Was ist Narrow AI?

Von Victor Hoang · Aktualisiert am 20. Juli 2026

Narrow AI, auch schwache KI oder ANI (Artificial Narrow Intelligence) genannt, ist eine KI, die darauf ausgelegt und trainiert wurde, eine einzelne Aufgabe oder eine eng verwandte Gruppe von Aufgaben gut zu erledigen, etwa Texte zu übersetzen, Betrug zu erkennen oder Produkte zu empfehlen. Diese Fähigkeit lässt sich nicht auf ein fachfremdes Problem übertragen. Jedes AI-System, das heute produktiv läuft, auch die fortschrittlichsten Modelle, ist Narrow AI.

Dieser letzte Punkt überrascht viele. Frontier-Modelle schreiben Code, entwerfen Verträge und führen flüssige Gespräche, daher wirken sie allgemein. Das sind sie nicht. Ein Modell, das fehlerfreies Python schreibt, kann ohne neues Training oder die Anbindung an ein völlig anderes System weder ein Auto fahren noch einen medizinischen Scan diagnostizieren noch einen Lagerroboter steuern. General AI, meist zu AGI abgekürzt, ist die bislang hypothetische Alternative: ein System, das wie ein Mensch über die meisten kognitiven Aufgaben hinweg verallgemeinern kann. Es existiert noch nicht, und für Führungskräfte ist es nützlicher zu verstehen, warum diese Lücke wichtig ist, als dem AGI-Hype zu folgen.

Narrow AI vs. General AI vs. Super AI

Die Zeile, die am meisten Verwirrung stiftet, ist "Beispiele". Jedes Produkt, das Ihnen ein Anbieter dieses Jahr verkauft, vom Machine Learning-Churn-Modell bis zum vollständigen Agentic AI-Workflow, gehört in die Spalte Narrow AI. Eine ausführlichere Aufschlüsselung von General AI und Superintelligenz finden Sie unter Was ist AGI.

Narrow-AI-Beispiele im Business

Narrow AI ist keine Zukunftstechnologie. Sie läuft bereits unauffällig in den meisten Softwarelösungen, mit denen ein Unternehmen arbeitet:

• Vertrieb und Marketing: Lead-Scoring-Modelle, die Interessenten nach Abschlusswahrscheinlichkeit ranken, Optimierer für E-Mail-Betreffzeilen, automatisierte Gebotssteuerung für Anzeigen
• Kundensupport: Chatbots, die häufige Tickets lösen, Sentiment-Analyse, die einen verärgerten Kunden vor der Eskalation erkennt, Transkription und Zusammenfassung von Gesprächen
• Finanzen: Betrugserkennungssysteme, die auffällige Transaktionen in Millisekunden markieren, Rechnungsverarbeitung, Cashflow-Prognosen
• Operations: Bedarfsprognosen für den Lagerbestand, Routenoptimierung für Lieferflotten, vorausschauende Wartung von Fertigungsanlagen
• HR: Lebenslauf-Screening und Kandidaten-Ranking, Assistenten für die Terminplanung von Interviews, Prognose von Mitarbeiterfluktuation
• Engineering: Coding-Assistenten, die Code automatisch vervollständigen und prüfen, Bug-Triage, automatisierte Testgenerierung

Jedes dieser Systeme ist bei seiner einen Aufgabe hervorragend und außerhalb davon nutzlos. Ein Betrugserkennungsmodell, das mit Transaktionsdaten trainiert wurde, kann keine Lebensläufe prüfen, und ein Coding-Assistent kann keine Nachfrage prognostizieren. Das ist das bestimmende Merkmal von Narrow AI: Tiefe in einer Spur, nicht Breite über viele Spuren.

Warum die Unterscheidung zwischen Narrow und General wichtig ist

Das ist kein akademisches Etikett. Es beeinflusst drei Entscheidungen, die Führungskräfte tatsächlich treffen.

