Wer einen Begriff vermisst, diese Seite wächst mit dem Web der KI-Begriffe. Manche Definitionen sind noch im Fluss, weil die Technik selbst noch im Fluss ist. Wenn du tiefer einsteigen willst, klicke einfach auf den verlinkten Kapitelnamen.
Agent
Eine KI, die nicht nur antwortet, sondern selbstständig Werkzeuge benutzt, mehrere Schritte plant und Aufgaben in einer Schleife abarbeitet. Mehr dazu im Kapitel KI-Agents.
Alignment
Die Ausrichtung eines KI-Modells auf das, was Menschen wirklich wollen, nicht nur auf den wörtlichen Befehl. Zentrales Thema von Safety & Alignment.
API
Schnittstelle, über die ein Programm mit einem anderen kommuniziert. Bei KI: der Weg, wie deine Anwendung mit einem Modell wie Claude oder GPT spricht. Siehe API & SDK.
Bias
Vorurteile, die ein Modell aus seinen Trainingsdaten übernimmt, etwa Geschlechter- oder Hautfarben-Stereotype. Mehr im Kapitel Safety.
Chain of Thought
Eine Prompting-Technik, bei der man das Modell bittet, "laut zu denken", also Zwischenschritte aufzuschreiben, bevor es die Antwort gibt. Verbessert die Qualität bei komplexen Aufgaben deutlich.
Chunk
Ein kleines Textstück, in das man ein Dokument zerlegt, bevor man es einer KI per RAG zugänglich macht. Größe und Schnittstellen sind eine kleine Kunst für sich.
Constitutional AI
Eine Trainingsmethode, bei der ein Modell explizite Prinzipien, eine Art "Verfassung", bekommt, an denen es seine Antworten ausrichten soll. Entwickelt vor allem bei Anthropic. Mehr in Safety.
Context Window
Die maximale Menge an Text (gemessen in Tokens), die ein Modell auf einmal verarbeiten kann. Eingabe und Ausgabe zusammen. Aktuell reichen typische Fenster von 8.000 bis über eine Million Tokens.
Deep Learning
Maschinelles Lernen mit besonders tiefen neuronalen Netzen, also vielen Schichten. Praktisch jede moderne KI nutzt Deep Learning. Siehe Neuronale Netze.
Embedding
Eine Zahlenrepräsentation der Bedeutung eines Textes. Texte mit ähnlichem Inhalt bekommen ähnliche Zahlenlisten. Grundlage für RAG und semantische Suche.
Few-Shot
Eine Prompt-Technik, bei der du dem Modell ein paar Beispiele für gewünschte Eingabe-Ausgabe-Paare zeigst, bevor du die eigentliche Aufgabe stellst. Siehe Prompts.
Fine-Tuning
Nachtrainieren eines bereits trainierten Modells auf spezifische Daten oder Aufgaben. Macht das Modell für einen Bereich besser, kostet aber Aufwand. Mehr im Kapitel Training.
GPT
"Generative Pre-trained Transformer", die Architektur und Modellfamilie hinter ChatGPT. Der Name wurde inzwischen zur Marke für OpenAI-Modelle. Die zugrunde liegende Transformer-Architektur nutzen aber fast alle modernen LLMs.
Guardrails
Zusätzliche Sicherheitsschichten, die problematische Eingaben oder Ausgaben einer KI filtern. Mehr in Safety.
Halluzination
Wenn eine KI Fakten, Quellen oder Zahlen erfindet und mit voller Überzeugung präsentiert. Eigenes Kapitel: Halluzinationen.
Harness
Das "Geschirr" um ein KI-Modell, der Code, der ihm Werkzeuge gibt, Eingaben verarbeitet und die Schleife dreht. Macht aus einem Modell ein nutzbares Produkt. Siehe Harness.
Inferenz (Inference)
Der Vorgang, bei dem ein fertig trainiertes Modell aus einer Eingabe eine Ausgabe erzeugt, das Gegenteil von Training. Jede Antwort, die du von ChatGPT bekommst, ist eine Inferenz.
KI / AI
Künstliche Intelligenz / Artificial Intelligence. Systeme, die Aufgaben lösen, für die früher menschliche Intelligenz nötig schien. Mehr im Einstiegskapitel Was ist KI?.
LLM
"Large Language Model", ein großes Sprachmodell, trainiert auf riesigen Textmengen, das Text generiert, indem es das nächste Token vorhersagt. Siehe Large Language Models.
MCP
"Model Context Protocol", ein offenes Format, mit dem KIs an externe Werkzeuge und Datenquellen andocken können. Eine Art "USB für KIs". Siehe MCP.
