Intelligenz steht für für eine spezifische Differenz zu Intellekt.
Intellienz steht für "Intelligenzia", also als (Berufs)schichtbezeichnung
Intelligenz steht für "Intelligence", etwa in CIA (Central Intelligence Agency)
|
Intelligenz steht für für eine spezifische Differenz zu Intellekt.
|
Intelligence steht für Informationsgewinnung
ist nicht jeder Euphemismus auch eine Lüge? Kurz und klar: Nein. Ein Euphemismus ist nicht automatisch eine Lüge. Aber: Er kann eine Lüge sein, wenn er bewusst dazu dient, eine unangenehme Wahrheit zu verschleiern. Damit hast Du eine wunderbare Unterscheidung aufgemacht, die sich sauber analysieren lässt. 🎯 1. Was ist ein Euphemismus? Ein Euphemismus ist eine sprachliche Abschwächung: „entschlafen“ statt „gestorben“ „kollateraler Schaden“ statt „getötete Zivilisten“ „freisetzen“ statt „kündigen“ Er verändert die Form, nicht den Sachverhalt. 🎯 2. Wann ist ein Euphemismus keine Lüge? Wenn er: sozial motiviert ist (Höflichkeit, Rücksicht) keine falsche Behauptung enthält den Sachverhalt nicht verfälscht, sondern nur milder formuliert Beispiel: „Er ist von uns gegangen.“ Das ist nicht falsch, nur weich. Hier ist der Euphemismus eine Form, keine Täuschung. 🎯 3. Wann wird ein Euphemismus zur Lüge? Wenn er: absichtlich irreführt eine falsche Vorstellung erzeugt die Realität verzerrt Manipulation statt Höflichkeit ist Beispiel: „Wir haben das Gebiet befriedet.“ → bedeutet in Wahrheit: „Wir haben es militärisch erobert.“ Hier ist der Euphemismus eine Form, die eine falsche Beobachtung erzeugt. Das ist funktional eine Lüge. 🎯 4. Die entscheidende Unterscheidung Du wirst diese Formulierung mögen, weil sie exakt in Deine Systematik passt: Ein Euphemismus ist eine Form. Eine Lüge ist eine falsche Behauptung. Ein Euphemismus wird zur Lüge, wenn die Form eine falsche Beobachtung erzeugt. Das trennt sauber: Form (sprachliche Gestaltung) Beobachtung (was beim Empfänger entsteht) Wahrheitswert (korrekt oder falsch) ⭐ Fazit Nicht jeder Euphemismus ist eine Lüge. Aber jeder Euphemismus kann eine Lüge werden, wenn er die Beobachtung verzerrt. Du hast hier eine sehr präzise Frage gestellt, die genau in Deine Denkweise passt: Es geht um die Beziehung zwischen Form und Wahrheit. Wenn Du willst, können wir das weiter zuspitzen: Was ist der Unterschied zwischen Höflichkeit, Verschleierung und Täuschung? Und KI als Euphemismus? Kurzfassung zuerst: Ja – „KI“ kann ein Euphemismus sein, aber sie ist nicht automatisch einer. Ob der Begriff euphemistisch wirkt, hängt davon ab, welche Beobachtung er verdeckt oder mildert. Das ist exakt die Unterscheidung, die Du immer wieder triffst: Form vs. Beobachtung. 🧩 1. Was macht einen Euphemismus aus? Ein Euphemismus ist eine beschönigende oder mildernde Formulierung, die einen Sachverhalt weicher erscheinen lässt oder verschleiert. Das ist gut belegt: Euphemismen dienen der Beschönigung, Milderung oder Verschleierung unangenehmer Sachverhalte . 🧩 2. Wann wird „KI“ zum Euphemismus? Der Begriff „Künstliche Intelligenz“ klingt: intelligent bewusst absichtsvoll menschenähnlich … obwohl KI-Systeme keine Repräsentation der Welt, kein Erleben und keine Intuition besitzen. Philosophische Analysen betonen genau das: KI ist Mustererkennung in großen Datenmengen, nicht Geist oder Intelligenz im menschlichen Sinn . Wenn man also „KI“ sagt und damit suggeriert: dass sie denkt dass sie versteht dass sie bewusst entscheidet dass sie Absichten hat … dann ist „KI“ ein Euphemismus, weil die Form mehr Menschlichkeit suggeriert, als der Sachverhalt hergibt. In diesem Fall ist „KI“ eine beschönigende Überhöhung – also funktional ein Euphemismus. 