KI-Lernbibliothek
KI-Glossar: über 150 KI-Begriffe verständlich erklärt
Ein verständliches Glossar der KI-Begriffe, die im Arbeitsalltag wirklich vorkommen — von Tokens und RAG bis zum EU AI Act.
162 Begriffe
Kein Begriff passt dazu. Probier ein kürzeres Wort oder .
A
Action Space
Die komplette Menge dessen, was ein Agent tun darf — seine Tools, APIs und Berechtigungen.
Aktivierungsfunktion
Der nicht-lineare Schritt in jeder Einheit, ohne den ein tiefes Netz zu einem einzigen linearen Netz zusammenfallen würde.
Adversarial Example
Eine Eingabe, die gerade so weit gestört wurde, dass sie ein Modell täuscht — für Menschen sieht sie unverändert aus.
Agenten-Gedächtnis
Wie ein Agent Informationen über Schritte und Sitzungen hinweg behält — über das Kontextfenster hinaus.
Agentische KI
KI, die handelt — plant, Tools nutzt, sich selbst korrigiert — statt nur Text zu produzieren.
Agentic Loop
Der Zyklus, den ein Agent wiederholt: überlegen, was zu tun ist, handeln, das Ergebnis beobachten, neu entscheiden.
KI-Agent
Software, die in deinem Auftrag plant und auf ein Ziel hin handelt, statt nur zu antworten.
KI-Alignment
Das Problem, KI-Systeme dazu zu bringen, das zu verfolgen, was wir wirklich wollen — auch das, was wir nie ausdrücklich gesagt haben.
KI-Governance
Die interne Struktur aus Entscheidungen, Verantwortlichen und Kontrollen dafür, wie eine Organisation KI baut und einsetzt.
KI-Vorfall
Ein Ereignis, bei dem ein KI-System Schaden anrichtet oder beinahe anrichtet — zunehmend etwas, das du dokumentieren und melden musst.
KI-Kompetenz
Nach dem EU AI Act: die Fähigkeiten und das Verständnis, die Mitarbeitende brauchen, um KI-Systeme bewusst einzusetzen — und seit Februar 2025 eine gesetzliche Pflicht.
KI-Reallabor
Nach dem EU AI Act: eine überwachte Umgebung, in der Innovatoren KI-Systeme unter den Augen einer Behörde entwickeln und testen können.
KI-Sicherheit
Das Feld, das verhindern will, dass KI-Systeme Schaden anrichten — von alltäglichen Fehlern bis zu systemischen Risiken.
KI-Slop
Minderwertige KI-generierte Inhalte, produziert für Masse statt für Wert.
KI-System (rechtliche Definition)
Nach dem EU AI Act: ein maschinengestütztes System, das mit einem gewissen Grad an Autonomie arbeitet und aus Eingaben Ausgaben ableitet.
Algorithmischer Bias
Wenn ein System systematisch unterschiedliche Ergebnisse für verschiedene Gruppen liefert, ohne dass es dafür einen Grund gibt.
API API
Die Schnittstelle, über die dein Code einen Prompt an ein Modell schickt und eine Antwort zurückbekommt.
API-Schlüssel
Das geheime Credential, das deine API-Aufrufe authentifiziert und abrechnet — und niemals in einen Browser gehört.
Artificial General Intelligence AGI
Ein hypothetisches System, das die menschliche Bandbreite über praktisch jede kognitive Aufgabe hinweg erreicht — ohne einheitliche Definition, ohne einheitlichen Zeithorizont.
Künstliche Intelligenz AI
Software, die Aufgaben erledigt, die wir normalerweise mit menschlichem Denken verbinden — erkennen, vorhersagen, erzeugen, entscheiden.
Attention-Mechanismus
Die Operation, mit der ein Modell gewichtet, welche Teile der Eingabe für welchen Teil der Ausgabe am wichtigsten sind.
Autonomie
Wie weit ein System ohne menschliche Beteiligung handelt — ein Regler, kein Schalter.
