KI-Glossar

Einfache Erklärungen der KI-Begriffe, die Ihnen in den Nachrichten begegnen.

AGI (allgemeine künstliche Intelligenz): Eine hypothetische KI, die die meisten geistigen Aufgaben so gut lernen und erledigen kann wie ein Mensch. Es gibt keine allgemein anerkannte Definition oder Prüfung.
Alignment (Ausrichtung): Die Arbeit daran, dass KI-Systeme tun, was Menschen beabsichtigen, und schädliches Verhalten vermeiden – auch wenn sie leistungsfähiger werden.
API (Programmierschnittstelle): Ein Weg, über den Programme miteinander sprechen. Entwickler binden über die API eines Unternehmens dessen KI-Modelle in eigene Apps ein, meist gegen Bezahlung pro Token.
Benchmark: Ein Standardtest zum Vergleich von KI-Modellen. Die Ergebnisse sind nützlich, aber ein hoher Wert garantiert nicht, dass das Modell für Ihre Aufgabe am besten ist.
Chatbot: Ein Programm, mit dem man in normaler Sprache spricht. Moderne KI-Chatbots schreiben ihre Antworten mit einem großen Sprachmodell.
Deepfake: Ein realistisch wirkendes gefälschtes Video, Bild oder eine Stimme, mit KI erzeugt, oft von einer echten Person. Deepfakes werden für Betrug und Desinformation genutzt.
Diffusionsmodell: Ein Modelltyp, der Bilder, Videos oder Text erzeugt, indem er bei Rauschen beginnt und das Ergebnis Schritt für Schritt verfeinert.
Feinabstimmung (Fine-Tuning): Zusätzliches Training eines bestehenden Modells mit einem kleineren, speziellen Datensatz, damit es eine bestimmte Aufgabe oder einen Stil besser beherrscht.
Generative KI: KI, die neue Inhalte erzeugt – Text, Bilder, Ton, Video oder Code –, statt vorhandene Daten nur zu sortieren oder zu analysieren.
GPU (Grafikprozessor): Ein Grafikchip, der viele Berechnungen parallel ausführt. GPUs etwa von Nvidia sind die wichtigste Hardware zum Trainieren und Betreiben von KI.
Großes Sprachmodell (LLM): Ein KI-Modell, das mit riesigen Textmengen trainiert wurde, um das nächste Wort vorherzusagen. ChatGPT, Claude und Gemini basieren auf großen Sprachmodellen.
Halluzination: Wenn ein KI-Modell selbstbewusst etwas Falsches behauptet, etwa eine erfundene Tatsache oder Quelle. Wichtige Aussagen immer prüfen.
Inferenz: Das Ausführen eines fertig trainierten Modells, um eine Antwort zu erhalten. Jede Chatnachricht ist eine Inferenz – dafür zahlen KI-Dienste mit Chips und Strom.
KI-Agent: Ein KI-System, das selbstständig auf ein Ziel hinarbeitet: Es plant Schritte, nutzt Werkzeuge wie Browser oder Code und prüft die Ergebnisse.
Kontextfenster: Wie viel Text ein Modell gleichzeitig berücksichtigen kann, gemessen in Tokens. Ein größeres Fenster erlaubt es, längere Dokumente auf einmal zu lesen.
Künstliche Intelligenz (KI): Computersysteme, die Aufgaben erledigen, die wir normalerweise mit menschlichem Denken verbinden – etwa Sprache verstehen, Bilder erkennen oder Entscheidungen treffen.
Mixture of Experts (MoE): Ein Modellaufbau, der das Netz in viele „Experten“ aufteilt und pro Wort nur wenige nutzt. So werden große Modelle günstiger im Betrieb.
Multimodal: Kann mehrere Arten von Ein- oder Ausgaben wie Text, Bild, Ton und Video in einem Modell verarbeiten.
Offenes Modell (offene Gewichte): Ein Modell, dessen trainierte Parameter veröffentlicht werden, sodass jeder es herunterladen und betreiben kann, etwa auf dem eigenen Computer. Die Lizenzen unterscheiden sich.
Parameter: Die Zahlen in einem Modell, die beim Training angepasst werden. Mehr Parameter bedeuten oft mehr Fähigkeiten, aber auch mehr Speicher und Kosten.
Prompt: Die Anweisung oder Frage, die man einem KI-Modell gibt. Klare Prompts mit Kontext und Beispielen führen meist zu besseren Antworten.
Quantisierung: Die Zahlen eines Modells mit weniger Bits speichern, damit es weniger Speicher braucht und schneller läuft – bei etwas geringerer Qualität. Üblich, wenn man KI lokal betreibt.
RAG (Retrieval-Augmented Generation): Eine Technik, bei der die KI zuerst passende Dokumente nachschlägt und dann daraus antwortet. Das verringert erfundene Fakten.
Reasoning-Modell: Ein Modell, das ein Problem Schritt für Schritt durchdenkt, bevor es antwortet. Oft besser bei Mathematik, Logik und Code, aber langsamer und teurer.
Rechenzentrum: Ein Gebäude voller Server und Chips. KI-Rechenzentren brauchen enorme Mengen Strom und Kühlung.
Token: Das kleine Textstück, das ein Sprachmodell liest und schreibt, oft ein Wortteil. Preise und Grenzen werden meist in Tokens gezählt.
Training: Der Prozess, in dem ein Modell Muster aus großen Datenmengen lernt. Das Training eines Spitzenmodells kann Monate und Tausende Chips erfordern.