TL;DR: Dieses Glossar erklärt wichtige KI-Begriffe in Alltagssprache. Die Definitionen helfen dabei, KI-Produkte, Nachrichten und Kosten besser einzuordnen – ohne dass du die Technik im Detail verstehen musst.
- Token sind Textbausteine, nicht Wörter oder Guthabenpunkte.
- LLMs erzeugen Sprache, indem sie wahrscheinliche nächste Token berechnen.
- Halluzinationen sind plausible, aber sachlich falsche oder unbelegte Ausgaben.
- KI-Agenten verbinden Modelle mit Werkzeugen und mehrstufigen Abläufen.
- GEO soll die Auffindbarkeit in KI-Antworten verbessern, garantiert aber keine Nennung.
Technische Grundlagen
| Begriff | Einfach erklärt |
|---|---|
| Künstliche Intelligenz (KI) | Sammelbegriff für Computersysteme, die Aufgaben wie Erkennen, Vorhersagen, Generieren oder Entscheiden bearbeiten. Was als «intelligent» gilt, hängt vom Kontext ab. |
| Maschinelles Lernen (ML) | Teilgebiet der KI, bei dem ein System Muster aus Beispieldaten lernt, statt für jeden Fall mit festen Regeln programmiert zu werden. |
| Deep Learning | Maschinelles Lernen mit neuronalen Netzen aus vielen Verarbeitungsschichten. |
| Neuronales Netz | Mathematisches Modell aus verbundenen Recheneinheiten. Es ist lose von biologischen Nervensystemen inspiriert, arbeitet aber nicht wie ein menschliches Gehirn. |
| Transformer | Architektur, die Beziehungen zwischen Elementen einer Eingabe verarbeitet. Sie bildet die Grundlage vieler moderner Sprach- und multimodaler Modelle. |
| LLM (Large Language Model) | Grosses Sprachmodell, das Sprachmuster aus Trainingsdaten lernt und daraus Text verarbeitet oder erzeugt. Es versteht Fakten nicht automatisch wie ein Mensch. |
| Token | Ein Textbaustein, den ein Modell verarbeitet. Ein Token kann ein kurzes Wort, ein Wortteil, Satzzeichen oder Zeichenfolge sein. Die genaue Zerlegung hängt vom Modell ab. |
| Parameter | Gelernte Zahlenwerte eines Modells. Die Anzahl allein sagt wenig über Qualität, Tempo oder Eignung für eine Aufgabe aus. |
| Training | Phase, in der ein Modell anhand von Daten seine Parameter anpasst. |
| Inferenz | Nutzung eines trainierten Modells: Eine Eingabe wird verarbeitet und eine Ausgabe erzeugt. Hier entstehen üblicherweise die API-Kosten. |
| Benchmark | Standardisierter Test für eine bestimmte Fähigkeit. Gute Benchmarkwerte garantieren nicht automatisch gute Ergebnisse im Alltag. |
Prompting und tägliche Nutzung
| Begriff | Einfach erklärt |
|---|---|
| Prompt | Deine Eingabe oder Anweisung an ein KI-System. Sie kann Text, Bilder, Dateien oder andere Daten enthalten. Eine Anleitung findest du unter Richtig prompten. |
| System-Prompt | Übergeordnete Anweisung, die Rolle, Regeln oder Verhalten eines Assistenten festlegt. Sie ist für Nutzende nicht immer sichtbar. |
| Kontextfenster | Maximale Menge an Token, die ein Modell in einer Anfrage verarbeiten kann. Dazu zählen Eingaben, Dateien, Gesprächsverlauf und meist auch die erwartete Ausgabe. |
| Input-Token | Token, die du an das Modell sendest – etwa Prompt, Kontext und Dokumentinhalt. |
| Output-Token | Token, die das Modell als Antwort erzeugt. Sie können einen anderen API-Preis als Input-Token haben. |
| Zero-Shot / Few-Shot | Aufgabe ohne Beispiel beziehungsweise mit wenigen Beispielen im Prompt. |
| Reasoning | Verfahren, mit denen ein Modell mehr Rechenaufwand für komplexe Aufgaben verwendet. Interne Denkprozesse müssen dabei nicht vollständig sichtbar oder wortgetreu ausgegeben werden. |
