162 Artikel
Guides durchstöbern
Der Action Space legt fest, worauf ein Agent zugreifen kann. Ist er zu klein, bringt der Agent die Aufgabe nicht zu Ende; ist er zu groß, macht der Agent mehr Fehler und jeder einzelne richtet größeren Schaden an. Ihn bewusst einzugrenzen ist eine Sicherheitsmaßnahme, kein Konfigurationsdetail. In der Praxis: Den Kalender lesen und Einladungen verschicken — aber keine Termine löschen und keine E-Mails nach außen senden.
Adversarial Examples nutzen aus, dass die Entscheidungsgrenzen eines Modells nicht mit der menschlichen Wahrnehmung übereinstimmen. Winzige, gezielte Änderungen kippen die Ausgabe, und das Modell ist sich dabei sehr sicher. Sie sind eine Erinnerung daran, dass hohe Benchmark-Genauigkeit nichts darüber aussagt, wie sich ein System unter Angriff verhält. In der Praxis: Ein Stoppschild mit ein paar Aufklebern, das ein Vision-Modell als Tempolimit-Schild liest.
Modelle sind zustandslos, Gedächtnis ist also etwas, das du selbst baust: kurzfristiger Zustand innerhalb einer Aufgabe und langfristiger Speicher, der bei Bedarf abgerufen wird. Ohne das lernt ein Agent in jeder Sitzung dieselben Fakten neu. Mit ihm handelst du dir Fragen zu Korrektheit, Veralterung und Datenschutz ein. In der Praxis: Über Sitzungen hinweg zu wissen, dass dieser Kunde britisches Englisch will und keine Aufzählungspunkte.
Der Agentic Loop ist die Kontrollstruktur, die aus einem zustandslosen Modell etwas macht, das Arbeit erledigt. Jeder Durchlauf führt das Ergebnis der letzten Aktion in die nächste Entscheidung zurück, sodass der Agent sich von Fehlschlägen erholen kann. Solche Schleifen brauchen explizite Abbruchbedingungen — sonst probiert ein Agent munter ewig weiter und stellt dir das in Rechnung. In der Praxis: Suchen → Ergebnis lesen → merken, dass es falsch ist → Suchanfrage verfeinern → neu versuchen. ...
Agentische KI ist die adjektivische Form: die Eigenschaften, die ein System zu einem Agenten machen, vor allem Autonomie und die Fähigkeit, auf die Welt einzuwirken. Praktisch verschiebt sich damit alles von ‘das Modell schreibt einen Entwurf’ zu ‘das Modell erledigt die Aufgabe’, und das verändert das Risikoprofil vollständig. Alles, was handeln kann, kann auch falsch handeln — und zwar schnell. In der Praxis: Der Unterschied zwischen einem Modell, das beschreibt, wie man die Spesenabrechnung einreicht, und einem, das sie einreicht. ...
Eine Aktivierungsfunktion entscheidet, was eine Einheit weitergibt. Die Nichtlinearität ist der ganze Punkt: Stapelst du hundert lineare Schichten, hast du immer noch ein lineares Modell — schiebst du dagegen eine nicht-lineare Funktion dazwischen, kann das Netz Kurven, Wechselwirkungen und Struktur abbilden. ReLU ist der übliche Standard. In der Praxis: ReLU: negative Eingaben werden zu null, positive Eingaben gehen unverändert durch.
Algorithmischer Bias entsteht aus schiefen Trainingsdaten, aus Proxy-Variablen, die für geschützte Merkmale einspringen, und aus Entscheidungen darüber, was optimiert wird. Absicht braucht es dafür fast nie. Weil er systematisch und nicht zufällig ist, skaliert er — und genau das macht ihn schlimmer als den Bias eines einzelnen Menschen. In der Praxis: Ein Postleitzahl-Merkmal, das stillschweigend die ethnische Herkunft kodiert und Kreditentscheidungen steuert.
Anbieter ist die Rolle mit den schwersten Pflichten. Sie bemisst sich daran, was du tust, nicht daran, was du baust: Setzt du deine eigene Marke auf das Modell eines anderen, kannst du zum Anbieter dieses Systems werden. Auch die wesentliche Änderung eines Hochrisikosystems kann den Anbieterstatus auf dich übertragen. In der Praxis: Ein fremdes Modell als ‘YourCo AI’ zu vermarkten, kann dich zum Anbieter machen.
Eine API ist die Art, wie Software mit Software spricht. Bei KI heißt das: Du schickst eine Anfrage mit deinem Prompt und deinen Einstellungen ab und bekommst generierte Ausgabe zurück, bezahlt pro Token. Genau das macht aus einem Modell einen Baustein, auf dem du aufbauen kannst, statt einer Website, die du besuchst. In der Praxis: Eine HTTPS-Anfrage rein, eine JSON-Antwort raus, abgerechnet nach verbrauchten Token.
Ein API-Schlüssel weist dein Konto gegenüber dem Anbieter aus. Wer ihn hat, kann dein Budget ausgeben und deine Nutzung einsehen; Schlüssel gehören deshalb auf einen Server oder in einen Secrets Manager, nie in Frontend-Code oder ein öffentliches Repository. Rotiere sie und beschränke ihre Rechte überall dort, wo der Anbieter das erlaubt. In der Praxis: Ein Schlüssel, der in ein öffentliches Repo committet wird, ist binnen Minuten gefunden und in Benutzung. ...