Budgetierung und Anbieterbewertung. Wenn ein Anbieter eine "AI-Plattform" anpreist, fragen Sie, auf welche Aufgabe sie eingegrenzt ist. Ein Tool, das bei einem Workflow herausragt (etwa dem Verfassen von Vertriebs-E-Mails), wird enttäuschen, wenn Sie erwarten, dass es auch Terminplanung oder Reporting übernimmt. Narrow-AI-Systeme sind Punktlösungen, keine universellen, und wer sie so bewertet, vermeidet den häufigsten Fehler bei der Beschaffung von Enterprise-AI.

Personal- und Prozessplanung. Narrow AI automatisiert bestimmte Aufgaben innerhalb einer Rolle, nicht die ganze Rolle. Die Ticket-Triage eines Support-Mitarbeiters wird vielleicht dieses Jahr automatisiert, während Ermessensentscheidungen bei einem verärgerten Enterprise-Kunden weiterhin einen Menschen brauchen. Auf Aufgabenebene zu planen, statt auf ein allgemeines System zu warten, das ganze Jobs ersetzt, ist der realistische Schritt für die nahe Zukunft.

Risiko und Governance. Ein Narrow-System, das mit den Betrugsmustern des Vorjahres trainiert wurde, wird bei einem Muster, das es nie gesehen hat, selbstsicher danebenliegen, weil es sich nicht wie ein allgemeines System in eine neuartige Situation hineindenken kann. Deshalb sind Praktiken der AI Safety wie Monitoring, menschliche Prüfung bei Grenzfällen und klare Einsatzgrenzen für heute produktive Narrow-Systeme wichtiger als Debatten über ferne Risiken durch General AI.

Ist heutige Frontier-AI noch Narrow AI?

Ja, und genau das verwirrt selbst erfahrene Einkäufer. Die besten Foundation Models des Jahres 2026 verarbeiten Text, Code, Bilder und Audio in einer einzigen Unterhaltung, planen mehrstufige Arbeit, rufen externe Tools auf und prüfen ihren eigenen Output, bevor sie antworten. Das ist ein gewaltiger Sprung gegenüber der Narrow AI von vor einem Jahrzehnt, einem einzelnen Modell, das genau eine Sache lernte.

Doch Aufgabenbreite ist nicht dasselbe wie allgemeine Intelligenz. Ein Modell, das in Dutzenden Domänen flüssig agiert, ist im technischen Sinn weiterhin Narrow: Es wurde auf Mustern in vorhandenen Daten trainiert und tut sich schwer mit Problemen, die gezielt gegen Mustererkennung entworfen wurden. ARC-AGI-2, ein genau dafür konzipierter Benchmark, zeigt die Lücke deutlich. Menschliche Tester lösen fast alle Aufgaben innerhalb von zwei Versuchen. Das beste verifizierte kommerzielle Modell im ARC-Prize-Wettbewerb 2025 erreichte 37,6 %. Wide Narrow AI, informell auch "Broad AI" genannt, ist real und verbessert sich schnell. Dennoch bleibt sie eine sehr große Sammlung eng gefasster Fähigkeiten, die zusammengefügt wurden, und keine einzelne verallgemeinernde Intelligenz.

Agentic AI sorgt für eine weitere Verwechslung. Ein Agent, der plant, Tools nutzt und mehrstufige Projekte abschließt, wirkt allgemein, weil er unterschiedliche Eingaben bewältigt. Darunter ist er dennoch Narrow: Jeder Tool-Aufruf, jeder Planungsschritt und jedes Stück Natural Language Processing, das er ausführt, ist eine trainierte Fähigkeit innerhalb bekannter Grenzen, kein Verstand, der frei über eine unbekannte Domäne nachdenkt.

