Glossar

KI-Wörter,
verständlich erklärt.

Die wichtigsten Begriffe aus der KI-Welt - kurz erklärt. Für alle Gespräche, in denen jemand LLM, RAG oder Token sagt und niemand nachfragen will.

Agent KI-Agent: Ein KI-Agent ist ein System, das ein Ziel selbstständig in Teilschritte zerlegt, dafür passende Werkzeuge auswählt - etwa Websuche, Datenbankabfragen oder den Versand einer E-Mail - und das Zwischenergebnis prüft, bevor er weiterarbeitet. Im Unterschied zu einem klassischen Chat-Modell, das nur auf einzelne Eingaben antwortet, läuft ein Agent in einer Schleife: planen, handeln, beobachten, anpassen. In der Praxis ersetzt ein gut gebauter Agent damit ganze Workflows - vom Lead-Research über Support-Tickets bis zum Onboarding neuer Mitarbeiter.
API Application Programming Interface: Eine Schnittstelle, über die zwei Programme miteinander sprechen. KI-Modelle werden meist per API in bestehende Systeme eingebunden, etwa ins CRM oder den Onlineshop.
Automatisierung: Der Prozess, wiederkehrende Aufgaben durch Software erledigen zu lassen. Kombiniert mit KI können auch Schritte automatisiert werden, die früher menschliches Urteilsvermögen brauchten.

Bias: Eine systematische Verzerrung in den Antworten eines KI-Modells, meist verursacht durch unausgewogene Trainingsdaten. Wichtig zu kennen, weil sie zu unfairen oder falschen Entscheidungen führen kann.

Chain of Thought CoT: Eine Technik, bei der das Modell seinen Denkweg Schritt für Schritt aufschreibt, bevor es eine Antwort gibt. Verbessert die Qualität bei komplexen Aufgaben deutlich.

Embedding: Eine numerische Darstellung von Text, Bildern oder anderen Daten als Vektor. So kann eine KI Ähnlichkeit zwischen Inhalten erkennen - die Grundlage für Suche und Empfehlungen.

Fine-Tuning: Ein bestehendes Modell wird mit eigenen Daten nachtrainiert, damit es Stil, Wissen oder Format einer Firma beherrscht. Lohnt sich erst, wenn Prompting und RAG an ihre Grenzen kommen.
Function Calling Tool Use: Die Fähigkeit eines Modells, eigenständig externe Funktionen aufzurufen - etwa um eine Datenbank abzufragen oder einen Termin einzutragen. Macht aus einem Chat-Modell ein handelndes System.

GPT Generative Pre-trained Transformer: Eine Modellfamilie von OpenAI, die heute oft synonym mit Sprach-KI verwendet wird. Bekannte Vertreter sind GPT-4 und GPT-5.
Guardrails: Technische Leitplanken, die verhindern, dass ein KI-System unerwünschte Ausgaben produziert - etwa Schimpfwörter, vertrauliche Daten oder falsche Versprechen.

Halluzination: Wenn ein KI-Modell plausibel klingende, aber faktisch falsche Aussagen erfindet. Das größte Risiko beim produktiven Einsatz und der Grund, warum Quellen und Validierung wichtig sind.

Inference: Der Vorgang, bei dem ein trainiertes Modell eine konkrete Antwort erzeugt. Inference kostet Rechenleistung und ist meist der größere Kostenfaktor im Betrieb - nicht das Training.

KI Künstliche Intelligenz: Sammelbegriff für Software, die Aufgaben löst, für die früher menschliche Intelligenz nötig war. In der Praxis heute meist gemeint: maschinelles Lernen und große Sprachmodelle.
Kontextfenster Context Window: Die Menge an Text, die ein Modell gleichzeitig im Blick behalten kann - gemessen in Tokens. Größere Fenster erlauben längere Dokumente, kosten aber mehr und werden gegen Ende oft ungenauer.

LLM Large Language Model: Ein großes Sprachmodell, das auf riesigen Textmengen trainiert wurde und Sprache verstehen sowie erzeugen kann. GPT, Claude und Gemini sind die bekanntesten Vertreter.

MCP Model Context Protocol: Ein offener Standard, über den KI-Modelle einheitlich auf externe Werkzeuge und Datenquellen zugreifen. Vereinfacht die Anbindung an bestehende Systeme erheblich.
Modell: Die eigentliche KI - eine Datei mit Milliarden Parametern, die in Trainingsläufen entstanden ist. Verschiedene Modelle haben unterschiedliche Stärken bei Sprache, Code, Bildern oder Logik.
Multimodal: Ein Modell, das mit mehreren Eingabearten umgehen kann - typischerweise Text, Bilder und Audio. Erlaubt Anwendungen wie Screenshots beschreiben oder Sprache übersetzen.

Open Source Modell: Ein KI-Modell, dessen Gewichte frei verfügbar sind und das auch selbst gehostet werden kann. Wichtig für Datenschutz, Unabhängigkeit und Anpassbarkeit.

Prompt: Die Eingabe, mit der man einem KI-Modell eine Aufgabe stellt. Die Qualität des Prompts entscheidet maßgeblich über die Qualität der Antwort.
Prompt Engineering: Die Disziplin, Prompts so zu formulieren, dass das Modell zuverlässig nützliche Ergebnisse liefert. In der Praxis eine Mischung aus klarer Sprache, Beispielen und Struktur.

RAG Retrieval-Augmented Generation: Eine Methode, bei der das Modell vor der Antwort gezielt in einer Wissensbasis nachschlägt - statt nur aus seinem Trainingswissen zu antworten. Der Standardweg, KI mit Firmenwissen zu kombinieren.
Reasoning Model: Ein Modell, das vor der Antwort intern länger nachdenkt und Zwischenschritte durchgeht. Liefert bei komplexen Aufgaben bessere Ergebnisse, ist aber langsamer und teurer.

System Prompt: Ein versteckter Anfangs-Prompt, der dem Modell Rolle, Tonalität und Regeln vorgibt - bevor die eigentliche Nutzeranfrage kommt. Das wichtigste Werkzeug, um KI auf ein Unternehmen zuzuschneiden.

Temperature: Ein Regler zwischen Kreativität und Berechenbarkeit. Niedrige Werte erzeugen konsistente, fast deterministische Ausgaben - hohe Werte liefern abwechslungsreichere, aber unvorhersehbarere Antworten.
Token: Die kleinste Einheit, in der ein Modell Text verarbeitet - meist ein kurzes Wortstück. Die Abrechnung von KI-Diensten erfolgt fast immer pro Token.
Training: Der einmalige, sehr aufwändige Prozess, in dem ein Modell aus großen Datenmengen lernt. Im Alltag arbeitet man fast nie mit Training, sondern mit dem fertigen Modell.

Vektor-Datenbank: Eine Datenbank, die nicht nach exakten Treffern, sondern nach Bedeutungsähnlichkeit sucht. Speichert Embeddings und ist das Rückgrat jeder ernsthaften RAG-Lösung.

Workflow: Ein definierter Ablauf aus mehreren Schritten, der ein Geschäftsergebnis liefert. KI-Workflows verknüpfen Modelle, Werkzeuge und Regeln zu einer wiederholbaren Pipeline.

Starte mit dem Readiness-Check.

8 Fragen, ein Blick auf Eure Website, dann ein ehrlicher Engpass-Brief. Kostenlos - egal, ob wir miteinander arbeiten oder nicht.