Story · 07.09.2026
Von Lorraine zur KI: Was die Geschichte des Amiga über die Gegenwart künstlicher Intelligenz erzählt
Vier Jahrzehnte zwischen experimenteller Computerarchitektur und generativer KI – und grundlegende Fragen, die erstaunlich aktuell geblieben sind
Von Pardus RedaktionVom ‚Lorraine‘-Prototyp zum Amiga
Technologische Entwicklungen wirken im Rückblick häufig geradliniger, als sie tatsächlich waren. Neue Systeme entstehen selten aus einem einzigen Durchbruch. Sie entwickeln sich aus Experimenten, technischen Grenzen, ungewöhnlichen Ideen und Lösungen, deren Bedeutung oft erst Jahre später sichtbar wird.
Die Geschichte des Amiga ist dafür ein bemerkenswertes Beispiel. Bevor der Amiga zu einem kommerziellen Personal Computer wurde, existierte er zunächst als Entwicklungsplattform unter dem Codenamen ‚Lorraine‘. Anfang Januar 1984 wurde ein früher Prototyp auf der Consumer Electronics Show in Las Vegas präsentiert. Noch war von dem später charakteristischen kompakten Computersystem wenig zu erkennen: Die Funktionen des Rechners waren auf mehrere große Platinen verteilt, die durch zahlreiche Kabel und Steckverbindungen miteinander verbunden waren.
Solche Entwicklungsbaugruppen waren auch auf der Amiga40 zu sehen. Die ausgestellten Platinen machen sichtbar, wie unmittelbar Hardwareentwicklung damals physisch nachvollziehbar war: zahlreiche integrierte Schaltkreise, diskrete elektronische Komponenten, Steckverbindungen und umfangreiche Verdrahtungen bildeten gemeinsam ein System, dessen Funktionen später wesentlich stärker integriert werden konnten.
Aus diesem experimentellen Aufbau entwickelte sich schließlich eine Computerplattform, die ihrer Zeit in mehreren Bereichen voraus war. Mit leistungsfähiger Grafik, Soundverarbeitung und einer stark auf Multimedia ausgerichteten Architektur nahm der Amiga Entwicklungen vorweg, die Jahre später zum Standard des Personal Computing werden sollten.
Als Computer anfingen, mit uns zu ‚sprechen‘
Einen überraschenden Bezug zur Geschichte künstlicher Intelligenz liefert ein wissenschaftlicher Rückblick von Petar Radanliev. In der 2024 online veröffentlichten Arbeit ‚Artificial intelligence: reflecting on the past and looking towards the next paradigm shift‘ wird die Entwicklung künstlicher Intelligenz von frühen logik- und regelbasierten Systemen über Machine Learning bis hin zu Deep Learning und modernen Large Language Models nachgezeichnet.
Ein Teil dieser Geschichte führt zu ELIZA. Das in den 1960er-Jahren von Joseph Weizenbaum am MIT entwickelte Programm simulierte einen sprachlichen Dialog. ELIZA verstand Sprache nicht im heutigen Sinne. Das System identifizierte bestimmte Muster in den Eingaben seiner Nutzer und erzeugte darauf basierend regelbasierte Antworten. Dennoch entstand bei vielen Nutzern der Eindruck eines echten Gesprächs.
1988 griff der britische Künstler Brian Reffin Smith dieses Prinzip auf und entwickelte zwei ELIZA-artige Programme namens ‚Critic‘ und ‚Artist‘. Beide waren in BASIC programmiert und liefen auf zwei getrennten Amiga 1000. Bei einer Ausstellung in Bourges wurden die beiden Rechner so präsentiert, als würden sie miteinander kommunizieren. Besucher übertrugen die jeweilige Ausgabe des einen Systems als Eingabe an das andere.
Technologisch war dies weit von heutiger künstlicher Intelligenz entfernt. Konzeptionell berührt das Experiment jedoch eine Frage, die bis heute aktuell geblieben ist: Wann entsteht bei einem Menschen der Eindruck, dass eine Maschine versteht, kommuniziert oder sogar eigenständig handelt?
18. und 19. Oktober 2025: Computergeschichte zum Anfassen
Am 18. und 19. Oktober 2025 fand in Mönchengladbach die Amiga40 statt. Entwickler, ehemalige Mitarbeiter, Unternehmen, Sammler und Vertreter der internationalen Amiga-Community kamen zusammen, um auf vier Jahrzehnte Amiga-Geschichte zurückzublicken.
