KI-Glossar

Agentic AI

KI-Systeme, die eigenständig mehrstufige Aufgaben planen und ausführen, indem sie Werkzeuge nutzen, Zwischenergebnisse auswerten und Entscheidungen treffen.

Abläufe, die von allein durchlaufen und nur bei Ausnahmen nachfragen: Ich nenne das schlicht KI-Automatisierung.

AGI (Artificial General Intelligence)

Eine hypothetische Form der KI, die jede intellektuelle Aufgabe verstehen und lösen kann, die auch ein Mensch bewältigen könnte, im Gegensatz zu heutiger, spezialisierter KI.

AI Alignment

Das Forschungsfeld, das sicherstellen soll, dass KI-Systeme im Einklang mit menschlichen Werten und Absichten handeln und keine unbeabsichtigten oder schädlichen Ziele verfolgen.

AI Mode

Googles Antwortmodus in der Suche: Statt einer Trefferliste erscheint eine ausformulierte KI-Antwort mit Quellenhinweisen, Rückfragen sind im Gespräch möglich. In Deutschland seit 2025 verfügbar.

AI Overviews (KI-Übersichten)

Die KI-Zusammenfassung, die Google seit 2025 auch in Deutschland über die klassischen Suchergebnisse setzt. Sie beantwortet die Frage direkt und nennt darunter einige Quellen; viele Nutzer klicken danach keine Website mehr an.

AI Safety

Oberbegriff für alle Forschungs- und Entwicklungsmaßnahmen, die darauf abzielen, KI-Systeme sicher, kontrollierbar und vorhersagbar zu gestalten.

AI Slop

Abwertender Begriff für massenhaft produzierte, minderwertige KI-Inhalte wie generische Blogposts, seelenlose Bilder oder roboterhafte Videos.

Algorithmus

Eine feste Abfolge von Rechenregeln, die ein Problem Schritt für Schritt löst. Jede KI basiert letztlich auf Algorithmen.

Anbieter und Betreiber (AI Act)

Die zwei Rollen, nach denen die KI-Verordnung die Pflichten verteilt: Anbieter entwickeln KI-Systeme und bringen sie auf den Markt, Betreiber setzen sie im eigenen Betrieb ein. Für Betreiber sind die Pflichten deutlich schlanker.

Ein Mittelständler, der KI-Werkzeuge nutzt, ist fast immer nur Betreiber. Was daraus folgt, und was nicht: EU AI Act: Was Ihr Betrieb wirklich tun muss

Annotation

Der Prozess der manuellen Kennzeichnung von Daten (z. B. Bilder beschriften, Text kategorisieren), damit ein KI-Modell daraus lernen kann.

Anomalieerkennung

Die KI-gestützte Erkennung ungewöhnlicher Muster oder Ausreißer in Daten, z. B. für Betrugserkennung oder Qualitätskontrolle.

Anonymisierung und Pseudonymisierung

Zwei Verfahren, Daten von der Person zu lösen, mit unterschiedlicher Wirkung: Nach einer Anonymisierung lässt sich die Person nicht mehr ermitteln, die DSGVO gilt dann nicht mehr. Bei der Pseudonymisierung werden Namen durch Kennungen ersetzt, die Zuordnung bleibt getrennt gespeichert, die DSGVO gilt weiter. Je weniger Personenbezug in ein KI-Werkzeug fließt, desto einfacher der rechtliche Rahmen.

In Kanzleien und Praxen kann ein vorgeschalteter KI-Baustein Namen und Details anonymisieren, bevor ein Cloud-Modell die Daten sieht: KI in der Kanzlei

Anthropic

Das Unternehmen hinter dem KI-Assistenten Claude, gegründet 2021 von ehemaligen OpenAI-Mitarbeitern. Bekannt für den Fokus auf KI-Sicherheit und Constitutional AI.

API (Application Programming Interface)

Eine Schnittstelle, über die Programme miteinander kommunizieren. Entwickler können so auf KI-Modelle zugreifen, ohne sie selbst betreiben zu müssen.

ASI (Artificial Superintelligence)

Der nächste theoretische Schritt nach AGI: Eine KI, die den Menschen in allen Bereichen übertrifft: Wissenschaft, Kreativität, Strategie. Noch rein spekulativ.

Attention-Mechanismus

Ein Kernbaustein moderner Transformer-Modelle, der es dem Modell ermöglicht, beim Verarbeiten einer Eingabe unterschiedlich stark auf verschiedene Teile zu achten.

Auftragsverarbeitung (AVV)

Der Vertrag nach Artikel 28 DSGVO, den Sie mit jedem Dienstleister schließen, der personenbezogene Daten in Ihrem Auftrag verarbeitet, also auch mit KI-Anbietern. Bei Business-Tarifen der großen Anbieter gehört er zum Standardumfang, bei privaten Gratis-Konten fehlt er.

Bei Business-Tarifen in wenigen Minuten abgeschlossen, bei Gratis-Konten gar nicht möglich. Der ganze Datenschutz-Rahmen: KI und DSGVO

Autoencoder

Ein neuronales Netzwerk, das Daten komprimiert (Encoder) und wieder rekonstruiert (Decoder), häufig verwendet für Dimensionsreduktion oder Rauschunterdrückung.

AutoML

Die Automatisierung des Prozesses, KI-Modelle zu erstellen, also KI, die sich selbst trainiert und optimiert, ohne dass jeder Schritt manuell konfiguriert werden muss.

Backpropagation

Das mathematische Verfahren, mit dem neuronale Netze aus Fehlern lernen, indem Gradienten vom Ausgang zurück durch alle Schichten propagiert werden.

Batch Size

Die Anzahl der Trainingsbeispiele, die gleichzeitig durch ein Modell geleitet werden, bevor die Gewichte aktualisiert werden.

Batch-Verarbeitung (Batch-API)

Ein Abrechnungsmodus der KI-Anbieter für Aufgaben, die nicht sofort fertig sein müssen: Anfragen werden gesammelt und innerhalb von Stunden verarbeitet, dafür etwa zum halben Preis. Passt zu allem, was nachts oder im Hintergrund laufen darf, etwa die Auswertung ganzer Dokumentenstapel.

Benchmark

Ein standardisierter Testdatensatz oder eine Aufgabensammlung, mit der die Leistung verschiedener KI-Modelle objektiv verglichen wird (z. B. MMLU, HellaSwag).

Bias (Verzerrung)

Systematische Fehler oder Vorurteile in KI-Systemen, die aus unausgewogenen Trainingsdaten oder fehlerhaften Modellannahmen resultieren und zu unfairen Ergebnissen führen können.

Bias Mitigation

Techniken zur Erkennung und Reduzierung unerwünschter Verzerrungen in KI-Modellen, z. B. durch Datenanpassung oder faire Trainingsverfahren.

Big Data

Enorm große Datenmengen, die mit herkömmlicher Software nicht mehr sinnvoll verarbeitet werden können. KI benötigt Big Data als Rohmaterial zum Lernen.

Bot

Ein automatisiertes Programm, das Aufgaben selbstständig erledigt, z. B. ein Chatbot, der Kundenanfragen beantwortet.

So ein Programm übernimmt zum Beispiel die Terminabstimmung per E-Mail, von der Anfrage bis zur Bestätigung: KI-Automatisierung

Bundesnetzagentur (KI-Aufsicht)

Seit Sommer 2026 die zentrale Aufsichts- und Anlaufstelle für die KI-Verordnung in Deutschland. Für den Mittelstand wichtig: Ihr erklärter Kurs für die Aufbauphase ist Beratung vor Sanktion, mit kostenfreien Anlaufstellen für kleine und mittlere Unternehmen.

