichtig für die Unterscheidung zwischen Modell und Systemarchitektur.
• LangChain (ab 2022): Framework zur Orchestrierung von LLM-Anwendungen
  Praktisches Beispiel für Inferenzorganisation und Werkzeugintegration. Verdeutlicht, wie KI-Systeme Aufgaben strukturieren und externe Funktionen einbinden.
• OpenAI (2023): GPT-4 Technical Report
  Technische Beschreibung eines führenden KI-Modells. Relevant für Modellkern, Training und Leistungsfähigkeit sowie für den Vergleich mit anderen KI-Systemen.
• OpenAI (2024): Function Calling und Tool Use Dokumentation
  Beschreibung der Einbindung externer Werkzeuge in KI-Systeme. Grundlage für das Verständnis von Werkzeugintegration und agentischen Funktionen.
• Russell, S.; Norvig, P. (2021): Artificial Intelligence: A Modern Approach (4th ed.)
  Standardwerk der KI-Forschung. Bietet die konzeptionelle Basis für Begriffe wie Agent, Entscheidungssystem und Handlungsorientierung.
• Sutton, R.; Barto, A. (2018): Reinforcement Learning: An Introduction
  Grundlagenwerk zum Reinforcement Learning. Relevant für das Verständnis der Steuerungslogik moderner KI-Systeme, insbesondere bei OpenAI.
• Varian, H. (2019): Artificial Intelligence, Economics, and Industrial Organization
  Ökonomische Einordnung von KI als Produktionsfaktor. Wichtig für die Analyse von Integrationsarchitektur, Skalierung und Marktmacht.
• Weil, D. (2014): The Fissured Workplace
  Analyse der Auflösung traditioneller Arbeitsstrukturen durch neue Organisationsformen. Übertragbar auf die Neuordnung digitaler Arbeit durch KI-Systeme.