Zu den Gästen gehörte auch Petro Tyschtschenko, ehemaliger Commodore-Mitarbeiter und eine der bekannten Persönlichkeiten der späteren Amiga-Geschichte. Für Ado Ampofo bot die Veranstaltung die Gelegenheit, die zuvor wissenschaftlich betrachtete Entwicklung aus einer anderen Perspektive zu erleben.
Die historischen Systeme waren nicht mehr nur Abbildungen in Publikationen. Platinen des frühen Amiga-Prototyps, klassische Rechner, Monitore und unterschiedliche Generationen der Hardware machten sichtbar, wie sich Computertechnik innerhalb weniger Jahrzehnte verändert hat. Die Begegnung mit Petro Tyschtschenko verband diese technische Rückschau zusätzlich mit der Perspektive eines Zeitzeugen.
Gerade darin liegt der besondere Wert solcher Veranstaltungen: Technologische Entwicklung ist keine abstrakte Abfolge von Produktgenerationen. Sie entsteht aus Entscheidungen von Entwicklern, aus technischen Beschränkungen, wirtschaftlichen Rahmenbedingungen und aus der Vorstellung davon, was mit einer neuen Technologie überhaupt möglich werden könnte.
Von ELIZA zu Large Language Models
Zwischen den beiden ELIZA-artigen Programmen auf dem Amiga 1000 und heutigen Sprachmodellen besteht technologisch ein fundamentaler Unterschied. Frühe Dialogprogramme arbeiteten mit vergleichsweise überschaubaren Regeln. Bestimmte sprachliche Muster wurden erkannt und mit vorbereiteten Reaktionen verknüpft. Ein tatsächliches semantisches Verständnis war dafür nicht erforderlich.
Moderne Large Language Models basieren dagegen auf neuronalen Netzen und werden mit enormen Datenmengen trainiert. Sie lernen statistische Beziehungen zwischen sprachlichen Einheiten und können dadurch Texte erzeugen, Fragen beantworten, Inhalte strukturieren, programmieren oder komplexere Aufgaben bearbeiten.
Der wissenschaftliche Rückblick von Radanliev beschreibt diesen Paradigmenwechsel von symbolischen und regelbasierten Ansätzen hin zu datengetriebenem Machine Learning, neuronalen Netzen und hochskalierbaren generativen Modellen. Entscheidend waren dabei nicht nur neue Algorithmen, sondern ebenso stark gestiegene Rechenleistung, große Datenbestände und moderne Hardware.
Damit schließt sich ein weiterer Kreis zur Geschichte des Amiga: Technologische Möglichkeiten sind immer auch durch die verfügbare Hardware bestimmt. Was beim frühen ‚Lorraine‘-Prototyp noch über mehrere große Platinen, zahlreiche Chips und sichtbare Verbindungen realisiert werden musste, findet heute in hochintegrierten Prozessoren statt. Auf einer vollkommen anderen Größenordnung gilt dasselbe Prinzip für moderne KI: Ohne GPUs, spezialisierte Beschleuniger, Rechenzentren und massiv parallelisierte Berechnungen wären aktuelle Large Language Models nicht denkbar.
Der Amiga war keine KI-Maschine
Bei solchen historischen Verbindungen ist eine klare Abgrenzung wichtig. Der Amiga wurde nicht als Computer für künstliche Intelligenz entwickelt. Auch die beiden ELIZA-artigen Programme von 1988 machen ihn nicht nachträglich zu einer frühen KI-Plattform im heutigen Verständnis.
Interessant ist etwas anderes: Der Amiga gehörte zu einer Generation von Computern, mit denen neue Formen digitaler Interaktion praktisch ausprobiert werden konnten. Grafik, Sound und Software wurden zunehmend Bestandteile einer unmittelbaren Kommunikation zwischen Mensch und Maschine.
Was geschieht, wenn ein Computer nicht mehr nur Zahlen ausgibt, sondern scheinbar antwortet? Wann interpretieren Menschen Verhalten als intelligent? Und wie stark hängt unsere Wahrnehmung von Intelligenz davon ab, wie überzeugend ein technisches System kommuniziert?