Wer kontrolliert das, und wie streng? Die Einordnung für Betreiber im Mittelstand: EU AI Act

Chain-of-Thought (CoT)

Eine Prompting-Technik, bei der das Modell aufgefordert wird, seinen Denkprozess Schritt für Schritt offenzulegen, was zu genaueren Ergebnissen bei komplexen Aufgaben führt.

Hilft bei Kalkulationen und Prüfungen, bei denen es auf den Rechenweg ankommt. Wo Ihr Team lernt, die Werkzeuge sicher zu nutzen: Team-Schulung

Chatbot

Ein KI-basiertes Dialogsystem, das in natürlicher Sprache mit Menschen kommunizieren kann. Moderne Chatbots basieren auf LLMs und können natürliche Gespräche führen.

Am Telefon oder auf der Website übernimmt so ein System die Erstauskunft. Was ein KI-Sprachassistent in Ihrem Betrieb spart, zeigt der Kostenrechner.

ChatGPT

Das bekannteste KI-Produkt von OpenAI, eine Chat-Anwendung auf Basis der GPT-Modelle zum Schreiben, Brainstormen, Programmieren, Übersetzen und vielem mehr.

Classifier (Klassifikator)

Ein Modell, das Eingaben in vordefinierte Kategorien einordnet, z. B. Spam-Erkennung, Stimmungsanalyse oder Bilderkennung.

Im Betrieb sortiert so ein Modell den Posteingang: Bestellung, Anfrage, Rechnung, Werbung. Wie das im Großhandel aussieht: KI im Handel

Claude

Der KI-Assistent von Anthropic, bekannt für seinen Fokus auf Sicherheit und Nützlichkeit. Bei vielen Entwicklern für komplexe und kreative Aufgaben beliebt.

CLIP (Contrastive Language-Image Pretraining)

Ein Modell von OpenAI, das Bilder und Texte in einem gemeinsamen Vektorraum abbildet und so multimodale Aufgaben ermöglicht.

Computer Use

Die Fähigkeit eines KI-Modells, einen Computer wie ein Mensch zu bedienen: Es sieht den Bildschirm, klickt, tippt und arbeitet sich durch Programme, für die es keine Schnittstelle gibt. Noch langsam und fehleranfällig, aber der Weg, um auch alte Software in automatische Abläufe einzubinden.

Computer Vision

Der Bereich der KI, der sich mit dem maschinellen Verstehen und Analysieren von Bildern und Videos befasst, z. B. für autonomes Fahren oder medizinische Bildanalyse.

Constitutional AI

Ein von Anthropic entwickelter Ansatz, bei dem KI-Modelle anhand eines Satzes von Prinzipien trainiert werden, um hilfreicher und weniger schädlich zu sein.

Contrastive Learning

Eine Trainingsmethode, bei der das Modell lernt, ähnliche Datenpunkte näher zusammen und unähnliche weiter auseinander im Vektorraum zu platzieren.

Convolutional Neural Network (CNN)

Ein spezielles neuronales Netz, das vor allem für Bildverarbeitung entwickelt wurde und lokale Muster in Bildern besonders gut erkennt.

Cross Validation

Eine Methode zur Bewertung der Modellqualität, bei der verschiedene Teile des Datensatzes abwechselnd zum Trainieren und Testen genutzt werden.

CUDA

Eine von NVIDIA entwickelte Plattform und API, die die parallele Berechnung auf Grafikkarten (GPUs) ermöglicht und für KI-Training essenziell ist.

Cursor

Ein KI-gestützter Code-Editor auf Basis von VS Code, der das gesamte Projekt versteht und Code generieren, refaktorisieren und erklären kann.

Data Augmentation

Techniken zur künstlichen Vergrößerung von Trainingsdaten durch Transformationen wie Drehen, Spiegeln oder Hinzufügen von Rauschen.

Data Mining

Die Extraktion nützlicher Muster und Zusammenhänge aus großen Datenmengen, eine wichtige Grundlage für viele KI-Anwendungen.

Decision Tree (Entscheidungsbaum)

Ein Modell, das Entscheidungen durch eine Baumstruktur mit Ja/Nein-Fragen trifft. Einfach zu verstehen und gut zu erklären.

Deep Learning

Ein Teilgebiet des maschinellen Lernens, das tiefe neuronale Netze mit vielen Schichten verwendet, um komplexe Muster in großen Datenmengen zu erkennen.

Deep Research

Eine Funktion in ChatGPT, Gemini, Perplexity und Claude, bei der die KI minutenlang selbstständig recherchiert, Dutzende Quellen liest und einen Bericht mit Belegen schreibt. Ersetzt keine Fachprüfung, spart aber die Stunden der ersten Sichtung.

Deepfake

Durch KI (häufig GANs oder Diffusionsmodelle) erzeugte gefälschte Medieninhalte wie Videos oder Audiodateien, die täuschend echt wirken.

Wer solche Inhalte veröffentlicht, muss sie als künstlich erzeugt erkennbar machen. Die Transparenzregeln im Überblick: EU AI Act

DeepSeek

Ein chinesisches KI-Unternehmen, das Anfang 2025 mit seinem Modell R1 Aufsehen erregte: ähnliche Ergebnisse wie die damaligen Spitzenmodelle, zu einem Bruchteil der Trainingskosten. Die Modelle erscheinen als Open Weight und lassen sich auch außerhalb Chinas betreiben; wer dagegen die App oder den Dienst von DeepSeek selbst nutzt, schickt seine Daten auf Server in China.

Diffusionsmodell

Ein generatives Modell, das Bilder erzeugt, indem es schrittweise Rauschen aus einer Zufallseingabe entfernt (z. B. Stable Diffusion, DALL-E, Midjourney).

Digital Omnibus

Ein Gesetzespaket der EU, das Digitalgesetze vereinfacht. Der KI-Teil ist seit Juli 2026 in Kraft: Die Hochrisiko-Pflichten greifen erst ab Dezember 2027 beziehungsweise August 2028, und die Pflicht zur KI-Kompetenz wurde abgeschwächt: Verlangt sind seither Maßnahmen, die sie fördern, kein garantiertes Niveau je Mitarbeiter. Die Kennzeichnungspflichten für Betreiber bleiben unverändert.

Wenn ein Anbieter noch mit alten Fristen zu dringenden Compliance-Paketen rät, lohnt der Abgleich mit dem aktuellen Zeitplan: EU AI Act

Distillation (Wissensdestillation)

Ein Verfahren, bei dem ein kleines Modell (Student) trainiert wird, das Verhalten eines großen Modells (Teacher) nachzuahmen, um effizientere Modelle zu erzeugen.

Dokumentenerkennung (IDP)

Intelligent Document Processing: KI liest Rechnungen, Lieferscheine, Bestellungen oder Formulare, erkennt die relevanten Angaben und übergibt sie strukturiert an Buchhaltung oder Warenwirtschaft. Anders als reine Texterkennung (OCR) versteht sie, welche Zahl der Rechnungsbetrag ist und welche die Kundennummer.

Bei mir landen Eingangsbelege so automatisch zugeordnet in der Buchhaltungs-Vorerfassung. Was das im Handel bringt: KI im Handel

Domain Adaptation

Die Anpassung eines trainierten Modells an einen neuen Datenbereich, z. B. von allgemeinem Text auf medizinische Fachsprache.