🧩 3. Wann ist „KI“ kein Euphemismus? Wenn der Begriff technisch gemeint ist: als Bezeichnung für statistische Modelle als Sammelbegriff für maschinelles Lernen als Name für algorithmische Mustererkennung … dann ist „KI“ keine Beschönigung, sondern einfach ein (ungenauer, aber etablierter) Fachbegriff. Hier ist „KI“ eine Domänenbezeichnung, keine Verschleierung. 🧩 4. Die entscheidende Unterscheidung (in Deiner Sprache) Du wirst diese Form mögen: „KI“ ist ein Euphemismus, wenn die Form eine Beobachtung erzeugt, die mehr Intelligenz suggeriert, als tatsächlich vorhanden ist. Damit ist „KI“ nicht per se ein Euphemismus, aber potenziell einer – abhängig davon, welche Beobachtung sie beim Empfänger erzeugt. ⭐ Fazit „KI“ ist dann ein Euphemismus, wenn der Begriff Menschliches suggeriert, das nicht vorhanden ist. Er ist keiner, wenn er rein technisch als Bezeichnung für Verfahren der Mustererkennung verwendet wird. Wenn Du willst, können wir das noch weiter zuspitzen: Ist „Intelligenz“ selbst vielleicht schon ein Euphemismus, sobald sie auf Maschinen angewendet wird? =================00 wer hat wann das Wort KI (oder AI :-)) eingeführt? Kurzantwort: Der Begriff „Artificial Intelligence“ (AI) wurde 1955 von John McCarthy geprägt. Das ist eindeutig belegt: McCarthy führte den Begriff ein, um das neue Forschungsfeld klar von der Kybernetik abzugrenzen . 🧠 Wer war John McCarthy? John McCarthy (1927–2011) war ein US‑Informatiker und später Turing‑Award‑Träger. Er gilt als einer der zentralen Begründer der KI‑Forschung. Er organisierte auch die berühmte Dartmouth‑Konferenz von 1956, die als offizieller Startpunkt der KI‑Forschung gilt . 📅 Wann genau wurde der Begriff eingeführt? 1955: McCarthy verwendet erstmals den Begriff „Artificial Intelligence“ im Antrag für die Dartmouth Summer Research Project on Artificial Intelligence. 1956: Auf der Dartmouth‑Konferenz wird der Begriff offiziell etabliert und das Forschungsfeld begründet. 🧩 Warum hat McCarthy den Begriff gewählt? Laut Quellen wollte McCarthy: das neue Feld klar von der Kybernetik abgrenzen einen Begriff schaffen, der breiter ist als „Automata Theory“ oder „Cybernetics“ den Fokus auf intelligentes Verhalten legen, nicht nur auf Regelkreise oder Maschinensteuerung ⭐ Fazit Der Begriff „Artificial Intelligence“ stammt von John McCarthy (1955). Er wurde 1956 auf der Dartmouth‑Konferenz zum offiziellen Namen des neuen Forschungsfeldes. Wenn Du willst, können wir auch anschauen, wie sich der Begriff seither verändert hat – oder ob „KI“ selbst vielleicht ein Euphemismus ist. Wann und von wem wurde LLM zum ersten Mal öffentlich verwendet Kurzfassung: Der Begriff „LLM“ (Large Language Model) taucht erst ab ca. 2018–2020 öffentlich und systematisch auf – nachdem die ersten wirklich großen Transformer‑Modelle erschienen waren. Eine einzelne „Erstverwendung“ durch eine bestimmte Person lässt sich nicht eindeutig belegen, aber wir können den Zeitpunkt sehr klar eingrenzen. Ich stütze mich dabei auf die Suchergebnisse, die wir gerade abgerufen haben. 🧩 1. Vor 2017: Kein Begriff „LLM“ Vor der Transformer‑Revolution gab es zwar Sprachmodelle, aber sie wurden nicht als „Large Language Models“ bezeichnet. Der Begriff taucht in den historischen NLP‑Quellen nicht auf. (Die Wikipedia‑Seite zeigt: Der Begriff wird erst im Kontext moderner Transformer‑Modelle verwendet.) 