54Begriffe · 5 Kategorien · Verständlich erklärt
KI-Lexikon: Alle wichtigen Begriffe einfach erklärt
Von Künstlicher Intelligenz über Prompt Engineering bis zum EU AI Act — das deutschsprachige Glossar für alle, die KI verstehen wollen. Ohne Fachjargon, mit Praxisbezug.
54 Begriffe
Künstliche Intelligenz (KI)
Oberbegriff für Systeme, die menschenähnliche kognitive Fähigkeiten wie Lernen, Problemlösung und Sprachverständnis simulieren.
Machine Learning
Teilbereich der KI, bei dem Systeme aus Daten lernen und sich verbessern, ohne explizit programmiert zu werden.
Deep Learning
Unterbereich des Machine Learning, der auf tiefen neuronalen Netzen basiert und besonders gut bei Bild-, Sprach- und Textverarbeitung funktioniert.
Neuronales Netz
Rechenmodell, das vom menschlichen Gehirn inspiriert ist und aus vernetzten Knoten (Neuronen) in mehreren Schichten besteht.
Natural Language Processing (NLP)
Teilgebiet der KI, das sich mit der Verarbeitung und dem Verständnis menschlicher Sprache durch Computer beschäftigt.
Generative KI
KI-Systeme, die neue Inhalte erzeugen können — Texte, Bilder, Code, Audio oder Video.
Supervised Learning
Lernverfahren, bei dem ein Modell mit gelabelten Beispieldaten trainiert wird — es lernt den Zusammenhang zwischen Eingabe und gewünschter Ausgabe.
KI-Agent
Autonomes KI-System, das eigenständig Ziele verfolgt, Werkzeuge nutzt und mehrstufige Aufgaben ohne menschliches Eingreifen ausführt.
Large Language Model (LLM)
Großes Sprachmodell, das auf riesigen Textmengen trainiert wurde und natürliche Sprache verstehen und erzeugen kann.
GPT (Generative Pre-trained Transformer)
Modellfamilie von OpenAI — die bekannteste LLM-Reihe, Grundlage von ChatGPT.
Claude
KI-Modell von Anthropic, bekannt für präzise Textverarbeitung, lange Kontextfenster und einen Fokus auf Sicherheit.
Gemini
Googles multimodales KI-Modell, das Text, Bilder, Audio und Video verarbeiten kann und tief in Google-Produkte integriert ist.
Open-Source-KI-Modelle
Frei verfügbare KI-Modelle wie Llama, Mistral oder DeepSeek, die Unternehmen auf eigener Infrastruktur betreiben können.
Diffusion-Modell
KI-Architektur zur Bildgenerierung, die schrittweise aus Rauschen ein Bild erzeugt — Grundlage von DALL-E, Midjourney und Stable Diffusion.
Multimodalität
Fähigkeit eines KI-Modells, mehrere Datentypen gleichzeitig zu verarbeiten — z.B. Text, Bilder, Audio und Video.
Transformer
Die neuronale Netzwerk-Architektur hinter allen modernen Sprachmodellen — 2017 von Google eingeführt, Grundlage von GPT, Claude und Gemini.
Attention-Mechanismus
Technik in neuronalen Netzen, die es dem Modell erlaubt, sich auf die relevantesten Teile der Eingabe zu konzentrieren.
Prompt
Die Eingabe oder Anweisung, die ein Nutzer an ein KI-Modell gibt — die Qualität des Prompts bestimmt die Qualität der Antwort.
Prompt Engineering
Die Kunst und Technik, Eingaben an KI-Modelle so zu formulieren, dass sie optimale Ergebnisse liefern.
RAG (Retrieval-Augmented Generation)
Technik, bei der ein LLM vor der Antwort relevante Dokumente aus einer Wissensdatenbank abruft — reduziert Halluzinationen und ermöglicht aktuelle Antworten.
Fine-Tuning
Nachtraining eines vortrainierten KI-Modells auf spezifischen Daten, um es für eine bestimmte Aufgabe oder Domäne zu optimieren.
Embedding
Numerische Darstellung von Text als Vektor — ermöglicht Ähnlichkeitssuche und ist die Grundlage von RAG-Systemen.
Tokenizer
Zerteilt Text in kleinere Einheiten (Tokens), die ein Sprachmodell verarbeiten kann. Ein Token entspricht etwa 3/4 eines deutschen Wortes.
Kontextfenster (Context Window)
Die maximale Textmenge, die ein Sprachmodell gleichzeitig verarbeiten kann — gemessen in Tokens.
Parameter
Die trainierbaren Gewichte in einem neuronalen Netz — mehr Parameter bedeuten in der Regel mehr Leistung, aber auch höhere Kosten.
Training (KI-Modell)
Der Prozess, bei dem ein KI-Modell aus Daten lernt — von Pre-Training über Fine-Tuning bis RLHF.
RLHF (Reinforcement Learning from Human Feedback)
Trainingsmethode, bei der menschliche Bewerter einem Modell beibringen, hilfreiche und sichere Antworten zu geben.