DSGVO / GDPR

Die Datenschutz-Grundverordnung der EU, besonders relevant für KI in Bezug auf Datenverarbeitung, Trainingsnutzung von Gesprächen und DSGVO-konforme KI-Lösungen.

Was beim KI-Einsatz konkret gilt, mit Checkliste in sieben Schritten: KI und DSGVO

ElevenLabs

Ein Anbieter für KI-Stimmen: Text wird in natürlich klingende Sprache verwandelt, in Dutzenden Sprachen, auf Wunsch mit einer geklonten Stimme. Solche Stimmen sprechen in KI-Sprachassistenten am Telefon und in Erklärvideos.

Was ein KI-Sprachassistent am Telefon je Gesprächsminute kostet und was er spart: Kostenersparnis-Rechner

Embedding

Eine numerische Darstellung (Vektor) von Daten wie Wörtern, Sätzen oder Bildern, die semantische Ähnlichkeiten im Vektorraum widerspiegelt.

Unsichtbar steckt das in jeder KI-Wissensdatenbank, die Projektordner und Reklamationen durchsuchbar macht.

Emergente Fähigkeiten

Fähigkeiten, die erst bei sehr großen Modellen auftreten und bei kleineren Modellen nicht vorhanden sind, z. B. komplexes logisches Schlussfolgern.

Encoder-Decoder-Architektur

Ein Netzwerkaufbau, bei dem ein Encoder die Eingabe in eine kompakte Darstellung umwandelt und ein Decoder daraus die Ausgabe erzeugt.

Ensemble Learning

Die Kombination mehrerer KI-Modelle, um bessere Ergebnisse zu erzielen, als jedes einzelne Modell allein liefern könnte.

Epoch

Ein vollständiger Durchlauf des gesamten Trainingsdatensatzes während des Modelltrainings. Mehrere Epochen verbessern in der Regel das Lernen.

Ethik der KI

Das interdisziplinäre Feld, das sich mit moralischen Fragen rund um Entwicklung, Einsatz und Auswirkungen von KI-Systemen beschäftigt.

EU AI Act

Die KI-Verordnung der Europäischen Union, die KI-Systeme nach Risikoklassen reguliert und seit 2024 schrittweise in Kraft tritt. Für die meisten Betriebe gelten zwei Pflichten: KI-Kompetenz der Mitarbeiter und Kennzeichnung von KI-Kontakten. Die Hochrisiko-Fristen hat die EU im Juli 2026 auf Dezember 2027 und August 2028 verschoben.

Welche zwei Pflichten Ihr Betrieb daraus wirklich hat, und welche nicht: EU AI Act: Was Ihr Betrieb wirklich tun muss

EU-Datenresidenz

Die Zusage eines Anbieters, Daten ausschließlich in Rechenzentren innerhalb der EU zu speichern und zu verarbeiten. Mehrere große KI-Anbieter bieten das inzwischen an, teils als Standard, teils als Option. Für viele Betriebe die pragmatische Mitte zwischen US-Cloud und eigenem Server.

Wo Ihre Daten landen und welche Tarife das absichern: KI und DSGVO

Evaluation

Der systematische Prozess der Leistungsbewertung eines Modells anhand definierter Metriken und Testdaten.

Vor dem Livegang testen wir jede Lösung an echten Fällen aus Ihrem Betrieb. So läuft ein Projekt ab: KI einführen

Externer KI-Manager

Ein KI-Verantwortlicher auf Zeit: Statt eine Stelle zu schaffen, holt sich ein Betrieb die Rolle als befristetes Mandat mit festem Tageskontingent ins Haus, von der Strategie über den Bau der Automatisierungen bis zur Schulung der Mitarbeiter. Am Ende bleiben funktionierende Abläufe im Betrieb, aber keine dauerhaften Personalkosten.

So biete ich diese Rolle an, Pakete ab 1.900 € netto pro Monat bei 3 bis höchstens 12 Monaten Mandatsdauer: Externer KI-Manager

Feature Engineering

Die Auswahl und Umwandlung relevanter Datenmerkmale, bevor ein Modell damit trainiert wird. Bestimmt maßgeblich die Modellqualität.

Feintuning (Fine-Tuning)

Das gezielte Nachtrainieren eines vortrainierten Modells auf einem spezifischen Datensatz, um es für bestimmte Aufgaben oder Schreibstile zu spezialisieren.

Few-Shot Learning

Die Fähigkeit eines Modells, aus nur wenigen Beispielen im Prompt eine Aufgabe zu verstehen und auszuführen, ohne erneut trainiert zu werden.

Konkret: zwei gute Beispiel-Angebote im Prompt, und die KI trifft Ihren Ton. Ich begleite die Einführung, bis Ihr Team die Werkzeuge selbstständig nutzt: Team-Schulung

FLOPS (Floating Point Operations Per Second)

Ein Maß für die Rechenleistung eines Systems, das angibt, wie viele Gleitkommaoperationen pro Sekunde ausgeführt werden können.

FLUX

Die Bildmodell-Familie von Black Forest Labs aus Freiburg, gegründet von den Entwicklern von Stable Diffusion. Gilt als eines der besten Modelle für fotorealistische Bilder und lesbaren Text im Bild, teils als Open-Weight-Version verfügbar.

Foundation Model

Ein großes, auf breiten Daten vortrainiertes Modell, das als Basis für viele verschiedene Anwendungen dient (z. B. GPT, Claude, Gemini, Llama).

Frontier Model

Die leistungsstärksten und größten KI-Modelle einer Generation, die den aktuellen Stand der Technik definieren.

GAN (Generative Adversarial Network)

Eine Architektur aus zwei konkurrierenden Netzwerken, einem Generator und einem Diskriminator, die zusammen lernen, realistische Daten zu erzeugen.

Gemini

Googles KI-Modellfamilie, der direkte Konkurrent zu GPT und Claude. In Google-Produkte wie Docs und Gmail integriert, früher bekannt als Bard.

Generative KI (GenAI)

KI-Systeme, die neue Inhalte wie Text, Bilder, Audio, Video oder Code erzeugen können, im Gegensatz zu rein analytischen Systemen.

Ob sich das in Ihrem Betrieb lohnt, zeigt der KI-Potenzial-Check in zwei Minuten.

GEO (Generative Engine Optimization)

Die Weiterentwicklung der Suchmaschinenoptimierung für KI-Antworten: Inhalte so aufbereiten, dass ChatGPT, Perplexity oder Googles KI-Übersichten sie verstehen, zitieren und als Quelle nennen. Wichtig sind klare Direktantworten, nachprüfbare Fakten und strukturierte Daten.

Beim Website-Bau achte ich von Anfang an darauf, dass Ihre Inhalte von Suchmaschinen und KI-Systemen gefunden werden: Website-Erstellung

GPT (Generative Pre-trained Transformer)

Die Modellfamilie von OpenAI. Der Name beschreibt die Funktionsweise: generativ (erzeugt Inhalte), vortrainiert (auf riesigen Daten) und Transformer-basiert.

GPU (Graphics Processing Unit)

Grafikprozessoren, die wegen ihrer Fähigkeit zur Parallelverarbeitung für das Training neuronaler Netze genutzt werden (z. B. NVIDIA H100).

