KI Glossar

A2A ist ein offenes Protokoll für die Kommunikation zwischen Agenten unterschiedlicher Hersteller und Organisationen. Agenten weisen sich über kryptografisch signierte „Agent Cards“ aus, die Identität und Fähigkeiten beschreiben, und können einander daraufhin Teilaufgaben übergeben – ohne internen Speicher zu teilen. Ursprünglich von Google entwickelt, wird A2A heute ebenfalls unter dem Dach der Agentic AI Foundation gepflegt. Merksatz zur Abgrenzung: MCP verbindet den Agenten mit Werkzeugen, A2A verbindet Agenten miteinander.

Agentische KI bezeichnet Systeme, in denen ein Sprachmodell nicht nur antwortet, sondern eigenständig handelt: Es wählt Werkzeuge aus, ruft sie auf, liest die Ergebnisse und entscheidet daraufhin über den nächsten Schritt – bis das Ziel erreicht ist. Der Unterschied zum Chatbot liegt in der geschlossenen Rückkopplungsschleife und darin, dass die Anzahl der Schritte nicht vorher feststeht. Abzugrenzen ist der Agent vom Workflow: Beim Workflow ist der Ablauf im Code festgelegt und das Modell füllt definierte Stellen aus; beim Agenten bestimmt das Modell den Ablauf selbst. Agenten sind teurer und schwerer vorhersagbar – sie lohnen sich dort, wo der Lösungsweg nicht im Voraus bekannt ist.

Der Harness ist die Software um das Modell herum, die aus einem Sprachmodell überhaupt erst einen handlungsfähigen Agenten macht. Er besitzt die Ausführungsschleife – nicht das Modell: Er ruft das Modell auf, führt die angeforderten Werkzeugaufrufe aus, speist die Ergebnisse zurück, verwaltet das Kontextfenster, fängt Fehler und Zeitüberschreitungen ab und setzt Berechtigungen durch. Beispiele sind Claude Code, OpenAI Codex, Cursor oder Gemini CLI. Dass der Harness eine eigenständige Leistungsgröße ist, lässt sich messen: Dasselbe Modell erreicht in unterschiedlichen Harnesses auf denselben Benchmarks Ergebnisse, die um mehrere Prozentpunkte auseinanderliegen. Eine Leistungsangabe ohne Nennung des Harness ist deshalb nicht aussagekräftig.

Agentic RAG macht das Abrufen selbst zu einer Entscheidung des Agenten statt zu einem festen Vorschaltschritt. Der Agent beurteilt, ob überhaupt Wissen nachgeschlagen werden muss, formuliert die Suchanfrage selbst, bewertet die Treffer, sucht bei schlechter Ausbeute mit anderen Begriffen erneut und kann mehrere Quellen nacheinander anzapfen. Damit lassen sich mehrstufige Fragen beantworten, an denen einmaliges Retrieval scheitert. Der Preis sind höhere Latenz, mehr Token und ein schwerer vorhersagbarer Ablauf.

Ein AI Gateway ist eine Zwischenschicht zwischen den eigenen Anwendungen und den Modellanbietern: Alle Modellaufrufe laufen über einen zentralen Dienst, statt dass jede Anwendung direkt beim Anbieter anfragt. Das löst mehrere Probleme auf einmal – Zugangsdaten liegen an einer Stelle statt verstreut in Anwendungen, Verbrauch und Kosten werden pro Team und Anwendungsfall messbar, Budgets und Ratenbegrenzungen lassen sich durchsetzen, und ein Anbieterwechsel wird zur Konfigurationsänderung statt zum Umbau. Technisch bietet ein Gateway meist eine einheitliche Schnittstelle über mehrere Anbieter hinweg, dazu Protokollierung, Caching, Fallbacks und Inhaltsfilter. Für Organisationen mit mehr als einer KI-Anwendung ist es faktisch die Voraussetzung für Kostenkontrolle und Governance.

Eine API (Application Programming Interface) ist die definierte Schnittstelle, über die Programme miteinander sprechen. Im KI-Umfeld ist sie der übliche Weg, ein Modell in eigene Anwendungen einzubinden: Die Anwendung schickt Prompt und Einstellungen, das Modell antwortet – abgerechnet wird nach verbrauchten Tokens. Über dieselbe Schnittstelle laufen auch Werkzeugaufrufe, strukturierte Ausgaben und Streaming. Weil sich viele Anbieter am Format von OpenAI orientieren, lässt sich das zugrunde liegende Modell oft mit geringem Aufwand austauschen.

Künstliche Intelligenz (KI) bezieht sich auf Maschinen, die Aufgaben ausführen können, die normalerweise menschliche Intelligenz erfordern. Dies umfasst alles von der Erkennung von Bildern bis zur Entscheidungsfindung. Ein wichtiger Teilbereich ist die 'Generative AI', die in der Lage ist, neue Inhalte wie Texte, Bilder oder Musik zu erzeugen, indem sie Muster in großen Datensätzen lernt. Mit zunehmendem Einsatz von KI in verschiedenen Branchen wird ihre Bedeutung und Anwendung stetig wachsen.

Attention ist der Rechenschritt, mit dem ein Modell entscheidet, welche Teile der Eingabe für die aktuelle Stelle relevant sind. Bei Self-Attention bezieht sich der Text dabei auf sich selbst: Jedes Token vergleicht sich mit allen anderen im Kontextfenster und übernimmt anteilig deren Information – so wird aufgelöst, worauf sich ein „es“ bezieht oder welche Zahl zu welcher Position gehört. Der Aufwand wächst quadratisch mit der Kontextlänge, weshalb ein großer Teil der Forschung an effizienteren Varianten arbeitet. Attention ist der Grund, warum Transformer weite inhaltliche Bezüge halten können.

Attribution bezeichnet die Rückführbarkeit einzelner Aussagen einer KI-Antwort auf die konkrete Textstelle, aus der sie stammt. Sie ist mehr als ein Vertrauenssignal für Nutzer: In regulierten Kontexten ist sie Voraussetzung für Prüfbarkeit und Revisionssicherheit. Technisch setzt Attribution voraus, dass der Kontext aus abgegrenzten, identifizierbaren Einheiten besteht – einer der Gründe, warum diskrete Chunks auch bei sehr großen Kontextfenstern ihren Zweck behalten.

Autoencoder sind spezialisierte neuronale Netzwerke, die darauf ausgelegt sind, eine kompakte und effiziente Darstellung von Daten zu lernen. Sie werden häufig zur Datenkomprimierung und Anomalieerkennung verwendet. Durch das Lernen von nur den wichtigsten Merkmalen in großen Datenmengen helfen Autoencoder, irrelevante Informationen zu eliminieren und die wichtigsten Muster zu extrahieren, was sie für viele Anwendungen in der KI wertvoll macht.

Ein Benchmark ist ein standardisierter Testdatensatz, mit dem Modelle oder Agentensysteme vergleichbar gemacht werden – etwa SWE-bench für die Bearbeitung echter Software-Fehlerberichte, Terminal-Bench für Aufgaben auf der Kommandozeile oder GAIA für alltagsnahe Assistenzaufgaben. Bei der Interpretation sind drei Punkte wichtig: Ergebnisse für Agenten hängen stark vom verwendeten Harness ab und sind ohne dessen Nennung nicht vergleichbar; Benchmarks aus öffentlichen Quellen können in Trainingsdaten geraten sein (Kontamination); und Ranglisten bewerten fast nie den Aufwand, sodass teure Multi-Agenten-Ansätze systematisch bevorteilt werden.

BIAS bezeichnet systematische Verzerrungen oder Vorurteile, die in Datensätzen oder Algorithmen existieren können. In der KI können solche Verzerrungen zu unfairen Entscheidungen führen. Es ist vergleichbar mit einer Waage, die bereits auf einer Seite mehr wiegt, bevor etwas darauf gelegt wird. Ein zentrales Ziel in der KI ist es, BIAS zu erkennen und zu minimieren.

‍

Big Data bezeichnet extrem große Datensätze, die analysiert und verwendet werden können, um Muster, Trends und Assoziationen zu identifizieren. Diese Daten sind entscheidend für die Entwicklung und Schulung moderner KI-Modelle, da sie den Algorithmen ermöglichen, aus einer Vielzahl von Beispielen zu lernen. Die Analyse von Big Data hilft Unternehmen, fundierte Entscheidungen zu treffen und zukünftige Trends besser vorherzusagen.

Eine maschinelles Lernen Ensemble-Technik, bei der schwache Lernende kombiniert werden, um einen starken Lernenden zu bilden, mit dem Ziel, die allgemeine Vorhersagen-Genauigkeit zu verbessern.

Ein Browser-Agent ist ein KI-Agent, der eine Website eigenständig bedient: navigieren, suchen, Formulare ausfüllen, Daten auslesen. Im Unterschied zu allgemeinem Computer Use arbeitet er meist auf der Seitenstruktur (DOM) statt auf Bildpunkten und ist dadurch schneller und präziser, dafür auf den Browser beschränkt. Typische Anwendungsfälle sind Recherche, Preisvergleiche, Portalabfragen und Datenübernahme aus Systemen ohne Schnittstelle. Auch hier gilt: Websites sind eine unkontrollierte Eingabequelle und damit ein Einfallstor für Prompt Injection.

BYOK bezeichnet das Modell, bei dem eine Software keine eigenen Modellzugänge verkauft, sondern die Zugangsdaten des Kunden zum Modellanbieter verwendet. Der Kunde behält damit die direkte Vertragsbeziehung zum Anbieter, sieht seinen Verbrauch ungefiltert und kann eigene Datenschutz- und Residenzzusagen durchsetzen. Für den Softwareanbieter entfällt das Risiko, Modellkosten vorfinanzieren zu müssen. Nachteil ist der höhere Einrichtungsaufwand auf Kundenseite.

Chain-of-Thought bezeichnet die schrittweise Herleitung, die ein Modell vor der Antwort formuliert. Ursprünglich war das eine Prompting-Technik – die Aufforderung „denke Schritt für Schritt“ verbesserte messbar die Ergebnisse bei mehrstufigen Aufgaben. Heute ist das Verhalten in Reasoning-Modelle eintrainiert und läuft meist verborgen ab. Wichtig zur Einordnung: Die Gedankenkette ist eine plausible Begründung, nicht notwendigerweise die tatsächliche Ursache der Antwort – sie darf nicht mit echter Erklärbarkeit verwechselt werden.

ChatGPT ist der von OpenAI betriebene KI-Assistent, der 2022 den Durchbruch generativer Sprachmodelle in die breite Öffentlichkeit gebracht hat. Technisch ist ChatGPT die Anwendung, nicht das Modell: Im Hintergrund läuft jeweils die aktuelle GPT-Generation, die im Lauf der Zeit ausgetauscht wird. Ein Router entscheidet dabei automatisch, ob eine Anfrage von einem schnellen Modell beantwortet oder an ein rechenintensiveres Reasoning-Modell weitergereicht wird; Nutzer können das auch selbst steuern. Die ursprünglich zugrunde liegenden Modelle GPT-3.5 und GPT-4 sind längst abgelöst.

Chunking ist die Zerlegung von Dokumenten in Abschnitte, die einzeln indexiert und abgerufen werden. Die Größe ist ein Kompromiss: Kleine Abschnitte treffen präzise, verlieren aber Zusammenhang; große Abschnitte tragen Kontext, verwässern aber die Ähnlichkeitssuche. Das Kernproblem ist der Kontextverlust – ein herausgeschnittener Absatz enthält Verweise wie „das Unternehmen“ oder „im Vorjahr“, deren Bezug im Original stand und im Chunk fehlt. Gute Chunking-Strategien orientieren sich deshalb an der Dokumentstruktur (Überschriften, Abschnitte, Tabellen) statt an einer festen Zeichenzahl.