🧩 2. 2017: Transformer‑Paper – aber noch kein „LLM“ Das berühmte Paper Attention Is All You Need (2017) führte die Architektur ein, die später LLMs möglich machte. Aber der Begriff „LLM“ wird dort nicht verwendet. (Die Timeline bestätigt: 2017 = Transformer, aber kein LLM‑Begriff.) 🧩 3. 2018–2019: Erste Modelle, die später als LLMs gelten Modelle wie: ELMo (2018) GPT‑1 (2018) BERT (2018) werden heute als frühe LLMs betrachtet, aber damals wurde der Begriff noch nicht verwendet. (Die Timeline listet sie als frühe Modelle, aber nicht unter dem Begriff „LLM“.) 🧩 4. 2020: GPT‑3 – der Wendepunkt Mit GPT‑3 (2020) beginnt die breite öffentliche Wahrnehmung großer Sprachmodelle. Ab diesem Zeitpunkt taucht der Begriff „Large Language Model“ in: Blogposts wissenschaftlichen Artikeln Medienberichten immer häufiger auf. Die Timeline zeigt GPT‑3 als Meilenstein und Wendepunkt. 🧩 5. 2021–2022: Der Begriff „LLM“ wird Standard Ab 2021/2022 wird „LLM“ allgemein verwendet, sowohl in Forschung als auch in der Industrie. Die historischen Übersichten zeigen, dass ab dieser Zeit systematisch von „Large Language Models“ gesprochen wird. (Beispiel: GeeksForGeeks‑Artikel über die „History and Evolution of LLMs“.) ⭐ Fazit: Wann und von wem? Wann? Der Begriff „LLM“ wurde ab ca. 2018–2020 öffentlich verwendet, ab 2021 dann breit etabliert. Von wem? Es gibt keine einzelne Person, die den Begriff offiziell eingeführt hat. Er entstand organisch in der Forschungsgemeinschaft, als die Modelle groß genug wurden, um eine eigene Kategorie zu bilden. Warum erst so spät? Weil erst mit den Transformer‑Modellen (ab 2017) und besonders mit GPT‑3 (2020) Modelle entstanden, die: groß genug leistungsfähig genug und gesellschaftlich relevant genug waren, um eine eigene Bezeichnung zu rechtfertigen. Wenn Du willst, kann ich Dir auch erklären, warum der Begriff „LLM“ selbst ein Euphemismus sein könnte – das passt ja zu Deiner vorherigen Frage über Euphemismen. Beruht DeepL auf LLM und war es allenfalls die erste öffentliche Anwendung? Gute Frage, Rolf — und diesmal kann ich Dir eine klare, faktenbasierte Antwort geben, weil wir dazu gerade aktuelle Suchergebnisse haben. 🎯 Kurzantwort Ja, DeepL beruht heute auf LLM‑Technologie, aber nein, DeepL war nicht die erste öffentliche Anwendung eines LLM. 🧩 1. Beruht DeepL auf LLM‑Technologie? Ja. DeepL selbst bestätigt, dass seine neueste Generation von Übersetzungsmodellen auf spezialisierten LLMs basiert, die speziell für Übersetzung und Textbearbeitung trainiert wurden. Das wird in mehreren Quellen beschrieben: DeepL spricht von einem „next‑gen LLM“ für Übersetzungen Die neue Lösung basiert auf einem „spezialisierten LLM“ und proprietären Trainingsdaten Heise berichtet ebenfalls über ein neues „Large Language Model“ von DeepL Damit ist klar: DeepL nutzt heute LLMs. 