Nachschlagen

KI-Glossar

Die Begriffe rund um KI im Unternehmen, von A bis Z erklärt

A

Abnahme: Der Moment, in dem jemand mit Namen erklärt, dass ein KI-gestützter Ablauf in den Regelbetrieb darf. Sie setzt vorher vereinbarte Kriterien voraus — ohne die ist sie ein Eindruck, keine Entscheidung. Siehe auch: Gate, Owner
Agent: Ein KI-System, das eine Aufgabe in mehreren Schritten selbst zerlegt, Werkzeuge aufruft und aus deren Ergebnissen den nächsten Schritt ableitet. Der Unterschied zu einem einfachen Prompt ist die Schleife, nicht die Intelligenz. Siehe auch: Agentic Workflow, Tool Use Mehr dazu: Der erste KI-Agent sollte langweilig sein
Agentic Workflow agentengestützter Ablauf: Ein Arbeitsablauf, in dem ein Agent mehrere Schritte selbständig durchläuft, unterbrochen von festgelegten Freigaben. Die Freigaben sind der Teil, der ihn betriebsfähig macht. Siehe auch: Agent, Human in the Loop
AI Act KI-Verordnung: Die Verordnung der EU über künstliche Intelligenz. Sie staffelt Pflichten nach Risiko: Transparenz und Kompetenznachweis für gewöhnliche betriebliche Anwendungen, deutlich mehr für Hochrisiko-Fälle wie Personalauswahl oder Kreditvergabe. Siehe auch: Governance
Alignment Ausrichtung: Die Arbeit daran, dass ein Modell tut, was beabsichtigt war, statt was wörtlich dasteht. Im Unternehmen zeigt sie sich weniger als Trainingsverfahren, mehr als Frage, woran man Abweichung überhaupt erkennt. Siehe auch: Eval-Set

B

Benchmark Vergleichstest: Ein standardisierter Aufgabensatz, an dem Modelle miteinander verglichen werden. Nützlich zur Vorauswahl, aber kein Ersatz für eigene Testfälle: Benchmarks messen die Aufgaben ihrer Autoren, nicht die des Unternehmens. Siehe auch: Eval-Set

C

Chain of Thought Gedankenkette: Die Zwischenschritte, die ein Modell erzeugt, bevor es antwortet. Sie verbessern das Ergebnis bei mehrstufigen Aufgaben — sind aber eine erzeugte Begründung, keine Protokollierung des tatsächlichen Vorgehens. Siehe auch: Reasoning Model
Chunking Zerlegung in Textabschnitte: Das Aufteilen langer Dokumente in Abschnitte, die sich einzeln abrufen lassen. Die Schnittführung entscheidet über die Qualität des Abrufs: Wer mitten in einer Tabelle trennt, liefert später halbe Antworten. Siehe auch: Retrieval, Retrieval Augmented Generation Mehr dazu: Nutzbares Wissen aus verstreuten Daten generieren
Context Engineering Kontextgestaltung: Die Entscheidung darüber, welche Informationen ein Modell zu einer Anfrage überhaupt zu sehen bekommt — und in welcher Reihenfolge. Im Betrieb ist das der Hebel mit der größten Wirkung, deutlich vor der Formulierung des Prompts. Siehe auch: Context Window, Retrieval Augmented Generation
Context Window Kontextfenster: Die Menge an Text, die ein Modell in einer Anfrage gleichzeitig verarbeiten kann, gemessen in Token. Was nicht hineinpasst, existiert für das Modell nicht — auch dann nicht, wenn es im Unternehmen dokumentiert ist. Siehe auch: Token, Context Engineering

D

Distillation Destillation: Ein Verfahren, bei dem ein kleineres Modell darauf trainiert wird, die Ausgaben eines größeren nachzubilden. Ergebnis ist ein günstigerer und schnellerer Nachfolger für einen eng umrissenen Aufgabenbereich. Siehe auch: Fine-Tuning, Quantization
Drift Verhaltensdrift: Die langsame Verschiebung der Ergebnisse, ohne dass jemand etwas geändert hätte — durch neue Modellversionen, veränderte Eingabedaten oder gewachsene Erwartungen. Sichtbar wird sie nur, wenn regelmäßig dieselben Testfälle laufen. Siehe auch: Eval-Set Mehr dazu: KI-Workflows brauchen Tests, nicht nur Intuition