Der Prozess des Einteilens von Daten in vordefinierte Klassen oder Gruppen.

Claude ist die Modellfamilie des KI-Unternehmens Anthropic, verfügbar als Chat-Assistent, über eine API und als Grundlage agentischer Werkzeuge wie Claude Code. Die Familie ist nach Leistungsstufen benannt: Haiku für schnelle, günstige Aufgaben, Sonnet als Arbeitspferd für den Alltag, Opus für die anspruchsvollsten Aufgaben. Claude-Modelle beherrschen erweitertes Nachdenken (Extended Thinking) – sie können vor der Antwort eine interne Gedankenkette durchlaufen, deren Tiefe sich steuern lässt. Anthropic positioniert die Familie stark auf Programmieren und agentische Arbeitsabläufe; Claude ist zugleich die Grundlage des Agenten-Werkzeugs Claude Code.

Der Prozess des Zusammenfügens von Datenpunkten basierend auf Ähnlichkeit oder gemeinsamen Merkmalen.

Cognitive Computing bezeichnete Systeme, die menschliche Denkleistungen wie Lernen, Schlussfolgern und Problemlösen nachbilden sollten. Der Begriff stammt aus den 2010er-Jahren und war vor allem ein Marketingbegriff rund um IBM Watson; eine technische Abgrenzung zur künstlichen Intelligenz gab es nie. Heute ist er weitgehend außer Gebrauch – was damit gemeint war, läuft inzwischen unter maschinellem Lernen, Foundation Models oder agentischer KI. Der Eintrag ist als historische Einordnung zu lesen.

Compaction ist das Verdichten eines langen Verlaufs, wenn das Kontextfenster volläuft: Ältere Werkzeugausgaben werden verworfen, der bisherige Verlauf wird zusammengefasst, und die Arbeit läuft mit der Zusammenfassung weiter. Das hält lange Agentenläufe am Leben, ist aber verlustbehaftet – ausgerechnet detaillierte Anweisungen vom Anfang gehen dabei häufig verloren. Praktische Konsequenz: Dauerhaft gültige Regeln gehören in eine persistente Projektdatei, nicht in den Chatverlauf.

Computer Use bezeichnet die Fähigkeit eines KI-Modells, einen Rechner über die grafische Oberfläche zu bedienen – es sieht Screenshots, bewegt den Mauszeiger, klickt und tippt. Der Sinn: Auch Systeme ohne API werden dadurch automatisierbar. In der Praxis ist das Verfahren langsamer und fehleranfälliger als eine API-Anbindung – Koordinaten werden falsch geschätzt, Scrollen ist unzuverlässig, anwendungsübergreifende Abläufe brechen ab. Es eignet sich daher für Hintergrundaufgaben mit Prüfschritt, nicht für zeitkritische oder folgenschwere Vorgänge. Wegen des Prompt-Injection-Risikos sollte Computer Use grundsätzlich in einer isolierten Umgebung mit minimalen Rechten laufen.

Die Fähigkeit eines Computers, visuelle Daten aus der Welt wie Bilder und Videos zu interpretieren und zu verstehen.

Context Engineering ist die Disziplin, den Inhalt des Kontextfensters für jeden einzelnen Modellaufruf bewusst zusammenzustellen und zu pflegen – Systeminstruktionen, Werkzeugbeschreibungen, abgerufene Dokumente, Gesprächsverlauf und Notizen. Sie geht über Prompt Engineering hinaus, das sich auf die Formulierung einer einzelnen Anweisung bezieht. Vier wiederkehrende Operationen: Wichtiges dauerhaft festhalten (Write), Umfang verdichten (Compress), Teilaufgaben in eigene Kontexte auslagern (Isolate) und je Schritt gezielt auswählen, was hineingehört (Select). In agentischen Systemen ist Context Engineering der Hebel mit dem größten Einfluss auf Qualität und Kosten.

Context Rot bezeichnet den empirisch belegten Effekt, dass die Zuverlässigkeit eines Modells mit wachsender Kontextlänge abnimmt – auch bei einfachen Aufgaben und lange bevor das nominelle Limit erreicht ist. Ursache ist die Funktionsweise des Attention-Mechanismus: Je mehr Token im Kontext stehen, desto dünner verteilt sich die Aufmerksamkeit. Die praktische Konsequenz: Ein Kontextfenster von einer Million Token ist keine Einladung, es zu füllen. Nutzbare Kontextgröße und nominelle Kontextgröße sind zwei verschiedene Dinge.

Contextual Retrieval ist ein Verfahren, das dem Kontextverlust beim Chunking begegnet: Vor der Indexierung stellt ein Sprachmodell jedem Abschnitt ein bis zwei Sätze voran, die ihn im Gesamtdokument verorten – welches Dokument, welcher Abschnitt, worauf sich Verweise beziehen. Erst dieser angereicherte Text wird indexiert. Die von Anthropic veröffentlichten Messungen zeigen für die Fehlerrate beim Abruf der besten 20 Abschnitte eine Reduktion um 35 Prozent, in Kombination mit Stichwortsuche um 49 Prozent und zusätzlich mit Reranking um 67 Prozent. Dank Prompt Caching bleiben die einmaligen Aufbereitungskosten gering.

Eine speziell für Bild- und Videoerkennungsaufgaben entwickelte Art von Neuronalem Netzwerk, das Konvolutionsebenen verwendet, um Muster in den Daten zu lernen und zu erkennen.

Cross-Embodiment bezeichnet die Fähigkeit eines Robotikmodells, auf unterschiedlichen Roboterkörpern zu funktionieren – Einzelarm, Doppelarm, mobiler Roboter, Humanoid – ohne jeweils komplett neu trainiert zu werden. Das ist die Voraussetzung dafür, dass Trainingsdaten überhaupt geteilt und wiederverwendet werden können, denn sonst müsste jeder Robotertyp seinen eigenen Datenberg erzeugen. Große gemeinsame Datensätze und Standardformate für Robotikdaten sind der praktische Ausdruck dieses Ansatzes.

Eine Modellauswertungstechnik, bei der die Trainingsdaten in mehrere Fälle aufgeteilt werden und das Modell auf jedem Fall trainiert und ausgewertet wird, um eine Schätzung seiner Allgemeinleistung zu erhalten.

Datenresidenz bezeichnet die Frage, in welchem Land und Rechtsraum Anfragen verarbeitet und gespeichert werden. Für europäische Unternehmen ist das häufig der ausschlaggebende Auswahlfaktor – noch vor der Modellqualität. Drei Punkte sind dabei getrennt zu prüfen: wo verarbeitet wird, ob Eingaben gespeichert werden und wie lange, und ob sie zum Training verwendet werden dürfen. Die Zusagen in Geschäftskundenverträgen unterscheiden sich hier deutlich von denen der kostenlosen Endkundenprodukte – ein Punkt, der in der Praxis regelmäßig übersehen wird.

Eine flussdiagrammartige Baustruktur, die zur Entscheidungsfindung anhand einer Reihe von binären Aufteilungen verwendet wird.

Ein dedizierter Endpunkt ist eine für einen Kunden reservierte Modellinstanz statt der geteilten Nutzung einer öffentlichen API. Vorteile sind planbare Antwortzeiten ohne Konkurrenz durch andere Nutzer, eine fest eingefrorene Modellversion und meist strengere Zusagen zur Datenverarbeitung. Abgerechnet wird nach bereitgestellter Kapazität statt nach Token – das rechnet sich erst ab einer gewissen Grundlast. Die weitergehende Variante ist der Betrieb im eigenen Netz oder in der eigenen Cloud-Umgebung, was nur mit offenen Modellen möglich ist.

Eine von Google entwickelte Bildgenerierungstechnik, die ein konvolutionelles Neuronales Netzwerk verwendet, um Traum-ähnliche Bilder durch Verdichtung der Merkmale des Netzwerks zu erzeugen.

Ein Unterfeld des maschinellen Lernens, bei dem mehrschichtige neuronale Netzwerke trainiert werden, um auf eigene Faust zu lernen und Entscheidungen zu treffen.

DeepSeek ist ein chinesisches KI-Labor, das Anfang 2025 international Aufmerksamkeit erregte, weil es Modelle auf Spitzenniveau zu einem Bruchteil der üblichen Trainingskosten und mit frei verfügbaren Gewichten veröffentlichte. Die Modelle setzen konsequent auf Mixture-of-Experts: Von einer sehr großen Gesamtzahl an Parametern ist pro Token nur ein kleiner Teil aktiv, was die Inferenz drastisch verbilligt. Bekannt wurde daneben das Reasoning-Modell R1, das die interne Gedankenkette offenlegte und zeigte, dass sich Reasoning-Fähigkeiten auch mit vergleichsweise geringem Aufwand erreichen lassen.

Ein digitaler Zwilling ist ein physikalisch getreues virtuelles Abbild einer realen Anlage, Zelle oder Fabrik, das mit Sensordaten aus dem Betrieb synchronisiert wird. In der Physical AI dient er drei Zwecken: Layout und Abläufe planen, Roboterverhalten trainieren und neue Steuerungen validieren, bevor sie auf reale Hardware kommen. Der Unterschied zur reinen Simulation liegt in der laufenden Kopplung an das reale System.

Der Prozess der Reduzierung der Anzahl an Merkmalen oder Dimensionen in einer Datenmenge, während möglichst viel an Information erhalten bleibt.

Der Faktor, mit dem zukünftige Belohnungen im Reinforcement Learning-Algorithmus abgezinst werden, um das Gleichgewicht zwischen kurzfristigen und langfristigen Belohnungen auszugleichen.

Bei der Destillation wird ein kleines Modell darauf trainiert, das Verhalten eines großen nachzubilden – das große Modell dient als Lehrer, seine Ausgaben als Trainingsmaterial. Das Ergebnis ist ein deutlich günstigeres und schnelleres Modell, das für einen abgegrenzten Aufgabenbereich nahe an die Qualität des Originals kommt. Destillation ist der Hauptgrund, warum kleine Modelle in den letzten Jahren so stark aufgeholt haben.

Eine Methode zur Lösung von Optimierungsproblemen, bei der diese in kleinere Teilprobleme zerlegt und die Lösungen zu diesen Teilproblemen in einer Tabelle oder einem Array gespeichert werden.

Ein Embedding ist die Übersetzung von Text, Bild oder Audio in einen Vektor aus mehreren hundert bis mehreren tausend Zahlen, der die Bedeutung des Inhalts repräsentiert. Inhaltlich Ähnliches liegt in diesem Raum nahe beieinander – „Kündigungsfrist“ und „Vertragsende“ auch dann, wenn kein Wort übereinstimmt. Genau das ist die Stärke: Embeddings überbrücken unterschiedliche Wortwahl. Ihre Schwäche sind exakte Bezeichner – Artikelnummern, Aktenzeichen, Eigennamen, Zahlen – für die klassische Volltextsuche besser geeignet ist.

Verkörperte KI ist der ältere, wissenschaftlich geprägte Begriff für denselben Gegenstand: die These, dass Intelligenz aus der Kopplung von Körper, Sensorik und Umwelt entsteht und nicht aus reiner Symbolverarbeitung. In der Praxis werden „Embodied AI“ und „Physical AI“ weitgehend synonym verwendet; der erste Begriff stammt aus Kognitionswissenschaft und Robotikforschung, der zweite aus dem industriellen Umfeld. Eine trennscharfe fachliche Abgrenzung existiert nicht.