| Temperature | Einstellung für die Streuung bei der Tokenauswahl. Ihre Wirkung unterscheidet sich nach Modell und API; ein höherer Wert bedeutet nicht einfach «mehr Intelligenz». |
| Halluzination | Plausibel klingende, aber falsche oder nicht ausreichend belegte Aussage. Wichtige Resultate müssen deshalb geprüft werden. Mehr dazu: Was kann KI schon – und was nicht?. |
Modelle, Wissen und Werkzeuge
| Begriff | Einfach erklärt |
|---|---|
| Foundation Model | Grosses Basismodell, das für viele Aufgaben eingesetzt oder weiter angepasst werden kann. |
| Multimodal | Ein System, das mehrere Datenarten wie Text, Bild, Audio oder Video verarbeitet oder erzeugt. Unterstützte Ein- und Ausgaben sind je Modell verschieden. |
| Fine-Tuning | Zusätzliches Training eines bestehenden Modells mit Beispielen, um Verhalten oder Leistung für einen Zweck anzupassen. |
| Embedding | Zahlenvektor, der inhaltliche Ähnlichkeiten abbilden soll. Embeddings werden etwa für semantische Suche verwendet. |
| RAG (Retrieval-Augmented Generation) | Vor einer Antwort werden passende Informationen aus einer Suchquelle oder Wissensbasis abgerufen und dem Modell als Kontext gegeben. RAG kann Aktualität und Nachvollziehbarkeit verbessern, verhindert Fehler aber nicht vollständig. |
| Tool Use | Das Modell kann definierte Werkzeuge aufrufen, beispielsweise Suche, Rechner, Datenbank oder Softwarefunktion. |
| API | Technische Schnittstelle, über die Software ein Modell oder einen Dienst aufruft. API-Nutzung wird oft separat von einem Chat-Abo verrechnet. |
KI-Agenten und Automatisierung
| Begriff | Einfach erklärt |
|---|---|
| KI-Agent | System, das ein Modell mit Zielen, Werkzeugen und einem Ablauf verbindet, um mehrere Schritte auszuführen. Der Autonomiegrad kann sehr unterschiedlich sein. Grundlagen: Was sind KI-Agenten?. |
| Agentic AI | Sammelbegriff für KI-Systeme, die Aufgaben planen, Aktionen ausführen und Ergebnisse überprüfen können. Es gibt keine einheitliche, verbindliche Definition. |
| Workflow | Vorgegebene Abfolge von Schritten. Ein Workflow ist meist berechenbarer als ein frei planender Agent. |
| MCP (Model Context Protocol) | Offenes Protokoll, mit dem KI-Anwendungen Werkzeuge und Kontextquellen über eine gemeinsame Schnittstelle anbinden können. MCP selbst macht einen Zugriff nicht automatisch sicher. |
| Human in the Loop | Ein Mensch prüft, genehmigt oder korrigiert einen Schritt, besonders bei riskanten oder wichtigen Entscheidungen. |
| Guardrails | Technische und organisatorische Regeln, Prüfungen oder Grenzen für Ein- und Ausgaben sowie Aktionen eines Systems. |
Bilder, Audio und Herkunft
| Begriff | Einfach erklärt |
|---|---|
| Generative KI | KI, die Inhalte wie Text, Bilder, Audio, Video oder Code erzeugt. |
| Diffusionsmodell | Modellklasse, die häufig bei Bild- und Videogeneratoren eingesetzt wird und Daten schrittweise aus einem verrauschten Ausgangszustand erzeugt. |
| Deepfake | Synthetischer oder manipulierter Medieninhalt, der eine reale Person oder ein reales Ereignis täuschend darstellen kann. Hinweise: Deepfakes erkennen. |
| C2PA / Content Credentials | Standard für kryptografisch prüfbare Herkunfts- und Bearbeitungsinformationen. Er ist kein unsichtbarer Wahrheitsstempel und beweist nicht, dass der Inhalt sachlich richtig ist. |
| Wasserzeichen | Sichtbare oder maschinenlesbare Markierung. Sie kann auf KI-Erzeugung hinweisen, ist aber nicht dasselbe wie eine vollständige Herkunftskette. |
Sicherheit, Qualität und Recht
| Begriff | Einfach erklärt |
|---|---|
| Bias | Systematische Verzerrung in Daten, Modell, Messung oder Anwendung. Sie kann bestimmte Gruppen oder Ergebnisse benachteiligen. |