Multimodal
Ein Modell, das mit mehr als nur Text umgehen kann, also auch mit Bildern, Audio oder Video, sowohl als Eingabe als auch als Ausgabe.
Neuronales Netz
Die mathematische Struktur hinter modernen KIs, lose vom Gehirn inspiriert, bestehend aus Schichten von "Neuronen" mit Gewichten. Mehr im Kapitel Neuronale Netze.
Parameter
Die "Stellschrauben" eines Modells, die Gewichte, die beim Training angepasst werden. Moderne LLMs haben Milliarden bis Billionen davon. Mehr Parameter heißt nicht automatisch besser, aber meistens fähiger.
Prompt
Die Eingabe an ein KI-Modell, also die Frage, der Auftrag, der Kontext. Gute Prompts sind die halbe Miete. Siehe Prompts.
Prompt Injection
Ein Angriff, bei dem jemand versteckte Anweisungen in Texten unterbringt, die die KI später liest, und dann unbeabsichtigt ausführt. Mehr im Kapitel Halluzinationen.
RAG
"Retrieval Augmented Generation", die KI holt sich vor jeder Antwort die passenden Dokumente aus einer Sammlung. Eigenes Kapitel: RAG.
Red Teaming
Systematisches Testen einer KI auf Schwachstellen. Spezialisten versuchen, das Modell zu Fehlverhalten zu bringen, damit man es härten kann. Mehr in Safety.
RLHF
"Reinforcement Learning from Human Feedback". Menschen bewerten Antworten des Modells, und das Modell lernt aus diesen Bewertungen. Hauptwerkzeug für freundliches, hilfreiches Verhalten. Mehr im Kapitel Training.
SDK
"Software Development Kit", ein Bündel an Werkzeugen, Bibliotheken und Beispielen, das Entwicklern die Arbeit mit einer API erleichtert. Siehe API & SDK.
System-Prompt
Ein spezieller Prompt, der das Verhalten der KI für eine ganze Sitzung festlegt, etwa "Du bist ein freundlicher Tutor für Schüler der Mittelstufe". Wird vor jeder Nutzerfrage mitgeschickt. Mehr in Prompts.
Temperature
Ein Regler, der bestimmt, wie "kreativ" oder "zufällig" eine KI antwortet. Niedrige Temperatur (z.B. 0) heißt: immer das wahrscheinlichste Wort. Höhere Werte: mehr Variation, mehr Überraschung.
Token
Die kleinste Einheit, in der ein LLM Text verarbeitet, meistens ein Wortteil, manchmal ein ganzes Wort. "Künstliche Intelligenz" wird zum Beispiel in mehrere Tokens zerlegt. Mehr in Wie funktioniert KI?.
Tool Use
Die Fähigkeit eines Modells, externe Werkzeuge zu benutzen, etwa eine Websuche, einen Taschenrechner oder eine Datenbank. Grundlage für Agents.
Training
Der Prozess, bei dem ein Modell aus Daten lernt, also seine Parameter so angepasst werden, dass es die gewünschten Vorhersagen macht. Aufwendig und teuer. Eigenes Kapitel: Training & Daten.
Transformer
Die Architektur, die seit 2017 fast alle modernen Sprachmodelle prägt, basierend auf einem Mechanismus namens "Attention". Macht es möglich, lange Texte effizient zu verarbeiten.
Vector Database
Eine spezielle Datenbank für Embeddings, sucht nicht nach Wörtern, sondern nach Ähnlichkeit von Bedeutungen. Bekannte Vertreter: Pinecone, Chroma, Qdrant. Mehr in RAG.
Zero-Shot
Eine Aufgabe wird ohne Beispiele gestellt, das Modell soll allein aus der Beschreibung verstehen, was zu tun ist. Funktioniert bei guten Modellen erstaunlich oft. Gegenstück zu Few-Shot.
Damit hast du das Vokabular beisammen, um in fast jedes KI-Gespräch einzusteigen, ob beim Mittagessen, im Meeting oder in einem Forum. Du wirst nicht jedem Begriff sofort begegnen, und manche Definitionen werden sich in den nächsten Jahren noch verschieben. Das ist normal in einem Feld, das sich gerade selbst erfindet. Wichtig ist: Du hast die Karte. Wenn dir der nächste Hype-Begriff über den Weg läuft, weißt du, wo du ihn einsortieren musst, und du erkennst Hülsen, sobald jemand nur damit um sich wirft, ohne sie zu erklären.