Wichtige Fakten

• Die McKinsey-Umfrage State of AI 2025 ergab, dass 88 % der Organisationen AI in mindestens einer Geschäftsfunktion einsetzen, und praktisch diese gesamte AI ist Narrow AI, also aufgabenspezifische Software und keine universelle Intelligenz. McKinsey, State of AI
• Gartner prognostiziert, dass bis Ende 2026 40 % der Unternehmensanwendungen mit integrierten, aufgabenspezifischen AI Agents ausgeliefert werden, gegenüber weniger als 5 % im Jahr 2025, jeweils ein Narrow-System für eine einzige Aufgabe. Gartner
• Bei ARC-AGI-2, einem Benchmark, der Auswendiglernen verhindern und echtes Schlussfolgern belohnen soll, erreichte das beste verifizierte kommerzielle Modell im ARC-Prize-Wettbewerb 2025 37,6 %, während menschliche Tester im Grunde alle Aufgaben innerhalb von zwei Versuchen lösten. ARC Prize 2025 Results
• Der AI Impacts 2023 Expert Survey on Progress in AI unter 2.778 veröffentlichten AI-Forschern setzte die aggregierte Wahrscheinlichkeit von 50 % für "High-Level Machine Intelligence", eine Arbeitsdefinition von General AI, auf das Jahr 2047, mit nur 10 % Wahrscheinlichkeit bis 2027. AI Impacts / arXiv
• Der AI Index 2026 der Stanford University berichtet, dass die Werte auf SWE-bench Verified, einem eng gefassten Coding-Benchmark, innerhalb eines einzigen Jahres von rund 60 % auf nahezu 100 % stiegen, ein klares Beispiel für schnellen Fortschritt innerhalb einer engen Domäne und nicht für allgemeine Fähigkeit. Stanford HAI, 2026 AI Index Report
• Die weltweiten Unternehmensinvestitionen in AI erreichten 2025 581,7 Milliarden US-Dollar, ein Plus von 130 % gegenüber dem Vorjahr, und flossen fast vollständig in enge, aufgabenspezifische Systeme, da es kein General-AI-Produkt zu kaufen gibt. Stanford HAI, 2026 AI Index Report
• Menlo Ventures stellte fest, dass sich die Ausgaben für Enterprise-AI-Anwendungen 2025 auf 37 Milliarden US-Dollar verdreifachten, die schnellste Expansion innerhalb eines Jahres, die das Unternehmen je in einer Enterprise-Software-Kategorie verfolgt hat, und zwar gezielt für Narrow-Tools für konkrete Workflows. Menlo Ventures

Verwandte AI-Konzepte

• Was ist AGI (Artificial General Intelligence)? - Die ausführliche Aufschlüsselung von General AI und Superintelligenz
• Artificial Intelligence - Die Grundlagentechnologie, deren eine Kategorie Narrow AI ist
• Machine Learning - Die Kerntechnik, mit der die meisten Narrow-AI-Systeme trainiert werden
• AI Agents - Enge, aufgabenspezifische Systeme, die innerhalb eines definierten Rahmens autonom handeln
• Was ist Agentic AI? - Warum zielgerichtete, tool-nutzende AI trotzdem als Narrow gilt
• Reasoning-Modelle - Eine Narrow-AI-Technik, die sich in den letzten zwei Jahren stark verbessert hat
• Foundation Models - Die breiten, dennoch engen Modelle, auf denen Frontier-AI-Produkte basieren
• AI Safety - Warum Einsatzgrenzen und Monitoring für heute produktive Narrow-Systeme wichtig sind

Externe Ressourcen

• Stanford HAI: 2026 AI Index Report - Jährliche Benchmark-, Adoptions- und Investitionsdaten zum AI-Fortschritt
• McKinsey: The State of AI - Umfragedaten dazu, wie Organisationen AI produktiv einführen
• ARC Prize: ARC-AGI-2 - Der Benchmark, der echtes Schlussfolgern statt Mustergedächtnis prüft
• AI Impacts: Thousands of AI Authors on the Future of AI - Die Umfrage von 2023 unter 2.778 veröffentlichten AI-Forschern zu Zeitplänen für General AI

Teil der AI-Terms-Sammlung. Aktualisiert im Juli 2026.