E

Embedding Vektoreinbettung: Die Übersetzung eines Textabschnitts in eine Zahlenfolge, deren Nähe zu anderen Zahlenfolgen inhaltliche Ähnlichkeit abbildet. Grundlage jeder Suche, die nach Bedeutung statt nach Wortgleichheit sucht. Siehe auch: Vector Database, Retrieval
Eval-Set Testfallsammlung: Eine Sammlung echter Fälle mit erwartetem Ergebnis, die sich auf Knopfdruck erneut durchrechnen lässt. Sie ist der einzige Weg, eine Änderung an Prompt, Daten oder Modell zu bewerten, ohne zu raten. Siehe auch: Benchmark, Fehlerklasse Mehr dazu: KI-Workflows brauchen Tests, nicht nur Intuition

F

Fehlerklasse: Eine Gruppe wiederkehrender Fehler mit gemeinsamer Ursache — fehlender Kontext, veraltete Quelle, falsch verstandener Sonderfall. Fehler nach Klassen zu sortieren, macht aus Einzelbeschwerden eine Arbeitsliste. Siehe auch: Eval-Set
Few-Shot Prompting Prompt mit Beispielen: Eine Anweisung, der einige gelöste Beispiele beiliegen. Bei Aufgaben mit fester Ausgabeform meist der schnellste Weg zu brauchbaren Ergebnissen — und in der Regel günstiger als Nachtrainieren. Siehe auch: Zero-Shot Prompting, Fine-Tuning
Fine-Tuning Nachtrainieren: Das Weitertrainieren eines vorhandenen Modells mit eigenen Beispielen. Sinnvoll für Ton und Form, selten für Wissen — dafür ist der Abruf aus Quellen der robustere Weg, weil er sich aktualisieren lässt. Siehe auch: Retrieval Augmented Generation, Distillation
Foundation Model Basismodell: Ein auf sehr breiten Datenmengen vortrainiertes Modell, das als Grundlage für viele Anwendungen dient, statt für eine gebaut zu sein. Die Sprachmodelle der großen Anbieter sind der bekannteste Fall. Siehe auch: Large Language Model

G

Gate Freigabepunkt: Ein festgelegter Punkt im Ablauf, an dem eine benannte Person entscheidet, ob es weitergeht. Ein Gate ohne vorher vereinbartes Kriterium ist ein Termin, keine Prüfung. Siehe auch: Abnahme, Human in the Loop
Governance Steuerungsrahmen: Die Regeln dafür, wer welche KI-Systeme unter welchen Auflagen einsetzen darf. Wirksam wird sie erst, wenn sie einen gangbaren freigegebenen Weg beschreibt — sonst erzeugt sie Shadow AI statt sie zu verhindern. Siehe auch: Shadow AI, AI Act
Grounding Rückbindung an Quellen: Die Kopplung einer Antwort an belegbare Quellen, meist über einen Abruf vor der Erzeugung. Sie beseitigt Halluzinationen nicht, macht sie aber überprüfbar, weil die Antwort ihre Belege mitführt. Siehe auch: Halluzination, Retrieval Augmented Generation
Guardrail Leitplanke: Eine technische Grenze außerhalb des Modells, die bestimmte Eingaben oder Ausgaben abfängt. Anders als eine Anweisung im Prompt lässt sie sich nicht durch geschickte Formulierung überreden. Siehe auch: Prompt Injection, System Prompt

H

Halluzination: Eine Ausgabe, die plausibel formuliert und sachlich falsch ist. Sie folgt aus der Funktionsweise des Modells — es setzt fort, statt nachzuschlagen — und lässt sich eingrenzen, aber nicht abschalten. Siehe auch: Grounding, Retrieval Augmented Generation
Human in the Loop Mensch im Ablauf: Ein Ablauf, in dem ein Mensch an festgelegter Stelle zustimmt, bevor es weitergeht. Entscheidend ist die Festlegung: welcher Schritt, welche Person, welches Kriterium. Siehe auch: Gate, Agentic Workflow Mehr dazu: Der erste KI-Agent sollte langweilig sein

I

Inferenz: Der Vorgang, bei dem ein fertig trainiertes Modell eine Ausgabe erzeugt. Die laufenden Kosten einer KI-Anwendung entstehen hier, nicht im Training. Siehe auch: Token, Latenz

J

Jailbreak Umgehung der Leitplanken: Eine Eingabe, die ein Modell dazu bringt, seine eigenen Regeln zu übergehen. Der Grund, warum sicherheitsrelevante Grenzen außerhalb des Modells sitzen müssen und nicht in seiner Anweisung. Siehe auch: Guardrail, Prompt Injection

K

Knowledge Cutoff Wissensstand: Der Zeitpunkt, bis zu dem die Trainingsdaten eines Modells reichen. Alles danach kennt es nur, wenn es ihm in der Anfrage mitgegeben wird — und das gilt für interne Informationen jeden Alters. Siehe auch: Retrieval Augmented Generation, Context Engineering

