Künstliche Intelligenz ist inzwischen überall: Sie treibt Suchmaschinen an, formuliert E-Mails um und hält sogar Einzug in die Apps, die Sie täglich nutzen.
Doch für alle, die gerade erst in dieses Gebiet einsteigen, kann die Sprache rund um KI wie eine Wand aus unbekannten Begriffen wirken: Tokens, Modelle, Halluzinationen und mehr. Die Technik ist nicht schwer zu verstehen, wohl aber der Fachjargon. Sobald Sie die Begriffe entschlüsselt haben, wirkt das gesamte Gebiet deutlich weniger mysteriös und lässt sich viel besser nutzen.
Hier sind die 10 KI-Begriffe, die Einsteigern die klarste und schnellste Grundlage vermitteln.
1. Algorithmus
Ein Algorithmus ist eine Reihe von Anweisungen, die ein Computer befolgt, um etwas zu erledigen. In der KI helfen diese Anweisungen Systemen dabei, Muster zu erkennen – etwa festzustellen, welche E-Mails wie Spam aussehen, oder vorherzusagen, welches Wort als Nächstes in einem Satz kommt.
Sie können sich das wie ein Rezept vorstellen: Befolgen Sie diese Schritte in dieser Reihenfolge, erhalten Sie ein Ergebnis. Der Unterschied bei KI besteht darin, dass das Rezept sich anpassen kann, wenn es mehr Beispiele sieht. Deshalb stecken Algorithmen hinter allem – von Chatbots bis hin zu Empfehlungsmaschinen.
2. Kontextfenster
Ein Kontextfenster bezeichnet die Menge an Informationen, die ein KI-Modell gleichzeitig im Gedächtnis behalten kann. Statt sich für immer an jedes Detail zu erinnern, arbeitet das Modell innerhalb eines festen Limits. Sobald Ihre Unterhaltung dieses Limit überschreitet, fallen ältere Details nach und nach weg. Deshalb „vergisst“ die KI möglicherweise plötzlich etwas, das Sie zuvor erwähnt haben.
3. Datentraining
Datentraining bezeichnet den Prozess, durch den ein KI-Modell überhaupt erst lernt. Entwickler füttern es mit riesigen Mengen an Texten, Bildern oder anderen Informationen, damit es Muster erkennen kann. Das Modell lernt, wie Sprache funktioniert, wie Ideen zusammenhängen und was typischerweise als Nächstes kommt.
Je besser und vielfältiger die Trainingsdaten sind, desto wertvoller und zuverlässiger wird das Modell. Wenn Sie hören, dass ein Modell „aktualisiert“ oder „erweitert“ wurde, bedeutet das in der Regel, dass es mit mehr oder besseren Daten trainiert wurde.
4. Feinabstimmung
Eine Feinabstimmung findet statt, wenn Entwickler ein vielseitig einsetzbares Modell nehmen und es mit zusätzlichen Daten für eine bestimmte Aufgabe trainieren. Das können medizinische Notizen, die Support-Chats eines Unternehmens, juristische Dokumente oder ein beliebiger spezialisierter Datensatz sein. Ziel ist es, die Leistung des Modells in einem bestimmten Bereich zu verbessern, für konsistentere Antworten zu sorgen und allgemeine Antworten zu vermeiden.
Wenn Sie schon einmal ein KI-Tool verwendet haben, das sich überraschend gut auf eine bestimmte Art von Arbeit zugeschnitten anfühlt, läuft es wahrscheinlich auf einem feinabgestimmten Modell.
5. Leitplanken
Leitplanken sind integrierte Regeln, die ein KI-System davon abhalten, Dinge zu tun, die es nicht tun sollte – etwa schädliche Anweisungen zu geben, private Informationen weiterzugeben oder Inhalte zu erzeugen, die außerhalb des vorgesehenen Einsatzes eines Tools liegen. Sie bilden die Sicherheitsgrenzen, die festlegen, was das Modell sagen oder tun darf.
