Als KI-Winter bezeichnet man eine Phase, in der nach übertriebenen Erwartungen Förderung, Investitionen und öffentliches Interesse an der KI einbrechen — historisch vor allem die Zeiträume um 1974 bis 1980 und 1987 bis in die 1990er-Jahre.
Der Ausdruck entstand in Anlehnung an den „nuklearen Winter“ und wurde 1984 auf einer Tagung der AAAI öffentlich verwendet: Roger Schank und Marvin Minsky warnten in einer Podiumsdiskussion vor einer Kettenreaktion aus Enttäuschung, Presseberichten und Mittelkürzungen. Drei Jahre später trat sie ein.
Vorausgegangen waren Versprechen aus den 1960er-Jahren, die sich nicht einlösen ließen — maschinelle Übersetzung „in wenigen Jahren“, allgemeine Problemlöser. Der ALPAC-Bericht (1966) hatte die Förderung der maschinellen Übersetzung bereits weitgehend beendet. 1973 kam der Lighthill-Bericht: James Lighthill hielt der britischen KI-Forschung im Auftrag des Science Research Council vor, ihre Verfahren scheiterten an der kombinatorischen Explosion — sie funktionierten in Spielwelten, aber nicht bei realistischer Problemgröße. Großbritannien strich daraufhin die KI-Förderung fast vollständig. In den USA kürzte die DARPA nach dem enttäuschenden Ausgang ihres Spracherkennungsprogramms (1976 eingestellt) die zweckfreie Grundlagenförderung.
Die 1980er-Jahre brachten mit den Expertensystemen einen kommerziellen Aufschwung — Programme, die das Regelwissen eines Fachgebiets abbilden. Um sie herum entstand eine Industrie samt spezialisierter Lisp-Hardware. Ab 1987 brach dieser Markt ein: Gewöhnliche Arbeitsplatzrechner wurden leistungsfähig genug und waren billiger. Zugleich zeigte sich, dass Expertensysteme im Betrieb teuer blieben, weil jede Regeländerung Fachleute band und große Regelwerke schwer konsistent zu halten waren. Japans Fifth-Generation-Programm (1982 bis 1992) verfehlte seine Ziele, und die DARPA fuhr ihre Strategic Computing Initiative zurück. „KI“ wurde zu einem Wort, das Forschende in Anträgen mieden; man schrieb stattdessen von Informatik, Mustererkennung oder Wissensverarbeitung.
Beide Winter folgen derselben Abfolge: eine reale, aber begrenzte technische Leistung, daraus abgeleitete Versprechen für den allgemeinen Fall, Investitionen auf Basis dieser Versprechen, Ernüchterung an der Skalierungsgrenze, Mittelentzug. Ausschlaggebend war jeweils nicht, dass die Technik nicht funktionierte, sondern dass sie etwas anderes leistete als angekündigt.
Seit dem Aufschwung um LLM wird regelmäßig gefragt, ob ein dritter Winter bevorsteht. Für die Parallele spricht das bekannte Muster aus Erwartungen und Bewertungen; dagegen spricht, dass die heutige Technik anders als Expertensysteme in breitem produktivem Einsatz steht und Umsätze außerhalb der Forschungsförderung erzeugt. Der historische Vergleich taugt als Warnung vor Überversprechen, nicht als Prognose.
Hallo! Ich bin dein KI-Tutor.
Melde dich an, um mit mir zu chatten — ich erinnere mich dann auch an eure letzten Gespräche.