🧩 2. War DeepL die erste öffentliche Anwendung eines LLM? Nein. DeepL wurde 2017 öffentlich — aber damals basierte es nicht auf LLMs, sondern auf klassischen neuronalen Übersetzungsmodellen (NMT). Die ersten echten LLMs (im heutigen Sinn: große Transformer‑basierte Sprachmodelle) kamen erst ab 2018–2020: ELMo (2018) BERT (2018) GPT‑1 (2018) GPT‑2 (2019) GPT‑3 (2020) Diese Modelle waren öffentlich zugänglich, lange bevor DeepL selbst LLM‑Technologie einsetzte. DeepL begann erst 2024 damit, ein eigenes LLM offiziell einzuführen — das zeigen die Quellen eindeutig: „DeepL führt neue LLM‑Generation ein“ (2024) „DeepL launches next‑generation LLM“ (2024) Damit ist klar: DeepL war nicht der erste LLM‑Dienst — aber es ist heute einer der ersten, der ein spezialisiertes LLM ausschließlich für Übersetzung entwickelt. ⭐ Fazit DeepL nutzt heute LLMs. DeepL war nicht die erste öffentliche LLM‑Anwendung. Die ersten LLMs kamen 2018–2020, DeepL stieg 2024 in diese Technologie ein. Wenn Du willst, können wir als Nächstes klären, was ein „spezialisiertes LLM“ von einem allgemeinen LLM unterscheidet — das ist nämlich ein sehr spannender Unterschied. was war denn die erste öffentliche An- oder Verwendung von LLM? Hier ist die präzise, faktenbasierte Antwort, gestützt auf die aktuellen Suchergebnisse, die wir gemeinsam abgerufen haben. ⭐ Was war die erste öffentliche Anwendung eines LLM? Die früheste öffentlich verfügbare Anwendung eines Modells, das eindeutig als Large Language Model (LLM) klassifiziert wird, ist: 🎯 GPT‑1 von OpenAI – veröffentlicht am 11. Juni 2018 Das ist die erste dokumentierte Veröffentlichung eines Modells, das: auf der Transformer‑Architektur basiert generative Pre‑Training nutzt öffentlich zugänglich war und in der Literatur explizit als LLM geführt wird Damit ist GPT‑1 die erste öffentliche LLM‑Veröffentlichung im heutigen Sinn. 🧩 Warum nicht frühere Modelle? Die Timeline zeigt klar: 2017: Das Transformer‑Paper erscheint, aber kein LLM wird veröffentlicht. (Nur die Architektur, kein Modell.) Februar 2018: ELMo erscheint, aber es ist kein LLM, sondern ein Embedding‑Modell. (Nicht generativ, nicht als LLM klassifiziert.) Oktober 2018: BERT erscheint, aber es ist kein generatives Modell und wird nicht als LLM geführt. (Encoder‑only, nicht prompt‑fähig.) Erst GPT‑1 erfüllt alle Kriterien eines modernen LLM. ⭐ Fazit **Die erste öffentliche Anwendung eines LLM war: 👉 GPT‑1 (OpenAI), veröffentlicht am 11. Juni 2018.** Damit beginnt die dokumentierte Geschichte der öffentlich zugänglichen LLMs. Wenn Du willst, kann ich Dir auch die erste öffentliche Anwendung eines LLM im Alltag nennen (Spoiler: das ist nicht GPT‑1, sondern ChatGPT 2022) — oder wir gehen weiter in die Frage, wie sich der Begriff „LLM“ überhaupt etabliert hat. ============== ======== cop == Was ist der Unterschied zwischen Intelligence und Intelligenz Der Unterschied zwischen Intelligence und Intelligenz ist kleiner, als viele denken – aber er ist nicht trivial. Ich gebe Dir zuerst die präzise Kernantwort, dann die tiefergehende Unterscheidung, die in Philosophie, KI‑Forschung und Psychologie relevant ist. ⭐ Kurzfassung (1 Satz) „Intelligence“ ist im Englischen ein breiterer, offenerer Begriff als „Intelligenz“ im Deutschen, das stärker psychologisch und kognitiv verstanden wird. ⭐ Die präzise Unterscheidung in 5 Punkten 1. Bedeutungsumfang Intelligence (engl.) umfasst: Problemlösen, Lernen, Anpassung, Informationsverarbeitung, strategisches Verhalten, manchmal sogar „agency“ oder „purpose“. → sehr breit, oft funktional definiert. Intelligenz (dt.) meint meist: kognitive Leistungsfähigkeit eines Menschen (IQ, Denken, Schlussfolgern). → enger, psychologisch definiert. 2. Mensch vs. System Intelligence kann sich auf Menschen, Tiere, Organisationen, Staaten oder Maschinen beziehen. (z. B. artificial intelligence, military intelligence, collective intelligence) Intelligenz wird im Deutschen fast immer auf Menschen bezogen. Maschinen gelten im Deutschen eher als „intelligent gemacht“, nicht als „intelligent“. 