B
Backpropagation
Der Algorithmus, der ermittelt, wie viel jedes Gewicht zum Fehler beigetragen hat, damit der Gradientenabstieg ihn korrigieren kann.
Batch-Inferenz
Viele Vorhersagen gemeinsam als Job ausführen statt einzeln in Echtzeit.
Batch-Größe
Wie viele Beispiele das Modell verarbeitet, bevor es seine Gewichte einmal aktualisiert.
Benchmark
Ein standardisierter Testsatz zum Vergleich von Modellen — nützlich als Richtungsangabe, unzuverlässig als Garantie.
Bias
Systematische Schieflage in den Ausgaben eines Modells — eine Eigenschaft von Daten und Design, kein moralischer Vorwurf.
Biometrische Kategorisierung
Nach dem EU AI Act: Menschen anhand ihrer biometrischen Daten in Kategorien einsortieren — eingeschränkt und bei sensiblen Merkmalen verboten.
C
CE-Kennzeichnung
Das Zeichen, mit dem erklärt wird, dass ein Hochrisiko-KI-System die geltenden EU-Anforderungen erfüllt.
Chain-of-Thought-Prompting CoT
Das Modell bitten, seine Überlegungen Schritt für Schritt durchzugehen, bevor es antwortet.
Chunking
Dokumente in Passagen aufteilen, die klein genug sind, um sie sinnvoll einzubetten und abzurufen.
Klassifikation
Vorhersagen, zu welcher Kategorie etwas gehört.
Computer Use
Ein Agent bedient einen Computer so wie ein Mensch — liest den Bildschirm, bewegt den Cursor, tippt.
Konformitätsbewertung
Das Verfahren, mit dem nachgewiesen wird, dass ein Hochrisiko-KI-System die Anforderungen des Acts erfüllt, bevor es auf den Markt kommt.
Content Credentials C2PA
Kryptografisch signierte Metadaten, die festhalten, wie ein Medienstück erstellt und bearbeitet wurde.
Context Engineering
Entscheiden, welche Informationen in welcher Reihenfolge ins Kontextfenster kommen — und was draußen bleibt.
Kontextfenster
Die maximale Anzahl Token, die ein Modell auf einmal berücksichtigen kann — Prompt, Dokumente und die eigene Antwort zusammen.
Copilot
Eine in ein Werkzeug eingebaute KI-Assistenz, die Vorschläge macht, während du die Kontrolle behältst.
D
Data Poisoning
Trainingsdaten so verfälschen, dass sich das entstehende Modell falsch verhält — oft nur bei einem bestimmten Auslöser.
Datenherkunft
Ein dokumentierter Nachweis darüber, woher Daten stammen, wie sie erhoben wurden und was damit getan werden darf.
Deep Learning
Machine Learning auf Basis neuronaler Netze mit vielen Schichten — der Ansatz hinter fast jedem modernen KI-System.
Deepfake
Synthetisches Audio oder Video, das eine echte Person überzeugend etwas tun oder sagen lässt, was sie nie getan oder gesagt hat.
Betreiber
Nach dem EU AI Act: wer ein KI-System in eigener Verantwortung beruflich einsetzt.
Differential Privacy
Eine mathematische Garantie, dass sich ein Ergebnis kaum ändert, egal ob die Daten einer einzelnen Person enthalten sind oder nicht.
Diffusionsmodell
Die Architektur hinter den meisten KI-Bild- und Videogeneratoren: mit Rauschen starten und es Schritt für Schritt entfernen.
Distillation
Ein kleines Modell darauf trainieren, ein großes nachzuahmen — fast dieselbe Qualität zu einem Bruchteil der Kosten.
Nachgelagerter Anbieter
Nach dem EU AI Act: ein Anbieter, dessen System ein KI-Modell mit allgemeinem Verwendungszweck von jemand anderem einbindet.
E
Embedding
Eine Zahlenliste, die Bedeutung repräsentiert — Ähnliches landet dabei nah beieinander.
Emotionserkennungssystem
Nach dem EU AI Act: ein System, das Emotionen oder Absichten aus biometrischen Daten erkennt oder ableitet — am Arbeitsplatz und in Bildungseinrichtungen verboten.