Eine maschinelle Lerntechnik, bei der mehrere Modelle trainiert und kombiniert werden, um Vorhersagen zu machen, mit dem Ziel, die Gesamtleistung des Modells zu verbessern.

Die Reihenfolge von Zuständen, Aktionen und Belohnungen, die ein Agent in einem Verstärkungslernproblem erlebt, bevor er einen Endzustand erreicht.

Der EU AI Act ist die europäische Verordnung zur Regulierung künstlicher Intelligenz, in Kraft seit dem 1. August 2024, mit gestaffelten Anwendungsfristen. Sie folgt einem risikobasierten Ansatz: Bestimmte Praktiken sind verboten, Hochrisiko-Anwendungen (etwa in Personalauswahl, Kreditvergabe, kritischer Infrastruktur oder Medizin) unterliegen strengen Anforderungen an Datenqualität, Dokumentation, menschliche Aufsicht und Robustheit, für generative KI gelten Transparenzpflichten. Adressiert sind nicht nur Anbieter, sondern auch Betreiber – also Unternehmen, die KI-Systeme einsetzen. Die Anwendungsfristen sind seit 2025 Gegenstand von Änderungsverfahren („Digital Omnibus“).

Dieser Eintrag ist eine Begriffserklärung und keine Rechtsauskunft. Maßgeblich ist der Verordnungstext; Artikel, Fristen und Änderungsstände stehen unter artificialintelligenceact.eu.

Ein Eval ist ein systematischer Test, der die Leistung eines KI-Systems an einer definierten Aufgabenmenge misst – der Ersatz für „sieht gut aus“ beim Prompt-Ausprobieren. Ein brauchbares Eval besteht aus repräsentativen Testfällen, einem klaren Bewertungskriterium und einer Auswertung, die bei Modell- oder Prompt-Änderungen wiederholt wird. Für produktive KI-Anwendungen sind eigene, aufgabenspezifische Evals wichtiger als öffentliche Benchmarks: Sie messen genau das, was im eigenen Anwendungsfall zählt.

Ein Satz von Algorithmen, die Prinzipien der natürlichen Evolution wie Reproduktion, Mutation und Selektion nutzen, um Lösungen für Probleme zu finden.

Ein Computerprogramm, das künstliche Intelligenztechniken einsetzt, um die Entscheidungsfähigkeit eines menschlichen Experten in einem bestimmten Bereich nachzuahmen.

Explainability in AI bezieht sich auf die Fähigkeit, die Entscheidungen und Handlungen eines KI-Systems verständlich zu machen. Dies ist besonders wichtig in sicherheitskritischen Bereichen wie Medizin oder Finanzen, wo es entscheidend ist, zu verstehen, warum eine bestimmte Entscheidung getroffen wurde. Erklärbare KI hilft, Vertrauen aufzubauen und sicherzustellen, dass KI-Systeme transparent und verantwortungsbewusst eingesetzt werden.

Die Spannung zwischen Erkundung neuer Handlungen und Ausnutzung der bekannten guten Handlungen, um das Lernen und die belohnungsoptimierenden Ziele des Agenten auszugleichen, ist ein wesentlicher Bestandteil des maschinellen Lernens.

Fallback bezeichnet die automatische Umleitung auf ein anderes Modell oder einen anderen Anbieter, wenn der primäre Aufruf scheitert – wegen Ausfall, Überlastung, Zeitüberschreitung oder erreichter Ratenbegrenzung. Für produktive Anwendungen ist das notwendig, weil Modell-APIs messbare Ausfallzeiten und stark schwankende Antwortzeiten haben. Sinnvoll ist eine abgestufte Kette: dasselbe Modell bei einem anderen Anbieter, dann ein vergleichbares Modell, dann eine bewusst reduzierte Antwort. Wichtig ist, Fallbacks zu testen und ihr Auslösen zu protokollieren – sonst läuft eine Anwendung wochenlang unbemerkt auf dem schwächeren Ersatzmodell.

Der Prozess des Auswählens und Erstellens informativer und relevanter Merkmale aus rohen Daten für die Verwendung in einem maschinellen Lernmodell.

Der Prozess des Auswählens einer Teilmenge der relevantesten Merkmale aus einer größeren Merkmalsmenge, um sie in einem maschinellen Lernmodell zu verwenden.

Fine-Tuning ist die Nachschulung eines bereits vortrainierten Modells auf einem kleineren, spezifischen Datensatz, um es an eine Domäne, ein Format oder einen Stil anzupassen. Verändert werden dabei die Gewichte des Modells – im Unterschied zum Hyperparameter-Tuning, bei dem lediglich Einstellungen des Trainingsprozesses justiert werden. In der Praxis dominieren parameter-effiziente Verfahren wie LoRA, die nur einen kleinen Zusatz trainieren und das Basismodell unangetastet lassen. Faustregel für die Abgrenzung zu RAG: Fine-Tuning ändert, wie ein Modell antwortet; RAG ändert, was es weiß.

Ein Foundation Model ist ein sehr großes, auf breiten, überwiegend unbeschrifteten Datenmengen vortrainiertes Modell, das anschließend für viele verschiedene Aufgaben angepasst werden kann. Der Bruch mit dem älteren Vorgehen: Statt für jede Aufgabe ein eigenes Modell zu trainieren, wird einmal breit trainiert und danach vielfach spezialisiert – per Prompt, per Fine-Tuning oder per Anbindung an Werkzeuge und Wissensquellen. Der Begriff ist nicht auf Sprache beschränkt und wird inzwischen auch für Bild-, Audio-, Zeitreihen- und Robotikmodelle verwendet.

Die Verwendung einer Funktion zur Annäherung an die Wertfunktion oder an die Politik in einem Verstärkerlernproblem, wenn die Zustands- oder Aktionsräume zu groß sind, um explizit dargestellt zu werden.

Function Calling ist die trainierte Fähigkeit eines Modells, statt Fließtext ein strukturiertes Aufrufobjekt zu erzeugen: Funktionsname plus Argumente nach einem vorgegebenen Schema, meist JSON. Es ist die technische Grundlage von Tool Use – der Begriff bezeichnet die Modellfähigkeit, „Tool Use“ den gesamten Zyklus einschließlich Ausführung und Rückgabe. Weil das Modell nichts selbst ausführt, ist Function Calling für sich genommen risikofrei; das Risiko entsteht erst bei der Ausführung.

Eine Form der mathematischen Logik, die Unsicherheit und Ungenauigkeit in der Eingabe und Ausgabe eines Systems ermöglicht.

Ein Generative Adversarial Network (GAN) ist ein generatives Modell aus zwei gegeneinander trainierten neuronalen Netzen: Der Generator erzeugt synthetische Daten, der Diskriminator versucht, sie von echten zu unterscheiden. Beide verbessern sich wechselseitig, bis die Erzeugnisse nicht mehr von echten Daten zu trennen sind. GANs prägten die Bildsynthese der Jahre nach 2014; für Bild- und Videogenerierung sind sie inzwischen weitgehend von Diffusionsmodellen abgelöst, in Spezialgebieten wie Super-Resolution oder Datenaugmentierung bleiben sie in Gebrauch.

Generative KI ist ein Bereich der KI, der darauf abzielt, neue Inhalte wie Texte, Bilder, Musik oder Videos zu erstellen. Es ist wie ein kreativer Künstler, der auf Basis von Inspirationen neue Kunstwerke schafft, jedoch in digitaler Form.

Ein maschinelles Lernmodell, das die zugrunde liegende Verteilung der Daten lernt und neue, synthetische Beispiele daraus generieren kann.

Generative Pre-trained Transformer (GPT) bezeichnet die von OpenAI eingeführte Modellarchitektur und zugleich deren Modellreihe. Der Name beschreibt das Verfahren: „Transformer“ ist die zugrunde liegende Architektur, „pre-trained“ das Vortraining auf sehr großen Textmengen ohne menschliche Beschriftung, „generative“ die Erzeugung neuer Inhalte Token für Token. Der Begriff ist über OpenAI hinaus zur Gattungsbezeichnung für Sprachmodelle dieses Bauprinzips geworden, auch wenn andere Anbieter eigene Namen verwenden.

Ein Suchalgorithmus, der Prinzipien der natürlichen Evolution wie Reproduktion, Mutation und Selektion verwendet, um Problemlösungen zu finden.

Gemini ist die multimodale Modellfamilie von Google DeepMind, die Text, Bild, Audio, Video und Code in einem Modell verarbeitet. Sie ist in zwei Linien aufgeteilt: „Pro“ für maximale Leistung bei komplexen Aufgaben und „Flash“ für hohen Durchsatz zu niedrigen Kosten – letztere ist inzwischen die am schnellsten weiterentwickelte Linie. Gemini ist tief in Google-Produkte integriert (Suche, Workspace, Android, Cloud) und bietet Kontextfenster im Millionen-Token-Bereich. Spezialisierte Ableger decken Sprachtranskription, Videogenerierung und Robotik ab.

GPT-4o („o“ für omni) war OpenAIs erstes durchgängig multimodales Modell: Text, Bild und Audio wurden nicht mehr über vorgeschaltete Spezialmodelle übersetzt, sondern von einem einzigen Netz verarbeitet. Damit wurde erstmals Sprachdialog mit natürlicher Latenz möglich. Inzwischen ist GPT-4o durch neuere Generationen abgelöst und taugt nicht mehr als aktuelles Beispiel für Multimodalität – als Wendepunkt in der Modellgeschichte bleibt es erwähnenswert.

GPT-5 bezeichnet die seit 2025 laufende Modellgeneration von OpenAI, die in kurzen Abständen in Zwischenversionen weiterentwickelt wird. Der wichtigste konzeptionelle Bruch gegenüber GPT-4: Reasoning ist keine eigene Produktlinie mehr, sondern eine einstellbare Eigenschaft. Über den „Reasoning Effort“ lässt sich pro Anfrage festlegen, wie viel Rechenzeit das Modell in internes Nachdenken investiert. Die Generation wird in mehreren Varianten angeboten, die sich in Leistung, Geschwindigkeit und Preis unterscheiden.

Graph RAG erweitert klassisches RAG um einen Wissensgraphen: Ein Modell extrahiert aus dem gesamten Bestand Entitäten und ihre Beziehungen und fasst zusammenhängende Bereiche vorab zusammen. Dadurch werden zwei Fragetypen beantwortbar, an denen einfaches RAG scheitert – Fragen, deren Antwort über mehrere Dokumente hinweg verknüpft werden muss, und aggregierende Fragen nach den Hauptthemen eines Bestands. Der Preis ist ein aufwendiger, kostenintensiver Aufbau des Index, der sich vor allem bei stabilen, inhaltlich verwobenen Beständen rechnet.

Grok ist die Modellfamilie von Elon Musks Unternehmen xAI, eng mit der Plattform X verzahnt und dadurch mit Zugriff auf aktuelle Beiträge in Echtzeit. Die Modelle bieten konfigurierbares Reasoning und große Kontextfenster, ergänzt um Bild- und Videogenerierung. Zu beachten: xAI hat für kein Grok-Modell offiziell Parameterzahlen veröffentlicht – kursierende Angaben wie „1,7 Billionen Parameter“ stammen aus Sekundärquellen und sind nicht belegt.

Grounding bezeichnet die Verankerung einer Modellantwort in konkret vorliegendem Quellmaterial statt im Trainingswissen. Gemessen wird es über die Frage, ob sich jede Aussage der Antwort aus dem übergebenen Kontext ableiten lässt. Grounding ist der eigentliche Zweck von RAG und die Voraussetzung dafür, dass eine Antwort überprüfbar ist. In regulierten Bereichen ist es oft wichtiger als Eloquenz: Eine belegbare Teilantwort ist mehr wert als eine vollständige ohne Nachweis.