Gradient Descent

Das grundlegende Optimierungsverfahren beim Training neuronaler Netze, bei dem die Gewichte schrittweise in Richtung des geringsten Fehlers angepasst werden.

Grok

Die KI von Elon Musks Unternehmen xAI, integriert in die Plattform X. Positioniert sich als weniger eingeschränkte Alternative zu anderen KI-Modellen.

Grounding

Die Verankerung von KI-Ausgaben in verifizierbaren Fakten oder externen Datenquellen, um die Zuverlässigkeit zu erhöhen.

Der Unterschied zwischen einer KI, die rät, und einer, die aus Ihren Unterlagen antwortet. Praxisbeispiel: die Wissensdatenbank im Maschinenbau

Guardrails

Sicherheitsmechanismen und Einschränkungen, die verhindern sollen, dass KI-Modelle schädliche, unethische oder falsche Inhalte generieren.

Halluzination

Das Phänomen, wenn ein KI-Modell überzeugend klingende, aber faktisch falsche oder erfundene Informationen ausgibt, da es auf Plausibilität trainiert ist, nicht auf Wahrheit.

Dagegen hilft, wenn die KI nur aus den eigenen Unterlagen antwortet und auf das Originaldokument verweist, wie bei der Wissensdatenbank im Maschinenbau.

Hochrisiko-KI

Die Risikoklasse der KI-Verordnung mit den strengsten Pflichten: KI, die über Menschen entscheidet, etwa bei Bewerberauswahl, Mitarbeiterbewertung oder Kreditvergabe, oder die in sicherheitsrelevanten Produkten steckt. Typische Büro-KI wie Textwerkzeuge, Automatisierungen oder Sprachassistenten fällt nicht darunter. Die Pflichten greifen ab Dezember 2027, für KI in geregelten Produkten ab August 2028.

Die Hochrisiko-Falle, und wo Sie besonders bei HR-Software genau hinschauen sollten: EU AI Act

Human-in-the-Loop (HITL)

Ein Ansatz, bei dem Menschen aktiv in den KI-Entscheidungsprozess eingebunden werden, um Ergebnisse zu überprüfen, zu korrigieren oder zu genehmigen.

In meinen Projekten üblich: Die KI bereitet vor, Ihr Team prüft die Ergebnisse in der Testphase, bevor die Lösung live geht. So läuft das ab: KI einführen

Hyperparameter

Konfigurationseinstellungen, die vor dem Training festgelegt werden und den Trainingsprozess steuern (z. B. Lernrate, Batch-Größe, Anzahl der Schichten).

Image Recognition

Die Fähigkeit einer KI, Objekte, Personen oder Szenen in Bildern zu erkennen und zu benennen.

In-Context Learning

Die Fähigkeit großer Sprachmodelle, Aufgaben ausschließlich aus dem Kontext des Prompts zu lernen, ohne Anpassung der Modellgewichte.

Inference-Time Compute

Zusätzliche Rechenleistung, die während der Antwortgenerierung eingesetzt wird (z. B. durch Chain-of-Thought), um die Qualität der Ausgabe zu verbessern.

Inferenz

Der Vorgang, bei dem ein trainiertes KI-Modell auf neue Daten angewandt wird, um Vorhersagen oder Ausgaben zu erzeugen.

Jede Inferenz kostet Rechenzeit, abgerechnet nach Tokens, im Betrieb meist wenige Cent je Vorgang. Was ein ganzes Projekt kostet, steht im Ratgeber Was kostet KI?

Instruction Tuning

Ein Feintuning-Verfahren, bei dem ein Modell gezielt darauf trainiert wird, natürlichsprachliche Anweisungen zu verstehen und zu befolgen.

Intent Recognition

Die KI-gestützte Erkennung der Absicht hinter einer Nutzeranfrage, z. B. erkennen, dass jemand eine Bestellung stornieren möchte, statt nur auf einzelne Schlüsselwörter zu reagieren.

Am Telefon erkennt der KI-Sprachassistent so, ob jemand einen Termin will oder einen Notfall meldet, und bereitet den Rückruf vor. Beispiel: Telefon im Handwerksbetrieb

Jailbreak

Der Versuch, die Sicherheitsvorkehrungen eines KI-Modells durch geschickte Prompts zu umgehen, um Inhalte zu erzeugen, die das Modell normalerweise ablehnen würde.

Kennzeichnungspflicht (Artikel 50)

Die Transparenzregel der KI-Verordnung, in Kraft seit August 2026: Wer Kunden mit einem KI-Sprachassistenten sprechen oder schreiben lässt, muss das erkennbar machen. Deepfakes und ungeprüft veröffentlichte KI-Texte zu Themen von allgemeinem Interesse müssen als KI-erzeugt ausgewiesen werden. Eine KI-Illustration im Angebot oder ein KI-formulierter Newsletter fallen nicht darunter.

Die Pflicht ist enger, als oft behauptet wird. Was genau gilt und was nicht: EU AI Act

KI-Automatisierung

Ein Ablauf, der ohne Zutun durchläuft und dabei versteht, was er verarbeitet: Eine eingehende Bestellung wird gelesen, geprüft, ins System übertragen und beantwortet, ein Beleg erkannt und zugeordnet. Anders als klassische Automatisierung kommt sie mit unstrukturierten Mails und Dokumenten zurecht und fragt nur bei Ausnahmen nach.

Die laufenden Technikkosten liegen bei etwa 0,03 € je Ausführung. Was das in Ihrem Betrieb spart: Kostenersparnis-Rechner

KI-Beauftragter

Eine Rolle, die immer wieder als Pflicht verkauft wird, die es aber nicht gibt: Die KI-Verordnung verlangt KI-Kompetenz bei den Mitarbeitern, keine benannte Person, kein Zertifikat, keine Zulassung. Wer einen sogenannten externen KI-Beauftragten im Abo anbietet, kümmert sich meist um Dokumente und Richtlinien; die Umsetzung im Betrieb bleibt dann bei Ihnen.

Einen benannten KI-Beauftragten schreibt das Gesetz nicht vor. Was ein KI-Verantwortlicher auf Zeit stattdessen leistet: Externer KI-Manager

KI-Browser

Ein Webbrowser mit eingebautem KI-Assistenten, der Seiten zusammenfasst, Formulare ausfüllt und ganze Aufgaben im Web erledigt, etwa Preise vergleichen oder eine Buchung vorbereiten. Bekannte Vertreter sind Comet von Perplexity und Atlas von OpenAI. Für den Betrieb heißt das: Der Browser sieht alles, was der Mitarbeiter sieht, auch Kundendaten.

KI-Gedächtnis (Memory)

Die Fähigkeit von ChatGPT, Claude, Gemini und anderen, sich Angaben über Gespräche hinweg zu merken: Vorlieben, Projekte, frühere Fragen. Bequem im Alltag, aber im Betrieb ein Datenschutz-Thema, sobald Kundennamen darin landen. Die Funktion lässt sich abschalten.

Gespeicherte Gespräche mit Kundennamen sind personenbezogene Daten. Der Rahmen dafür im Betrieb: KI und DSGVO

KI-Kompetenz (Artikel 4)

Die Pflicht der KI-Verordnung, die seit Februar 2025 jeden Betrieb trifft, der KI einsetzt: Sie müssen Maßnahmen ergreifen, die die KI-Kompetenz Ihrer Mitarbeiter fördern, also die eingesetzten Werkzeuge sicher bedienen und ihre Grenzen kennen. Ein garantiertes Niveau je Person verlangt das Gesetz seit Juli 2026 ausdrücklich nicht. In der Praxis heißt das eine Einweisung, die zum Betrieb passt: keine Prüfung, kein Zertifikat, kein Beauftragter. Dokumentieren sollten Sie sie trotzdem, damit Sie sie belegen können.