Epoche
Ein vollständiger Durchlauf des Trainingsalgorithmus über den gesamten Trainingsdatensatz.
EU AI Act
Die KI-Verordnung der EU — das erste breite, verbindliche KI-Gesetz, das nach Risikostufen greift.
Evaluation (Evals)
Systematisch messen, ob ein KI-System tut, was du brauchst — deine Tests, nicht die des Anbieters.
Erklärbarkeit XAI
Einem Menschen nachvollziehbar sagen können, warum ein System eine bestimmte Ausgabe erzeugt hat.
F
Fairness
Die Anforderung, dass ein System Menschen gerecht behandelt — mit mehreren mathematischen Definitionen, die einander nachweislich widersprechen.
Feature
Eine einzelne Eingabevariable, die ein Modell für seine Vorhersage nutzt.
Few-Shot-Prompting
Mehrere Beispiele in den Prompt schreiben, damit das Modell das gewünschte Muster ableitet.
Fine-Tuning
Ein allgemeines Modell mit eigenen Beispielen weitertrainieren, um sein Verhalten zu spezialisieren.
Foundation Model
Ein großes Modell, das einmal breit trainiert und dann für viele nachgelagerte Aufgaben angepasst wird, statt für jede Aufgabe neu gebaut zu werden.
Frontier Model
Ein Modell am oder jenseits des aktuellen Stands der Technik bei allgemeiner Leistungsfähigkeit — genau die, die Regulierer am genauesten beobachten.
Function Calling
Der Mechanismus, mit dem ein Modell deinen Code bittet, eine bestimmte Funktion mit bestimmten Argumenten auszuführen.
G
GAN (Generative Adversarial Network) GAN
Zwei Netze, die gegeneinander trainiert werden — eines erzeugt Fälschungen, eines entlarvt sie.
KI-Modell mit allgemeinem Verwendungszweck GPAI
Nach dem EU AI Act: ein Modell mit erheblicher allgemeiner Verwendbarkeit, das ein breites Aufgabenspektrum erfüllen und in viele Systeme eingebaut werden kann.
Generative KI GenAI
Modelle, die neue Inhalte erzeugen — Text, Bilder, Audio, Video, Code — statt bestehende Inhalte nur zu klassifizieren oder zu bewerten.
GPU GPU
Der Parallelprozessor, der Deep Learning praktikabel gemacht hat — und die knappste Ressource der Branche.
Gradientenabstieg
Das Optimierungsverfahren, das bessere Parameter findet, indem es immer wieder bergab auf dem Loss schreitet.
Guardrails
Kontrollen, die begrenzen, was ein Modell gefragt werden kann und was es ausgeben darf.
H
Halluzination
Flüssiger, selbstbewusster Output, der schlicht falsch ist — der prägende Fehlermodus von Sprachmodellen.
Hochrisiko-KI-System
Nach dem EU AI Act: ein System in einem gelisteten sensiblen Anwendungsfall — erlaubt, aber mit den strengsten Pflichten belegt.
Menschliche Aufsicht
Nach dem EU AI Act: die Anforderung, dass Menschen ein Hochrisiko-System verstehen, überwachen, übersteuern und stoppen können.
Human-in-the-Loop HITL
Ein Design, bei dem ein Mensch prüft oder freigibt, bevor eine KI-Aktion wirksam wird.
Hybride Suche
Keyword- und Vektorsuche kombinieren, weil jede dort versagt, wo die andere funktioniert.
Hyperparameter
Eine Einstellung, die du vor dem Training wählst — im Gegensatz zu einem Parameter, den das Modell währenddessen lernt.
I
Inferenz
Ein trainiertes Modell laufen lassen, um eine Antwort zu bekommen — alles, was nach abgeschlossenem Training passiert.
Inferenzkosten
Was es kostet, ein Modell produktiv zu betreiben — abgerechnet pro Token rein und pro Token raus.
Interpretierbarkeit
Verstehen, wie ein Modell innen arbeitet, statt nur seine Ausgaben zu beschreiben.