Guardrails sind Regeln und technische Kontrollen, die einem KI-System bestimmte Ausgaben oder Aktionen von vornherein verwehren – etwa Allow- und Deny-Listen für Werkzeuge und Domains, Filter für sensible Inhalte, Schemaprüfungen für Ausgaben und Ratenbegrenzungen. Sie wirken präventiv, im Unterschied zu Human-in-the-Loop (Mensch entscheidet an definiertem Punkt) und Sandboxing (begrenzt den Schaden, falls beides versagt). Wirksame Guardrails werden außerhalb des Modells durchgesetzt: Eine Anweisung im Prompt ist eine Bitte, keine Kontrolle.

Ein Handoff ist die Übergabe einer Aufgabe samt Kontext von einem Agenten an einen anderen – zwischen Subagenten, zwischen Systemen oder vom Agenten an einen Menschen. Übergeben wird dabei fast immer eine Verdichtung, nicht der vollständige Verlauf. Das spart Token, ist aber zugleich die Hauptquelle für Informationsverlust in Multi-Agenten-Systemen: Was in der Zusammenfassung fehlt, existiert für den nächsten Agenten nicht mehr.

Eine Problem-Lösungsmethode, die darauf basiert, durch Versuch und Irrtum eine Lösung zu finden und aus früheren Erfahrungen zu lernen.

Human-in-the-Loop bezeichnet einen bewusst gesetzten Punkt im Ablauf, an dem ein Mensch entscheidet oder freigibt, bevor der Agent weitermacht. Typisch sind Freigaben vor irreversiblen Aktionen – Zahlungen, Löschungen, Versand nach außen, Deployments. Die Gestaltungsaufgabe besteht darin, die richtige Zahl an Haltepunkten zu finden: zu wenige und der Nutzen der Kontrolle entfällt, zu viele und die Freigabe wird zur reflexhaften Klickbestätigung. HITL, Guardrails und Sandboxing ersetzen einander nicht, sie schichten sich.

Humanoide Roboter sind Roboter in menschenähnlicher Bauform, die dadurch in Umgebungen arbeiten können, die für Menschen gebaut sind – ohne Umbau von Werkshallen, Treppen oder Bedienelementen. Der Übergang von Vorführungen zu echten Pilotbetrieben findet derzeit statt, überwiegend in Produktion und Logistik und in kleinen Stückzahlen. Die entscheidende Einschätzung der Branche: Der dauerhafte Wettbewerbsvorteil liegt nicht in der Mechanik, sondern in den Foundation Models und den Flottendaten, mit denen sie trainiert werden. Belastbare Marktzahlen gibt es kaum: Kursierende Stückzahlen stammen fast immer aus Herstellerangaben und sind unabhängig nicht bestätigt.

Hybrid Search kombiniert klassische Stichwortsuche (typischerweise BM25) mit semantischer Vektorsuche und führt beide Trefferlisten zusammen. Der Grund ist die komplementäre Fehlerstruktur: Die Stichwortsuche findet exakte Bezeichner, Codes und seltene Fachbegriffe zuverlässig, die Vektorsuche findet inhaltlich Passendes bei abweichender Wortwahl. In Vergleichen liefert die Kombination durchgängig bessere Ergebnisse als jedes Verfahren allein – und ist damit die pragmatische Voreinstellung für produktive RAG-Systeme.

Der Prozess des Anpassens der Parameter eines maschinellen Lernmodells, die vor dem Training gesetzt wurden, um seine Leistung zu verbessern.

Der Prozess des Generierens einer natürlichen Sprachbeschreibung eines Bildes.

Der Prozess des Zuordnens eines Bildes zu einer oder mehreren vordefinierten Kategorien oder Klassen.

Den Prozess des Hinzufügens von Farben zu einem Graustufenbild.

Der Prozess der Verbesserung der visuellen Qualität eines Bildes, wie z.B. das Erhöhen des Kontrasts oder Entfernen von Rauschen.

Der Prozess des Erstellens neuer, synthetischer Bilder mit Hilfe künstlicher Intelligenz-Techniken.

Der Prozess der Vorbereitung der Bilder zur Verwendung.

Der Prozess des Reparierens oder Wiederherstellens eines verschlechterten oder beschädigten Bildes.

Der Prozess des Suchens und Abrufens von Bildern aus einer großen Datenbank basierend auf deren visuellem Inhalt.

Der Prozess des Aufteilens eines Bildes in mehrere Regionen oder Segmente, die jeweils ein anderes Objekt oder einen Hintergrund repräsentieren.

Der Prozess des Konvertierens eines Bildes von einem Domain in eine andere, wie z.B. das Übersetzen eines Fotos in ein Gemälde oder eine Skizze.

Beim Imitation Learning lernt ein Roboter Verhalten direkt aus menschlichen Demonstrationen, statt über eine mühsam konstruierte Belohnungsfunktion wie im Reinforcement Learning. Das ist derzeit das dominierende Trainingsverfahren für Manipulationsaufgaben, weil sich „so wird ein Kabel gesteckt“ leichter vorführen als formal beschreiben lässt. Entscheidend ist die Datenqualität, nicht die Menge: Wenige hundert sauber erhobene Demonstrationen schlagen regelmäßig einige tausend minderwertige.

Inferenz bezeichnet die Ausführung eines fertig trainierten Modells zur Beantwortung einer Anfrage – im Unterschied zum Training, in dem das Modell überhaupt erst entsteht. Wirtschaftlich ist das die entscheidende Phase: Training fällt einmal an, Inferenz bei jeder einzelnen Nutzung. Die Kosten hängen an der Modellgröße, an der Länge von Eingabe und Ausgabe und an der Denktiefe bei Reasoning-Modellen. Daneben steht die ältere, logische Bedeutung von „Inference“: das Schlussfolgern aus gegebenen Prämissen. Im KI-Kontext ist die technische Bedeutung die weitaus geläufigere.

Als Inferenz-Anbieter bezeichnet man Dienste, die offene Modelle als API bereitstellen, ohne sie selbst entwickelt zu haben. Sie schließen die Lücke zwischen „Gewichte sind herunterladbar“ und „im Unternehmen nutzbar“, denn der Betrieb großer Modelle erfordert eigene Hardware und Spezialwissen. Preise, Antwortzeiten und Durchsatz unterscheiden sich zwischen Anbietern desselben Modells erheblich, ebenso die Zusagen zu Datenverarbeitung und Standort. Für die Auswahl sind daher nicht nur Token-Preise relevant, sondern auch Datenschutzzusagen und garantierte Verfügbarkeit.

Der Prozess des Reparierens oder Ausfüllens beschädigter oder fehlender Teile eines Bildes.

Ein KI-Agent ist ein System aus einem Sprachmodell, einer Menge von Werkzeugen und einer Ausführungsschleife, das eine Aufgabe über mehrere Schritte hinweg selbstständig bearbeitet. Er nimmt Informationen aus seiner Umgebung auf (Dateien, APIs, Websuche), führt Aktionen aus und prüft die Ergebnisse. Praktisch unterscheidet man Autonomiegrade: vom bloßen Vorschlag, den ein Mensch ausführt, über Ausführung nach Einzelfreigabe bis zum unbeaufsichtigten Langlauf mit nachträglicher Prüfung. Für den produktiven Einsatz ist die Wahl des Autonomiegrads wichtiger als die Wahl des Modells.

KI-Governance bezeichnet den organisatorischen Rahmen für den Einsatz von KI im Unternehmen: Wer darf welche Systeme wofür einsetzen, welche Daten dürfen hineingegeben werden, wer verantwortet Ergebnisse, wie werden Vorfälle behandelt und wie wird das dokumentiert. Sie ist die Voraussetzung dafür, KI aus Einzelexperimenten in geregelten Betrieb zu überführen, und wird durch den EU AI Act für viele Anwendungen verbindlich. Welche Pflichten dabei greifen, hängt am Einsatzzweck und nicht am Werkzeug: Derselbe Chatbot kann im allgemeinen Büroeinsatz unkritisch sein und in der Bewerbervorauswahl als Hochrisiko-Anwendung gelten. Die Verordnung adressiert neben Anbietern auch Betreiber, unter anderem mit Anforderungen an KI-Kompetenz und mit Transparenz- und Kennzeichnungspflichten – was im Einzelfall gilt, steht im Verordnungstext (siehe EU AI Act). Praktisch beginnt Governance mit einem Verzeichnis der eingesetzten KI-Anwendungen – das in den meisten Organisationen zunächst schlicht fehlt.

Kimi ist die Modellfamilie des chinesischen Unternehmens Moonshot AI, bekannt für sehr große Mixture-of-Experts-Modelle mit offen verfügbaren Gewichten und sehr großen Kontextfenstern. Sie zählt zu den leistungsfähigsten frei herunterladbaren Modellen und ist damit eine ernstzunehmende Alternative für Unternehmen, die Modelle selbst betreiben wollen. Wie bei anderen chinesischen Anbietern gilt: Die Lizenz ist modellspezifisch und nicht automatisch eine Standard-Open-Source-Lizenz.

Die Art und Weise, wie Wissen in einem Computer-System codiert und gespeichert wird.

Das Kontextfenster ist die maximale Menge an Token, die ein Modell bei einer Anfrage gleichzeitig verarbeiten kann – Systemanweisung, Gesprächsverlauf, übergebene Dokumente und die entstehende Antwort zusammengenommen. Aktuelle Spitzenmodelle erreichen die Größenordnung von einer Million Token, das entspricht mehreren tausend Seiten Text. Entscheidend ist jedoch die Unterscheidung zwischen nominellem Limit und nutzbarer Größe: Die Zuverlässigkeit sinkt messbar, lange bevor das Limit erreicht ist (siehe Context Rot).

Ein großes Sprachmodell in der künstlichen Intelligenz ist eine Art statistisches Modell, das an einem sehr großen Datensatz von Texten trainiert wird und maschinelles Lernen nutzt, um die Muster und Struktur der Sprache zu erlernen. Große Sprachmodelle werden häufig für Aufgaben wie Spracherzeugung, maschinelle Übersetzung und Textklassifizierung verwendet und sind in der Lage, menschenähnlichen Text mit hoher Kohärenz und Fluidez zu generieren.

Llama ist Metas Familie offener Sprachmodelle und war über mehrere Generationen der De-facto-Standard für frei verfügbare Modellgewichte – ein großer Teil des offenen Ökosystems, von Feinabstimmungen bis zu Werkzeugketten, ist darauf aufgebaut. Die Modelle sind unter einer eigenen Community-Lizenz verfügbar, die nicht mit klassischen Open-Source-Lizenzen wie Apache 2.0 gleichzusetzen ist. Llama hat maßgeblich dazu beigetragen, dass leistungsfähige Modelle auch außerhalb der großen Anbieter betrieben werden können.

LLM-as-a-Judge bezeichnet den Einsatz eines Sprachmodells zur Bewertung von Ausgaben eines anderen Modells – anhand eines Kriterienkatalogs, oft im direkten Vergleich zweier Antworten. Das Verfahren macht Qualitätsmessung skalierbar, wo menschliche Bewertung zu teuer wäre. Die bekannten Schwächen sollte man kennen: Bewertungsmodelle bevorzugen längere Antworten, den eigenen Schreibstil und die zuerst gezeigte Option. Gegenmittel sind präzise Kriterien, Positionswechsel im Vergleich und regelmäßige Stichproben durch Menschen.