Eine Einweisung, die zum Betrieb passt, gibt es bei mir als eigenen Termin, ab 750 € netto für einen halben Tag: Team-Schulung

KI-Sprachassistent

Ein KI-System, das mit Kunden spricht oder schreibt: am Telefon, im Chat auf der Website oder per E-Mail. Es nimmt Anrufe an, beantwortet häufige Fragen, vereinbart Termine und leitet alles Übrige an die richtige Person weiter. Anders als ein starres Sprachmenü versteht es frei formulierte Anliegen. Seit August 2026 muss für Kunden erkennbar sein, dass sie mit KI sprechen.

Für Telefon und Kundenservice baue ich solche Assistenten maßgeschneidert für Ihren Betrieb, angebunden an Ihre bestehenden Systeme: KI-Automatisierung

KI-Wissensdatenbank

Eine KI-Suche über die eigenen Unterlagen: Angebote, Zeichnungen, Service-Berichte, Mails, Verträge. Mitarbeiter stellen Fragen in normaler Sprache und bekommen die Antwort mit Verweis auf das Originaldokument. Technisch steckt meist RAG dahinter, praktisch bleibt das Wissen langjähriger Mitarbeiter im Haus.

Das Herzstück für größere Mittelständler, mit Beispielen aus Projektordnern und Service-Berichten: KI im Maschinenbau

Knowledge Graph

Eine strukturierte Wissensbasis, die Fakten als Netzwerk aus Entitäten und ihren Beziehungen darstellt und von KI-Systemen genutzt werden kann.

Kontextfenster (Context Window)

Die maximale Menge an Text (gemessen in Tokens), die ein Sprachmodell gleichzeitig verarbeiten kann, bei modernen Modellen oft 128K bis über 1M Tokens.

Künstliche Intelligenz (KI/AI)

Der Oberbegriff für Computersysteme, die Aufgaben ausführen können, die normalerweise menschliche Intelligenz erfordern, z. B. Lernen, Schlussfolgern und Problemlösen.

Wo KI in Ihrem Betrieb zuerst etwas bringt: Der KI-Potenzial-Check zeigt es in zehn Fragen und zwei Minuten.

Labeling

Die Beschriftung von Trainingsdaten mit den richtigen Antworten, eine zentrale Voraussetzung für überwachtes Lernen.

Large Language Model (LLM)

Ein sehr großes Sprachmodell mit Milliarden von Parametern, das auf riesigen Textmengen trainiert wurde und vielfältige Sprachaufgaben bewältigen kann (z. B. GPT, Claude, Llama).

Der Motor hinter fast allem, was ich für Betriebe baue. Wo er bei Ihnen ansetzen kann: KI-Potenzial-Check

Latenter Raum

Ein abstrakter, mehrdimensionaler Raum, in dem ein Modell komprimierte Darstellungen der Eingabedaten speichert.

Lernrate (Learning Rate)

Ein Hyperparameter, der bestimmt, wie stark die Gewichte eines Modells bei jedem Trainingsschritt angepasst werden. Zu hoch führt zu instabilem, zu niedrig zu sehr langsamem Lernen.

Llama

Die Open-Source-Modellfamilie von Meta. Kostenlos nutzbar, anpassbar und die Basis vieler Community-Projekte.

Eine übliche Wahl, wenn ein Modell auf eigener Infrastruktur laufen soll. Wann sich das lohnt: KI in der Kanzlei

llms.txt

Eine kleine Textdatei im Hauptverzeichnis einer Website, die KI-Systemen in Kurzform sagt, worum es auf der Seite geht und wo die wichtigsten Inhalte liegen, vergleichbar mit der robots.txt für Suchmaschinen. Ein junger, freiwilliger Standard, den die großen KI-Anbieter bisher nicht offiziell auswerten; er kostet aber nichts und schadet nicht.

Diese Website hat eine: valueate.de/llms.txt

LoRA (Low-Rank Adaptation)

Eine effiziente Feintuning-Methode, die nur kleine, zusätzliche Gewichtsmatrizen trainiert, anstatt das gesamte Modell zu verändern.

Loss Function (Verlustfunktion)

Eine mathematische Funktion, die misst, wie weit die Vorhersage eines Modells vom tatsächlichen Ergebnis abweicht: Das Ziel des Trainings ist es, diesen Wert zu minimieren.

Machine Learning (ML)

Ein Teilbereich der KI, bei dem Algorithmen aus Daten lernen und Muster erkennen, ohne explizit programmiert zu werden. Oberbegriff für Supervised, Unsupervised und Reinforcement Learning.

Für Ihren Betrieb zählt weniger die Methode als die Frage, wo Routine Zeit frisst. Der KI-Potenzial-Check findet das in zehn Fragen heraus.

MCP (Model Context Protocol)

Ein offenes Protokoll von Anthropic, das es KI-Modellen ermöglicht, standardisiert auf externe Datenquellen und Werkzeuge zuzugreifen.

Microsoft Copilot

Microsofts KI-Assistent in Windows, Office und Teams: Er fasst Mails zusammen, entwirft Dokumente, protokolliert Besprechungen und beantwortet Fragen zu den eigenen Dateien. Für viele Betriebe das erste KI-Werkzeug, weil es sich in die vorhandene Microsoft-365-Umgebung einfügt; der Zugriff auf eigene Dateien braucht die kostenpflichtige Copilot-Lizenz je Nutzer.

Auch hier gilt: Business-Tarif mit Vertrag zur Auftragsverarbeitung statt privatem Konto. Die Details: KI und DSGVO

Midjourney

Einer der beliebtesten KI-Bildgeneratoren, bekannt für hochwertige, künstlerisch anmutende Ergebnisse.

Mistral AI

Das französische KI-Unternehmen, Europas bekanntester Anbieter von Sprachmodellen. Bietet leistungsfähige Modelle, die teils als Open Weight erscheinen und auf eigener Hardware laufen können; der eigene Cloud-Dienst hält die Daten in der EU.

Eine Option, wenn Daten die EU nicht verlassen sollen. Wann das den Ausschlag gibt: KI in der Kanzlei

Mixture of Experts (MoE)

Eine Modellarchitektur, bei der nur ein Teil der Parameter pro Anfrage aktiviert wird, was Effizienz bei gleichzeitig großer Modellkapazität ermöglicht.

Modell

Das trainierte System selbst, Milliarden von Zahlenwerten, die zusammen Sprache, Bilder oder andere Daten verstehen und verarbeiten.

Für Ihren Betrieb ist das Modell der austauschbare Teil, Ihre Abläufe und Daten sind es nicht. Warum das für den Startzeitpunkt zählt: Warum jetzt mit KI starten?

Modell-Kollaps

Ein Phänomen, bei dem Modelle, die auf KI-generierten Daten trainiert werden, zunehmend an Qualität und Vielfalt verlieren.

Multi-Agent-System

Ein System, in dem mehrere autonome KI-Agenten zusammenarbeiten oder miteinander interagieren, um komplexe Aufgaben zu lösen.