L

Large Language Model großes Sprachmodell: Ein auf sehr großen Textmengen trainiertes Modell, das zu einer Eingabe die wahrscheinliche Fortsetzung erzeugt. Kurz LLM. Es schlägt nichts nach und prüft nichts — daraus folgen seine Bandbreite und seine Fehler gleichermaßen. Siehe auch: Foundation Model, Token
Latenz: Die Zeit zwischen Anfrage und Antwort. Im Alltag oft wichtiger als die letzten Prozentpunkte Genauigkeit: Ein Vorschlag, auf den man wartet, wird umgangen. Siehe auch: Inferenz

M

Model Context Protocol: Ein offener Standard dafür, wie KI-Anwendungen Werkzeuge und Datenquellen einbinden. Kurz MCP. Er ersetzt eine eigene Anbindung je Modell durch eine Schnittstelle, die mehrere Anbieter unterstützen. Siehe auch: Tool Use
Multimodal: Die Fähigkeit eines Modells, mehr als Text zu verarbeiten — Bilder, Audio, Tabellen. Im Betrieb meist da relevant, wo Eingaben ohnehin als Scan oder Foto anfallen.

O

Open-Weight Model Modell mit offenen Gewichten: Ein Modell, dessen trainierte Parameter frei verfügbar sind und das sich daher selbst betreiben lässt. Nicht gleichbedeutend mit quelloffen: Trainingsdaten und Verfahren bleiben meist unveröffentlicht. Siehe auch: Parameter, Quantization
Orchestrierung: Die Steuerung mehrerer Modell- und Werkzeugaufrufe zu einem Ablauf — samt Reihenfolge, Wiederholung bei Fehlern und Abbruch. Der Teil einer KI-Anwendung, der am ehesten nach gewöhnlicher Software aussieht. Siehe auch: Agentic Workflow, Tool Use
Owner verantwortliche Person: Wer ein Ergebnis verantwortet und über sein Budget entscheidet — nicht wer es begleitet. Ohne benannten Owner gibt es niemanden, der einen Fehler abstellt oder das System abschaltet. Siehe auch: Abnahme

P

Parameter: Die trainierten Gewichte eines Modells, meist in Milliarden angegeben. Als Maß für Leistungsfähigkeit nur grob brauchbar: Trainingsdaten und Verfahren wiegen inzwischen schwerer als die reine Zahl. Siehe auch: Open-Weight Model
Prompt Eingabeanweisung: Die Eingabe, mit der eine Anfrage an ein Modell gestellt wird. Im Betrieb selten ein Satz, den jemand tippt, sondern ein zusammengesetzter Text aus Anweisung, Kontext und Daten. Siehe auch: System Prompt, Context Engineering
Prompt Engineering Prompt-Gestaltung: Das systematische Formulieren und Verbessern von Prompts. Die Einzelkniffe veralten mit jeder Modellgeneration; was bleibt, ist die Fähigkeit, eine Aufgabe präzise zu beschreiben und das Ergebnis zu prüfen. Siehe auch: Few-Shot Prompting, Zero-Shot Prompting
Prompt Injection eingeschleuste Anweisung: Ein Angriff, bei dem Anweisungen in Daten versteckt werden, die das System später verarbeitet — in einer Webseite, einem Dokument, einer Mail. Das Modell trennt Anweisung und Inhalt nicht zuverlässig. Siehe auch: Guardrail, Jailbreak
Proof of Concept Machbarkeitsnachweis: Ein Versuchsaufbau, der zeigt, dass eine Aufgabe im Prinzip lösbar ist. Kurz PoC. Er sagt nichts über unsaubere Eingaben, Last, Zuständigkeit oder Nachweispflicht — also über den Betrieb. Siehe auch: Gate, Use-Case

Q

Quantization Quantisierung: Das Verringern der Rechengenauigkeit eines Modells, um Speicher und Kosten zu senken. Bis zu einem gewissen Grad kaum spürbar, darunter beginnt das Verhalten in Randfällen zu kippen. Siehe auch: Distillation, Open-Weight Model