ISO/IEC 42001
Die internationale Norm für ein KI-Managementsystem — zertifizierbar, anders als das NIST-Framework.
J
K
L
Label
Die richtige Antwort, die an ein Trainingsbeispiel geheftet ist.
Large Language Model LLM
Ein Modell, das auf riesigen Textmengen trainiert wurde, um das nächste Token vorherzusagen — was sich als genug erweist, um zu schreiben, zusammenzufassen, zu übersetzen und zu schlussfolgern.
Latenz
Wie lange eine Anfrage dauert — der Unterschied zwischen einem Assistenten, der lebendig wirkt, und einem, der kaputt wirkt.
Lernrate
Wie groß der Schritt ist, den das Training bei jedem Update macht — der Hyperparameter, der einen Lauf am ehesten ruiniert.
LLMOps
MLOps für Systeme auf Basis von Sprachmodellen — Prompts, Evals, Kosten und Sicherheit statt Trainingsläufe.
LoRA (Low-Rank Adaptation)
Eine günstige Fine-Tuning-Methode, die ein kleines Zusatzmodul trainiert, statt das ganze Modell zu aktualisieren.
Verlustfunktion
Die Formel, die bewertet, wie falsch die Vorhersage eines Modells ist — die Größe, die das Training minimieren will.
M
Maschinelles Lernen ML
Eine Art, Software zu bauen, bei der das System Muster aus Beispielen lernt, statt handgeschriebenen Regeln zu folgen.
Meta-Prompting
Ein Modell nutzen, um Prompts für ein anderes Modell zu schreiben, zu kritisieren oder zu verbessern.
Mixture of Experts MoE
Eine Architektur, bei der für ein einzelnes Token immer nur ein Bruchteil der Modellparameter aktiv wird.
MLOps
Die Praktiken, um Machine-Learning-Modelle in Produktion zu bringen und am Laufen zu halten.
Modell
Das trainierte Artefakt — die gelernten Parameter plus die Architektur —, das eine Eingabe in eine Ausgabe verwandelt.
Model Card
Ein kurzes Standarddokument, das festhält, wofür ein Modell gedacht ist, wie es evaluiert wurde und wo es versagt.
Model Context Protocol MCP
Ein offener Standard, der KI-Anwendungen über eine gemeinsame Schnittstelle mit Tools und Datenquellen verbindet.
Modelldrift
Stille Verschlechterung, während sich die Welt von den Daten entfernt, auf denen ein Modell trainiert wurde.
Multi-Agenten-System
Mehrere spezialisierte Agenten, die zusammenarbeiten, meist mit einem Koordinator, der die Arbeit aufteilt.
Multimodale KI
Ein Modell, das mit mehr als einer Art von Ein- oder Ausgabe umgeht — Text, Bilder, Audio, Video.
N
Schwache KI
KI, die für eine bestimmte Aufgabe gebaut ist — also jedes KI-System, das heute existiert.
Negative Prompt
In der Bildgenerierung eine Liste von Dingen, die im Ergebnis nicht vorkommen sollen.
Neuronales Netz
Ein Modell aus Schichten verbundener Einheiten, die Zahlen weiterreichen — lose von Neuronen inspiriert.
NIST AI Risk Management Framework AI RMF
Ein freiwilliges US-Rahmenwerk zum Umgang mit KI-Risiken, gegliedert in Govern, Map, Measure, Manage.
O
On-Device-KI
Ein Modell auf dem Handy oder Laptop laufen lassen, statt Daten an einen Server zu schicken.
One-Shot-Prompting
Genau ein durchgearbeitetes Beispiel zusätzlich zur Anweisung mitgeben.
Open-Weights-Modell
Ein Modell, dessen trainierte Gewichte du herunterladen und selbst betreiben kannst — nicht zwingend Open Source im strengen Sinn.
Orchestrierung
Die Schicht, die entscheidet, welches Modell, welches Tool oder welcher Agent jeden Schritt übernimmt — und in welcher Reihenfolge.
Overfitting
Wenn ein Modell seine Trainingsdaten auswendig lernt statt das Muster — und bei allem Neuen versagt.