Übersetzt: mehrere KI-Bausteine, die sich eine Aufgabe teilen, etwa Lesen, Prüfen und Antworten. Was ich daraus für Ihren Betrieb baue: KI-Automatisierung

Multimodalität

Die Fähigkeit eines KI-Modells, verschiedene Datentypen wie Text, Bilder, Audio und Video gleichzeitig zu verarbeiten und zu erzeugen.

n8n

Eine Open-Source-Automatisierungsplattform, besonders beliebt für KI-Workflows. Kann selbst gehostet werden und ermöglicht den Bau eigener KI-Agenten ohne tiefes Programmierwissen.

Werkzeuge wie dieses stecken hinter der KI-Automatisierung, die ich für Betriebe einrichte, angebunden an E-Mail, CRM und ERP.

Named Entity Recognition (NER)

Eine NLP-Technik, die in einem Text automatisch Eigennamen, Orte, Datumsangaben oder Marken erkennt und markiert.

Narrow AI

KI, die auf eine spezifische Aufgabe spezialisiert ist (z. B. Schach spielen, Bilder erkennen), der derzeitige Stand praktisch aller KI-Systeme.

Natural Language Processing (NLP)

Der Oberbegriff für alle KI-Technologien, die natürliche Sprache verarbeiten: Übersetzung, Chatbots, Textanalyse, Stimmungserkennung.

Natural Language Understanding (NLU)

Ein Teilbereich von NLP, der sich speziell auf das Verstehen der Bedeutung und Intention natürlichsprachlicher Eingaben konzentriert.

Deshalb versteht ein KI-Sprachassistent auch Anrufer, die nicht in Stichworten sprechen. Was das am Telefon spart, rechnet der Kostenrechner vor.

Neuronales Netzwerk

Ein vom menschlichen Gehirn inspiriertes Rechenmodell aus miteinander verbundenen Schichten künstlicher Neuronen. Die Basis von Deep Learning und fast aller modernen KI.

Next-Token-Prediction

Das grundlegende Trainingsprinzip von Sprachmodellen: Das Modell lernt, das jeweils nächste Wort (Token) in einer Textsequenz vorherzusagen.

No-Code / Low-Code

Werkzeuge, mit denen sich Anwendungen und Automatisierungen ohne oder mit wenig Programmierung bauen lassen, meist aus Bausteinen auf einer grafischen Oberfläche. Beispiele sind n8n, Make oder Zapier. Sie machen KI-Automatisierung für kleine Betriebe bezahlbar, weil kein Entwicklerteam nötig ist.

Ein Grund, warum ein erstes Automatisierungsprojekt schon ab 2.500 € netto machbar ist. Die ganze Preisspanne: Was kostet KI?

NVIDIA

Der führende Hersteller von GPUs und KI-Beschleunigern (z. B. A100, H100, B200), deren Hardware das Rückgrat des KI-Trainings bildet.

Object Detection

Die KI-gestützte Erkennung und Lokalisierung von Objekten in Bildern oder Videos mit Begrenzungsrahmen und Klassenlabels.

OCR (Optical Character Recognition)

KI-gestützte Texterkennung, die gedruckten oder handgeschriebenen Text aus Bildern oder gescannten Dokumenten extrahiert.

So kommen Belege, Lieferscheine und Bestellungen ins System, ohne dass jemand abtippt. Beispiel: KI im Handel

On-Premise-KI

KI, die auf eigenen Servern im Haus läuft statt in der Cloud eines Anbieters. Möglich mit Open-Weight-Modellen; die Daten verlassen den Betrieb nicht. Der Preis dafür sind eigene Hardware, Wartung und meist etwas schwächere Modelle als bei den großen Cloud-Diensten. Sinnvoll, wo Berufsgeheimnis oder Betriebsgeheimnisse das verlangen.

Bei höchsten Anforderungen die eigene Infrastruktur, bei der Mandantendaten das Haus gar nicht verlassen: KI in der Kanzlei

Open Source (KI)

KI-Modelle und Frameworks, deren Quellcode oder Gewichte öffentlich zugänglich sind und frei verwendet werden dürfen (z. B. Llama, Stable Diffusion).

Wann ein Modell im eigenen Haus sinnvoll ist, etwa wenn das Berufsgeheimnis gilt: KI in der Kanzlei

Open Weight

Modelle, deren trainierte Gewichte veröffentlicht werden, aber nicht unbedingt der Trainingscode oder die Daten, eine Abgrenzung zu vollständigem Open Source.

Solche Modelle können auf eigener Hardware laufen, dann verlassen die Daten das Haus nicht. Wann das nötig ist: KI in der Kanzlei trotz Berufsgeheimnis

OpenAI

Das Unternehmen hinter ChatGPT und den GPT-Modellen. Gegründet als Non-Profit, heute eines der wertvollsten KI-Unternehmen weltweit.

Orchestrierung

Das Koordinieren mehrerer KI-Komponenten zu einem Gesamtsystem: Ein Orchestrierungs-Layer entscheidet, welches Modell und welches Werkzeug zum Einsatz kommt.

So entstehen die Abläufe, die ich als KI-Automatisierung für Betriebe baue: mehrere Bausteine, ein Ergebnis.

Overfitting (Überanpassung)

Ein Problem, bei dem ein Modell die Trainingsdaten auswendig lernt, statt allgemeine Muster zu erkennen, und daher auf neuen Daten schlecht abschneidet.

Parameter

Die trainierbaren Gewichtswerte in einem neuronalen Netz, die während des Trainings angepasst werden: Moderne LLMs haben Hunderte Milliarden davon.

Mehr Parameter, bessere Modelle, alle paar Monate. Für Ihren Betrieb heißt das: Das Modell ist austauschbar, Ihre Basis nicht.

Perplexität

Ein Maß dafür, wie gut ein Sprachmodell die nächste Zeichenfolge vorhersagen kann: Niedrigere Werte bedeuten bessere Vorhersagen.

Perplexity

Eine KI-Suchmaschine, die Fragen direkt beantwortet und ihre Antworten mit Quellen belegt, statt eine Linkliste zu liefern. Für Recherchen im Alltag beliebt und ein Vorbild dafür, wie sich Suche gerade verändert.

Pipeline

Eine Abfolge von automatisierten Verarbeitungsschritten, z. B. Daten einlesen, aufbereiten, Modell anwenden und Ergebnis ausgeben.

Zum Beispiel der Weg von der Bestellmail bis zum fertigen Auftrag in der Warenwirtschaft: KI-Automatisierung

Positional Encoding

Eine Methode in Transformer-Modellen, die Informationen über die Position von Tokens in einer Sequenz kodiert, da die Architektur keine inhärente Reihenfolge kennt.

Post-Training

Alle Trainingsschritte nach dem Vortraining: RLHF, Sicherheitstraining, Instruction Tuning. Macht aus einem rohen Sprachmodell einen hilfreichen Assistenten.

Pre-Training (Vortraining)

Die erste und aufwändigste Trainingsphase eines Foundation Models, in der es auf großen, allgemeinen Datensätzen grundlegende Sprachmuster und Weltwissen lernt.

Prompt

Die Eingabe oder Anweisung, die einem KI-Modell gegeben wird, um eine bestimmte Ausgabe zu erzeugen. Ein guter Prompt führt zu deutlich besseren Ergebnissen.

Gute Prompts sind lernbar. Damit Ihr Team die Werkzeuge sicher und selbstständig nutzt, gibt es die Team-Schulung.