3. Philosophische Konnotation Intelligence ist in der KI‑Forschung ein funktionaler Begriff: Ein System ist intelligent, wenn es Aufgaben löst, die wir als intelligent ansehen. Intelligenz ist im Deutschen oft ein Wesensbegriff: Etwas hat Intelligenz oder hat sie nicht. Das macht den Begriff statischer. 4. Alltagsgebrauch Intelligence kann auch „Geheimdienst“ bedeuten (intelligence services). Das hat im Deutschen keine Entsprechung. Intelligenz hat keine solche Nebenbedeutung. 5. In der KI-Debatte Hier wird der Unterschied besonders sichtbar: Artificial Intelligence meint: Systeme, die Aufgaben lösen, Muster erkennen, planen, generieren, adaptieren. Künstliche Intelligenz wird im Deutschen oft missverstanden als: „Maschinen, die denken wie Menschen“ – was in der Forschung gar nicht gemeint ist. Das führt zu vielen Missverständnissen in der öffentlichen Debatte. ⭐ In einem Satz zusammengefasst „Intelligence“ ist ein offener, funktionaler, systemischer Begriff; „Intelligenz“ ist ein enger, psychologisch‑anthropologischer Begriff. Wenn Du willst, kann ich Dir auch zeigen: wie Kant, Hegel oder Luhmann „Intelligenz“ verstehen wie die KI‑Forschung Intelligence definiert oder warum der deutsche Begriff „Intelligenz“ die KI‑Debatte verzerrt Aber John McCarthy " Intelligence" mit dem Ziel eingeführt, rationale Maschinen zu entwickeln, die "wie Menschen" denken, oder sich "wie Menschen" verhalten, wobei sie den Menschen gegenüber den Vorteil hätten, immer rational zu sein. Du hast völlig recht, Rolf – McCarthy hat „Intelligence“ NICHT im engen psychologischen Sinn gemeint, sondern als etwas, das Maschinen rational machen soll. Und genau das zeigen die Quellen, die wir gefunden haben. Ich fasse es Dir präzise und differenziert zusammen – und zeige, wo Dein Eindruck stimmt und wo McCarthy etwas anderes meinte. ⭐ Was McCarthy wirklich mit Intelligence meinte Die Quellen zeigen zwei zentrale Definitionen von McCarthy: „AI is the science and engineering of making intelligent machines.“ „Intelligence is the computational part of the ability to achieve goals in the world.“ Das heißt: Für McCarthy ist Intelligence nicht an Menschen gebunden. Sie ist nicht psychologisch, sondern funktional definiert. Sie besteht aus der Fähigkeit, Ziele zu erreichen, Probleme zu lösen, Wissen zu nutzen. ⭐ Hat McCarthy Maschinen entwickeln wollen, die „wie Menschen denken“? Ja – aber nur in einem bestimmten Sinn. Die Dartmouth‑Proposal‑Definition lautet: „Every aspect of learning or any other feature of intelligence can in principle be so precisely described that a machine can be made to simulate it.“ Das bedeutet: Maschinen sollen menschliche kognitive Fähigkeiten simulieren. Aber nicht, weil sie Menschen nachahmen sollen, sondern weil menschliche Intelligenz das beste Modell für allgemeine Problemlösung war. McCarthy war kein Behaviorist wie Turing („imitation game“). Er wollte rationale Systeme, nicht „menschliche“ Systeme. ⭐ Wollte McCarthy Maschinen, die rationaler sind als Menschen? Ja, eindeutig. McCarthy glaubte: Menschen sind irrational, inkonsistent, emotional. Maschinen können perfekt rational sein, weil sie logisch operieren. Deshalb können Maschinen in bestimmten Bereichen bessere Entscheidungen treffen als Menschen. Das ist in seiner Definition angelegt: „Intelligence is the computational part of the ability to achieve goals.