KI-Begriffe, verständlich erklärt.
Kein Fachbegriff, der mit weiteren Fachbegriffen erklärt wird. Was jeder Begriff bedeutet und warum er bei einer Entscheidung zählt.
Begriffe, die man kennen sollte
Kein Fachbegriff, der mit weiteren Fachbegriffen erklärt wird. Was jeder bedeutet und warum er bei einer Entscheidung zählt.
KI-Agent
Software mit Modell, Werkzeugen und der Erlaubnis zu handeln - eine Datei lesen, einen Datensatz ändern, anrufen - statt nur Text zu erzeugen. Der Unterschied zum Chatbot ist, dass er etwas verändert.
AI Act
Die EU-Verordnung über künstliche Intelligenz, unionsweit in Kraft, mit gestaffelten Pflichten bis 2026 und 2028. Sie ordnet Systeme nach Risiko und knüpft daran Pflichten.
KI-Assessment
Eine strukturierte Prüfung von Prozessen mit der Frage, wo KI sich rechnet und wo nicht, samt geschätztem Nutzen je Fall. Der Wert liegt in der Gewichtung, nicht in der Liste.
KI-Kompetenz
Zu wissen, was diese Systeme können und was nicht, wo sie versagen und wie man ihre Ausgaben prüft. Zuversicht ohne dieses Wissen ist schlimmer als keine Einführung.
API
Die Schnittstelle, über die eine Software von einer anderen genutzt werden kann. Ob Ihre Systeme brauchbare besitzen, entscheidet weitgehend, was sich automatisieren lässt.
ASR
Automatische Spracherkennung: gesprochenes Audio wird zu Text. Der erste Schritt jedes Sprachagenten und die Stelle, an der schwieriges Audio zuerst Qualität kostet.
Automatisierung
Software erledigt eine Aufgabe, die zuvor ein Mensch erledigt hat. Klassische Automatisierung folgt festen Regeln; KI-Automatisierung kommt mit Abweichung zurecht und erreicht damit Prozesse, die Regeln nicht erreichten.
Chain of Thought
Das Modell wird angeleitet, Zwischenschritte auszuführen, bevor es antwortet. Das verbessert mehrstufiges Schließen und macht die Antwort nachvollziehbar.
Chatbot
Eine dialogische Oberfläche. Ältere folgen Skriptbäumen, neuere laufen auf Sprachmodellen. Keiner von beiden handelt in Ihren Systemen, sofern er nicht als Agent gebaut ist.
Claude
Eine Modellfamilie von Anthropic, stark bei langen Dokumenten und sorgfältiger Befolgung von Anweisungen. Eine der Optionen, die wir messen, kein Standard.
Textvervollständigung
Die zugrunde liegende Operation eines Sprachmodells: vorhersagen, was als Nächstes kommt. Alles andere - Chat, Agenten, Zusammenfassen - baut darauf auf.
Kontextfenster
Wie viel Text ein Modell gleichzeitig berücksichtigen kann. Wird es überschritten, fällt Früheres heraus - die übliche Ursache dafür, dass ein Modell etwas zu „vergessen“ scheint.
Deep Learning
Maschinelles Lernen mit vielschichtigen neuronalen Netzen. Die Technik hinter den heutigen Sprach- und Bildmodellen.
Embedding
Text als Zahlenfolge, die Bedeutung abbildet, sodass Ähnliches nah beieinanderliegt. Genau das macht semantische Suche möglich.
Few-Shot Learning
Dem Modell einige Beispiele im Prompt geben, um das gewünschte Muster festzulegen. Oft wirksamer als eine lange Anweisung und deutlich günstiger als Fine-Tuning.
Fine-Tuning
Weiteres Training an eigenen Beispielen, um Ton oder Format festzulegen. Meist unnötig: RAG löst mehr Probleme zu geringeren Kosten und ohne Ihre Daten in ein Modell zu binden.
Foundation Model
Ein großes Allzweckmodell, breit trainiert und nachträglich an konkrete Zwecke angepasst. Die Basisschicht, auf der alles Weitere aufsetzt.
Function Calling
Die Fähigkeit eines Modells, Code mit strukturierten Argumenten aufzurufen - eine Bestellung nachschlagen, einen Termin buchen - statt nur darüber zu schreiben. Der Mechanismus, der aus einem Modell einen Agenten macht.
DSGVO
Die EU-Datenschutz-Grundverordnung. Für KI regelt sie, welche Daten auf welcher Grundlage verarbeitet werden dürfen und welche Rechte Betroffene behalten.
Gemini
Googles Familie von Sprachmodellen. Stark im multimodalen Bereich; eine weitere Option, die wir je Fall messen.
GPT
OpenAIs Familie von Sprachmodellen. Weit verbreitet, weshalb „GPT“ oft locker für jedes Sprachmodell verwendet wird.
Halluzination
Eine selbstbewusst vorgetragene falsche Antwort. Der Grund, warum ernsthafte Einführungen Quellen nennen und folgenreiche Entscheidungen bei Menschen belassen.
Human-in-the-Loop
Ein Aufbau, bei dem ein Mensch bestimmte Entscheidungen freigibt oder korrigiert. Wo diese Freigaben sitzen, bestimmt Risiko und Nutzen einer Automatisierung.
Inferenz
Der Betrieb eines trainierten Modells zur Erzeugung einer Antwort, im Unterschied zum Training. Dafür zahlen Sie je Nutzung, und daran misst sich die Latenz.
LangChain
Ein Open-Source-Framework für Anwendungen auf Sprachmodellen. Nützlich für Prototypen; produktive Systeme wachsen oft darüber hinaus.
LlamaIndex
Ein Framework zur Anbindung von Sprachmodellen an eigene Daten, vor allem für RAG. Es löst Indexierung und Abruf, die man sonst selbst baut.