Prompt Caching

Ein Sparmechanismus der KI-Anbieter: Wiederkehrende Teile einer Anfrage, etwa lange Anweisungen oder immer gleiche Referenzdokumente, werden zwischengespeichert und beim nächsten Aufruf deutlich günstiger berechnet, teils um bis zu 90 Prozent. Für Automatisierungen, die tausendfach dieselbe Aufgabe erledigen, ein spürbarer Hebel.

Ein Grund, warum die Technikkosten im laufenden Betrieb bei Cent-Beträgen bleiben: Was kostet KI?

Prompt Engineering

Die Kunst und Technik, Prompts so zu formulieren, dass das KI-Modell möglichst präzise und nützliche Ergebnisse liefert.

Kein Hexenwerk, sondern Übungssache. Persönlich, verständlich und ohne Fachchinesisch: so läuft die Team-Schulung.

Prompt Injection

Ein Sicherheitsangriff, bei dem bösartige Anweisungen in den Prompt eingeschleust werden, um das Verhalten des Modells zu manipulieren.

Pruning

Das Entfernen unwichtiger Gewichte oder Neuronen aus einem trainierten Modell, um es kleiner und schneller zu machen, ohne die Leistung wesentlich zu beeinträchtigen.

Quantisierung

Eine Technik zur Komprimierung von Modellen, indem die Genauigkeit der Gewichte reduziert wird (z. B. von 32-Bit auf 4-Bit), um Speicher und Rechenleistung zu sparen.

Quantum Computing

Quantencomputer nutzen die Gesetze der Quantenphysik und könnten langfristig bestimmte KI-Berechnungen massiv beschleunigen. Die Technik befindet sich noch in einer frühen Entwicklungsphase.

RAG (Retrieval-Augmented Generation)

Ein Verfahren, bei dem ein Sprachmodell vor der Antwortgenerierung relevante Informationen aus einer externen Wissensdatenbank abruft. Das reduziert Halluzinationen erheblich.

So sieht das im Betrieb aus: die KI-Wissensdatenbank im Maschinenbau, die aus Projektordnern und Service-Berichten antwortet.

Reasoning Models

Modelle, die vor der Antwort intern nachdenken, etwa über Chain-of-Thought-Prozesse, die minutenlang laufen können. Inzwischen haben ChatGPT, Claude und Gemini solche Denkmodi eingebaut, die sich je nach Aufgabe zuschalten lassen.

Recurrent Neural Network (RNN)

Eine ältere Netzwerkarchitektur mit Rückkopplungsschleifen, die sequenzielle Daten verarbeiten kann, heute weitgehend durch Transformer abgelöst.

Red Teaming

Das gezielte Testen von KI-Systemen durch spezialisierte Teams, die versuchen, Schwachstellen, Fehlverhalten oder Sicherheitslücken aufzudecken.

Reinforcement Learning (RL)

Eine Lernmethode, bei der ein Agent durch Interaktion mit einer Umgebung lernt, Belohnungen zu maximieren und Strafen zu minimieren.

Reinforcement Learning from Human Feedback (RLHF)

Eine Technik, bei der menschliches Feedback verwendet wird, um das Verhalten eines Sprachmodells nach dem Pre-Training zu verbessern und an menschliche Präferenzen anzupassen.

Responsible AI

Ein Rahmenwerk für die ethische und verantwortungsvolle Entwicklung und den Einsatz von KI-Systemen unter Berücksichtigung von Fairness, Transparenz und Sicherheit.

Reward Model

Ein Modell, das menschliche Präferenzen abbildet und dazu dient, die Ausgaben eines KI-Modells im RLHF-Prozess zu bewerten und zu verbessern.

Robotic Process Automation (RPA)

Die Automatisierung regelbasierter, repetitiver Aufgaben mit Softwarerobotern, z. B. Formulare ausfüllen oder Daten kopieren.

Der Vorläufer der heutigen KI-Automatisierung, die auch mit unstrukturierten Mails und Dokumenten zurechtkommt.

Robotik

Der Bereich, in dem KI mit physischen Maschinen kombiniert wird, um autonome oder halbautonome Roboter zu schaffen.

Self-Supervised Learning

Ein Trainingsparadigma, bei dem das Modell aus ungelabelten Daten lernt, indem es sich selbst Aufgaben stellt (z. B. Wörter vorhersagen).

Semantic Search

KI-gestützte Suche, die die Bedeutung einer Anfrage versteht und relevante Ergebnisse liefert, anstatt nur nach exakten Schlüsselwörtern zu suchen.

Genau so findet eine Wissensdatenbank die passende Stelle in Jahrzehnten von Zeichnungen und Service-Berichten: KI im Maschinenbau

Sentient AI

Die umstrittene Vorstellung, dass KI-Systeme Bewusstsein oder subjektive Erfahrungen entwickeln könnten, derzeit rein spekulativ.

Skalierungsgesetze (Scaling Laws)

Empirische Gesetzmäßigkeiten, die beschreiben, wie die Leistung von KI-Modellen mit zunehmender Größe, Datenmenge und Rechenleistung vorhersehbar wächst.

Deshalb werden die Modelle weiter besser, und deshalb lohnt es sich, die eigene Basis früh zu bauen: Warum jetzt starten und nicht später?

Small Language Model (SLM)

Kompaktere Sprachmodelle mit weniger Parametern, die effizienter sind und auch auf lokaler Hardware laufen können (z. B. Phi, Gemma).

Läuft auch auf einem Rechner im eigenen Haus, ganz ohne Cloud. Wann das beim Berufsgeheimnis den Ausschlag gibt: KI in der Kanzlei

Softmax-Funktion

Eine mathematische Funktion, die Rohwerte eines Netzwerks in Wahrscheinlichkeiten umwandelt, sodass alle Werte zwischen 0 und 1 liegen und sich zu 1 summieren.

Sora

OpenAIs Videogenerierungsmodell: Aus einer Textbeschreibung wird ein realistisches Video erzeugt. Konkurriert mit Googles Veo und Runway Gen.

Souveräne KI

Der Sammelbegriff für KI, bei der Daten, Modelle und Infrastruktur unter europäischer oder eigener Kontrolle bleiben: europäische Anbieter, EU-Rechenzentren oder Betrieb im eigenen Haus. Politisch ein großes Thema, im Betrieb eine Frage der Abstufung: Für die meisten reicht EU-Datenresidenz, für wenige braucht es den eigenen Server.

Spracherkennung (Speech-to-Text, STT)

KI-Technologie, die gesprochene Sprache in geschriebenen Text umwandelt (z. B. Whisper von OpenAI).

Die Grundlage jedes KI-Sprachassistenten am Telefon. Rechnen Sie aus, was er bei Ihnen spart.

Sprachsynthese (Text-to-Speech, TTS)

KI-Technologie, die geschriebenen Text in natürlich klingende Sprache umwandelt. Moderne Modelle klingen täuschend menschlich.

Damit spricht der KI-Sprachassistent mit Ihren Anrufern. Was das gegenüber manueller Telefonarbeit spart: Kostenersparnis-Rechner

Stable Diffusion

Ein Open-Source-Bildgenerator auf Basis von Diffusionsmodellen, der lokal auf dem eigenen Computer laufen kann. Sehr flexibel und anpassbar.

Supervised Learning (Überwachtes Lernen)

Eine Trainingsmethode, bei der das Modell aus gelabelten Daten lernt, also Eingaben zusammen mit den korrekten Ausgaben erhält.