LLMOps bezeichnet die Betriebspraxis rund um KI-Anwendungen: Versionierung von Prompts und Modellen, automatisierte Evals in der Auslieferungskette, Ablaufverfolgung im Betrieb, Kosten- und Qualitätsüberwachung sowie ein geregeltes Zurückrollen. Der Unterschied zum klassischen MLOps liegt darin, dass das Modell in der Regel zugekauft ist und sich unabhängig vom eigenen Release ändern kann. Überwacht wird deshalb nicht das eigene Training, sondern das Verhalten eines fremden Systems im eigenen Anwendungskontext.

LoRA ist das gängigste Verfahren des parameter-effizienten Fine-Tunings: Statt alle Gewichte eines Modells anzupassen, wird eine kleine Zusatzmatrix trainiert, die dem eingefrorenen Basismodell zur Laufzeit überlagert wird. Das senkt den Trainingsaufwand um Größenordnungen und erzeugt Adapter von wenigen Megabyte. Praktischer Vorteil: Mehrere Spezialisierungen können auf demselben Basismodell vorgehalten und je nach Anwendungsfall zugeschaltet werden.

Ein mathematisches Rahmenwerk, das in der Verstärkungs-Lernen verwendet wird, um das Entscheidungsprozess eines Agenten in einer sequenziellen, unsicheren Umgebung zu modellieren.

Die Eigenschaft eines Zustands in einem Markov-Entscheidungsprozess, die besagt, dass die Zukunft unabhängig von der Vergangenheit ist, gegeben dem aktuellen Zustand.

Ein Markow-Entscheidungsprozess, der nur eine Belohnungskomponente hat, ohne Entscheidungsfindung beteiligt.

Ein MCP-Gateway bündelt mehrere MCP-Server hinter einem Zugang und setzt dort zentral durch, welcher Agent welches Werkzeug aufrufen darf; zusätzlich protokolliert es Aufrufe und begrenzt Raten. Es beantwortet ein Problem, das mit der Verbreitung von Agenten entsteht: Ohne zentralen Punkt verteilt sich die Werkzeugberechtigung auf jede einzelne Agentenkonfiguration und ist weder überprüfbar noch im Ernstfall schnell entziehbar. Konzeptionell ist es dasselbe Muster wie beim AI Gateway, nur eine Ebene weiter – dort geht es um Modellzugriff, hier um Werkzeugzugriff.

Ein MCP-Server ist die konkrete Anbindung eines Systems an das Model Context Protocol: Er stellt Werkzeuge (aufrufbare Funktionen), Ressourcen (lesbare Daten) und vorgefertigte Prompts bereit, die ein KI-Client nutzen kann. Für Unternehmen ist das der praktische Weg, eigene Systeme – CRM, Ticketsystem, Data Warehouse, Dokumentenablage – für KI-Assistenten zugänglich zu machen, ohne die Assistenten selbst zu verändern. Sicherheitsseitig ist ein MCP-Server eine Berechtigungsgrenze und sollte entsprechend eng geschnitten werden.

Mistral AI ist ein französisches KI-Unternehmen und der wichtigste europäische Anbieter offener Sprachmodelle. Mistral hat Mixture-of-Experts früh populär gemacht – die Mixtral-Modelle von 2024 waren die ersten breit genutzten offenen MoE-Modelle. Das aktuelle Portfolio reicht von sehr kleinen Modellen für den lokalen Betrieb bis zu großen MoE-Modellen und steht überwiegend unter Apache-2.0-Lizenz, also ohne Nutzungseinschränkungen. Für europäische Unternehmen ist Mistral vor allem wegen Datenhaltung in der EU und der Möglichkeit zum Eigenbetrieb relevant.

Mixture of Experts ist eine Architektur, bei der ein Modell aus vielen spezialisierten Teilnetzen („Experten“) besteht, von denen pro Token nur wenige aktiviert werden. Ein Modell kann so eine sehr große Gesamtzahl an Parametern haben, aber nur einen Bruchteil davon pro Rechenschritt nutzen – das entkoppelt Wissenskapazität von Inferenzkosten. Praktisch ist MoE der Hauptgrund, warum Modelle mit über einer Billion Parametern zu vertretbaren Preisen betrieben werden können. Bei Modellangaben findet man deshalb zwei Zahlen: Gesamtparameter und aktive Parameter.

Ein Modell ist eine Darstellung eines Problems oder eines Systems, das verwendet werden kann, um Vorhersagen, Entscheidungen oder Muster in Daten zu erkennen. Modelle sind ein grundlegender Bestandteil des Maschinellen Lernens und werden verwendet, um verschiedene Aufgaben auszuführen, wie Klassifizierung, Regression, Clustering oder Dimensionierung. Modelle können mithilfe verschiedener maschineller Lernalgorithmen auf einem Datensatz trainiert werden, wie überwachtes Lernen, unüberwachtes Lernen oder Verstärkungslernen, um die Beziehungen und Muster in den Daten zu erkennen und darauf basierend Vorhersagen oder Entscheidungen zu treffen.

MCP ist ein offener Standard, über den KI-Anwendungen an externe Werkzeuge und Datenquellen angebunden werden – oft beschrieben als „USB-C für KI-Werkzeuge“. Statt jede Anwendung einzeln an jedes System anzubinden, stellt ein MCP-Server seine Funktionen einmal bereit und jeder MCP-fähige Client kann sie nutzen. Der Standard wurde von Anthropic entwickelt und steht seit Dezember 2025 herstellerneutral unter dem Dach der Agentic AI Foundation bei der Linux Foundation, getragen unter anderem von AWS, Google, Microsoft und OpenAI. Es existieren über zehntausend aktive öffentliche MCP-Server; Unterstützung bieten Claude, ChatGPT, Cursor, VS Code, Microsoft Copilot und Gemini.

Der Prozess, ein Machine Learning-Modell für den Einsatz in Produktionsumgebungen bereitzustellen, wie z.B. das Deployment auf einem Webserver oder die Integration in eine Anwendung.

Modelldrift bezeichnet die Verschlechterung der Ergebnisqualität eines produktiven Systems über die Zeit, ohne dass am System selbst etwas geändert wurde. Zwei Ursachen sind zu unterscheiden: Datendrift – die Eingaben verändern sich gegenüber dem Training – und, bei zugekauften Modellen, Änderungen am Modell selbst durch den Anbieter. Bei API-Modellen ist deshalb Versionsfixierung plus laufende Qualitätsmessung Pflicht, sonst verändert sich das Verhalten der eigenen Anwendung ohne eigenes Zutun.

Der Prozess des Messens der Leistung eines maschinellen Lernmodells für eine bestimmte Aufgabe mithilfe von Metriken wie Genauigkeit, Präzision und Erinnerung.

Ein Model Router entscheidet pro Anfrage, welches Modell sie beantwortet, statt alles an dasselbe – meist teuerste – Modell zu schicken. Die Entscheidung kann regelbasiert fallen (nach Anwendungsfall, Nutzergruppe, Sprache, Datenklassifizierung) oder gelernt sein, indem ein kleines Modell die Schwierigkeit der Anfrage einschätzt. Der Nutzen ist überwiegend wirtschaftlich: Ein großer Teil realer Anfragen ist einfach und wird von kleinen Modellen genauso gut beantwortet. Routing steckt inzwischen auch in den Produkten der Anbieter selbst – die automatische Umschaltung zwischen schneller Antwort und Reasoning ist nichts anderes.

Der Prozess der Auswahl des besten Modells unter einer Gruppe von Kandidatenmodellen für eine gegebene Aufgabe.

Model Serving bezeichnet den Betrieb eines Modells als abrufbaren Dienst: Das Modell wird auf Grafikkarten geladen und beantwortet Anfragen über eine Schnittstelle. Spezialisierte Server-Software erreicht dabei ein Vielfaches des Durchsatzes einer naiven Implementierung – vor allem durch fortlaufendes Bündeln eintreffender Anfragen (Continuous Batching) und effiziente Verwaltung des Zwischenspeichers für den Kontext. Für Organisationen, die offene Modelle selbst betreiben, ist die Konfiguration dieser Schicht der größte Einzelhebel für die Kosten pro Anfrage.

Bei einer Kaskade beantwortet zuerst ein kleines, günstiges Modell die Anfrage; nur wenn das Ergebnis einen Qualitätstest nicht besteht, wird an ein größeres Modell eskaliert. Der Unterschied zum Routing: Hier wird nicht vorab geraten, wie schwer eine Anfrage ist, sondern nachträglich anhand des tatsächlichen Ergebnisses entschieden. Der Preis ist zusätzliche Latenz in den eskalierenden Fällen. Alles hängt an der Prüfstufe – ohne verlässliches Abbruchkriterium senkt eine Kaskade nur die Qualität statt der Kosten.

Ein Verstärkungslernalgorithmus, der zufällige Stichproben verwendet, um die Wertfunktion oder die optimale Richtlinie zu schätzen.

In einem Multi-Agenten-System arbeiten mehrere spezialisierte Agenten an einer Aufgabe, häufig nach dem Orchestrator-Worker-Muster: Ein führender Agent zerlegt die Aufgabe, verteilt sie und führt die Ergebnisse zusammen. Sinnvoll ist das in drei Fällen – wenn Teilaufgaben wirklich parallel laufen können, wenn getrennte Werkzeugsätze die Fehlerquote senken, oder wenn ein Teilkontext den Hauptkontext zumüllen würde. Der Preis ist erheblich: Multi-Agenten-Ansätze verbrauchen typischerweise das Drei- bis Zehnfache an Token gegenüber einem Einzelagenten. Die häufigsten Fehler sind eine Aufteilung nach Rollen statt nach Kontextgrenzen und Prüf-Agenten, die zu früh Erfolg melden.

Ein maschinelles Lernproblem, bei dem ein Agent unter einer Menge an Aktionen wählen muss, wobei jede eine unbekannte Belohnungsverteilung hat, und er lernt durch Versuch und Irrtum, welche Aktionen die lohnendsten sind.

Multimodale KI (Multimodal AI) bezeichnet Modelle, die mehrere Datenarten – Text, Bild, Audio, Video, teils auch Sensordaten – in einem gemeinsamen Repräsentationsraum verarbeiten. Der entscheidende Unterschied zu früheren Systemen: Es werden nicht mehr spezialisierte Einzelmodelle hintereinandergeschaltet (Sprache-zu-Text, dann Textmodell, dann Text-zu-Sprache), sondern ein Netz verarbeitet alle Modalitäten direkt. Das reduziert Latenz und erhält Informationen, die bei der Übersetzung zwischen Modalitäten verloren gingen – etwa Tonfall, Betonung oder räumliche Bildbeziehungen. Nahezu alle aktuellen Spitzenmodelle sind multimodal.

Natural Language Processing (NLP), auf Deutsch natürliche Sprachverarbeitung, ist das Feld der KI, das Computern den Umgang mit menschlicher Sprache beibringt – verstehen, analysieren, übersetzen, zusammenfassen und erzeugen. Klassisch bestand NLP aus vielen spezialisierten Einzelschritten wie Wortarterkennung, Eigennamenerkennung oder Sentimentanalyse. Mit den Transformer-basierten Sprachmodellen ist daraus weitgehend eine einzige Aufgabe geworden: Ein allgemeines Modell löst diese Teilprobleme mit, ohne eigens dafür trainiert worden zu sein.

