KI-Glossar

AI-Kauderwelsch, übersetzt. Die Begriffe, die überall fallen – in Klartext erklärt, jeweils mit dem Weg dahin, wo sie konkret werden.

Grundlagen

Künstliche Intelligenz (KI): Sammelbegriff für Software, die Aufgaben löst, für die man früher menschliche Intelligenz brauchte – Sprache, Bilder, Muster. Kein Bewusstsein, keine Absicht: Statistik, die sehr gut geworden ist im Raten.
Großes Sprachmodell (LLM): Das Modell hinter Chatbots wie Claude oder ChatGPT. Es sagt das jeweils wahrscheinlichste nächste Wort voraus – Millionen Male hintereinander. Kann verblüffen und danebenliegen, oft im selben Satz.dazu mehr
Token: Die Häppchen, in die ein Modell Text zerlegt – meist Wortteile, nicht ganze Wörter. Preise und Grenzen rechnen in Tokens, nicht in Zeichen.dazu mehr
Kontextfenster: Wie viel Text ein Modell gleichzeitig „im Kopf” behält. Läuft es über, fällt Älteres heraus – der Anfang des Gesprächs ist dann weg.dazu mehr
Prompt: Deine Eingabe an das Modell – die Frage, die Anweisung, der Kontext. Wie Du fragst, entscheidet stark, was zurückkommt.
Halluzination: Wenn ein Modell Erfundenes selbstbewusst als Tatsache ausgibt. Kein Bug, sondern die Kehrseite des Wahrscheinlichkeits-Ratens – deshalb: nachprüfen.dazu mehr
Training & Trainingsdaten: Die Texte und Bilder, aus denen ein Modell seine Muster gelernt hat. Was nicht drinsteckte – oder verzerrt drinsteckte –, zeigt sich später in den Antworten.

Transformer: Die Bauart, auf der fast alle heutigen Sprachmodelle beruhen (das „T” in GPT). Ihr Kniff: Sie gewichtet, welche Wörter im Satz füreinander wichtig sind.
Parameter & Gewichte: Die Stellschrauben im Modell, die beim Training justiert werden – bei großen Modellen Milliarden davon. Grob: mehr Parameter, mehr Kapazität (aber nicht automatisch mehr Verstand).
Embedding & Vektor: Bedeutung als Zahlenreihe. Ähnliche Begriffe liegen als Vektoren nah beieinander – so „rechnet” Software mit Sprache und findet Verwandtes.
Temperatur: Ein Regler für Zufall: niedrig = brav und vorhersehbar, hoch = kreativer und sprunghafter. Dieselbe Frage kann so ganz unterschiedliche Antworten würfeln.dazu mehr
Inferenz: Das Benutzen eines fertig trainierten Modells – der Moment, in dem es antwortet. Kostet Rechenzeit (und Geld) pro Anfrage, anders als das einmalige Training.
Feintuning: Ein vortrainiertes Modell mit zusätzlichen Beispielen auf eine Aufgabe oder einen Ton nachschärfen – statt bei null anzufangen.
RAG: „Retrieval-Augmented Generation”: Das Modell schlägt vor der Antwort in einer Wissensquelle nach (Dokumente, Datenbank), statt nur aus dem Gedächtnis zu reden – gegen Veralten und Erfinden.
Context Rot: Der schleichende Qualitätsverfall in langen Gesprächen: Antworten werden vager, frühere Fakten geraten in Widerspruch, der rote Faden reißt. Namensgeber dieser Seite.dazu mehr

Agent: Ein Modell, das nicht nur antwortet, sondern selbst Schritte plant und Werkzeuge benutzt – suchen, Dateien schreiben, Programme aufrufen. Mit entsprechend mehr Spielraum für Nutzen und Schaden.dazu mehr
MCP: „Model Context Protocol”: ein offener Standard, über den KI-Werkzeuge an Datenquellen und Programme andocken – gewissermaßen der USB-Anschluss für Assistenten.dazu mehr
System-Prompt: Die stille Vorab-Anweisung, die Rolle und Regeln eines Assistenten setzt, bevor Du überhaupt tippst. Prägt Ton und Grenzen der ganzen Unterhaltung.
API: Die Schnittstelle, über die andere Programme ein Modell aufrufen – ohne Chat-Fenster, direkt aus dem Code. So landet KI in Apps und Websites.
Gedächtnis (Memory): Notizen, die ein Assistent über Gespräche hinweg behält, um sich an Dich zu „erinnern”. Praktisch – und eine Frage von Kontrolle und Datenschutz.dazu mehr

Bias (Verzerrung): Systematische Schieflagen in den Antworten, geerbt aus den Trainingsdaten. Das Modell wiederholt Muster der Welt – auch die ungerechten.
EU AI Act: Das KI-Gesetz der EU: reguliert nach Risiko, von harmlos bis verboten. Betrifft auch kleine Betreiber – vor allem bei Transparenz und Hochrisiko-Einsatz.dazu mehr
Deepfake: Täuschend echte, aber erfundene Bilder, Stimmen oder Videos. Die Technik ist billig geworden – ein Beleg braucht jetzt eine Quelle, nicht nur ein Gesicht.
Alignment (Ausrichtung): Der Versuch, ein Modell dazu zu bringen, das zu tun, was Menschen wirklich wollen – und nicht bloß den Wortlaut zu erfüllen. Schwerer, als es klingt.
llms.txt: Eine kleine Datei, mit der eine Website KIs eine geordnete Zusammenfassung ihrer selbst anbietet – wie robots.txt, aber fürs Vorlesen an Maschinen.dazu mehr

Noch tiefer? Handverlesene Quellen stehen in der Literatur