R

Reasoning Model schlussfolgerndes Modell: Ein Modell, das vor der Antwort ausführlich Zwischenschritte erzeugt. Stärker bei mehrstufigen Aufgaben, dafür langsamer und teurer — eine Abwägung je Anwendungsfall, keine generelle Verbesserung. Siehe auch: Chain of Thought, Latenz
Red Teaming gezielte Angriffsprüfung: Der systematische Versuch, ein System zu unerwünschten Ausgaben zu bringen, bevor es jemand anders tut. Ergebnis sind Testfälle, keine Empfehlungen. Siehe auch: Jailbreak, Eval-Set
Reranking Neusortierung der Treffer: Ein zweiter Durchgang, der abgerufene Textstellen nach tatsächlicher Passung zur Frage sortiert. Häufig der Schritt, der einen mittelmäßigen Abruf brauchbar macht. Siehe auch: Retrieval, Retrieval Augmented Generation
Retrieval Abruf: Das Heraussuchen passender Textstellen aus einem Bestand, bevor das Modell antwortet. Die Qualität des Abrufs begrenzt die Qualität der Antwort — ein besseres Modell gleicht einen schlechten Abruf nicht aus. Siehe auch: Embedding, Reranking, Retrieval Augmented Generation
Retrieval Augmented Generation abrufgestützte Generierung: Ein Verfahren, bei dem vor der Antwort passende Textstellen aus eigenen Quellen abgerufen und der Anfrage beigelegt werden. Kurz RAG. Der Standardweg, um ein Modell mit Unternehmenswissen arbeiten zu lassen, ohne es nachzutrainieren. Siehe auch: Retrieval, Grounding, Wissensbasis Mehr dazu: Nutzbares Wissen aus verstreuten Daten generieren
Rollback Rückfall auf den letzten Stand: Der geplante Weg zurück zur vorherigen Version, wenn eine Änderung im Betrieb Schaden anrichtet. Bei KI-Systemen betrifft er nicht nur den Code, sondern auch Modellversion und Prompt. Siehe auch: Drift

S

Shadow AI Schatten-KI: Die Nutzung von KI-Werkzeugen an der IT vorbei, meist über private Zugänge. Selten böser Wille, meist eine Lücke im Angebot — wo kein freigegebener Weg existiert, entsteht ein inoffizieller. Siehe auch: Governance
Structured Output strukturierte Ausgabe: Eine Antwort in einem festgelegten Format statt in Fließtext, meist gegen ein Schema erzwungen. Voraussetzung dafür, dass nachgelagerte Systeme das Ergebnis weiterverarbeiten können, ohne es zu interpretieren. Siehe auch: Tool Use
System Prompt Systemanweisung: Die vorangestellte Anweisung, die Rolle, Ton und Grenzen eines KI-Assistenten festlegt. Sie steuert das Verhalten, ist aber keine Zugriffskontrolle: Was das Modell sehen darf, entscheidet die Datenschicht. Siehe auch: Prompt, Guardrail

T

Temperature Temperatur: Ein Regler für die Zufälligkeit der Ausgabe. Niedrige Werte machen Ergebnisse wiederholbar und damit testbar, hohe Werte machen sie abwechslungsreicher — für betriebliche Abläufe ist Wiederholbarkeit meist der höhere Wert. Siehe auch: Eval-Set
Token: Die Einheit, in der Modelle Text verarbeiten und abrechnen — ein Wortteil, im Deutschen grob zwei bis drei Zeichen. Kontextfenster und Kosten werden in Token gemessen, nicht in Wörtern. Siehe auch: Context Window, Inferenz
Tool Use Werkzeugaufruf: Die Fähigkeit eines Modells, statt einer Antwort den Aufruf einer Funktion zu erzeugen — eine Suche, eine Berechnung, einen Schreibvorgang. Die Stelle, an der aus einem Textsystem ein handelndes wird, und damit die Stelle, an der Rechte zählen. Siehe auch: Agent, Model Context Protocol

U

Use-Case Anwendungsfall: Ein abgegrenzter Ablauf, in dem KI einen bestimmten Schritt übernimmt. Brauchbar wird er durch den Zuschnitt: strukturierte Eingabe, schnell prüfbares Ergebnis, sichtbarer Fehler, benannter Owner. Siehe auch: Owner, Proof of Concept

V

Vector Database Vektordatenbank: Ein Speicher für Embeddings, der zu einer Anfrage die inhaltlich nächsten Einträge findet. Technische Grundlage des Abrufs — und selten die Ursache, wenn Antworten schlecht sind. Siehe auch: Embedding, Retrieval

W

Wissensbasis: Der aufbereitete Bestand an internen Informationen, auf den ein KI-System zugreift. Sie entsteht nicht durch Anschließen vorhandener Ablagen, sondern durch Entscheidungen darüber, was gilt, wenn zwei Dokumente sich widersprechen. Siehe auch: Retrieval Augmented Generation, Retrieval Mehr dazu: Nutzbares Wissen aus verstreuten Daten generieren

Z

Zero-Shot Prompting Prompt ohne Beispiele: Eine Anweisung ohne beigelegte Beispiele. Bei klar beschriebenen Aufgaben ausreichend; sobald die Ausgabeform genau sitzen muss, sind Beispiele der kürzere Weg. Siehe auch: Few-Shot Prompting

Fragen statt Begriffe? Die stehen unter Häufige Fragen.