Ein künstliches neuronales Netz (Artificial Neural Network, ANN) ist ein Modell des maschinellen Lernens, dessen Aufbau lose vom Gehirn inspiriert ist: Schichten aus einfachen Recheneinheiten („Neuronen“) geben gewichtete Signale weiter. Beim Training werden diese Gewichte so lange angepasst, bis das Netz die gewünschten Ausgaben liefert – es lernt also nicht Regeln, sondern Zahlenwerte. Netze mit vielen Schichten heißen tief, das zugehörige Verfahren Deep Learning; darauf beruhen Bilderkennung, Spracherkennung und Sprachmodelle gleichermaßen. Die im Deutschen gelegentlich zu lesende Form „neurales Netzwerk“ ist nicht korrekt – gebräuchlich ist „neuronales Netz“.

Der Prozess des Skalierens der Werte eines Merkmals oder eines Datensatzes auf einen gemeinsamen Bereich, wie zum Beispiel [0, 1] oder [-1, 1].

Der Prozess des Identifizierens und Lokalisierens von Objekten in einem Bild oder Video.

Observability bezeichnet die durchgängige Nachvollziehbarkeit dessen, was ein KI-System tut: Welcher Prompt ging an welches Modell, welche Werkzeuge wurden mit welchen Argumenten aufgerufen, welche Dokumente wurden abgerufen, wie viele Token und wie viel Zeit wurden verbraucht. Bei agentischen Systemen ist das keine Kür – ohne durchgängige Ablaufverfolgung (Tracing) ist ein Fehlverhalten nach zwanzig Schritten praktisch nicht diagnostizierbar. Sie ist außerdem die technische Grundlage für Kostenkontrolle und für Nachweispflichten.

Ein System, das die Beziehungen und Kategorien innerhalb eines bestimmten Wissensbereichs darstellt.

Die beiden Begriffe werden häufig gleichgesetzt, meinen aber Unterschiedliches. Open Weights heißt: Die trainierten Gewichte sind herunterladbar und das Modell lässt sich selbst betreiben – Trainingsdaten und Trainingscode bleiben in der Regel unter Verschluss. Open Source im eigentlichen Sinn verlangt darüber hinaus eine Lizenz ohne Nutzungseinschränkungen, etwa Apache 2.0. Praktisch relevant ist der Unterschied bei der Lizenz: Modelle wie Llama stehen unter einer eigenen Community-Lizenz mit Auflagen, andere Familien unter Apache 2.0. Vor kommerzieller Nutzung ist die Lizenz deshalb im Einzelfall zu prüfen.

Ein Open-Weight-Modell ist ein Modell, dessen trainierte Gewichte öffentlich heruntergeladen und selbst betrieben werden können. Zu unterscheiden ist das von „Open Source“ im engeren Sinne: Offen sind meist die Gewichte, nicht die Trainingsdaten und nicht der vollständige Trainingscode. Die Lizenzen reichen von freizügig (Apache 2.0, MIT) bis stark eingeschränkt – ein Blick in die konkrete Lizenz ist bei kommerzieller Nutzung unerlässlich. Für Unternehmen sind Open-Weight-Modelle vor allem dort relevant, wo Daten das eigene Netz nicht verlassen dürfen.

Die Schnittstellenform der OpenAI-API hat sich als De-facto-Standard etabliert: Zahlreiche Anbieter, Inferenzdienste und selbst betriebene Server stellen eine kompatible Schnittstelle bereit. Praktisch bedeutet das, dass sich Modelle unterschiedlicher Herkunft oft durch eine geänderte Adresse und einen anderen Modellnamen austauschen lassen. Die Kompatibilität ist allerdings nur an der Oberfläche vollständig – bei Werkzeugaufrufen, strukturierten Ausgaben, Reasoning-Steuerung und Caching weichen die Anbieter voneinander ab. Für Portabilität ist diese Schnittstelle notwendig, aber nicht hinreichend.

Die Politik, die die erwartete kumulative Belohnung in einem Verstärkungslernproblem maximiert.

Die Wertfunktion, die zur optimalen Politik in einem Reinforcement-Learning-Problem entspricht.

Orchestrierung bezeichnet die Steuerung mehrerer Modell- und Werkzeugaufrufe zu einem Gesamtergebnis. Etablierte Muster sind Prompt Chaining (Schritte hintereinander), Routing (Anfrage an das passende Spezialmodell), Parallelisierung (unabhängige Teile gleichzeitig, Ergebnisse zusammenführen), Orchestrator-Worker (führender Agent verteilt) und Evaluator-Optimizer (ein Modell erzeugt, ein zweites kritisiert, Schleife). Die Praxiserfahrung ist eindeutig: Man beginnt mit dem einfachsten Muster und erhöht die Komplexität erst, wenn belegbar ist, dass es ohne nicht geht.

Ein Zustand, in dem ein maschinelles Lernmodell auf den Trainingsdaten gut funktioniert, aber auf neuen, ungesehenen Daten schlecht funktioniert, aufgrund von Überkomplexität und Anpassung an den Rauschen in den Trainingsdaten.

Die Fähigkeit, Muster oder Regelmäßigkeiten in Daten zu erkennen.

Physical AI bezeichnet KI-Systeme, die über einen Körper – Roboter, Fahrzeug, Maschine – in der physischen Welt wahrnehmen und handeln. Der Unterschied zu generativer KI ist grundlegend: Ein Textmodell arbeitet in einem fehlertoleranten digitalen Raum, in dem eine schlechte Ausgabe verworfen werden kann. Physical AI muss mit kontinuierlicher, verrauschter Physik, Echtzeitanforderungen und irreversiblen Fehlern umgehen – ein fallengelassenes Werkstück lässt sich nicht neu generieren. Der Begriff wird stark von NVIDIA geprägt und beschreibt die aktuell am schnellsten wachsende Anwendungsrichtung großer KI-Modelle jenseits von Text und Bild.

Der Prozess der Bestimmung eines Handlungsplans zur Erreichung eines bestimmten Ziels.

Ein Verstärkungslern-Algorithmus, der die Abwechslung zwischen der Bewertung der aktuellen Richtlinie und der Verbesserung auf Basis der gelernten Wertfunktion beinhaltet.

Der Prozess der Vorbereitung der Daten für die Verwendung in einem maschinellen Lernmodell, einschließlich Reinigung, Transformation und Skalierung der Daten.

Ein Prompt ist die Eingabe, mit der ein KI-Modell zu einer Ausgabe veranlasst wird – Frage, Anweisung, Beispiel oder eine Kombination daraus. In der Praxis besteht der Prompt selten nur aus der Nutzereingabe: Hinzu kommen ein System-Prompt mit Rolle und Regeln, Beschreibungen verfügbarer Werkzeuge, abgerufene Dokumente und der bisherige Gesprächsverlauf. Alles zusammen bildet den Kontext, aus dem das Modell die Antwort ableitet. Weil die Zusammensetzung dieses Kontexts über die Qualität der Antwort entscheidet, hat sich neben dem Prompt Engineering die weiter gefasste Disziplin des Context Engineering etabliert.

Prompt Caching speichert den intern berechneten Zustand für einen wiederkehrenden Prompt-Anfang – etwa eine lange Systemanweisung, ein Regelwerk oder ein Referenzdokument – und verwendet ihn bei Folgeanfragen wieder, statt ihn jedes Mal neu zu berechnen. Das senkt Latenz und Kosten für den zwischengespeicherten Teil erheblich. In Anwendungen mit großem, stabilem Kontext ist Caching oft die wirksamste einzelne Kostenoptimierung.

Prompt Injection ist der Angriff, bei dem Anweisungen in Daten versteckt werden, die ein KI-System verarbeitet – in einer Webseite, einem PDF, einer E-Mail, einem Bild oder einem Kalendereintrag. Weil Sprachmodelle Anweisungen und Daten im selben Kontext verarbeiten, kann ein Agent solche eingeschleusten Befehle als legitim behandeln und etwa Daten weitergeben oder unerwünschte Aktionen ausführen. Das Problem gilt als nicht gelöst: Es gibt wirksame Abschwächungen – Klassifikatoren, Domain-Allowlists, Rechtebeschränkung, Freigaben vor folgenschweren Aktionen –, aber keine Absicherung. Jede Aussage, ein System sei „injection-sicher“, ist zurückzuweisen.

Prompt-Management bezeichnet die geordnete Verwaltung von Prompts außerhalb des Anwendungscodes: versioniert, mit Änderungshistorie, Testabdeckung und der Möglichkeit, eine Änderung zurückzunehmen. Der Grund ist praktischer Natur – Prompts verändern das Systemverhalten so stark wie Code, werden aber oft von Nicht-Entwicklern gepflegt und landen sonst als verstreute Zeichenketten im Projekt. Zusammen mit Evals wird daraus ein normaler Änderungsprozess: ändern, gegen die Testfälle messen, freigeben.

Quantisierung reduziert die Zahlengenauigkeit der Modellgewichte – etwa von 16 auf 8 oder 4 Bit – und verringert damit Speicherbedarf und Rechenaufwand erheblich. In der Praxis ermöglicht das den Betrieb großer Modelle auf einzelnen Grafikkarten oder sogar auf Laptops. Der Qualitätsverlust ist bei moderater Quantisierung gering, wächst aber bei aggressiver Reduktion und trifft zuerst anspruchsvolle Fähigkeiten wie mehrstufiges Reasoning und lange Kontexte.

Quantum AI kombiniert die Prinzipien der Quantenmechanik mit künstlicher Intelligenz, um extrem schnelle und effiziente Berechnungen durchzuführen. Durch die Nutzung von Quantencomputern kann Quantum AI komplexe Probleme lösen, die für klassische Computer zu schwierig wären. Diese Technologie befindet sich noch in einem frühen Entwicklungsstadium, bietet aber das Potenzial, die Leistung von KI-Systemen dramatisch zu verbessern.

Qwen ist die Modellfamilie von Alibaba und derzeit eines der einflussreichsten Ökosysteme offener Modelle – ein sehr großer Teil der weltweit veröffentlichten abgeleiteten Modelle baut auf Qwen auf. Die Familie deckt ein breites Spektrum ab, von kleinen Modellen für lokalen Betrieb bis zu sehr großen Mixture-of-Experts-Modellen, und umfasst Varianten für Text, Bild und Code. Die Lizenzbedingungen unterscheiden sich je nach Modell erheblich und sollten vor kommerzieller Nutzung geprüft werden.

Eine RAG-Pipeline besteht aus fünf Stufen: Dokumente einlesen und aufbereiten (Ingestion), in retrievbare Abschnitte zerlegen (Chunking), in einen Index überführen (Embedding und/oder Volltextindex), zur Anfragezeit die passenden Abschnitte finden (Retrieval) und in den Prompt einsetzen (Augmentation), woraufhin das Modell antwortet (Generation). Die Qualität eines RAG-Systems entscheidet sich fast immer in den ersten beiden Stufen: Was schlecht aufbereitet oder ungünstig zerlegt wurde, kann kein noch so gutes Modell retten.

Modellanbieter begrenzen die Nutzung über Anfragen pro Minute und Token pro Minute, gestaffelt nach Vertragsstufe. Für die Architektur ist das ein harter Planungsparameter: Agentische Systeme erzeugen pro Nutzeraktion viele Aufrufe und stoßen deutlich früher an diese Grenzen als klassische Chat-Anwendungen. Umgekehrt setzen Unternehmen intern eigene Kontingente pro Team oder Anwendung, um Budgets durchzusetzen und einzelne fehlerhafte Anwendungen daran zu hindern, das Gesamtbudget aufzubrauchen. Beides wird üblicherweise im AI Gateway umgesetzt.