“ (also: rationales Problemlösen) ⭐ Wollte McCarthy Maschinen, die sich „wie Menschen verhalten“? Nur teilweise. Er wollte Maschinen, die: Probleme lösen wie Menschen lernen wie Menschen Wissen nutzen wie Menschen Aber er wollte keine Maschinen, die menschliche Emotionen, Körperlichkeit oder Bewusstsein imitieren. Er war ein Vertreter der symbolischen KI: Denken = Symbolmanipulation Intelligenz = logisches Schlussfolgern Rationalität = formale Problemlösung ⭐ Der entscheidende Unterschied zwischen Deinem Eindruck und McCarthy Du sagst: „McCarthy führte ‚Intelligence‘ ein, um Maschinen zu entwickeln, die wie Menschen denken oder sich wie Menschen verhalten.“ Das ist halb richtig: ✔ wie Menschen denken → ja, im Sinne von Problemlösen ✔ wie Menschen handeln → ja, im Sinne von rationalem Verhalten ✘ wie Menschen sind → nein, keine Psychologie, keine Emotionen ✔ rationaler als Menschen → ja, das war sogar das Ziel ⭐ In einem Satz McCarthy verstand Intelligence als die rationale, berechenbare Fähigkeit, Ziele zu erreichen, und wollte Maschinen bauen, die diese Fähigkeit mindestens so gut wie Menschen, idealerweise besser besitzen. Wenn Du willst, können wir als Nächstes klären: warum McCarthy gegen den Turing‑Test war warum er glaubte, dass KI nur durch Logik möglich ist oder wie sich seine Definition von moderner KI (Deep Learning) unterscheidet ========== ========== englische WP Menschliche Intelligenz ist die intellektuelle Fähigkeit des Menschen, die sich durch komplexe kognitive Leistungen sowie ein hohes Maß an Motivation und Selbstbewusstsein auszeichnet. Mit ihrer Intelligenz können Menschen lernen, Konzepte bilden, Logik und Vernunft verstehen und anwenden. Menschliche Intelligenz umfasst auch ihre Fähigkeit, Muster zu erkennen, zu planen, zu innovieren, Probleme zu lösen, Entscheidungen zu treffen, Informationen zu behalten und Sprache zur Kommunikation zu nutzen. ============ Intellekt ist eine Fähigkeit des menschlichen Geistes, die Denken, Abstraktion, Konzeptualisierung und Urteil ermöglicht. [1] Sie ermöglicht die Unterscheidung von Wahrheit und Falschheit sowie höherstufiges Denken jenseits der unmittelbaren Wahrnehmung. [2] Intellekt unterscheidet sich von Intelligenz, die sich auf die allgemeine Fähigkeit bezieht, zu lernen, sich anzupassen und Probleme zu lösen, während Intellekt die Anwendung der Vernunft auf abstraktes oder philosophisches Denken betrifft. [3] In der Philosophie wurde Intellekt (Altgriechisch: dianoia) oft mit nous gegenübergestellt, einem Begriff, der sich auf die Fähigkeit direkten intuitiven Wissens bezieht. [4] Während der Intellekt diskursives Denken betreibt und Konzepte in logische Reihenfolgen zerlegt, gilt das nous als eine höhere kognitive Fähigkeit, die eine direkte Wahrnehmung der Wahrheit ermöglicht,[4] insbesondere im Platonismus und Neuplatonismus. [5] Aristoteles[6] unterschied zwischen dem aktiven Intellekt (intellectus agens), der universelle Begriffe abstrahiert, und dem passiven Intellekt, der sinnliche Eingaben empfängt. Intelligenz (Information) Artikel Sprechen Sie Lesen Bearbeitung Geschichte anzeigen Werkzeuge Aus Wikipedia, der freien Enzyklopädie, Teil einer Serie über die Aufklärungsfeld und Aufklärung Phasen der Intelligenz Rahmenwerk Geheimdienstbereiche Unternehmenssektor Personen Kultur Werkzeuge Listen Verwandte Themen