KI-Glossar

Künstliche Intelligenz (KI)

Künstliche Intelligenz bezeichnet Computersysteme, die Aufgaben erledigen können, die normalerweise menschliche Intelligenz erfordern – zum Beispiel Texte schreiben, Bilder erkennen oder Entscheidungen treffen. KI lernt aus großen Datenmengen und verbessert sich durch Training. Im Alltag begegnet uns KI in Sprachassistenten, Suchmaschinen und Tools wie ChatGPT.

Mehr erfahren →

Maschinelles Lernen (Machine Learning)

Maschinelles Lernen ist ein Teilbereich der KI, bei dem Computer aus Daten lernen, ohne explizit programmiert zu werden. Das System erkennt Muster in Trainingsdaten und kann dann Vorhersagen für neue Daten treffen. Beispiel: Ein Spam-Filter lernt aus Tausenden E-Mails, welche Nachrichten Spam sind und welche nicht.

Mehr erfahren →

Deep Learning

Deep Learning ist eine fortgeschrittene Form des maschinellen Lernens, die künstliche neuronale Netze mit vielen Schichten verwendet. Diese Technik ist besonders gut darin, komplexe Muster in Bildern, Sprache und Texten zu erkennen. Bekannte Anwendungen sind Gesichtserkennung, Sprachassistenten und KI-Bildgeneratoren wie DALL-E.

Mehr erfahren →

Neuronales Netz

Ein künstliches neuronales Netz ist ein Computersystem, das dem menschlichen Gehirn nachempfunden ist. Es besteht aus vielen miteinander verbundenen Knoten (Neuronen), die Informationen verarbeiten und weiterleiten. Je mehr Daten ein neuronales Netz verarbeitet, desto besser wird es bei seiner Aufgabe.

Mehr erfahren →

Algorithmus

Ein Algorithmus ist eine Schritt-für-Schritt-Anleitung, die ein Computer befolgt, um ein Problem zu lösen. In der KI bestimmen Algorithmen, wie ein Modell aus Daten lernt und Entscheidungen trifft. Man kann sich einen Algorithmus wie ein Kochrezept vorstellen – mit klaren Anweisungen für jedes Ergebnis.

Mehr erfahren →

Training

Training ist der Prozess, bei dem eine KI aus großen Datenmengen lernt. Dabei werden dem Modell Millionen von Beispielen gezeigt, bis es Muster erkennt und selbstständig Aufgaben lösen kann. Das Training von großen KI-Modellen wie GPT-4 dauert Wochen und kostet Millionen Euro an Rechenleistung.

Mehr erfahren →

Modell

Ein KI-Modell ist das Ergebnis des Trainingsprozesses – sozusagen das „Gehirn" der KI. Es enthält alle gelernten Muster und Regeln und kann auf neue Eingaben reagieren. Bekannte Modelle sind GPT-4 von OpenAI, Gemini von Google und Claude von Anthropic.

Mehr erfahren →

Parameter

Parameter sind die internen Einstellungen eines KI-Modells, die während des Trainings gelernt werden. Je mehr Parameter ein Modell hat, desto komplexer kann es denken. GPT-4 hat schätzungsweise über eine Billion Parameter. Mehr Parameter bedeuten aber auch höheren Rechenaufwand und Energieverbrauch.

Mehr erfahren →

Datensatz (Dataset)

Ein Datensatz ist die Sammlung von Daten, mit der eine KI trainiert wird. Die Qualität und Vielfalt des Datensatzes bestimmt maßgeblich, wie gut die KI später funktioniert. Enthält ein Datensatz zum Beispiel nur englische Texte, wird die KI andere Sprachen schlechter beherrschen.

Mehr erfahren →

Open Source

Open-Source-KI-Modelle sind frei verfügbar und können von jedem heruntergeladen, genutzt und verändert werden. Bekannte Open-Source-Modelle sind Llama von Meta und Stable Diffusion für Bildgenerierung. Der Vorteil: Unternehmen können die KI auf eigenen Servern betreiben und behalten die volle Kontrolle über ihre Daten.

Mehr erfahren →

Inferenz

Inferenz bezeichnet den Moment, in dem eine fertig trainierte KI tatsächlich arbeitet und auf eine Eingabe antwortet. Wenn Sie ChatGPT eine Frage stellen, findet Inferenz statt – das Modell wendet sein gelerntes Wissen an. Inferenz verbraucht deutlich weniger Rechenleistung als das Training, verursacht aber laufende Kosten.