ReAct („Reasoning and Acting“) ist das 2022 vorgestellte Muster, Denken und Handeln zu verschränken statt zu trennen: Das Modell formuliert einen Überlegungsschritt, führt eine Aktion aus, liest die Beobachtung und denkt auf dieser Basis weiter. Gegenüber reinem Chain-of-Thought reduziert das Halluzinationen deutlich, weil jeder Gedanke an einer realen Rückmeldung geerdet wird. ReAct ist das konzeptionelle Vorbild praktisch aller heutigen Agentenschleifen – moderne Modelle setzen es allerdings nativ um, ohne dass die alten „Thought/Action/Observation“-Textformate nötig wären.

Reasoning bezeichnet die Fähigkeit eines Modells, eine Aufgabe in Zwischenschritten zu durchdenken, statt direkt eine Antwort zu erzeugen. Technisch wird dafür vor der eigentlichen Ausgabe eine interne Gedankenkette generiert, die das Modell selbst wieder als Kontext liest – mehr Rechenzeit bei der Anfrage führt so zu besseren Ergebnissen bei Mathematik, Programmierung und mehrstufiger Analyse. Dieses Prinzip heißt „Test-Time Compute“ und ergänzt seit 2024 das bloße Vergrößern von Modellen und Trainingsdaten. In aktuellen Modellen ist Reasoning kein eigenes Produkt mehr, sondern ein regelbarer Parameter: Man wählt pro Anfrage, wie viel Nachdenken sie wert ist.

Ein Reasoning-Modell erzeugt vor der eigentlichen Antwort eine interne Gedankenkette, in der es die Aufgabe zerlegt, Zwischenschritte prüft und Ansätze verwirft. Es investiert also Rechenzeit bei der Anfrage statt nur beim Training – das Prinzip „Test-Time Compute“. Der Gewinn ist bei Mathematik, Programmierung, Planung und mehrstufiger Analyse erheblich, bei einfachen Abrufen dagegen gering und die zusätzlichen Kosten unnötig. In aktuellen Modellen ist Reasoning deshalb regelbar: Man wählt pro Anfrage die Denktiefe.

Ein speziell für die Verarbeitung sequenzieller Daten entwickeltes neuronales Netzwerk, das Rückkopplungsverbindungen verwendet, um dem Netzwerk zu ermöglichen, frühere Informationen zu speichern und zu nutzen.

Eine maschinelles Lernen-Technik, die dazu verwendet wird, einen kontinuierlichen numerischen Wert basierend auf einer Reihe von Eingabefeatures vorherzusagen.

Reinforcement Learning (bestärkendes Lernen) ist die Lernform, bei der ein Agent durch Versuch und Irrtum herausfindet, welche Handlungen sich lohnen: Er handelt in einer Umgebung, erhält Belohnung oder Bestrafung und passt sein Verhalten daraufhin an. Anders als beim überwachten Lernen gibt es keine vorgegebene richtige Antwort, sondern nur ein Signal darüber, wie gut eine Handlungsfolge war. Bekannt wurde das Verfahren durch Spiele und Robotersteuerung; heute ist es zusätzlich der Kern der Nachschulung von Sprachmodellen, etwa über RLHF.

Reranking ist eine zweite Auswahlstufe im Retrieval: Zunächst wird großzügig abgerufen (viele Kandidaten, hohe Trefferwahrscheinlichkeit), dann bewertet ein spezialisiertes Modell jeden Kandidaten direkt gegen die Anfrage und behält nur die besten. Weil dieses Modell Anfrage und Abschnitt gemeinsam betrachtet statt nur Vektorabstände zu vergleichen, ist es deutlich präziser als die erste Stufe. Reranking verbessert die Antwortqualität spürbar und reduziert zugleich die Menge an Kontext, die das Sprachmodell verarbeiten muss.

Die Funktion, die die Belohnung oder die Bestrafung definiert, die ein Agent für seine Aktionen in einem Verstärkungslernproblem erhält.

RLHF (Reinforcement Learning from Human Feedback) ist das Verfahren, mit dem Sprachmodelle nach dem Vortraining an menschliche Präferenzen angepasst werden: Menschen bewerten Modellausgaben, daraus wird ein Belohnungsmodell gelernt, mit dem das Sprachmodell weiter optimiert wird. Es ist der Schritt, der aus einem reinen Textfortsetzer einen brauchbaren Assistenten macht. RLAIF ersetzt die menschliche Bewertung teilweise durch ein KI-Modell, das nach einem festgelegten Regelwerk urteilt – das skaliert besser und macht die zugrunde liegenden Prinzipien explizit und überprüfbar.

Ein Robot Foundation Model ist ein großes, auf heterogenen Roboterdaten vortrainiertes Modell, das über verschiedene Aufgaben und verschiedene Roboterkörper hinweg generalisiert (Cross-Embodiment) und sich mit wenigen Demonstrationen an eine neue Anwendung anpassen lässt. Es überträgt das Foundation-Model-Prinzip aus der Sprachverarbeitung auf die Robotik: einmal breit trainieren, vielfach spezialisieren. Der Engpass ist dabei nicht Rechenleistung, sondern Daten – das größte offene Manipulationskorpus (Open X-Embodiment) umfasst gut eine Million reale Bewegungsabläufe aus 60 Datensätzen und 22 Robotertypen, gegenüber Billionen Token bei Sprachmodellen.

Robotik (englisch: Robotics) ist das Ingenieur- und Forschungsfeld, das Maschinen mit Sensorik, Aktorik und Steuerung entwickelt, die in der physischen Welt handeln. Klassisch war Robotik regelbasiert: Ein Roboter führte präzise programmierte Bewegungen in einer streng kontrollierten Umgebung aus. Mit dem Einzug großer KI-Modelle verschiebt sich das grundlegend – moderne Systeme lernen Verhalten aus Demonstrationen und Simulation, verstehen Anweisungen in natürlicher Sprache und generalisieren auf Aufgaben, für die sie nicht programmiert wurden. Diese Verbindung von Foundation Models und Robotik wird als Physical AI bezeichnet.

Ein Verstärkungs-Lern-Algorithmus, der eine Aktions-Wert-Funktion lernt, indem er den erwarteten Belohnung und den Wert der nächsten Aktion verwendet, anstatt der endgültigen Belohnung wie beim Q-Lernen.

Als Scaffold bezeichnet man die verhaltensbestimmende Schicht eines Agentensystems: System-Prompt, Werkzeugbeschreibungen, Ausgabeformate und die Frage, was der Agent zwischen den Schritten behält. Analytisch trennt man Scaffold und Harness so: Der Scaffold legt fest, was das Modell sieht und wie es sich verhalten soll; der Harness führt aus. In der Praxis werden beide Begriffe häufig synonym verwendet. Die Unterscheidung lohnt sich trotzdem, weil sich Verhalten meist über den Scaffold korrigieren lässt, ohne die Ausführungsschicht anzufassen.

Schatten-KI bezeichnet die Nutzung von KI-Werkzeugen durch Mitarbeitende ohne Kenntnis oder Freigabe der IT – meist über private Konten und kostenlose Dienste. Die Risiken sind Abfluss vertraulicher Daten, unklare Rechtslage bei den Ergebnissen und fehlende Nachvollziehbarkeit. Erfahrungsgemäß ist Verbieten wirkungslos: Wo produktive Werkzeuge fehlen, weichen Menschen aus. Wirksam ist, schnell eine freigegebene, praktikable Alternative bereitzustellen und klar zu regeln, welche Daten hineingehören und welche nicht.

Beides sind Verfahren, die eine Prüfschleife in die RAG-Pipeline einziehen. Bei Self-RAG bewertet das Modell selbst, ob ein Abruf nötig ist und ob die erzeugte Antwort tatsächlich durch die abgerufenen Quellen gedeckt ist. Corrective RAG setzt eine Stufe früher an: Ein Prüfschritt bewertet die Trefferqualität, bevor generiert wird, und schaltet bei schlechter Ausbeute auf eine umformulierte Anfrage oder eine externe Quelle um. Gemeinsames Ziel ist es, den häufigsten RAG-Fehler zu verhindern – eine selbstsicher formulierte Antwort auf Basis unpassender Treffer.

Eine Erweiterung des World Wide Web, die es Maschinen ermöglicht, die Bedeutung der Daten im Web zu verstehen.

Semantisches Caching speichert Antworten und liefert sie erneut aus, wenn eine neue Anfrage inhaltlich derselben entspricht – nicht nur bei wörtlicher Übereinstimmung, sondern bei ausreichender Ähnlichkeit im Embedding-Raum. In Anwendungen mit wiederkehrenden Fragen (Support, interne Suche, Produktauskunft) lässt sich damit ein erheblicher Teil der Aufrufe einsparen. Abzugrenzen ist es vom Prompt Caching der Anbieter, das den wiederkehrenden Anfang eines Prompts zwischenspeichert, nicht die Antwort. Kritisch ist die Ähnlichkeitsschwelle: zu locker eingestellt, beantwortet der Cache eine ähnliche, aber eben andere Frage.

Sim-to-Real bezeichnet die Übertragung eines in Simulation gelernten Verhaltens auf echte Hardware. Der Reiz liegt auf der Hand: In der Simulation sind Trainingsdurchläufe beliebig oft, gefahrlos und praktisch kostenlos möglich. Das Kernproblem ist der „Reality Gap“ – Reibung, Sensorrauschen, Materialverhalten und Beleuchtung weichen von der Simulation ab. Das Standardgegenmittel ist Domain Randomization: Die Simulation variiert ihre Parameter absichtlich stark, damit die gelernte Strategie robust wird. Übliches Vorgehen heute: umfangreiches Vortraining in Simulation, dann Feinabstimmung mit wenigen Dutzend realen Demonstrationen.

Als Small Language Model bezeichnet man kompakte Sprachmodelle, typischerweise im Bereich von unter einer bis rund zehn Milliarden Parametern, die auf einzelnen Grafikkarten, Laptops oder eingebetteten Geräten laufen. Dank Destillation und besserer Trainingsdaten erreichen sie in abgegrenzten Aufgaben inzwischen ein Niveau, für das vor zwei Jahren Spitzenmodelle nötig waren. In der Praxis werden sie für Klassifikation, Extraktion, Routing und Vorfilterung eingesetzt – oft als günstige erste Stufe vor einem großen Modell.

Räumliches Verständnis bezeichnet die Fähigkeit eines Modells, dreidimensionale Anordnungen, Abstände, Erreichbarkeit und Reihenfolgeabhängigkeiten zu erfassen – zu erkennen, dass ein Gegenstand hinter einem anderen steht und deshalb erst der vordere bewegt werden muss. Es ist die Brücke zwischen Bildverstehen und Handeln und der Punkt, an dem rein auf Text und Bild trainierte Modelle bislang deutlich schwächer sind als Menschen. Spezialisierte „Embodied Reasoning“-Modelle adressieren genau diese Lücke.

Stabile Diffusion ist ein Text-zu-Bild-Modell, das auf Deep Learning basiert und auf Basis von Textbeschreibungen hochdetaillierte Bilder erzeugen kann.

Der Prozess des Transformierens der Werte eines Merkmals oder eines Datensatzes, damit sie einen Mittelwert von Null und eine Varianz von Eins haben.

Der Satz aller möglichen Zustände in einem Reinforcement Learning-Problem.

Der Bewegung des Agenten von einem Zustand in einen anderen Zustand in einem Verstärkungslernproblem, basierend auf einer Aktion und den Übergangs-Wahrscheinlichkeiten der Umgebung.

Strukturierte Ausgabe bezeichnet die Fähigkeit eines Modells, Antworten garantiert in einem vorgegebenen Format zu liefern – typischerweise JSON nach einem definierten Schema. Anders als die bloße Bitte im Prompt wird das Format bei der Generierung technisch erzwungen, sodass keine Nachbearbeitung und kein fehleranfälliges Parsen nötig ist. Für jede Integration in bestehende Software ist das die Grundvoraussetzung: Ohne verlässliches Format ist eine Modellausgabe kein Systeminput, sondern Text.