| Alignment | Forschung und Praxis mit dem Ziel, das Verhalten von KI-Systemen an menschlichen Absichten, Regeln und Sicherheitszielen auszurichten. |
| Prompt Injection | Manipulative Anweisung in Texten, Websites oder Dateien, die ein KI-System dazu bringen soll, seine eigentliche Aufgabe oder Regeln zu missachten. |
| AGI (Artificial General Intelligence) | Unscharf verwendeter Begriff für allgemein leistungsfähige KI. Es gibt weder eine allgemein akzeptierte Definition noch einen bestätigten Zeitpunkt. |
| EU AI Act / KI-Verordnung | EU-Verordnung mit risikobasierten Pflichten für KI-Systeme. Welche Regel gilt, hängt unter anderem von Rolle, Einsatz, Risiko und Zeitpunkt ab. Mehr dazu: Das EU-KI-Gesetz. |
GEO und Sichtbarkeit in KI-Antworten
| Begriff | Einfach erklärt |
|---|---|
| GEO (Generative Engine Optimization) | Massnahmen, die Inhalte für generative Such- und Antwortsysteme zugänglich, verständlich und belegbar machen sollen. Eine Nennung oder Quellenangabe ist nicht garantiert. |
| AEO | Answer Engine Optimization: Optimierung von Inhalten für direkte Antworten in Such- und Antwortsystemen. Die Abgrenzung zu GEO und SEO ist nicht einheitlich. |
| Brand Mention | Erwähnung einer Marke in einer Antwort – mit oder ohne verlinkte Quelle. |
| Citation | Quellenverweis in einer KI-Antwort. Darstellung und Verlinkung unterscheiden sich je System. |
| Share of Voice | Anteil der eigenen Markennennungen im Vergleich zu definierten Wettbewerbern und einem festen Prompt-Set. |
| Sentiment | Einordnung der Tonalität einer Nennung, etwa positiv, neutral oder negativ. Automatische Sentimentwerte können Kontext falsch interpretieren. |
Mehr dazu: Brand Mention, Citation und Sentiment und GEO-Erfolg messen.
Häufige Fragen
Wie viele Wörter sind 1'000 Token?
Dafür gibt es keinen festen Umrechnungsfaktor. Sprache, Zeichensetzung, Zahlen und der Tokenizer des Modells beeinflussen das Ergebnis. Für Kostenberechnungen sollte deshalb der Tokenizer oder die Abrechnung des konkreten Anbieters verwendet werden.
Ist ein grösseres Modell automatisch besser?
Nein. Entscheidend sind Aufgabe, Daten, Werkzeuge, Geschwindigkeit, Preis und die gemessene Qualität. Ein kleineres spezialisiertes Modell kann für eine konkrete Aufgabe besser passen.
Ist ein KI-Agent einfach ein Chatbot?
Nicht unbedingt. Ein Chatbot führt primär einen Dialog. Ein Agent kann zusätzlich Werkzeuge nutzen und Aktionen über mehrere Schritte ausführen. Die Begriffe werden im Marketing allerdings nicht einheitlich verwendet.
Kann GEO eine Erwähnung in ChatGPT, Gemini oder anderen Diensten garantieren?
Nein. GEO kann technische Zugänglichkeit und Verständlichkeit verbessern. Auswahl, Darstellung und Quellenangaben bestimmt das jeweilige System.
Fazit
Gute KI-Entscheidungen beginnen nicht bei möglichst vielen Fachbegriffen, sondern bei klaren Fragen: Was soll das System tun, welche Daten erhält es, wie wird das Ergebnis geprüft und was kostet die Nutzung? Dieses Glossar wird deshalb als verständliches Nachschlagewerk weitergeführt.
Quellen und Standards
- NIST Artificial Intelligence Risk Management Framework
- EU AI Act – Europäische Kommission
- C2PA – Technical Specification
- Model Context Protocol – Dokumentation
- Building effective agents – Anthropic
Hinweis: Fachbegriffe werden von Forschung und Anbietern teilweise unterschiedlich verwendet. Die Definitionen beschreiben den gebräuchlichen Sinn und werden bei relevanten Änderungen aktualisiert.