Sie können sie sich wie die Banden auf einer Bowlingbahn vorstellen: Meistens bemerken Sie sie nicht, aber sie sorgen dafür, dass alles in der Spur bleibt. Leitplanken sind wichtig, weil sie beeinflussen, wie direkt, offen oder flexibel ein KI-System sein kann. Außerdem erklären sie, warum manche Antworten sorgfältig formuliert wirken oder bestimmte Anfragen blockiert werden.
6. Halluzination
Eine Halluzination liegt vor, wenn eine KI Ihnen selbstbewusst eine völlig falsche Antwort gibt. Diese Fehler treten meist auf, wenn der Prompt unklar ist oder das Modell Lücken mit Vermutungen füllt. Wenn Sie wissen, dass Halluzinationen vorkommen, können Sie KI-Ausgaben eher als hilfreiche Vorschläge denn als garantiert richtige Fakten betrachten.
7. Large Language Model (LLM)
Ein Large Language Model oder LLM ist ein KI-System, das speziell für die Verarbeitung menschlicher Sprache entwickelt wurde. Es lernt, indem es riesige Textmengen analysiert und dabei Muster erkennt, wie Menschen schreiben, Fragen stellen und Ideen erklären.
Wenn Sie Tools wie ChatGPT, Claude oder Gemini verwenden, interagieren Sie mit einem LLM, das darauf trainiert wurde, Ihre Anweisungen zu erkennen und hilfreiche Antworten im Gesprächsstil zu erzeugen. LLMs bilden die Grundlage für die meisten KI-Funktionen, die Menschen heute nutzen – vom Umformulieren einer E-Mail bis zum Zusammenfassen eines Dokuments. Deshalb begegnet Ihnen dieser Begriff so häufig: Er bezeichnet die Technologie hinter vielen modernen sprachbasierten KI-Anwendungen.
8. Modell
Ein Modell ist die zugrunde liegende Struktur, die jedes KI-System zum Funktionieren bringt – unabhängig davon, ob es mit Texten, Bildern, Audio oder etwas völlig anderem arbeitet. Es besteht aus miteinander verbundenen Schichten neuronaler Netze, die Eingabedaten in Vorhersagen oder Entscheidungen umwandeln. Während LLMs Sprache verarbeiten, treiben andere Modelle beispielsweise Bilderkennung, Sprachtranskription oder Empfehlungsmaschinen an.
9. Prompt
Ein Prompt ist schlicht die Anweisung, die Sie einer KI geben, um ihr mitzuteilen, was Sie möchten. Das kann eine Frage, ein Befehl, eine Beschreibung oder sogar ein Beispiel sein. Klare Prompts führen zu klareren Ergebnissen, weil das Modell vollständig davon abhängt, wie Sie es steuern. Prompting ist zu einer eigenen Fähigkeit geworden, weil kleine Änderungen in der Formulierung die Ausgabe stark verändern können.
10. Token
Ein Token ist ein winziger Textbaustein, oft ein Teil eines Wortes, den KI-Modelle zum Lesen und Erzeugen von Sprache verwenden. Anstatt vollständige Sätze so zu sehen, wie Menschen es tun, zerlegt die KI alles in diese kleinen Einheiten. Preise, Geschwindigkeit und Speicherlimits hängen allesamt von der Anzahl der Tokens ab. Deshalb stoßen lange Prompts oder lange Ausgaben manchmal an Grenzen.
Ihre neuen KI-Begriffe in der Praxis
Nachdem Sie nun die Begriffe hinter den Tools kennen, werden Sie KI auf eine unmittelbarere und praktischere Weise wahrnehmen. Statt sich von technischer Sprache ausgeschlossen zu fühlen, können Sie Produktupdates lesen, Ankündigungen verstehen und mit neuen Funktionen experimentieren, ohne raten zu müssen, was etwas bedeutet.
Diese Konzepte geben Ihnen das nötige Selbstvertrauen, um die Systeme, die Sie bereits nutzen, zu erkunden, zu hinterfragen und besser auszuschöpfen.
Werfen Sie einen Blick auf die KI-Start-ups, die im Gesundheitswesen, bei der Data Governance und in der Unternehmenstechnik an Bedeutung gewinnen – lange bevor sie den Mainstream erreichen.