P
Parameter
Eine der internen Zahlen, die ein Modell während des Trainings justiert; die Parameterzahl ist ein grober Näherungswert für die Kapazität eines Modells.
Beobachtung nach dem Inverkehrbringen
Nach dem EU AI Act: Anbieter müssen weiter beobachten, wie sich ihr System nach dem Start in der realen Welt schlägt.
Precision und Recall
Die beiden Kennzahlen, die dir tatsächlich sagen, ob ein Klassifikator taugt, wenn eine Klasse selten ist.
Verbotene KI-Praktik
Nach dem EU AI Act: KI-Nutzungen, die in der EU vollständig verboten sind — in Kraft seit Februar 2025.
Prompt
Die Eingabe, die du einem Modell gibst — Anweisungen, Kontext, Beispiele und Frage, alles als Text.
Prompt Caching
Die verarbeitete Form eines wiederkehrenden Prompt-Anfangs wiederverwenden, damit du ihn nicht erneut voll bezahlst.
Prompt Engineering
Prompts entwerfen und iterieren, um verlässliche Ausgaben zu bekommen — näher am Schreiben einer Spezifikation als an Zauberworten.
Prompt Injection
Anweisungen in Inhalten verstecken, die das Modell liest, sodass ein Dritter faktisch den Prompt übernimmt.
Prompt-Vorlage
Ein wiederverwendbarer Prompt mit Platzhaltern, sodass aus einem funktionierenden Prompt ein wiederholbares Asset wird.
Anbieter
Nach dem EU AI Act: wer ein KI-System oder GPAI-Modell entwickelt und unter eigenem Namen oder eigener Marke auf den Markt bringt.
Q
R
Rate Limit
Die Obergrenze, die ein Anbieter dafür setzt, wie viele Anfragen oder Token du pro Zeitintervall nutzen darfst.
ReAct-Pattern
Ein Agenten-Design, das explizites Nachdenken und Handeln Schritt für Schritt abwechselt.
Reasoning-Modell
Ein Modell, das darauf trainiert ist, vor der Antwort zusätzliche Rechenleistung in das Durchdenken eines Problems zu stecken.
Red Teaming
Das eigene KI-System bewusst angreifen, um Schwachstellen zu finden, bevor es jemand anderes tut.
Regression
Eine Zahl vorhersagen statt einer Kategorie.
Regularisierung
Jede Technik, die ein Modell bewusst einschränkt, damit es den Trainingsdatensatz nicht auswendig lernt.
Reinforcement Learning RL
Lernen durch Versuch und Irrtum, gesteuert von Belohnungen statt von vorgegebenen richtigen Antworten.
Verantwortungsvolle KI
Die Praxis, KI so zu bauen und einzusetzen, dass ihre Wirkung auf Menschen bewusst mitgedacht wird.
Retrieval-Augmented Generation RAG
Erst passende Dokumente holen und in den Prompt legen, damit das Modell aus Quellen antwortet statt aus dem Gedächtnis.
RLHF (Reinforcement Learning from Human Feedback) RLHF
Ein Modell auf menschlichen Präferenzurteilen trainieren, damit es hilfreich und umgänglich wird und nicht bloß flüssig formuliert.
Robustheit
Ob ein System weiter funktioniert, wenn die Eingaben verrauscht, ungewöhnlich oder gezielt bösartig sind.
Rollen-Prompting
Dem Modell eine Rolle zuweisen, um Wortwahl, Tiefe und Blickwinkel zu steuern.
S
SDK SDK
Eine offizielle Bibliothek, die die API eines Anbieters in deiner Programmiersprache kapselt.
Selbstüberwachtes Lernen
Training, bei dem die Daten ihre eigenen Labels erzeugen — der Trick, der große Sprachmodelle möglich gemacht hat.
Schatten-KI
Mitarbeitende nutzen KI-Tools, die die Organisation nicht freigegeben hat und nicht sehen kann.
Speech-to-Text STT
Gesprochenes Audio in geschriebenen Text verwandeln.