LLM
Ein großes Sprachmodell: mit Text trainierte Software, die vorhersagt, was als Nächstes kommt. Nützlich für Sprachaufgaben, unzuverlässig beim Rechnen und bei nie gesehenen Fakten.
MCP
Model Context Protocol: ein offener Standard zur Anbindung von Modellen an Werkzeuge und Datenquellen, damit Integrationen nicht je Modell neu gebaut werden.
Maschinelles Lernen
Software, die ihr Verhalten aus Daten ableitet statt aus geschriebenen Regeln. Das übergeordnete Feld, zu dem Sprachmodelle gehören.
Langzeitgedächtnis
Das Speichern von Informationen über Gespräche hinweg, sodass ein System sich an frühere Kontakte erinnert. Nicht zu verwechseln mit dem Kontextfenster, das jedes Mal zurückgesetzt wird.
Mistral
Eine Modellfamilie des gleichnamigen französischen Unternehmens, mit offenen Gewichten für den Eigenbetrieb. Relevant, wenn Datenhaltung gehostete APIs ausschließt.
Modellunabhängig
Eine Architektur, die trennt, was Ihr System tut, von dem Modell, das es antreibt - so lassen sich Anbieter ohne Umbau wechseln. Genau das verhindert Bindung.
Multi-Agenten-System
Mehrere Agenten mit verschiedenen Rollen an einer Aufgabe. Leistungsfähig und deutlich schwerer zu analysieren - nur lohnend, wenn ein einzelner Agent wirklich nicht genügt.
Multimodal
Ein Modell, das mehr als Text verarbeitet: Bilder, Audio, Video. Nützlich beim Lesen gescannter Unterlagen und Fotos von Schäden oder Mängeln.
N8N
Ein Open-Source-Werkzeug zur Workflow-Automatisierung. Häufig der richtige Ort, um die Schritte eines Agenten zu orchestrieren, wenn die Logik vor allem Abfolge ist.
NLP
Natural Language Processing: das Feld der maschinellen Verarbeitung menschlicher Sprache. Sprachmodelle sind dessen aktueller Stand.
NLU
Natural Language Understanding: Absicht und Bedeutung aus dem Gesagten gewinnen. Daran entscheidet sich, ob ein Sprachagent den Anrufer verstanden hat.
Orchestrierung
Das Zusammenspiel von Modellen, Werkzeugen und Schritten zu einem funktionierenden Prozess. Der größte Teil der Ingenieursarbeit steckt hier, nicht im Modell.
OpenAI
Das Unternehmen hinter den GPT-Modellen. Ein Anbieter unter mehreren, die wir messen; an keinen gebunden zu sein, ist Absicht.
Prompt
Die Anweisung an ein Modell. Kleine Änderungen im Wortlaut verändern die Ausgabe erheblich, weshalb Prompts getestet und nicht einmal geschrieben werden.
Prompt Engineering
Prompts systematisch schreiben und testen, damit Ergebnisse auch bei echten Eingaben tragen und nicht nur bei den zuerst versuchten Beispielen.
RAG
Retrieval-augmented generation: das Modell antwortet aus Ihren Dokumenten statt aus dem Gedächtnis. Erst das macht eine Antwort gegen eine Quelle prüfbar.
ROI
Return on Investment. Bei KI sollte er Aufbaukosten, laufende Kosten und die Zeit Ihres Teams enthalten - nicht nur die Lizenz.
RPA
Robotic Process Automation: Software, die festen Regeln durch bestehende Oberflächen folgt. Sie scheitert an Abweichung - genau dort übernehmen KI-Agenten.
System-Prompt
Die dauerhafte Anweisung, die Rolle und Grenzen eines Modells für jedes Gespräch festlegt. Hier werden Verhalten und Schranken gesetzt.
Temperature
Eine Einstellung, die steuert, wie variabel die Ausgabe ausfällt. Niedrig für Extraktion und Klassifizierung, höher für Entwürfe - ein falscher Wert erzeugt viel scheinbare Unzuverlässigkeit.
Token
Die Einheit, in der Modelle lesen und abrechnen, etwa drei Viertel eines Wortes. Kosten und Grenzen werden in Token ausgedrückt, deshalb steht der Begriff auf Rechnungen.
Tool Use
Ein Modell ruft externe Funktionen auf, um nachzuschlagen oder zu handeln. Der Oberbegriff für das, was Function Calling ermöglicht.
TTS
Text-to-Speech: aus Text wird gesprochenes Audio. Das gibt einem Sprachagenten seine Stimme, und dort fällt Natürlichkeit am stärksten auf.
Vektor
Die numerische Darstellung der Bedeutung eines Textes, gespeichert in einer Vektordatenbank, damit Ähnliches nach Bedeutung statt nach Stichwort gefunden wird.
Voice AI Agent
Ein Agent am Telefon: er versteht Sprache, antwortet, handelt in Ihren Systemen und übergibt, was einen Menschen braucht.
Zero-Shot Learning
Ein Modell löst eine Aufgabe ohne Beispiele, allein aus der Anweisung. Bei verbreiteten Aufgaben gut, bei allem Unternehmensspezifischen weniger.
Begriffe, die in die Irre führen
Beschreibt alles und verpflichtet zu nichts. Fragen Sie nach Modell, Datengrundlage und dem Verhalten im Fehlerfall.
Heißt selten unbeaufsichtigt. Fragen Sie, wo die Freigaben sitzen und ob Sie sie verschieben können.
Kann Fine-Tuning bedeuten oder schlicht RAG. Der Unterschied zählt für Kosten, Bindung und den Verbleib Ihrer Daten.
Ohne Testmenge bedeutungslos. Genau worin, wie gemessen, verglichen womit.