KI-Begriffe verständlich erklärt: Das Glossar für Einsteiger
Wer die Begriffe versteht, versteht auch die Grenzen, und trifft bessere Entscheidungen.
Fachbegriffe sind in der KI-Welt oft eine Hürde, die größer wirkt als die Sache dahinter. Dieses Glossar erklärt die Begriffe, die im Berufsalltag tatsächlich vorkommen, jeweils mit der praktischen Konsequenz, die sich daraus für Ihre Arbeit ergibt. Viele Begriffe stammen aus dem maschinellen Lernen und wurden erst durch Sprachmodelle einem breiten Publikum bekannt. Wer sie einmal verstanden hat, kann Angebote von Anbietern realistischer einordnen und in Gesprächen mit IT- oder Fachabteilungen präziser fragen. Ergänzend ordnet der Beitrag typische Missverständnisse ein und nennt Quellen zum Weiterlernen.
Modell, LLM, Token, Kontextfenster
Ein Sprachmodell (LLM) sagt das nächste Textstück voraus. Diese Textstücke heißen Token, ein deutsches Wort besteht oft aus zwei bis drei davon. Das Kontextfenster ist die Menge an Token, die ein Modell gleichzeitig berücksichtigen kann. Eine anschauliche Einführung in diese Grundbegriffe bietet der kostenlose Kurs Elements of AI.
Praktische Folge: In sehr langen Chats geraten frühe Anweisungen aus dem Blick. Bei nachlassender Qualität hilft ein neuer Chat mit kompaktem Kontext.
RAG, Fine-Tuning, Custom GPT
RAG bedeutet, dass ein Modell vor der Antwort in Ihren Dokumenten nachschlägt, die verbreitetste und günstigste Methode, eigenes Wissen einzubringen. Fine-Tuning verändert das Modell selbst und lohnt sich meist erst bei sehr großen, gleichförmigen Datenmengen. Ein Custom GPT ist eine gespeicherte Kombination aus Anweisungen, Dateien und Werkzeugen, wie sie die OpenAI-Dokumentation beschreibt.
Für fast alle Organisationen ist die Reihenfolge: erst gute Prompts, dann RAG, Fine-Tuning selten.
Temperatur, Halluzination, Multimodalität
Die Temperatur steuert, wie stark Antworten variieren: niedrig für Fakten und Formulare, höher für kreative Varianten. Halluzination bezeichnet erfundene, aber überzeugend formulierte Inhalte. Multimodal heißt, dass ein Modell nicht nur Text, sondern auch Bilder, Audio oder Video verarbeitet.
Praktische Folge: Für Zahlenarbeit niedrige Variabilität wählen und Ergebnisse grundsätzlich prüfen.
Agent, Embedding, Open Source
Ein Agent führt mehrschrittige Aufgaben mit Werkzeugzugriff aus, mehr dazu im Beitrag KI-Agenten verstehen. Ein Embedding ist eine Zahlendarstellung von Text, die Ähnlichkeitssuche ermöglicht, die technische Grundlage von RAG. Open-Source-Modelle lassen sich selbst betreiben, was Datenschutzvorteile und Wartungsaufwand zugleich bedeutet.
Mit diesen Begriffen können Sie Angebote, Fachartikel und Anbietergespräche eigenständig einordnen.
Häufige Missverständnisse
Ein verbreitetes Missverständnis ist, KI und Sprachmodell gleichzusetzen. Tatsächlich ist ein Sprachmodell nur eine von vielen KI-Formen, neben Bild-, Ton- und klassischen Vorhersagemodellen. Ebenso häufig wird angenommen, ein größeres Kontextfenster mache ein Modell automatisch besser, tatsächlich sinkt bei sehr langen Eingaben oft die Genauigkeit, mit der einzelne Details berücksichtigt werden.
Ein drittes Missverständnis betrifft Halluzinationen: Sie treten nicht nur bei schwierigen Fachfragen auf, sondern gerade bei scheinbar einfachen, wenn das Modell auf eine plausible, aber falsche Antwort trainiert wurde. Der Stanford AI Index Report dokumentiert jährlich, wie sich solche Fehlerraten über Modellgenerationen entwickeln, ein guter Anhaltspunkt, um Erwartungen realistisch zu halten.
Weiterführende Ressourcen
Eine kurze Übersicht zum Weiterlernen:
| Ziel | Ressource |
|---|---|
| Grundlagen kostenlos | Elements of AI |
| Technische Dokumentation | OpenAI Documentation |
| Aktuelle Kennzahlen | Stanford AI Index |
| Forschung im Original | arXiv.org |
Wer die Begriffe im eigenen Tempo mit Übungen statt reinem Lesen festigen möchte, findet passende Aufgaben im Beitrag KI-Übungen zum Lernen.
Wenn Sie das strukturiert lernen möchten: die AI Works Academy führt Sie in klar abgegrenzten Modulen von den Grundlagen bis zu eigenen Workflows, mit Spickzetteln, Übungen und Vorlagen zum Mitnehmen.
Quellen & weiterführende Links
Häufige Fragen
+Muss ich diese Begriffe kennen?
Für die reine Nutzung nicht alle. Für Kaufentscheidungen und Gespräche mit Dienstleistern deutlich ja.
+Was ist der Unterschied zwischen KI und Machine Learning?
Machine Learning ist ein Teilgebiet der KI, bei dem Systeme Muster aus Daten lernen, statt fest programmiert zu werden. Sprachmodelle sind ein Ergebnis davon.
+Was bedeutet Open Weights?
Die Modellgewichte sind verfügbar und das Modell kann selbst betrieben werden, nicht zwingend gleichbedeutend mit einer freien Open-Source-Lizenz.
+Wie bleibe ich begrifflich auf dem Stand?
Eine Stunde pro Monat mit einer verlässlichen Quelle genügt. Neue Begriffe sind meist neue Namen für bekannte Konzepte.
+Was ist der Unterschied zwischen Prompt und Kontext?
Der Prompt ist Ihre aktuelle Eingabe, der Kontext umfasst zusätzlich den bisherigen Gesprächsverlauf und eingefügte Dokumente, die das Modell mitberücksichtigt.
+Was bedeutet Inferenz?
Inferenz ist die Anwendung eines bereits trainierten Modells auf eine neue Eingabe, also der eigentliche Moment, in dem eine Antwort erzeugt wird, im Unterschied zum vorherigen Training.
◆ Bereit zum Anwenden?
Schluss mit Lesen, fangen Sie an zu sparen.
Die Gratis-Analyse zeigt Ihnen in 3 Minuten, wo KI in Ihrem Business diese Woche schon Wirkung zeigen kann.
