Glossar
KI-Begriffe verständlich erklärt — von „Agent" bis „Transformer". Für Einsteiger und Technik-Interessierte.
Diffusion
Die Technik hinter generativen Bildmodellen (z. B. Stable Diffusion, FLUX, Midjourney). Sie erzeugt Bilder, indem sie schrittweise Rauschen in ein Motiv umwandelt — geleitet von der Textbeschreibung.
Embedding
Die Umwandlung von Text (oder Bildern) in Zahlenvektoren, mit denen ein Modell Ähnlichkeit berechnen kann. Grundlage für semantische Suche und RAG: Ähnliche Inhalte liegen im Vektorraum nahe beieinander.
EU AI Act (KI-Verordnung)
Die EU-Verordnung zur Regulierung von Künstlicher Intelligenz. Sie stuft Anwendungen nach Risiko ein und verlangt unter anderem Transparenzpflichten (Kennzeichnung KI-generierter Inhalte) sowie besondere Auflagen für Hochrisiko-Systeme.
Fine-Tuning
Das Nachtrainieren eines bereits vortrainierten Modells auf eigene Daten, um es für eine bestimmte Aufgabe oder Fachsprache zu spezialisieren. Ergebnis: ein Modell, das die eigene Domäne besser versteht.
Halluzination
Wenn ein KI-Modell selbstbewusst falsche oder erfundene Informationen ausgibt. Ein bekanntes Problem von Sprachmodellen; wird durch RAG, Quellenangaben und sorgfältige Prompts reduziert, aber nie vollständig ausgeschlossen.
KI-Agent
Ein KI-System, das nicht nur antwortet, sondern selbstständig mehrstufige Aufgaben ausführt: planen, Werkzeuge aufrufen, Entscheidungen treffen. Beispiel: ein Agent recherchiert im Web, trägt Ergebnisse zusammen und verfasst eine E-Mail.
Kontextfenster
Die Menge an Text, die ein Modell gleichzeitig berücksichtigen kann. Größere Fenster erlauben mehr Kontext — etwa ganze Dokumente —, kosten aber mehr Rechenzeit und damit mehr Geld.
LLM (Large Language Model)
Ein großes Sprachmodell, das auf riesigen Textmengen trainiert wurde, um Sprache zu verstehen und zu erzeugen. LLMs wie GPT, Claude oder Gemini sind die Grundlage der meisten heutigen KI-Anwendungen — vom Chatbot bis zur Textanalyse.
Multimodal
Modelle, die nicht nur Text, sondern mehrere Medienformen verarbeiten — Bilder, Audio oder Video. Beispiel: ein Modell beschreibt ein hochgeladenes Foto oder erzeugt ein Bild aus einer Beschreibung.
Open-Weight-Modell
Ein KI-Modell, dessen trainierte Gewichte (Parameter) öffentlich verfügbar sind. Es lässt sich selbst hosten und anpassen — im Gegensatz zu geschlossenen Modellen, die nur über APIs nutzbar sind.
Prompt
Die Eingabe an ein KI-Modell — die Frage oder Anweisung, auf die es antwortet. Die Qualität des Prompts bestimmt maßgeblich die Qualität der Antwort. „Prompting" bezeichnet das gezielte Formulieren dieser Eingaben.
RAG (Retrieval-Augmented Generation)
Ein Verfahren, bei dem das Modell vor der Antwort in eigenen Dokumenten nachschlägt, statt nur aus seinem Training zu antworten. RAG macht Antworten aktuell und belegbar — die Grundlage dafür, dass eine KI mit unternehmenseigenen Daten arbeitet.
Token
Die kleinste Verarbeitungseinheit eines Sprachmodells — grob ein Wortteil. Modelle verarbeiten und kosten nach Tokens; wichtig, um Kosten und Limits von KI-APIs zu verstehen.
Transformer
Die Modellarchitektur, die seit 2017 fast allen modernen Sprachmodellen zugrunde liegt. Ihr Kernmechanismus „Attention" erlaubt es, Zusammenhänge über lange Textabschnitte hinweg zu erfassen.