Der Prozess des Übertragens des Stils eines Bildes auf ein anderes Bild, während der Inhalt des zweiten Bildes erhalten bleibt.

Ein Subagent ist ein vom Hauptagenten gestarteter, delegierter Agent mit eigenem Kontextfenster. Er bearbeitet eine abgegrenzte Teilaufgabe – etwa eine breite Suche über viele Dateien – und liefert nur das Ergebnis zurück; alle Zwischenschritte und Werkzeugausgaben bleiben außerhalb des Hauptkontexts. Der Zweck ist Kontextschutz: Der Hauptagent wird nicht mit Suchrauschen geflutet und behält Platz für das eigentliche Problem. Abgrenzung zu A2A: Subagenten laufen im selben System und Vertrauensraum, A2A verbindet Agenten über Organisationsgrenzen hinweg.

Der Prozess des Erhöhens der Auflösung eines Bildes oder Videos durch Ausfüllen der fehlenden Details.

Ein maschinelles Lernverfahren, das für Klassifizierungs- und Regressionsaufgaben verwendet wird.

Der System-Prompt ist die dem Gespräch vorangestellte Anweisung, die Rolle, Aufgabe, Tonfall, Regeln und Grenzen eines Modells festlegt. Er gilt für alle Anfragen einer Anwendung, während die Nutzereingabe von Fall zu Fall wechselt, und wird von den Modellen stärker gewichtet als spätere Anweisungen. In der Praxis stehen dort auch Werkzeugbeschreibungen, Ausgabeformate und Eskalationsregeln – der System-Prompt ist damit das zentrale Steuerungsmittel eines KI-Produkts. Er ist jedoch keine Sicherheitsgrenze: Gegen Prompt Injection schützt er nicht zuverlässig.

Temperature ist der Parameter, der steuert, wie stark ein Sprachmodell bei der Wortwahl vom wahrscheinlichsten Token abweicht. Ein niedriger Wert macht Antworten vorhersagbar und wiederholbar, ein hoher Wert vielfältiger, aber auch sprunghafter und fehleranfälliger. Für Extraktion, Klassifikation und strukturierte Ausgaben wählt man deshalb niedrige Werte, für kreative Texte höhere. Zu beachten: Temperature senkt das Halluzinationsrisiko nicht auf null – sie verändert nur die Streuung, nicht das Wissen des Modells. Bei Reasoning-Modellen ist der Parameter teilweise nicht mehr frei einstellbar.

Ein Verstärkungslernalgorithmus, der den temporalen Differenzfehler, den Unterschied zwischen der geschätzten und der tatsächlichen zukünftigen Belohnung, nutzt, um die Aktionswertfunktion zu aktualisieren.

Test-Time Compute bezeichnet die Rechenleistung, die ein Modell bei der Beantwortung einer Anfrage aufwendet – im Unterschied zur Rechenleistung des Trainings. Die Erkenntnis, dass sich Leistung auch hier skalieren lässt, hat die Entwicklung seit 2024 grundlegend verschoben: Mehr Nachdenken pro Anfrage kann ein kleineres Modell auf das Niveau eines deutlich größeren heben. Praktisch bedeutet das eine neue Kostendimension – nicht mehr nur „welches Modell“, sondern „wie viel Denkzeit pro Anfrage“.

Ein maschinelles Lernsystem, das Bilder auf Basis von natürlichen Sprachbeschreibungen erzeugt.

Ein Token ist die kleinste Verarbeitungseinheit eines Sprachmodells – meist ein Wortteil, gelegentlich ein ganzes Wort oder ein Satzzeichen. Als grobe Faustregel entspricht ein Token im Deutschen etwa 0,5 bis 0,6 Wörtern: Derselbe Inhalt kostet auf Deutsch je nach Tokenizer rund 40 bis 60 Prozent mehr Token als auf Englisch, weil Komposita und Umlaute ungünstig zerlegt werden. Token sind zugleich die Abrechnungseinheit fast aller Modell-APIs, wobei Eingabe- und Ausgabe-Token unterschiedlich bepreist werden.

Tool Use bezeichnet die Fähigkeit eines Modells, externe Funktionen aufzurufen – Datei lesen, Datenbank abfragen, E-Mail versenden, Code ausführen – statt nur Text zu erzeugen. Entscheidend ist die Rollenteilung: Das Modell schlägt einen Aufruf mit Namen und Argumenten vor, ausgeführt wird er von der umgebenden Software. Genau diese Trennung ist die Grundlage jedes Berechtigungskonzepts, denn sie erlaubt es, jeden Aufruf vor der Ausführung zu prüfen, zu erlauben oder zu blockieren.

Die Gesamtkosten der Inferenz sind die laufenden Kosten des KI-Betriebs pro Anfrage oder pro Vorgang. Sie ergeben sich nicht allein aus dem Token-Preis, sondern aus dem tatsächlichen Verbrauch: Länge des mitgeschickten Kontexts, Denktiefe bei Reasoning-Modellen, Anzahl der Werkzeugaufrufe, Wiederholungen bei Fehlern und der Grad an Parallelisierung. Ein agentischer Vorgang kann leicht das Hundertfache einer einzelnen Chat-Anfrage kosten. Die wirksamsten Hebel sind Prompt Caching, Modellauswahl je Teilschritt und disziplinierte Kontextverwaltung.

Training bezieht sich auf den Prozess des Lernens aus Daten, um die Leistung eines Modells oder Systems zu verbessern. Training ist ein grundlegender Bestandteil des Maschinellen Lernens und beinhaltet das Füttern eines Modells mit einem Datensatz und das Anpassen seiner Parameter oder Gewichte, um seine Leistung für eine spezifische Aufgabe zu optimieren.

Trainingsdaten sind die Beispiele, aus denen ein Modell lernt. Ihre Menge, Vielfalt und Qualität bestimmen maßgeblich, was ein Modell kann – und welche Verzerrungen es übernimmt: Was in den Daten unterrepräsentiert ist, bildet das Modell schlecht ab. Bei großen Sprachmodellen stammen sie überwiegend aus Web-Text, Büchern und Code, ergänzt um kuratierte und zunehmend synthetische Datensätze. Zu unterscheiden sind Trainings-, Validierungs- und Testdaten; werden sie vermischt, sehen Ergebnisse besser aus, als sie sind.

Die Sequenz von Zuständen und Aktionen, die ein Agent in einem Verstärkungslernproblem befolgt.

Eine maschinelle Lernmethode, bei der ein Modell, das für eine Aufgabe trainiert wurde, für eine ähnliche Aufgabe feinjustiert oder angepasst wird. Fine-Tuning ist die heute gebräuchlichste Ausprägung von Transfer Learning: Ein auf großen allgemeinen Datenmengen vortrainiertes Modell wird auf eine spezifische Aufgabe angepasst, statt von Grund auf neu trainiert zu werden.

Der Transformer ist die neuronale Architektur, auf der praktisch alle heutigen Sprachmodelle beruhen. Sein Kern ist der Attention-Mechanismus: Statt einen Text Wort für Wort in fester Reihenfolge zu verarbeiten, gewichtet das Modell für jede Position, welche anderen Stellen des Textes gerade wichtig sind. Weil sich das vollständig parallel berechnen lässt, konnte das Training erstmals auf sehr große Datenmengen und Modellgrößen skaliert werden – die Voraussetzung für GPT, Claude, Gemini und Llama gleichermaßen. Vorgestellt wurde die Architektur 2017 in der Arbeit „Attention Is All You Need“.

Ein Typ eines generativen Modells, bestehend aus einem Kodierer-Netzwerk, das die Eingabedaten in eine latente Darstellung abbildet, und einem Dekodierer-Netzwerk, das die latente Darstellung wieder in den ursprünglichen Datenraum zurückmappt.

Eine Vektordatenbank speichert Daten als Embeddings – numerische Vektoren, die die Bedeutung eines Textes, Bildes oder Audioclips repräsentieren – und findet zu einer Anfrage die inhaltlich ähnlichsten Einträge, auch wenn kein Wort wörtlich übereinstimmt. Sie ist damit die klassische Grundlage für RAG-Systeme und semantische Suche. Wichtig zur Einordnung: Eine Vektordatenbank ist heute keine Pflichtkomponente mehr. Bei überschaubaren Datenmengen liefern klassische Volltextsuche und große Kontextfenster oft ähnlich gute Ergebnisse bei deutlich geringerem Betriebsaufwand; die besten Resultate erzielt in der Regel eine Kombination beider Verfahren („Hybrid Search“).

Vektoren sind Zahlenreihen, die verwendet werden, um komplexe Daten wie Sprache oder Bilder in einer numerischen Form darzustellen. Diese Form ermöglicht es Computern, Ähnlichkeiten und Muster zu erkennen. Stellen Sie sich Vektoren wie GPS-Koordinaten vor. Jeder Punkt im Raum repräsentiert ein spezifisches Objekt oder Konzept, und die Distanz zwischen den Punkten gibt an, wie ähnlich sie sich sind. Wenn zwei Texte fast identisch sind, liegen ihre Vektoren sehr nahe beieinander. Der Vektor, der die Bedeutung eines konkreten Inhalts abbildet, heißt Embedding – siehe dort.

Lock-in bezeichnet die Abhängigkeit von einem Anbieter, die einen Wechsel teuer macht. Bei KI-Anwendungen entsteht sie weniger durch die Schnittstelle – die ist weitgehend vereinheitlicht – als durch das Drumherum: auf ein bestimmtes Modell hin optimierte Prompts, anbieterspezifische Funktionen wie Caching-Mechanik oder Werkzeugformate, und fehlende Evals, mit denen sich ein Wechsel überhaupt bewerten ließe. Portabilität entsteht deshalb durch drei Maßnahmen: Aufrufe über ein Gateway leiten, eigene Evals pflegen, und anbieterspezifische Funktionen bewusst und dokumentiert einsetzen statt beiläufig.

Vibe Coding bezeichnet das Programmieren, bei dem man die Absicht in natürlicher Sprache beschreibt, den erzeugten Code weitgehend ungeprüft übernimmt und bei Problemen einfach weiter nachsteuert. Der Begriff wurde 2025 geprägt und war Wort des Jahres des Collins Dictionary. Wichtig ist die Abgrenzung, die in der Berichterstattung meist untergeht: Vibe Coding ist nicht dasselbe wie KI-gestützte Entwicklung. Das Unterscheidungsmerkmal ist der Verzicht auf Prüfung – wer den Code reviewt, testet und versteht, betreibt agentische Softwareentwicklung. Für Prototypen und Wegwerf-Skripte ist Vibe Coding produktiv, für Produktivcode wegen unerkannter Sicherheitslücken und fehlender Wartbarkeit riskant.

Ein VLA-Modell bildet Kamerabilder und eine sprachliche Anweisung direkt auf Roboteraktionen ab – Gelenkwinkel, Greiferbewegungen, Trajektorien. Es ersetzt damit den klassischen Robotik-Stack aus getrennter Wahrnehmung, Planung und Regelung durch ein durchgängig trainiertes Modell. Der entscheidende Gewinn ist Generalisierung: Ein VLA kann Anweisungen ausführen, für die es nicht programmiert wurde, und Objekte handhaben, die es im Training nicht gesehen hat. VLA-Modelle sind der derzeit wichtigste Ansatz, um Roboter aus streng kontrollierten Umgebungen herauszuführen.