AI · LANGUAGE · SYSTEMS

KI-Glossar

Kompakte Definitionen zentraler Begriffe rund um künstliche Intelligenz, Modelle, Agenten und sichere Produktentwicklung.

Agent: Ein KI-System, das ein Ziel verfolgt, Arbeitsschritte plant, Werkzeuge verwendet und Ergebnisse oder Zustände über mehrere Schritte hinweg verarbeitet.
AI-native: Ein Produkt oder Unternehmen, dessen Kernablauf von Grund auf für KI-Fähigkeiten entworfen wurde, statt KI nachträglich an bestehende Software anzubauen.
Artificial Intelligence (AI): Der Oberbegriff für Computersysteme, die Aufgaben ausführen, die Wahrnehmung, Sprache, Schlussfolgern, Lernen oder Entscheiden erfordern.
Benchmark: Ein standardisierter Test oder Datensatz, mit dem Fähigkeiten, Qualität, Geschwindigkeit oder Kosten von Modellen vergleichbar gemessen werden.
Context Window: Die begrenzte Menge an Tokens, die ein Modell bei einer Anfrage gleichzeitig berücksichtigen kann.
Embedding: Eine numerische Vektordarstellung von Text, Bildern oder anderen Daten, in der ähnliche Inhalte nahe beieinander liegen können.
Evaluation (Evals): Systematische Tests, die Qualität, Zuverlässigkeit, Sicherheit und Verhalten eines KI-Systems für konkrete Aufgaben messen.
Fine-tuning: Zusätzliches Training eines vortrainierten Modells mit ausgewählten Beispielen, um Verhalten oder Fachkompetenz anzupassen.
Foundation Model: Ein breit vortrainiertes Modell, das als Grundlage für viele nachgelagerte Aufgaben und Produkte dienen kann.
Guardrail: Eine technische oder organisatorische Schutzmaßnahme, die Eingaben, Ausgaben oder Aktionen eines KI-Systems begrenzt und überprüft.
Halluzination: Eine plausibel formulierte, aber sachlich falsche oder nicht durch Quellen gestützte Ausgabe eines generativen Modells.
Inference: Die Ausführung eines trainierten Modells, um aus einer Eingabe eine Vorhersage, Antwort oder Aktion zu erzeugen.
Large Language Model (LLM): Ein großes, auf umfangreichen Text- und oft multimodalen Daten trainiertes Modell zur Verarbeitung und Erzeugung von Sprache.
Machine Learning (ML): Ein Teilgebiet der KI, in dem Systeme Muster aus Daten lernen, statt ausschließlich explizit programmierte Regeln auszuführen.
Multimodal: Die Fähigkeit, mehrere Datentypen wie Text, Bild, Audio oder Video gemeinsam zu verarbeiten oder zu erzeugen.
Open Weights: Öffentlich verfügbare trainierte Modellparameter. Das bedeutet nicht automatisch, dass Trainingsdaten, Code oder Lizenz vollständig offen sind.
Prompt: Die Eingabe oder Anweisung, die Kontext, Aufgabe, Einschränkungen und gewünschtes Ausgabeformat für ein generatives Modell beschreibt.
Retrieval-Augmented Generation (RAG): Ein Verfahren, das relevante externe Informationen abruft und sie dem Modell als Kontext für eine besser belegte Antwort bereitstellt.
Token: Eine Verarbeitungseinheit eines Sprachmodells, die einem Wort, Wortteil, Satzzeichen oder anderen Symbol entsprechen kann.
Tool Use: Die Fähigkeit eines Modells oder Agenten, definierte Funktionen, Suchsysteme, Datenbanken oder andere externe Werkzeuge aufzurufen.
Training: Der rechenintensive Prozess, in dem Modellparameter anhand vieler Beispiele so angepasst werden, dass das Modell Muster und Aufgaben lernt.
Transformer: Eine neuronale Netzwerkarchitektur, die Beziehungen innerhalb einer Eingabesequenz über Aufmerksamkeitsmechanismen verarbeitet.
Vector Database: Ein Datensystem, das Embeddings speichert und Inhalte anhand ihrer numerischen Ähnlichkeit auffindbar macht.