Structured Output
Das Modell zwingen, Daten in einem festen Schema zurückzugeben, damit nachgelagerter Code sie parsen kann.
Überwachtes Lernen
Lernen aus Beispielen, bei denen die richtige Antwort mitgeliefert wird.
Synthetische Daten
Trainings- oder Testdaten, die von einem Modell erzeugt statt in der echten Welt gesammelt wurden.
System-Prompt
Dauerhafte Anweisungen, die Rolle, Regeln und Ton eines Modells für ein ganzes Gespräch festlegen.
Systemisches Risiko
Nach dem EU AI Act: Risiko, das aus den Fähigkeiten mit hoher Wirkung der leistungsfähigsten Allzweckmodelle entsteht.
T
Technische Dokumentation
Nach dem EU AI Act: die Akte, die beschreibt, wie ein System gebaut, getestet und kontrolliert wurde — bereitgehalten für die Behörden.
Temperature
Die Einstellung, die die Zufälligkeit bei der Generierung steuert — niedrig für Konsistenz, hoch für Vielfalt.
Testdaten
Daten, die das Modell nie gesehen hat und die einmal am Ende genutzt werden, um die Leistung in der echten Welt zu schätzen.
Test-Time Compute
Zur Antwortzeit mehr Rechenleistung einsetzen — länger nachdenken —, um ohne erneutes Training bessere Ergebnisse zu bekommen.
Text-to-Image
Ein Bild aus einer schriftlichen Beschreibung erzeugen.
Text-to-Speech TTS
Gesprochenes Audio aus geschriebenem Text erzeugen.
Text-to-Video
Videoclips aus einer schriftlichen Beschreibung erzeugen.
Durchsatz
Wie viel Arbeit ein System pro Zeiteinheit bewältigt — Token pro Sekunde, Anfragen pro Minute.
Token
Die Einheit, die ein Modell tatsächlich liest und schreibt — meist ein Wortfragment, kein ganzes Wort.
Tokenisierung
Text in die Token zerlegen, die ein Modell verarbeiten kann — und eine stille Quelle seltsamen Modellverhaltens.
Tool Use
Ein Modell ruft externe Software auf — Suche, Code, APIs, Datenbanken — statt aus dem Gedächtnis zu antworten.
Top-p (Nucleus Sampling)
Eine alternative Zufallssteuerung, die nur aus der kleinsten Token-Menge zieht, die die Wahrscheinlichkeit p abdeckt.
TPU TPU
Googles eigener Beschleuniger-Chip, gebaut speziell für Machine-Learning-Workloads.
Trainingsdaten
Die Beispiele, aus denen ein Modell lernt — der mit Abstand größte Faktor dafür, was es kann und was nicht.
Transformer
Die Architektur neuronaler Netze hinter praktisch jedem modernen Sprachmodell, aufgebaut um Attention.
Transparenz
Klar machen, was ein KI-System ist, worauf es trainiert wurde und wann jemand mit ihm interagiert.
Vertrauenswürdige KI
Ein Sammelbegriff für die Eigenschaften, die ein KI-System braucht, um verlässlich zu sein: valide, sicher, geschützt, rechenschaftsfähig, erklärbar, fair, datenschutzfreundlich.
U
V
Validierungsdaten
Ein zurückgehaltener Datenanteil, mit dem du während des Trainings Einstellungen justierst und den Fortschritt prüfst, ohne das Testset anzufassen.
Vektordatenbank
Eine Datenbank, die dafür gebaut ist, Embeddings zu speichern und die nächstgelegenen schnell zu finden.
Vektorsuche
Inhalte über die Bedeutung finden statt über passende Schlüsselwörter.
W
Wasserzeichen
Ein erkennbares Signal in KI-generierte Inhalte einbetten, um ihre Herkunft zu markieren.
Gewichte
Die gelernten Stärken der Verbindungen in einem neuronalen Netz — der eigentliche Stoff dessen, was ein Modell weiß.
Workflow-Automatisierung
KI-Schritte zu einem definierten Prozess verketten, der jedes Mal gleich abläuft.