Mehr erfahren →

Benchmark

Ein Benchmark ist ein standardisierter Test, mit dem die Leistung verschiedener KI-Modelle verglichen wird. Ähnlich wie Schulnoten zeigen Benchmarks, wie gut eine KI bei bestimmten Aufgaben abschneidet, etwa Textverstehen, Mathematik oder Programmieren. Bekannte Benchmarks sind MMLU, HumanEval und HellaSwag.

Mehr erfahren →

Large Language Model (LLM)

Ein Large Language Model ist ein riesiges Sprachmodell, das auf Milliarden von Texten trainiert wurde und menschliche Sprache verstehen und erzeugen kann. LLMs sind die Technologie hinter ChatGPT, Claude und Google Gemini. Sie können Texte schreiben, Fragen beantworten, übersetzen, zusammenfassen und sogar programmieren.

Mehr erfahren →

Transformer

Der Transformer ist die Architektur, die hinter allen modernen Sprachmodellen steckt. Er wurde 2017 von Google entwickelt und revolutionierte die KI, weil er Texte parallel statt Wort für Wort verarbeiten kann. Das „T" in GPT steht für Transformer. Auch BERT, Claude und Gemini basieren auf dieser Technologie.

Mehr erfahren →

GPT (Generative Pre-trained Transformer)

GPT ist eine Reihe von Sprachmodellen von OpenAI. Der Name bedeutet „Generativer vortrainierter Transformer" – also ein Modell, das erst allgemein vortrainiert und dann für spezifische Aufgaben optimiert wird. GPT-4 ist die Basis von ChatGPT und eines der leistungsfähigsten Sprachmodelle weltweit.

Mehr erfahren →

Token

Tokens sind die kleinsten Textbausteine, die eine KI verarbeitet. Ein Token kann ein Wort, ein Wortteil oder ein Satzzeichen sein. Faustregel: 1 Token entspricht etwa 4 Zeichen oder 0,75 Wörtern im Deutschen. Tokens bestimmen bei vielen KI-Tools die Kosten – je mehr Tokens Sie verbrauchen, desto teurer wird es.

Mehr erfahren →

Kontextfenster (Context Window)

Das Kontextfenster ist das „Kurzzeitgedächtnis" einer KI – es bestimmt, wie viel Text das Modell gleichzeitig berücksichtigen kann. Gemessen wird es in Tokens. GPT-4 Turbo hat ein Kontextfenster von 128.000 Tokens (ca. 300 Buchseiten). Ein größeres Kontextfenster bedeutet, dass die KI längere Dokumente am Stück verarbeiten kann.

Mehr erfahren →

Fine-Tuning

Fine-Tuning ist die Anpassung eines bereits trainierten KI-Modells an eine spezifische Aufgabe oder Branche. Statt ein Modell von Grund auf neu zu trainieren, wird es mit zusätzlichen, spezialisierten Daten nachtrainiert. Beispiel: Ein Unternehmen kann GPT mit eigenen Kundendaten fine-tunen, damit es branchenspezifische Fragen besser beantwortet.

Mehr erfahren →

Embedding

Embeddings sind mathematische Darstellungen von Wörtern oder Sätzen als Zahlenvektoren. Sie helfen der KI, die Bedeutung und Ähnlichkeit von Texten zu verstehen. Wörter mit ähnlicher Bedeutung liegen im Vektorraum näher beieinander. Embeddings sind die Grundlage für semantische Suche und Empfehlungssysteme.

Mehr erfahren →

Multimodal

Multimodale KI kann verschiedene Arten von Daten gleichzeitig verarbeiten, zum Beispiel Text, Bilder, Audio und Video. GPT-4o und Google Gemini sind multimodale Modelle – Sie können ein Foto hochladen und die KI beschreibt, was darauf zu sehen ist. Das macht KI-Tools vielseitiger und näher an der menschlichen Wahrnehmung.

Mehr erfahren →

Temperatur

Die Temperatur ist eine Einstellung, die bestimmt, wie kreativ oder vorhersagbar eine KI antwortet. Eine niedrige Temperatur (z.B. 0,1) liefert konservative, konsistente Antworten. Eine hohe Temperatur (z.B. 1,0) führt zu kreativeren, aber auch weniger vorhersagbaren Ergebnissen. Für Fakten-Abfragen wählt man niedrige, für kreatives Schreiben hohe Temperaturen.

