Arten von Künstlicher Intelligenz verstehen
Von
Maik Meid
vom .
Neulich in einem Telefonat. Die Kollegin einer mittelgroßen sozialen Einrichtung fragt mich nach einem Workshoptermin und sagt: „Wir wollen jetzt auch KI einsetzen.” Ich frage zurück: „Prima, warum?” Die Antwort war “okay”. Nächste Frage: “Welche KI wollt Ihr denn?”
Kurze Pause. „Na, KI halt.”
Welche KI kann eigentlich was?
Das ist kein Vorwurf, das ist der Stand der Dinge. „KI" ist inzwischen ein Begriff, der alles meint und damit manchmal nichts. Das ist ein bisschen so, als würde man sagen: „Wir wollen Fahrzeuge einsetzen." Ein Tretroller und ein E-Auto sind beides Fahrzeuge. Die Anwendungsfälle überschneiden sich trotzdem nicht.
Damit ihr beim nächsten Gespräch mit einem Dienstleister, einem Vorstand oder einer IT-Abteilung wisst, worüber gerade eigentlich gesprochen wird: Hier ist eine Landkarte der wichtigsten KI-Arten, jeweils mit einem klaren Blick darauf, was das für gemeinnützige Arbeit bedeutet.
Generative KI: Die, die alle kennen
(Um ehrlich zu sein ist dies der Bereich, mit dem ich mich persönlich am besten auskenne. Ich habe wirklich sehr sehr viel Zeit damit verbracht, Dinge auszuprobieren und einzuschätzen.)
Claude, Gemini, Mistral, ChatGPT. Generative KI erstellt neue Inhalte, Texte, Bilder, Audio, Code. Alles auf der Basis von Trainingsdaten und dem, was ihr dem Tool gebt.
Für Fundraising bedeutet das: Entwürfe für Spendenmailings, Landingpages, Förderanträge. Nicht fertig, aber als Ausgangspunkt deutlich besser als das Starren auf ein leeres Dokument. Für die Öffentlichkeitsarbeit lassen sich Pressemitteilungen vorformulieren, Social-Content variieren, Bildmotive beschreiben. Und im Projektalltag erspart sie euch das Formulieren von Schulungsunterlagen, Konzepten oder dem zehnten Entwurf eines Berichts, den eigentlich niemand lesen will — der aber eingereicht werden muss.
Das Entscheidende: Generative KI ist so gut wie der Input, den sie bekommt. Wer ihr schlechte Briefings gibt, bekommt mittelmäßige Ergebnisse. Wer sie mit Kontext, Beispielen und klaren Vorgaben füttert, bekommt oft Erstaunliches. Das ist der Einstieg für fast alle und für die meisten Organisationen bereits heute sinnvoll nutzbar.
Aber Achtung: Zeitenwechsel. Denn seit Anfang Februar 2026 und mit dem Erscheinen von Claude Opus und Sonnet 4.6 sowie der Kombination mit Claude Code und Claude Cowork ist dies auch nur noch halbrichtig. Oft reicht es nur noch, ein Ziel vorzugeben und ab geht's.
Prädiktive KI: Die nachdenkliche Statistikerin
Diese KI schaut auf das, was war und sagt, was wahrscheinlich kommt. Sie analysiert historische Daten, erkennt Muster, rechnet Wahrscheinlichkeiten.
Im Fundraising ist das potenziell Gold wert: Welche Kontakte aus eurer Datenbank werden mit hoher Wahrscheinlichkeit in den nächsten Monaten spenden? Wer ist ein möglicher Major Donor? Welche Kampagne hat welche Response-Quote und das nicht geraten, sondern gerechnet. Für die Öffentlichkeitsarbeit lässt sich einschätzen, welche Themen gerade Reichweite versprechen, bevor ihr Energie reinsteckt.
