Diese Liste ist nach Themen-Reihenfolge sortiert, nicht streng alphabetisch — so bauen die Erklärungen aufeinander auf. Über das Inhaltsverzeichnis Ihres Browsers (Strg+F) finden Sie jeden Begriff schnell.
Modelle und Architektur
- Modell
- Die eigentliche „KI-Datei“. GPT-4, Llama 3.1, Claude 3 sind Modelle. Bestimmt, was die KI weiß und kann.
- LLM (Large Language Model)
- Großes Sprachmodell. Ein Modell, das auf Text trainiert wurde und Text erzeugt, versteht, übersetzt.
- Parameter
- Innere Stellschrauben des Modells. Mehr Parameter bedeutet meist mehr Wissen, aber auch mehr Hardware-Bedarf. Heute übliche Größen: 7B, 70B, 405B (Milliarden).
- Open Weight
- Modell, dessen Gewichte (also die Modell-Datei) frei verfügbar sind. Beispiele: Llama, Mistral, Qwen. Können lokal laufen — im Gegensatz zu GPT-4 oder Claude.
- Quantisierung
- Modell verkleinern, damit es auf weniger Hardware läuft. Spart RAM und Speicher, kostet wenig Qualität. Üblich: 4-bit Quantisierung halbiert den Speicherbedarf bei minimalem Genauigkeitsverlust.
- Fine-Tuning
- Ein vortrainiertes Modell mit eigenen Daten weitertrainieren. Aufwendig, lohnt sich nur in seltenen Fällen — RAG ist meist die bessere Wahl für KMU.
Anfragen und Antworten
- Token
- Bausteine, in die Text zerlegt wird. Ein deutsches Wort wie „Werkstattauftrag“ wird in 3-4 Tokens zerlegt. Eine Seite Text hat ca. 500-700 Tokens.
- Kontext / Kontextfenster
- Die Menge an Tokens, die das Modell auf einmal lesen kann. Moderne Modelle: 8.000 bis 128.000 Tokens.
- Prompt
- Die Anweisung an die KI. Beispiel: „Schreibe eine kurze Zusammenfassung dieses Auftrags.“
- System Prompt
- Die unsichtbare Grundregel für das Modell. Beispiel: „Du bist ein höflicher Assistent in einer KFZ-Werkstatt. Antworte knapp und in deutscher Sprache.“
- Inferenz
- Der Vorgang, bei dem die KI auf eine Frage antwortet (im Gegensatz zum Training). Inferenz braucht GPU-Leistung und Strom — Training braucht beides x 1000.
Verlässlichkeit und Sicherheit
- Halluzination
- Die KI erfindet plausibel klingende, aber falsche Inhalte. Siehe eigener Artikel.
- Bias (Verzerrung)
- Wenn die Trainingsdaten einseitig waren, sind die Antworten einseitig. Klassisches Beispiel: KI bevorzugt Berufsbezeichnungen in einem Geschlecht.
- Jailbreak
- Versuch, die KI durch trickreiche Prompts zu Antworten zu bewegen, die sie eigentlich verweigern soll. Relevanz im Betrieb meist gering, aber existiert.
Eigenes Wissen einbinden
- Embedding
- Mathematischer „Fingerabdruck“ eines Textes. Zwei ähnliche Texte haben ähnliche Embeddings — daher findet RAG zu einer Frage die passenden Stellen.
- Vektor-Datenbank
- Speichert Embeddings und sucht ähnliche Vektoren in Millisekunden. Beispiele: Qdrant, Chroma, pgvector.
- RAG (Retrieval-Augmented Generation)
- KI mit eigenen Dokumenten verbinden. Die wichtigste Technik für nützliche Betriebs-KI. Siehe eigener Artikel.
Werkzeuge und Automatisierung
- Tool Use
- Die KI nutzt externe Werkzeuge — Taschenrechner, Datenbank, Web-Suche, E-Mail-API. So wird sie verlässlicher bei Aufgaben, die Genauigkeit verlangen.
- Agent
- Eine KI, die selbständig mehrere Schritte abarbeitet. Beispiel: „Lies die E-Mail, erstelle ein Angebot, schicke es zur Freigabe.“ Verbindet Tool-Use mit Mehrschritt-Logik.
- Workflow-Automation
- Mehrere Aufgaben in einer Kette automatisieren — oft mit Werkzeugen wie n8n, Zapier oder Make. KI ist dabei einer von mehreren Schritten.
Hardware
- GPU (Grafikkarte)
- Hier nicht zum Spielen, sondern als Rechenchip für KI. Profi-GPUs (NVIDIA H100, RTX 6000 Ada) sind heute der Standard für lokale KI-Workstations.
- VRAM
- Speicher auf der GPU. Bestimmt, wie groß ein Modell sein kann. Faustregel: 1 Milliarde Parameter brauchen ca. 1 GB VRAM (4-bit-quantisiert).
Begriff fehlt oder unklar?
Schreiben Sie uns kurz — wir ergänzen das Glossar laufend.
Erstgespräch vereinbaren
Häufige Fragen
Was ist ein Token?
Ein deutsches Wort wie „Werkstattauftrag“ wird in 3-4 Tokens zerlegt. Eine Seite Text hat ca. 500-700 Tokens.
Ist RAG oder Fine-Tuning die bessere Wahl für KMU?
RAG ist meist die bessere Wahl für KMU.
Was ist eine Halluzination?
Die KI erfindet plausibel klingende, aber falsche Inhalte.
Was ist Bias?
Wenn die Trainingsdaten einseitig waren, sind die Antworten einseitig.