Mehr erfahren →

Retrieval-Augmented Generation (RAG)

RAG verbindet ein Sprachmodell mit einer externen Wissensdatenbank. Bevor die KI antwortet, sucht sie erst relevante Informationen aus der Datenbank und nutzt diese als Grundlage für ihre Antwort. Das reduziert Halluzinationen und ermöglicht es, die KI mit aktuellen oder firmeninternen Daten zu füttern, ohne sie komplett neu zu trainieren.

Mehr erfahren →

Generative KI (GenAI)

Generative KI bezeichnet Systeme, die neue Inhalte erzeugen können – Texte, Bilder, Musik, Videos oder Code. Im Gegensatz zu analytischer KI, die nur vorhandene Daten auswertet, erschafft generative KI etwas Neues. Bekannte Beispiele sind ChatGPT (Text), DALL-E und Midjourney (Bilder) sowie Suno (Musik).

Mehr erfahren →

Diffusionsmodell

Diffusionsmodelle sind die Technologie hinter KI-Bildgeneratoren wie Stable Diffusion, DALL-E und Midjourney. Sie funktionieren, indem sie lernen, aus Rauschen schrittweise ein klares Bild zu erzeugen. Man kann sich das vorstellen wie ein Künstler, der aus einem verschwommenen Fleck nach und nach ein detailliertes Gemälde formt.

Mehr erfahren →

Prompt

Ein Prompt ist die Anweisung oder Frage, die Sie an eine KI richten. Jeder Text, den Sie in ChatGPT oder ein anderes KI-Tool eingeben, ist ein Prompt. Die Qualität des Prompts bestimmt maßgeblich die Qualität der Antwort. Ein guter Prompt ist klar, spezifisch und enthält Kontext zur gewünschten Aufgabe.

Mehr erfahren →

Prompt Engineering

Prompt Engineering ist die Kunst, Anweisungen an eine KI so zu formulieren, dass man optimale Ergebnisse erhält. Dabei nutzt man Techniken wie Rollenanweisungen („Du bist ein Experte für..."), Beispiele oder Schritt-für-Schritt-Anleitungen. Gutes Prompt Engineering kann die Qualität der KI-Antworten drastisch verbessern – ganz ohne Programmierkenntnisse.

Mehr erfahren →

Chatbot

Ein Chatbot ist ein KI-Programm, das sich mit Menschen per Text oder Sprache unterhalten kann. Moderne Chatbots wie ChatGPT, Claude oder Google Gemini nutzen große Sprachmodelle und können komplexe Fragen beantworten, Texte verfassen und bei vielen Aufgaben helfen. Im Kundenservice ersetzen Chatbots zunehmend klassische FAQ-Seiten.

Mehr erfahren →

Text-to-Image

Text-to-Image bezeichnet KI-Systeme, die aus einer Textbeschreibung ein Bild erzeugen. Sie tippen zum Beispiel „ein Hund auf einem Skateboard im Stil von Van Gogh" ein und die KI erstellt genau dieses Bild in Sekunden. Beliebte Tools sind DALL-E, Midjourney und Stable Diffusion.

Mehr erfahren →

Text-to-Speech / Speech-to-Text

Text-to-Speech (TTS) wandelt geschriebenen Text in gesprochene Sprache um, Speech-to-Text (STT) macht das Gegenteil und transkribiert gesprochene Sprache in Text. Moderne KI-Stimmen klingen inzwischen täuschend echt. Beliebte Tools sind ElevenLabs (TTS) und Whisper von OpenAI (STT).

Mehr erfahren →

Natural Language Processing (NLP)

Natural Language Processing (natürliche Sprachverarbeitung) ist der Bereich der KI, der sich mit dem Verstehen und Verarbeiten menschlicher Sprache beschäftigt. NLP steckt hinter Übersetzungstools wie DeepL, Sprachassistenten wie Alexa, Spam-Filtern und Textanalyse-Tools. Ohne NLP gäbe es keine Chatbots.

Mehr erfahren →

Computer Vision

Computer Vision ist der Bereich der KI, der Computern das „Sehen" beibringt. KI-Systeme können Bilder und Videos analysieren, Objekte erkennen, Gesichter identifizieren und sogar medizinische Aufnahmen auswerten. Praktische Anwendungen sind Google Lens, autonomes Fahren und die Qualitätskontrolle in der Industrie.

Mehr erfahren →

KI-Agent

Ein KI-Agent ist ein KI-System, das eigenständig Aufgaben planen und ausführen kann. Im Gegensatz zu einem einfachen Chatbot kann ein Agent selbstständig im Internet recherchieren, Dateien bearbeiten, E-Mails senden oder Software bedienen. KI-Agenten sind einer der größten Trends 2025/2026 und werden die Art, wie wir mit KI arbeiten, grundlegend verändern.

