KI-GLOSSAR: WICHTIGE BEGRIFFE UND KONZEPTE

A

ALGORITHMUS
Ein Algorithmus ist eine Reihe von Regeln oder Anweisungen, die ein Computer befolgt, um Daten zu verarbeiten, Muster zu erkennen, Entscheidungen zu treffen oder Vorhersagen zu machen – meist auf Basis von Erfahrungswerten oder Beispieldaten.

API (Application Programming Interface)
Eine Programmierschnittstelle, über die verschiedene Anwendungen miteinander kommunizieren können. In der KI wird eine API z. B. genutzt, um auf Modelle wie GPT zuzugreifen und sie in eigene Tools oder Systeme einzubinden.

C

COMPUTER VISION
Computer Vision beschreibt die Fähigkeit von Computern, Bilder und Videos zu analysieren, zu interpretieren und daraus Informationen abzuleiten – etwa bei Gesichtserkennung, Objekterkennung oder visueller Qualitätsprüfung.

CONTEXT WINDOW (KONTEXTFENSTER)
Das Kontextfenster beschreibt den Textbereich, den ein Sprachmodell gleichzeitig „sehen" und berücksichtigen kann. Es bestimmt die maximale Länge von Eingabe (Prompt) und Ausgabe (Antwort) zusammen.

D

DATEN-BIAS
Daten-Bias entsteht, wenn die Daten, mit denen ein Modell trainiert wird, nicht repräsentativ für die gesamte Zielgruppe oder Realität sind. Dadurch können Modelle verzerrte oder diskriminierende Ergebnisse liefern.

DEEP LEARNING
Deep Learning ist ein Teilgebiet des maschinellen Lernens, das auf künstlichen neuronalen Netzwerken basiert. Dank ihrer Mehrschichtigkeit können diese Netze große Datenmengen verarbeiten und komplexe Muster erkennen.

E

EMBEDDING
Ein Embedding ist eine mathematische Repräsentation von Daten – z. B. Text – in Form von Zahlen (Vektoren). Ähnliche Inhalte liegen in diesem Vektorraum näher beieinander. Embeddings werden für Suchfunktionen, Clustering, Empfehlungen oder Klassifizierungen genutzt.

F

FEINTUNING (FINE-TUNING)
Die Anpassung eines bereits trainierten KI-Modells an spezielle Daten oder Anwendungsfälle, um seine Leistung für bestimmte Aufgaben zu verbessern. Dabei wird das Modell gezielt weitertrainiert.

G

GENERATIVE KI (GEN AI)
Generative KI bezeichnet Systeme, die neue Inhalte wie Texte, Bilder, Musik oder Code erzeugen können – auf Basis der Daten, mit denen sie trainiert wurden. Beispiele sind ChatGPT, DALL·E oder Stable Diffusion.

H

HALLUZINATION
Eine Halluzination tritt auf, wenn ein KI-Modell, insbesondere ein Sprachmodell (LLM), Informationen ausgibt, die falsch, erfunden oder nicht überprüfbar sind. Sie wirken oft plausibel, sind aber inhaltlich nicht korrekt.

HUMAN-IN-THE-LOOP (HITL)
Ein Ansatz, bei dem menschliche Rückmeldungen gezielt in KI-Prozesse eingebunden werden, um Qualität, Ethik und Genauigkeit zu sichern.

I

INFERENZ
Der Prozess, bei dem ein trainiertes KI-Modell auf neue Eingaben reagiert und Vorhersagen oder Antworten erzeugt. Im Gegensatz zur Trainingsphase wird hier nicht mehr gelernt, sondern angewendet.

K

KÜNSTLICHE INTELLIGENZ (KI)
Künstliche Intelligenz bezeichnet Computersysteme, die Aufgaben ausführen, die normalerweise menschliche Intelligenz erfordern – etwa Sprache verstehen, lernen, planen oder Probleme lösen. Der englische Begriff lautet Artificial Intelligence (AI).