Der Haken: Ihr braucht Daten. Wer keine belastbare Datenbasis hat, hat hier erstmal nichts zu rechnen. Der Aufbau eines vernünftigen CRM mit sauberen Daten ist deshalb kein optionales Nice-to-have, es ist die Voraussetzung. Ohne die Zutaten kein Kuchen.
Deskriptive KI und Analytics: Der ehrliche Rückblick
Was ist passiert? Dashboards, Auswertungen, Zusammenfassungen. Diese KI-Art macht sichtbar, was in euren Daten steckt.
Im Fundraising: Übersichten zu Spendenvolumen, Kanalperformance, Kampagnenergebnissen. In der Öffentlichkeitsarbeit: Reichweiten, Engagement-Raten, Medienclippings, Stimmungsbilder. Im Projektalltag: genau das, was ihr für Berichte an Förderinstitutionen braucht.
Klingt unspektakulär. Ist es aber nicht. Die meisten Organisationen wissen erschreckend wenig darüber, was wirklich funktioniert, weil Auswertung immer hinten runterfällt. Diese KI-Art macht das endlich einfacher.
Diagnostische KI: Warum ist das so?
Es geht einen Schritt weiter: Diagnostische KI analysiert nicht nur, was passiert ist, sondern warum.
Warum hat die letzte Kampagne nicht funktioniert? Lag es an der Betreffzeile, am Kanal, am Timing, an der Zielgruppe? Warum sind Teilnehmendenzahlen rückläufig? Warum brechen Leute bei einem bestimmten Schritt ab? Für Öffentlichkeitsarbeit lässt sich damit erklären, warum ein Post gefloppt ist oder warum sich gerade eine Krise in Social Media zusammenbraut.
Diagnose ist der Schritt, den viele überspringen, weil er unbequem ist. Man will lieber neu anfangen, als zu verstehen, was vorher schiefgelaufen ist. Menschlich. Und oft teuer.
Präskriptive KI: Was sollen wir jetzt tun?
Die Königsdisziplin. Präskriptive KI leitet aus Daten konkrete Handlungsempfehlungen ab, mit Optimierungs- und Simulationsverfahren im Hintergrund.
Welcher Kanal-Mix maximiert die Einnahmen bei gegebenem Budget? Welches Timing für welche Zielgruppe? Wie setze ich Personal, Budget und Standorte optimal ein, um Wirkung zu maximieren?
Ehrliche Einschätzung: Das ist für die meisten kleinen und mittleren Organisationen noch Zukunft, weil es saubere Daten und eine solide technische Infrastruktur voraussetzt. Aber es lohnt sich, das Ziel zu kennen, auch wenn man noch nicht dort ist.
Klassifikations-KI: Der stille Ordner
Diese KI sortiert. Sie erkennt Muster, ordnet Daten in Kategorien ein, taggt automatisch.
Eure Unterstützer:innen in sinnvolle Gruppen einteilen: Neuspender, Dauerspender, Abwanderungsrisiken. Ohne dass das jemand von Hand filtert. Dokumente automatisch routen, Anfragen taggen, Förderanträge nach Themen sortieren, Wissensdatenbanken strukturieren.
In der Öffentlichkeitsarbeit erkennt sie Themencluster, schätzt Tonalitäten ein, identifiziert Zielgruppen in Posts und Presseartikeln. Das klingt nach Verwaltung. Ist es auch. Aber gute Verwaltung ist in gemeinnützigen Organisationen regelmäßig der Engpass, und dieser Engpass ist damit lösbar.
KI-Agenten: Die selbstständigen Helfer
Hier wird es gerade richtig spannend, und gleichzeitig am meisten übertrieben.