Mehr erfahren →

KI-Automatisierung / Workflow

KI-Automatisierung verbindet künstliche Intelligenz mit automatisierten Arbeitsabläufen (Workflows). Tools wie Make, Zapier oder n8n können KI-Modelle in bestehende Geschäftsprozesse einbinden – etwa automatisch E-Mails zusammenfassen, Social-Media-Posts erstellen oder Kundendaten analysieren. Das spart Stunden an manueller Arbeit.

Mehr erfahren →

No-Code / Low-Code

No-Code und Low-Code Plattformen ermöglichen es, KI-Anwendungen ohne (oder mit wenig) Programmierkenntnissen zu erstellen. Per Drag-and-Drop können auch Nicht-Techniker KI-Workflows bauen, Chatbots erstellen oder Datenanalysen durchführen. Beliebte Plattformen sind Make, Bubble und Microsoft Power Automate.

Mehr erfahren →

API (Schnittstelle)

Eine API (Application Programming Interface) ist eine Schnittstelle, über die Programme miteinander kommunizieren können. Viele KI-Anbieter wie OpenAI, Anthropic oder Google bieten APIs an, mit denen Entwickler KI-Funktionen in eigene Apps einbauen können. Über die API zahlt man nur für die tatsächlich genutzten Tokens – das ist oft günstiger als ein Monats-Abo.

Mehr erfahren →

Halluzination

Eine Halluzination tritt auf, wenn eine KI selbstbewusst falsche Informationen erfindet – zum Beispiel nicht existierende Studien zitiert oder falsche Fakten als wahr darstellt. Das passiert, weil Sprachmodelle Wahrscheinlichkeiten für Wörter berechnen und nicht wirklich „wissen", was wahr ist. Deshalb sollte man KI-Antworten bei wichtigen Themen immer prüfen.

Mehr erfahren →

DSGVO (Datenschutz-Grundverordnung)

Die DSGVO ist das europäische Datenschutzgesetz, das regelt, wie personenbezogene Daten verarbeitet werden dürfen. Für KI-Nutzung bedeutet das: Sie müssen darauf achten, welche Daten Sie in KI-Tools eingeben. Viele KI-Anbieter speichern Eingaben für Trainingszwecke – vertrauliche Firmendaten oder personenbezogene Informationen gehören deshalb nicht in ChatGPT und Co.

Mehr erfahren →

AI Act (EU KI-Verordnung)

Der AI Act ist das weltweit erste umfassende Gesetz zur Regulierung von KI, verabschiedet von der Europäischen Union. Es teilt KI-Systeme in Risikoklassen ein: von „minimal" (z.B. Spam-Filter) bis „inakzeptabel" (z.B. Social Scoring). Hochrisiko-KI unterliegt strengen Auflagen. Verstöße können Bußgelder bis zu 35 Millionen Euro nach sich ziehen.

Mehr erfahren →

Bias (Voreingenommenheit)

Bias beschreibt systematische Verzerrungen in KI-Systemen, die zu unfairen oder diskriminierenden Ergebnissen führen. Da KI aus vorhandenen Daten lernt, übernimmt sie auch deren Vorurteile. Beispiel: Ein KI-Bewerbungstool bevorzugte männliche Bewerber, weil es mit historischen Daten trainiert wurde, in denen Männer häufiger eingestellt wurden.

Mehr erfahren →

Deepfake

Ein Deepfake ist ein mit KI erstelltes gefälschtes Video, Bild oder Audio, das täuschend echt aussieht oder klingt. Deepfakes können Personen Worte in den Mund legen oder in Situationen zeigen, die nie stattgefunden haben. Sie sind ein wachsendes Problem für Desinformation und Betrug. Es gibt mittlerweile auch KI-Tools, die Deepfakes erkennen können.

Mehr erfahren →

Erklärbare KI (Explainable AI / XAI)

Erklärbare KI bezeichnet Systeme, deren Entscheidungen für Menschen nachvollziehbar sind. Viele KI-Modelle arbeiten als „Black Box" – sie liefern ein Ergebnis, aber niemand versteht, wie sie darauf gekommen sind. Bei wichtigen Entscheidungen (Kreditvergabe, medizinische Diagnosen) wird zunehmend gefordert, dass KI ihre Ergebnisse begründen kann.