Synthetic Data (Synthetische Daten)

Künstlich erzeugte Daten, die reale Daten imitieren und zum Trainieren oder Testen von KI-Modellen verwendet werden, besonders nützlich, wenn echte Daten knapp oder sensibel sind.

System Prompt

Eine versteckte Anweisung, die das Verhalten, die Rolle und die Einschränkungen eines KI-Modells vor Beginn einer Konversation festlegt.

Wer ihn kennt, versteht, warum KI-Werkzeuge so unterschiedlich antworten. Sicher und selbstständig mit den Werkzeugen umgehen lernt Ihr Team in der Team-Schulung.

Temperature

Ein Parameter bei der Textgenerierung, der die Zufälligkeit der Ausgabe steuert: Niedrige Werte erzeugen vorhersagbare, hohe Werte kreativere Texte.

Tensor

Eine mehrdimensionale mathematische Datenstruktur, die die Grundlage für Berechnungen in neuronalen Netzen bildet.

Token

Die kleinste Verarbeitungseinheit eines Sprachmodells, ein Wort, Teilwort oder Satzzeichen, in das Text zerlegt wird. KI-APIs rechnen nach Tokens ab.

Bezahlbar bleibt das trotzdem: Eine KI-Automatisierung kostet etwa 0,03 Euro je Ausführung. Die ganze Rechnung steht im Ratgeber Was kostet KI?

Tokenizer

Das Werkzeug, das Text in Tokens zerlegt und wieder zusammensetzt: Verschiedene Modelle verwenden unterschiedliche Tokenizer.

Tokenomics / API-Pricing

Das Preismodell von KI-Anbietern, bei dem Kosten pro verarbeitetem Token berechnet werden, unterschieden nach Input- und Output-Tokens.

Auf Ihren Betrieb übersetzt: Technikkosten von wenigen Cent pro Ausführung, dazu die Betreuung. Beides erkläre ich im Ratgeber Was kostet KI?

TPU (Tensor Processing Unit)

Von Google entwickelte spezialisierte KI-Chips, die für das Training und die Inferenz von neuronalen Netzen optimiert sind.

Training

Der Prozess, bei dem ein Modell aus riesigen Datenmengen lernt. Das Training großer Modelle kostet Dutzende Millionen Euro und dauert Monate auf Tausenden GPUs.

Die Sorge „Die KI lernt aus meinen Firmendaten" klärt sich mit dem richtigen Tarif. Wie genau, steht im Ratgeber KI und DSGVO.

Transfer Learning

Die Übertragung von Wissen, das ein Modell bei einer Aufgabe gelernt hat, auf eine andere, verwandte Aufgabe. Das spart enorm viel Zeit und Rechenleistung.

Transformer

Die dominierende Architektur hinter modernen LLMs, die auf dem Attention-Mechanismus basiert und erstmals 2017 von Google vorgestellt wurde. Ohne Transformer kein GPT, kein Claude, kein Gemini.

Turing-Test

Ein von Alan Turing vorgeschlagener Test, bei dem eine Maschine als intelligent gilt, wenn ein Mensch sie im Gespräch nicht von einem Menschen unterscheiden kann.

Underfitting

Das Gegenteil von Overfitting: Das Modell hat zu wenig gelernt und kann weder Trainings- noch neue Daten gut verarbeiten.

Unsupervised Learning (Unüberwachtes Lernen)

Eine Trainingsmethode, bei der das Modell ohne gelabelte Daten Muster und Strukturen in den Daten selbstständig erkennt, z. B. beim Clustering.

Vektordatenbank

Eine spezialisierte Datenbank, die Embeddings speichert und schnelle Ähnlichkeitssuchen ermöglicht, zentral für RAG-Systeme und semantische Suche.

Das technische Fundament jeder Wissensdatenbank. Wie sie Fragen wie „Haben wir so etwas schon einmal gebaut?" beantwortet: KI im Maschinenbau

Veo

Googles Videogenerierungsmodell von DeepMind. Erzeugt aus Text oder Bildern kurze Videos mit passend synchronisiertem Dialog, Musik und Umgebungsgeräuschen und konkurriert mit OpenAIs Sora.

Vibe Coding

Ein von Andrej Karpathy geprägter Begriff: Man beschreibt grob, was man will, die KI generiert den Code, man testet und iteriert, ohne jede Zeile selbst verstehen zu müssen.

Vision-Language-Modell (VLM)

Ein multimodales Modell, das sowohl Bilder als auch Text versteht und darüber kommunizieren kann. Die aktuellen Generationen von GPT, Claude und Gemini arbeiten alle so.

Voice Recognition

Erkennung und Umwandlung von Sprache in Text, heute oft kombiniert mit NLP, damit KI-Assistenten Sprache nicht nur hören, sondern auch verstehen.

Watermarking

Techniken, um KI-generierte Inhalte mit unsichtbaren Kennzeichnungen zu versehen, damit sie als maschinell erzeugt identifiziert werden können.

Damit erfüllen die Anbieter ihre Kennzeichnungspflicht. Was davon Ihr Betrieb selbst tun muss: EU AI Act

Weights (Gewichte)

Die numerischen Werte in einem neuronalen Netz, die während des Trainings angepasst werden und das gelernte Wissen des Modells repräsentieren.

Word Embedding

Eine Methode, Wörter als Vektoren darzustellen, sodass semantisch ähnliche Wörter im Vektorraum nahe beieinander liegen, Grundlage für das Sprachverständnis moderner LLMs.

Wrapper

Eine Software oder ein Dienst, der ein bestehendes KI-Modell (z. B. über eine API) nutzt und mit zusätzlicher Funktionalität oder einer eigenen Oberfläche versieht.

xAI

Elon Musks KI-Unternehmen, gegründet 2023, das die Grok-Modelle entwickelt und als weniger eingeschränkte Alternative zu OpenAI positioniert.

XAI (Explainable AI)

Methoden und Techniken, die die Entscheidungen von KI-Modellen für Menschen nachvollziehbar und erklärbar machen, besonders wichtig in Medizin, Justiz und Finanzen.

YOLO (You Only Look Once)

Ein hocheffizientes Modell zur Echtzeit-Objekterkennung in Bildern und Videos. Es wird z. B. für autonomes Fahren oder Überwachungssysteme eingesetzt.

Zero Data Retention

Eine vertragliche Zusage von KI-Anbietern, Eingaben und Ausgaben nach der Verarbeitung nicht zu speichern, auch nicht kurzzeitig für Missbrauchsprüfungen. Meist nur für Unternehmenskunden über die Schnittstelle verfügbar und ein starkes Argument, wenn besonders sensible Daten verarbeitet werden.

Verlassen Sie sich nicht auf Werbetexte, sondern auf schriftliche Zusagen. Welche das sind: KI und DSGVO

Zero-Click-Suche

Eine Suche, nach der niemand mehr eine Website anklickt, weil die Antwort schon auf der Ergebnisseite steht, in Googles KI-Übersichten, einem Infokasten oder einer KI-Antwort. Für Unternehmen heißt das: Sichtbarkeit entsteht zunehmend in der Antwort selbst, nicht mehr nur im Klick.

Zero-Shot Learning

Die Fähigkeit eines Modells, Aufgaben auszuführen, für die es keine spezifischen Beispiele erhalten hat, allein auf Basis seines vortrainierten Wissens.

Zero-Shot Prompting

Eine Prompting-Methode, bei der dem Modell keine Beispiele gegeben werden, sondern nur eine direkte Anweisung. Das funktioniert bei starken Modellen erstaunlich gut.