Maschinelles Lernen (ML) gilt fachlich als Teilgebiet der künstlichen Intelligenz (KI). In der öffentlichen Debatte werden die Begriffe aber selten sauber getrennt. KI, maschinelles Lernen, autonome Systeme, Robotik und sprachbasierte Assistenten landen häufig im selben Topf. Das ist praktisch für Überschriften, aber schlecht für die Einordnung.
In Unternehmen ist mit KI oft etwas Deutliches gemeint: Verfahren, die auf Daten trainiert werden und in wiederholbaren Prozessen Vorhersagen, Klassifikationen oder Empfehlungen liefern. Lange standen dabei überwachte Lernverfahren im Vordergrund. Ein Modell lernt aus Beispielen, einer Eingabe eine Ausgabe zuzuordnen, etwa Risiko ja/nein, Kunde kündigt/kündigt nicht, Bauteil fehlerhaft/nicht fehlerhaft. Das ist weniger spektakulär als autonome Roboter, aber für viele Geschäftsprozesse relevanter.
Mediale Darstellungen verschieben den Fokus dagegen gern auf die sichtbarsten und bedrohlichsten Varianten. Ein bisschen wie in Tierdokumentationen im Fernsehen: Interessant wird es, wenn etwas jagt, sticht oder plötzlich sehr groß wirkt. Bei KI sind das dann Roboter, militärische Systeme, sprachgewandte Bots oder die große Erzählung vom Kontrollverlust. Diese Bilder sind nicht völlig aus der Luft gegriffen, aber sie verdecken die alltägliche Realität vieler KI-Anwendungen.
Das zweite große Motiv ist der Verlust von Arbeit. Auch hier lohnt sich eine Unterscheidung. Eine Tätigkeit, ein Beruf und Beschäftigung insgesamt sind nicht dasselbe. Wenn ein System Texte vorformuliert, Codevorschläge erstellt oder Dokumente zusammenfasst, ersetzt es zunächst einen Produktionsschritt. Daraus folgt nicht automatisch, dass ein ganzer Beruf verschwindet. Es kann ebenso bedeuten, dass sich Aufgaben verschieben: weniger Erstentwurf, mehr Spezifikation, Auswahl, Prüfung und Verantwortung für das Ergebnis.
Das macht Automatisierung nicht harmlos. Einzelne Tätigkeiten können wegfallen, Qualifikationsprofile können sich verändern, und Übergänge können für Betroffene hart sein. Aber die einfache Gleichung "KI kann Aufgabe X, also verschwindet Beruf Y" greift zu kurz. Märkte reagieren auch auf Verfügbarkeit und Preis. Wenn eine Leistung günstiger wird, wird sie oft häufiger nachgefragt oder in anderer Qualität konsumiert. Die Automatisierung des Webprozesses verdrängte Weberinnen, führte aber nicht zum Ende von Textilien, sondern zu anderer Produktion und später zu Fast Fashion.
Die begriffliche Unschärfe ist deshalb mehr als ein akademisches Problem. Wird alles KI genannt, lässt sich auch alles mit denselben Hoffnungen oder Ängsten aufladen. Sachlicher ist, jeweils konkret zu benennen, welches Verfahren gemeint ist, welche Daten zugrunde liegen, welche Entscheidung automatisiert wird, wie verlässlich das Ergebnis ist und welche menschliche Aufgabe sich dadurch verändert.