Halluzination
Wenn ein KI-Modell falsche Informationen überzeugend als Fakt präsentiert — eines der größten Probleme aktueller Sprachmodelle.
Temperature
Parameter, der die Kreativität bzw. Zufälligkeit der KI-Ausgabe steuert — niedrig = präzise, hoch = kreativ.
Vektordatenbank
Datenbank, die für die Speicherung und Suche von Embedding-Vektoren optimiert ist — Kernkomponente von RAG-Systemen.
Few-Shot Prompting
Prompt-Technik, bei der dem Modell einige Beispiele gezeigt werden, bevor die eigentliche Aufgabe gestellt wird.
Chain-of-Thought (CoT)
Prompt-Technik, bei der das Modell aufgefordert wird, Schritt für Schritt zu denken — verbessert die Genauigkeit bei komplexen Aufgaben.
System Prompt
Versteckte Anweisung an ein KI-Modell, die sein Verhalten, seine Rolle und seine Regeln für die gesamte Konversation definiert.
Tool Use (Function Calling)
Fähigkeit eines Sprachmodells, externe Werkzeuge aufzurufen — APIs, Datenbanken, Rechner, Websuche und mehr.
Model Context Protocol (MCP)
Offener Standard für die Kommunikation zwischen KI-Modellen und externen Tools — wird 2026 zum De-facto-Standard.
GPU (Graphics Processing Unit)
Spezialprozessor für parallele Berechnungen — unverzichtbar für Training und Betrieb von KI-Modellen.
Inferenz
Der Prozess, bei dem ein trainiertes KI-Modell eine Eingabe verarbeitet und eine Ausgabe erzeugt — also die eigentliche Nutzung.
Agentic AI
Überbegriff für KI-Systeme, die autonom planen, handeln und aus Ergebnissen lernen — der nächste Reifegrad nach Chatbots und Copilots.
Stable Diffusion
Open-Source-Modell für KI-Bildgenerierung — kann lokal betrieben werden und ist die Basis vieler Bildgenerierungs-Tools.
KI-Strategie
Systematischer Plan, wie ein Unternehmen KI einsetzen will — von der Zielsetzung über Use-Case-Auswahl bis zur Umsetzung.
KI-Transformation
Der organisatorische Wandel, den ein Unternehmen durchläuft, wenn es KI systematisch in Prozesse und Produkte integriert.
KI-Automatisierung
Einsatz von KI zur Automatisierung von Geschäftsprozessen — von einfachen Workflows bis zu autonomen Agenten.
ROI (Return on Investment) bei KI
Messung des wirtschaftlichen Nutzens von KI-Investitionen — die zentrale Frage für Entscheider.
Change Management (KI)
Strukturierte Begleitung der Mitarbeiter bei der Einführung von KI im Unternehmen — der häufigste Grund für das Scheitern von KI-Projekten.
KI-Kompetenz
Die Fähigkeit, KI-Systeme zu verstehen, einzusetzen und ihre Ergebnisse kritisch zu bewerten — seit 2025 gesetzliche Pflicht in der EU.
ChatGPT
KI-Chatbot von OpenAI, basierend auf GPT-Modellen — das bekannteste KI-Produkt weltweit mit über 300 Mio. Nutzern.
OpenAI
US-amerikanisches KI-Unternehmen, Entwickler von ChatGPT und GPT-Modellen — das einflussreichste KI-Unternehmen der Welt.
Anthropic
US-amerikanisches KI-Unternehmen, gegründet von ehemaligen OpenAI-Forschern — Entwickler von Claude und Pionier bei KI-Sicherheit.
EU AI Act (KI-Verordnung)
Weltweit erstes umfassendes KI-Gesetz — regelt den Einsatz von KI-Systemen in der EU nach Risikoklassen. Vollständig durchsetzbar ab August 2026.
DSGVO (Datenschutz-Grundverordnung)
Europäisches Datenschutzgesetz, das auch für den KI-Einsatz zentral ist — insbesondere bei der Verarbeitung personenbezogener Daten durch KI-Systeme.
Hochrisiko-KI
KI-Systeme, die nach dem EU AI Act besonderen Anforderungen unterliegen — z.B. Personalauswahl, Kreditscoring, Strafverfolgung.
Transparenzpflicht (KI)
Gesetzliche Verpflichtung, Nutzer darüber zu informieren, wenn sie mit einem KI-System interagieren oder KI-generierte Inhalte sehen.
Auftragsverarbeitungsvertrag (AVV)
Vertrag zwischen Unternehmen und KI-Anbieter, der die Verarbeitung personenbezogener Daten regelt — DSGVO-Pflicht.
Deepfake
KI-generierte oder -manipulierte Medien (Video, Audio, Bilder), die täuschend echt aussehen — von Unterhaltung bis Desinformation.
KI nicht nur verstehen — anwenden
KI-Überblick liefert dir täglich die wichtigsten KI-Entwicklungen — eingeordnet, mit Lernpfaden und konkreten Handlungsempfehlungen.
Keine Kreditkarte nötig