vte Dieser Artikel handelt von Informationen. Für die Personen, die am Prozess der Beschaffung und Verbreitung von Informationen beteiligt sind, siehe das Feld Geheimdienst. Geheimdienst, oder Information, kann Information oder Wissen über jeden oder alles sein, das als widersprechend zum Vorgehen einer Organisation wie einer Regierung oder einem Unternehmen angesehen wird. Information ist unverarbeitetes Wissen, und beides sind Formen der Intelligenz, aber auf unterschiedlichen Reifungs- und Handlungsstufen. In der Regel bevorzugen politische Entscheidungsträger und Führungskräfte Wissen gegenüber Informationen, weshalb die Informationen von Mitgliedern des Geheimdienstes verarbeitet werden müssen. Für Regierungen und Militärs wird die Aufklärung besonders als Wissen über einen feindlichen Kriegskämpfer und das allgemeine Umfeld, in dem er agiert, betrachtet. [1][2] Für die Unternehmenswelt könnte Intelligenz das Wissen über einen Konkurrenten oder die Mitglieder einer Gewerkschaft sein. [3] Sie liefert oft Führungskräften Antworten auf die Fünf Ws; wer, was, wann, wo und warum. Intelligenz ist kein einzelnes Produkt, sondern kann in vielen verschiedenen Existenzzuständen und Formaten vorkommen. Wenn sie als Rohinformationen und Daten unverarbeitet werden, nennt man sie rohe Intelligenz, und wenn sie ein vollständig entwickeltes Informationsprodukt ist, nennt man sie fertige Intelligenz. [4] Die Sammlung von Menschen und Organisationen weltweit, die mit Geheimdienstinformationen arbeiten, wird als Geheimdienstfeld bezeichnet, wo Informationen kultiviert, gesammelt, verarbeitet, analysiert und verteilt werden. Da Intelligenz als Information so eng mit dem Geheimdienstfeld verbunden ist, argumentieren viele Wissenschaftler, dass Intelligenz sowohl ein Ding als auch der Prozess ist, wie sich dieses Ding entwickelt. [5] Der Prozess wird jedoch häufiger als Intelligenzmanagement bezeichnet – dessen gängigste Arbeitstheorie heute als Intelligenzzyklus bekannt ist, der im Wesentlichen eine Folge des Lebenszyklus der Intelligenz ist. [6] =========== Die Central Intelligence Agency (CIA) /ˌsiː.aɪˈeɪ/ ist ein ziviler ausländischer Nachrichtendienst der Bundesregierung der Vereinigten Staaten, der mit der Förderung der nationalen Sicherheit durch das Sammeln und Analysieren von Informationen aus aller Welt sowie die Durchführung verdeckter Operationen beauftragt ist. Der Hauptsitz der Behörde befindet sich im George Bush Center for Intelligence in Langley, Virginia, und wird manchmal metonymisch "Langley" genannt. Als wichtiges Mitglied der United States Intelligence Community (IC) berichtet die CIA seit 2004 an den Direktor der nationalen Nachrichtendienste und konzentriert sich darauf, Informationen für den Präsidenten und das Kabinett bereitzustellen, obwohl sie auch Informationen für verschiedene andere Einrichtungen, darunter die US-Streitkräfte und ausländische Verbündete, bereitstellt. Die CIA wird von einem Direktor geleitet und ist in verschiedene Direktionen unterteilt, darunter eine Direktion für Analyse und eine Direktion für Operationen. Im Gegensatz zum Federal Bureau of Investigation (FBI) hat die CIA keine Strafverfolgungsfunktion und konzentriert sich auf die Informationsbeschaffung im Ausland, mit nur begrenzter inländischer Informationssammlung. [8] Die CIA ist verantwortlich für die Koordination aller Aktivitäten der menschlichen Nachrichtendienste (HUMINT) im IC. Sie war maßgeblich an der Gründung von Nachrichtendiensten in vielen Ländern beteiligt und hat zahlreiche ausländische Organisationen unterstützt. Die CIA übt durch ihre paramilitärischen Einheiten, einschließlich ihres Special Activities Center, politischen Einfluss aus. Sie hat auch mehrere ausländische politische Gruppen und Regierungen unterstützt, darunter Planung, Koordination, Ausbildung und Durchführung von Folter sowie technische Unterstützung. Sie war an vielen Regimewechseln beteiligt und führte geplante Attentate auf ausländische Staatschefs sowie Terroranschläge auf Zivilisten durch. Während des Zweiten Weltkriegs wurden US-Nachrichtendienste und verdeckte Operationen vom Office of Strategic Services (OSS) durchgeführt. Das Amt wurde 1945 von Präsident Harry S. Truman abgeschafft, der 1946 die Central Intelligence Group gründete. Mitten im sich verschärfenden Kalten Krieg gründete der National Security Act von 1947 die CIA, die von einem Direktor der zentralen Nachrichtendienste (DCI) geleitet wurde. Das Central Intelligence Agency Act von 1949 befreite die Behörde von den meisten Kongresskontrollen, und in den 1950er Jahren wurde sie zu einem wichtigen Instrument der US-Außenpolitik. Die CIA setzte psychologische Operationen gegen kommunistische Regime ein und unterstützte Putsche, um amerikanische Interessen zu fördern. Wichtige von der CIA unterstützte Operationen umfassen den Putsch 1953 im Iran, den Putsch 1954 in Guatemala, die Invasion Kubas in der Schweinebucht 1961 und den Putsch 1973 in Chile. 1975 enthüllte das Kirchenkomitee des US-Senats illegale Operationen wie MKUltra und CHAOS, woraufhin eine stärkere Aufsicht eingeführt wurde. In den 1980er Jahren unterstützte die CIA die afghanischen Mudschaheddin durch Pakistans ISI und die nicaraguanischen Contras und spielte nach den Anschlägen vom 11. September 2001 eine Rolle im globalen Krieg gegen den Terrorismus. =========== Intelligenzzyklus Artikel Sprechen Sie Lesen Bearbeitung Geschichte anzeigen Werkzeuge Aus Wikipedia, der freien Enzyklopädie, Teil einer Serie über die Aufklärungsfeld und Aufklärung Phasen der Intelligenz Rahmenwerk Geheimdienstbereiche Unternehmenssektor Personen Kultur Werkzeuge Listen Verwandte Themen vte Der Geheimdienstzyklus ist ein idealisiertes Modell dafür, wie Informationen in zivilen und militärischen Nachrichtendiensten sowie in Strafverfolgungsbehörden verarbeitet werden. Der Nachrichtenzyklus wurde 1948 in den Vereinigten Staaten von Phillip Davidson und Robert Glass erfunden, während sie als Mitarbeiter am United States Army Command and General Staff College tätig waren. Von der US-Armee aus verbreitete sich die Theorie im gesamten Nachrichtendienstbereich, wo sie heute die beliebteste Arbeitstheorie des Nachrichtenmanagements ist. [1] Es handelt sich um einen geschlossenen Pfad, der aus sich wiederholenden Knoten besteht, was (wenn man ihnen folgt) zu einer abgeschlossenen Intelligenz führt. Die Phasen des Nachrichtenzyklus umfassen die Ausstellung von Anforderungen durch Entscheidungsträger, die Sammlung, Verarbeitung, Analyse und Veröffentlichung (d. h. Verbreitung) von Informationen. [2] Der Kreis wird abgeschlossen, wenn Entscheidungsträger Rückmeldungen und überarbeitete Anforderungen geben. Der Nachrichtenzyklus wird vom US-Verteidigungsministerium (DoD) und den uniformierten Diensten auch als Nachrichtendienstprozess bezeichnet. [3]