L

LARGE LANGUAGE MODEL (LLM)
Ein Large Language Model ist ein großes Sprachmodell, das natürliche Sprache verstehen, verarbeiten und erzeugen kann. Es nutzt Deep-Learning-Techniken und wird mit riesigen Mengen an Textdaten trainiert. Beispiele sind GPT-4 oder Gemini.

M

MASCHINELLES LERNEN (ML)
Maschinelles Lernen ist ein Teilbereich der KI, in dem Algorithmen entwickelt werden, die aus Daten lernen, um Vorhersagen oder Entscheidungen zu treffen – ohne dass sie dafür explizit programmiert werden.

MODELLE (z. B. GPT-4, DALL·E, Whisper)
Spezifische KI-Systeme, die jeweils auf unterschiedliche Aufgaben spezialisiert sind: GPT für Textverarbeitung, DALL·E für Bildgenerierung, Whisper für Audio-Transkription.

N

NATURAL LANGUAGE PROCESSING (NLP)
NLP beschäftigt sich mit der Interaktion zwischen Computern und menschlicher Sprache – sowohl gesprochener als auch geschriebener. Ziel ist, dass Computer Sprache verstehen, interpretieren und selbst generieren können.

NEURONALES NETZ
Ein neuronales Netz ist ein Rechenmodell, das von der Struktur des menschlichen Gehirns inspiriert ist. Es besteht aus vielen verbundenen „Neuronen", die Informationen verarbeiten und Muster in Daten erkennen.

P

PARAMETER
Parameter sind interne Werte in einem KI-Modell, die während des Trainings angepasst werden. Sie bestimmen, wie das Modell Informationen verarbeitet. Große Modelle wie GPT-4 besitzen hunderte Milliarden Parameter.

PROMPTING
Prompting bezeichnet das Formulieren von Eingaben (Prompts) an eine KI, z. B. in Form von Fragen, Anweisungen oder Beispielen. Gute Prompts führen zu besseren, präziseren und kreativeren Ergebnissen.

PROMPT ENGINEERING
Die gezielte Gestaltung und Optimierung von Prompts, um bestimmte Ergebnisse von KI-Modellen zu erzielen. Dazu gehören Struktur, Kontext, Rollenbeschreibungen und Beispiele.

R

REINFORCEMENT LEARNING (VERSTÄRKENDES LERNEN)
Ein Lernverfahren, bei dem ein Modell durch Belohnung oder Bestrafung lernt, bessere Entscheidungen zu treffen. Bei großen Sprachmodellen wird oft Reinforcement Learning from Human Feedback (RLHF) eingesetzt, um die Antworten zu verbessern.

T

TOKEN
Ein Token ist eine kleine Texteinheit, die ein Modell verarbeitet. Sowohl der eingegebene Prompt als auch die generierte Antwort bestehen aus Tokens. Modelle haben eine maximale „Kontextlänge", also eine Obergrenze für die Gesamtzahl der Tokens in Eingabe und Ausgabe zusammen.
(Faustregel: 1 Token ≈ 4 Zeichen oder 0,75 Wörter im Englischen.)

TOKENISIERUNG
Tokenisierung ist der Prozess, bei dem Text in kleinere Einheiten – Tokens – zerlegt wird. Diese bilden die kleinsten Verarbeitungsbausteine eines Sprachmodells.

TRAININGSDATEN
Daten, mit denen ein KI-Modell trainiert wird. Die Qualität, Menge und Vielfalt dieser Daten bestimmen, wie zuverlässig und fair das Modell später arbeitet.

V

VECTOR / VEKTORRAUM
Eine mathematische Darstellung von Daten (z. B. durch Embeddings), in der Bedeutungsähnlichkeiten zwischen Texten, Bildern oder Konzepten als räumliche Nähe abgebildet werden.

Z

ZUSAMMENHANGSLÄNGE (CONTEXT LENGTH)
Die Kontextlänge beschreibt die maximale Anzahl an Tokens, die ein Sprachmodell gleichzeitig verarbeiten kann – also den kombinierten Umfang von Prompt und Antwort. Je größer die Kontextlänge, desto längere und zusammenhängendere Texte kann ein Modell verstehen.