Constraint

Ein Constraint (Einschränkung, Nebenbedingung) definiert Grenzen, innerhalb derer ein KI-System operieren darf. Constraints sind das Werkzeug, um KI-Verhalten kontrollierbar und vorhersagbar zu machen.

In der klassischen KI waren Constraints zentrales Paradigma. Constraint Satisfaction Problems (CSPs) — Sudoku lösen, Stundenpläne erstellen, Fabrikabläufe optimieren — formulieren Probleme als Menge von Variablen mit Wertebereichen und Einschränkungen. Der Solver findet eine Belegung, die alle Constraints gleichzeitig erfüllt.

Im Deep Learning sind Constraints subtiler, aber ebenso wichtig. Regularisierung (L1, L2, Dropout) constrainiert die Modellkomplexität. Safety-Filter constrainieren die Ausgaben. Das Kontextfenster constrainiert die Input-Länge. RLHF und Constitutional AI constrainieren das Verhalten von Sprachmodellen auf erwünschte Muster.

In der Optimierung begegnet man Constraints permanent: „Maximiere den Gewinn, aber halte die Lieferzeit unter 3 Tagen und verbrauche nicht mehr als Budget X." Constrained Optimization (Lagrange-Multiplikatoren, Karush-Kuhn-Tucker-Bedingungen) ist das mathematische Werkzeug dafür.

Die philosophische Frage bei KI-Agenten: Welche Constraints sind nötig, um ein autonomes System sicher zu machen, ohne seine Nützlichkeit übermäßig einzuschränken? Zu wenige Constraints riskieren Schaden. Zu viele machen das System nutzlos. Die Balance — das Alignment-Problem in seiner praktischen Form — ist eine der zentralen Herausforderungen des Feldes.