Kontinuierliches Lernen, endlich gelöst? Die Fähigkeit von KI-Modellen, sich kontinuierlich und lebenslang zu verbessern, gilt als eines der größten ungelösten Probleme der künstlichen Intelligenz. Bisher sind Modelle wie ChatGPT lediglich in einer statischen Phase: Sie werden einmalig trainiert, danach ändern sie sich nicht mehr – auch nicht, wenn sie neue Informationen erhalten. Dieses Phänomen wird als „katastrophales Vergessen“ (catastrophic forgetting) bezeichnet. Kurz gesagt: Lernen über einen neuen Inhalt führt dazu, dass das Modell alte, bereits gelernte Wissensinhalte verliert. Das ist ein zentrales Hindernis für die praktische Anwendung in dynamischen Umgebungen wie Unternehmen, wo Wissen ständig wächst und sich verändert. Jetzt könnte sich das ändern. Die von ehemaligen OpenAI-Mitgliedern gegründete Firma Thinking Machines Labs, die mit einem exklusiven Team aus KI-Experten und ehemaligen OpenAI-„Mafiosi“ aufwartet, behauptet, eine Lösung für das Problem des kontinuierlichen Lernens gefunden zu haben. Im Gegensatz zu herkömmlichen Ansätzen, die entweder auf Speicherung von altem Wissen oder auf ständigen Neutrainings basieren, präsentieren sie einen Ansatz, der auf „progressivem Lernen“ basiert – also dem kontinuierlichen, schrittweisen Erweitern des Wissens ohne Verlust des Alten. Ihr Schlüsselansatz: Statt das gesamte Modell neu zu trainieren, arbeiten sie mit einer Art „Wissens-Backbone“ – einem zentralen, stabilen KI-Strukturkern, der die Grundkenntnisse bewahrt. Neue Informationen werden nicht in die Basis integriert, sondern in spezielle, modulare „Lern-Adapter“ verpackt, die sich an die bestehende Struktur anhängen. So kann das Modell lernen, ohne die ursprünglichen Fähigkeiten zu verlieren. Die Technik erinnert an die biologische Lernfähigkeit des menschlichen Gehirns, das neue Erinnerungen speichert, ohne alte zu löschen. Was besonders bemerkenswert ist: Thinking Machines Labs hat nicht nur die Theorie vorgestellt, sondern auch eine klare, praktikable Anleitung für die Umsetzung in der Industrie veröffentlicht. Sie zeigen, wie Unternehmen ihre KI-Systeme in Echtzeit anpassen können – etwa, wenn sich Produktwissen, Kundenanfragen oder Regulierungen ändern. Damit wird die lang ersehnte „enterprise AI“ endlich realisierbar, die bislang aufgrund der Stabilitätsprobleme und des hohen Aufwands kaum in der Praxis eingesetzt wurde. Industrielle Experten reagieren mit gemischten Gefühlen. Einige sehen in dem Ansatz eine Revolution, die KI aus dem Labor in die tägliche Unternehmenspraxis bringen könnte. Andere warnen vor zu großer Hype-Entwicklung und betonen, dass die Technik noch in der Testphase ist und in komplexen, realen Szenarien möglicherweise an ihre Grenzen stößt. Dennoch ist die Ankündigung ein Meilenstein: Erstmals wird ein Ansatz vorgestellt, der nicht nur theoretisch, sondern auch praktisch umsetzbar erscheint. Thinking Machines Labs, gegründet von ehemaligen OpenAI-Entwicklern, hat sich auf die Entwicklung von KI-Systemen spezialisiert, die nicht nur intelligent, sondern auch lernfähig und anpassungsfähig sind. Mit ihrer neuen Methode könnte die KI-Industrie endlich über die „feste Modell-Phase“ hinauswachsen – und in die Ära des lebendigen, sich selbst verbessernenden Wissenssysteme eintreten.