Mehr erfahren →

Datenschutz bei KI-Tools

Bei der Nutzung von KI-Tools ist Datenschutz entscheidend. Viele Tools senden Ihre Eingaben an Server in den USA, wo sie gespeichert und zum Training verwendet werden können. Für Unternehmen in Deutschland bedeutet das: Keine vertraulichen Daten, Kundennamen oder Geschäftsgeheimnisse in KI-Tools eingeben – es sei denn, der Anbieter garantiert DSGVO-Konformität.

Mehr erfahren →

Alignment

Alignment beschreibt die Herausforderung, KI-Systeme so zu entwickeln, dass sie im Sinne menschlicher Werte und Absichten handeln. Eine gut „alignierte" KI ist hilfreich, ehrlich und ungefährlich. Techniken wie RLHF (Reinforcement Learning from Human Feedback) werden eingesetzt, um KI-Modelle an menschliche Erwartungen anzupassen.

Mehr erfahren →

Urheberrecht und KI

Die Frage, wem KI-generierte Inhalte gehören, ist rechtlich noch weitgehend ungeklärt. Problematisch ist auch, dass KI-Modelle mit urheberrechtlich geschützten Texten und Bildern trainiert wurden. Aktuell laufen weltweit Klagen von Künstlern und Verlagen gegen KI-Unternehmen. Für Nutzer gilt: KI-generierte Inhalte immer auf mögliche Urheberrechtsverletzungen prüfen.

Mehr erfahren →

SaaS (Software as a Service)

SaaS bedeutet, dass Sie Software über das Internet nutzen und dafür ein Monatsabo bezahlen, statt sie zu kaufen und selbst zu installieren. Die meisten KI-Tools wie ChatGPT Plus (20 Dollar/Monat), Jasper oder Copy.ai funktionieren als SaaS. Der Vorteil: Sie bekommen automatisch Updates und brauchen keine eigene Hardware.

Mehr erfahren →

Pay-per-Use / Token-basierte Abrechnung

Viele KI-Anbieter rechnen nach Verbrauch ab – Sie zahlen pro Token (Textbaustein), pro generiertem Bild oder pro Minute Audio. Ein Beispiel: Die OpenAI-API kostet für GPT-4o etwa 2,50 Dollar pro 1 Million Input-Tokens. Diese Abrechnung eignet sich für Unternehmen, die KI in eigene Produkte einbauen und flexible Kosten benötigen.

Mehr erfahren →

ROI von KI (Return on Investment)

Der ROI misst, ob sich die Investition in KI-Tools für Ihr Unternehmen lohnt. Berechnung: (Zeitersparnis x Stundenlohn) minus KI-Kosten. Beispiel: Wenn ein Mitarbeiter mit KI 10 Stunden pro Woche spart und ein ChatGPT-Team-Abo 25 Dollar kostet, ist der ROI sehr hoch. Wichtig: Auch die Einarbeitungszeit einrechnen.

Mehr erfahren →

On-Premise vs. Cloud

On-Premise bedeutet, dass die KI auf eigenen Servern läuft – Cloud bedeutet, dass sie beim Anbieter gehostet wird. On-Premise bietet mehr Datenschutz und Kontrolle, ist aber teurer und aufwendiger. Cloud-Lösungen sind einfacher zu nutzen, aber Ihre Daten verlassen das Unternehmen. Für deutsche Unternehmen mit strengen Datenschutzanforderungen ist das eine wichtige Entscheidung.

Mehr erfahren →

Freemium

Freemium ist ein Geschäftsmodell, bei dem ein KI-Tool in der Basisversion kostenlos nutzbar ist, aber für erweiterte Funktionen bezahlt werden muss. ChatGPT (kostenlos mit GPT-3.5, Plus-Abo für GPT-4), Canva, DeepL und viele andere KI-Tools setzen auf dieses Modell. Für Einsteiger ist Freemium ideal, um Tools risikolos auszuprobieren.

Mehr erfahren →

KI-Strategie für Unternehmen

Eine KI-Strategie ist ein Plan, wie ein Unternehmen KI sinnvoll einsetzen kann. Sie umfasst die Auswahl der richtigen Tools, Mitarbeiterschulungen, Datenschutzrichtlinien und die Definition von Anwendungsfällen. Experten empfehlen, mit kleinen Pilotprojekten zu starten, statt sofort die gesamte Firma umzukrempeln. Der Kostenrechner auf ki-katalog.de kann bei der Planung helfen.

Mehr erfahren →