Die wichtigsten KI-Begriffe — verständlich erklärt
29 Begriffe rund um Künstliche Intelligenz, Karriere und Compliance — deutschsprachig, ohne Tech-Vokabular, mit Kontext für Berufstätige.
- Agentic AI
Sammelbegriff für KI-Anwendungen, die Agenten-Architekturen einsetzen.
- AI Compliance Officer
Rolle, die EU-AI-Act-Konformität und KI-Governance im Unternehmen verantwortet.
- AI Literacy
Grundverständnis von KI-Tools, Möglichkeiten und Grenzen — ohne Programmierkenntnisse.
- AI-Agent
KI-System, das mehrstufige Aufgaben plant, Tools nutzt und teilautonom Entscheidungen trifft.
- Chain-of-Thought
Prompt-Pattern, das das Modell zwingt, seinen Gedankengang Schritt für Schritt zu zeigen.
- Embedding
Vektor-Repräsentation eines Textes (oder Bildes), die semantische Ähnlichkeit messbar macht.
- EU AI Act
EU-Verordnung über Künstliche Intelligenz — die wichtigste KI-Regulierung weltweit.
- Eval (Evaluation)
Systematisches Testen von KI-Outputs gegen Erwartungswerte oder Qualitätskriterien.
- Few-Shot Prompting
Prompt-Pattern, bei dem du dem Modell ein paar Beispiele für gewünschte Ein-/Ausgaben mitgibst.
- Fine-Tuning
Anpassung eines vortrainierten Modells an eine spezifische Aufgabe oder Domäne mit zusätzlichen Beispielen.
- Foundation Model
Sehr großes, vortrainiertes KI-Modell, das als Basis für viele unterschiedliche Anwendungen dient.
- Generative Engine Optimization (GEO)
Optimierung von Inhalten, damit sie von KI-Suchen wie ChatGPT, Perplexity oder Google AI Overviews zitiert werden.
- Halluzination
Wenn ein KI-Modell überzeugt wirkende, aber faktisch falsche Inhalte erzeugt.
- KI-Führerschein
Strukturierte Grundausbildung in KI-Tools und -Methoden für Berufstätige.
- KI-Governance
Organisatorisches Framework, das KI-Einsatz im Unternehmen reguliert und steuert.
- KI-ROI
Return on Investment eines KI-Projekts — gemessen in Produktivitäts-, Qualitäts- oder Umsatz-Effekten.
- LLM (Large Language Model)
Sprach-KI-Modell, das auf riesigen Textmengen trainiert wurde — z.B. GPT-4, Claude, Gemini.
- llms.txt
Aufkommender Standard, der KI-Crawlern eine strukturierte Karte einer Website bereitstellt.
- Mensch im Loop (Human-in-the-Loop)
Workflow, bei dem ein Mensch KI-Outputs vor finalen Aktionen prüft oder freigibt.
- MLOps
Engineering-Disziplin für den zuverlässigen Betrieb von Machine-Learning-Modellen in Produktion.
- Prompt
Texteingabe an ein KI-Modell, die das gewünschte Verhalten und die Aufgabe beschreibt.
- Prompt Engineering
Disziplin, die effektive Prompts systematisch entwickelt, testet und versioniert.
- RAG (Retrieval-Augmented Generation)
Architektur, bei der ein LLM zuerst relevante Dokumente sucht und dann mit deren Inhalt antwortet.
- Schema.org
Vokabular für strukturierte Daten, das Suchmaschinen und KI-Modellen den Inhalt einer Seite erklärt.
- Souveräne KI
KI-Lösungen, deren Daten und Modelle innerhalb der EU oder im eigenen Rechenzentrum bleiben.
- TCO für KI-Projekte
Total Cost of Ownership: alle Kosten eines KI-Projekts über den Lebenszyklus, nicht nur die API-Gebühren.
- Tool Use / Function Calling
Fähigkeit eines LLMs, externe Tools (APIs, Datenbanken, Code) gezielt aufzurufen.
- Vector Database
Datenbank, die für die Suche nach ähnlichen Vektoren (z.B. Embeddings) optimiert ist.
- Wissensmanagement mit KI
Anwendung von KI (typischerweise RAG), um interne Unternehmensdokumente durchsuchbar und nutzbar zu machen.