Bereits ELIZA zeigte, dass Menschen einem sprachlich reagierenden System schnell Eigenschaften zuschreiben können, die technisch gar nicht vorhanden sein müssen. Bei heutigen KI-Systemen ist diese Frage wesentlich komplexer geworden. Ihre Fähigkeiten sind ungleich größer. Trotzdem bleibt die Unterscheidung zwischen beobachtbarem Verhalten, tatsächlicher Modellarchitektur und menschlicher Interpretation entscheidend.
Was alte Platinen über moderne KI erzählen können
Historische Computerhardware besitzt auch für eine moderne KI-Ausbildung einen Wert. Wer die Platinen des frühen ‚Lorraine‘-Prototyps betrachtet, sieht zunächst Elektronik. Bei genauerem Hinsehen zeigen sie aber etwas Grundsätzlicheres: Technologien, die später selbstverständlich erscheinen, beginnen häufig als komplizierte, experimentelle Systeme.
Integration kommt später. Skalierung kommt später. Benutzerfreundlichkeit kommt später. Und häufig verändert sich auch die Vorstellung davon, wofür eine Technologie überhaupt eingesetzt werden kann.
Bei künstlicher Intelligenz ist diese Entwicklung noch nicht abgeschlossen. Was heute als außergewöhnlich wahrgenommen wird, kann in wenigen Jahren selbstverständlicher Bestandteil von Software und Arbeitsprozessen sein. Umso wichtiger ist es, nicht nur einzelne Tools zu lernen, sondern die zugrunde liegenden technologischen Entwicklungslinien zu verstehen.
Warum das für PARDUS relevant ist
Für PARDUS ist der Blick zurück kein nostalgischer Selbstzweck. Weiterbildung in Künstlicher Intelligenz, Machine Learning, neuronalen Netzen und Data Science sollte nicht allein vermitteln, wie aktuelle Werkzeuge verwendet werden.
Teilnehmer sollen verstehen, warum bestimmte Technologien entstanden sind, welche Paradigmen ihnen zugrunde liegen und wo die Grenzen zwischen technischer Funktionsweise und menschlicher Interpretation verlaufen. Die Entwicklung von ELIZA zu Large Language Models ist dafür ein besonders anschauliches Beispiel.
Gleichzeitig zeigt der Weg vom frühen ‚Lorraine‘-Prototyp zum späteren Amiga, dass technologische Innovation selten in fertiger Form entsteht. Sie wird getestet, verworfen, integriert und weitergedacht. Historische Perspektiven können deshalb helfen, auch aktuelle Entwicklungen besser einzuordnen.
Zwischen dem Amiga-Prototyp des Jahres 1984 und heutigen generativen KI-Systemen liegen mehr als vier Jahrzehnte technologischer Entwicklung. Hardware, Softwarearchitekturen und Rechenleistung sind kaum noch vergleichbar. Und dennoch zieht sich eine Frage durch diese Geschichte: Was geschieht, wenn Computer Fähigkeiten entwickeln, die Menschen zuvor ausschließlich sich selbst zugeschrieben haben?
Beim frühen Personal Computer waren es Grafik, Musik und Multimedia. Bei ELIZA war es das scheinbare Gespräch. Heute sind es Sprache, Bilderzeugung, Problemlösung, Programmierung und zunehmend komplexere Formen automatisierter Entscheidungen.
Technologische Zukunft entsteht selten aus dem Nichts. Oft beginnt sie mit Experimenten, deren eigentliche Bedeutung erst Jahrzehnte später sichtbar wird.
PARDUS – Technologie verstehen heißt auch, ihre Entwicklung zu verstehen.
Wissenschaftlicher Bezug
Radanliev, P. (2025). Artificial intelligence: reflecting on the past and looking towards the next paradigm shift. Journal of Experimental & Theoretical Artificial Intelligence, 37(7), 1045–1062. Online first: 28 February 2024. DOI: 10.1080/0952813X.2024.2323042.
Die Veröffentlichung dient als wissenschaftlicher Bezugspunkt für die Einordnung früher ELIZA-basierter Dialogexperimente, darunter ‚Critic‘ und ‚Artist‘ auf zwei Amiga-1000-Systemen, sowie für die Entwicklungslinie von regelbasierten Systemen zu modernen Ansätzen des Machine Learning und der generativen KI.
Galerie
Momente.
Perspektiven.
Mehr Einblicke