KI-Agenten sind Systeme, die nicht nur antworten, sondern handeln. Sie planen mehrstufige Aufgaben, greifen auf Tools zu (E-Mail, Datenbanken, Web), führen Schritte aus und arbeiten sich durch Prozesse. Im Fundraising könnte ein Agent Rohdaten ziehen, Zielgruppen segmentieren, Mailing-Entwürfe bauen, A/B-Tests vorbereiten und ein Reporting erstellen, ganz ohne manuelles Eingreifen zwischendurch. Im Projektalltag übernehmen sie Workflow-Automatisierung: Erstantworten, Terminorganisation, Datenpflege über Systeme hinweg.
„Könnte" ist dabei das entscheidende Wort. Demos sind beeindruckend, produktiver Einsatz in echten Organisationen erfordert noch viel Handarbeit. Zum aktuellen Zeitpunkt ist noch davon abzuraten, langfristige Verträge mit spezialisierten Anbietern einzugehen. Der Markt entwickelt sich so schnell, dass heute getroffene Entscheidungen in sechs Monaten möglicherweise schon überholt sind.
Recommender-KI: Der aufmerksame Gastgeber
Diese KI empfiehlt, auf Basis von Verhaltensdaten und Profilen. Wie Netflix oder Spotify, nur für euren Kontext.
Im Fundraising: personalisierte Spendenvorschläge in der richtigen Höhe, zum richtigen Thema, über den richtigen Kanal, für jede einzelne Person. In der Öffentlichkeitsarbeit: welche Story ist für welches Segment eures Newsletters wirklich relevant? Im Mitglieder- oder Klientenbereich: personalisierte Lernpfade, Beratungsangebote, Veranstaltungsempfehlungen.
Wer schon mit einem CRM arbeitet und Verhaltensdaten sammelt, ist näher dran als gedacht, glaubt man den ganzen Dienstleistern.
Anomalie-erkennende KI: Das Frühwarnsystem
Diese KI merkt, wenn etwas nicht stimmt und Muster von der Norm abweichen.
Im Fundraising: auffällige Spendenmuster, potenzielle Betrugsindikatoren. Das klingt weit weg, ist es für manche Organisationen nicht. In der Öffentlichkeitsarbeit: ein ungewöhnlicher Ausschlag im Social-Media-Sentiment, bevor er zum Problem wird. Im Projektalltag: Auffälligkeiten in Finanzströmen, Teilnahmequoten, IT-Nutzung.
Die meisten Anomalien bleiben unentdeckt. Nicht weil sie unsichtbar sind, sondern weil niemand Zeit hat, gezielt hinzuschauen.
Sprach- und Vision-KI: Augen und Ohren
Diese Kategorie versteht Sprache und Bilder: Transkription, Übersetzung, Bilderkennung, Videoanalyse.
Dankes-Videos automatisch transkribieren. Kampagnen übersetzen. Untertitel erstellen. Barrierefreiheit herstellen. User-Generated-Content moderieren, Dokumente digitalisieren. Wer mit mehrsprachigen Zielgruppen arbeitet oder Barrierefreiheit ernst nimmt, findet hier besonders viel Potenzial, das heute schon gut funktioniert.
Und jetzt?
Ihr müsst nicht alle zehn Kategorien gleichzeitig verstehen, geschweige denn einsetzen. Tu ich auch nicht. Was ihr wissen müsst: welche davon für eure aktuellen Herausforderungen relevant ist.
Mein Einstiegsvorschlag: Fangt mit generativer KI an. Die bringt schnell sichtbaren Nutzen, kostet im Einstieg wenig und erfordert keine technische Infrastruktur. Wer dann Lust auf mehr hat, schaut sich prädiktive Ansätze an. Aber erst, wenn eine vernünftige Datenbasis steht.
Was ihr auf jeden Fall tun solltet: aufhören, „KI" als einen einzigen großen Begriff zu behandeln. Der Werkzeugkoffer ist zu groß dafür und ihr verdient es, zu wissen, welches Werkzeug ihr gerade in der Hand habt.
Und wenn euch das nächste Mal jemand fragt, ob ihr schon KI einsetzt: fragt zurück, welche.
