KI-Glossar: 55 Begriffe der künstlichen Intelligenz einfach erklärt (2026)
Jeder Begriff, der Ihnen in der Welt der KI begegnet, von Tokens und Prompts über große Sprachmodelle, Halluzinationen und RAG bis zu KI-Agenten, einfach und mit Beispielen erklärt, gegliedert in sechs Themen von den Grundlagen bis zu Sicherheit und Recht.
Für wen ist dieses Glossar? Für alle, die in Gesprächen, Nachrichten oder KI-Werkzeugen auf Wörter wie „Token“, „Prompt“ oder „großes Sprachmodell“ stoßen und sie ohne technisches Vorwissen verstehen möchten. Zu jedem Begriff gibt es den englischen Ausdruck, eine einfache Definition und, wo es hilft, ein Beispiel.
Wenn Sie neu bei KI sind, lesen Sie zuerst unseren Ratgeber Was ist künstliche Intelligenz und wie funktioniert KI? und behalten Sie diese Seite als Nachschlagewerk.
So nutzen Sie dieses Glossar
Die Begriffe sind in sechs Themen gegliedert, von den Grundlagen bis zu Sicherheit und Recht
Neben jedem Begriff steht die englische Bezeichnung, damit Sie ihn auch anderswo wiedererkennen
Um einen Begriff schnell zu finden, nutzen Sie die Suche Ihres Browsers (Strg+F)
1. Grundlagen
Künstliche Intelligenz (Artificial Intelligence, AI)
Software, die Muster aus Daten lernt, statt vorab geschriebene Regeln zu befolgen, und sie für Aufgaben wie Sprachverständnis, Bilderkennung oder das Erzeugen von Inhalten nutzt. So heißt auch das gesamte Fachgebiet.
Schwache KI (Narrow AI)
KI, die in einer oder wenigen bestimmten Aufgaben gut ist, etwa Übersetzen, Gesichtserkennung oder Gespräche. Alle heutigen KI-Werkzeuge, selbst die fortschrittlichsten Chatbots, sind schwache KI.
Allgemeine künstliche Intelligenz (Artificial General Intelligence, AGI)
Eine hypothetische KI, die nahezu jede geistige Aufgabe eines Menschen in jedem Bereich lernen und ausführen könnte. AGI ist das Forschungsziel vieler Labore, existiert aber noch nicht, und über den Zeitpunkt herrscht keine Einigkeit.
Superintelligenz (Artificial Superintelligence, ASI)
Eine hypothetische KI, die die klügsten Menschen in fast allen Bereichen übertreffen würde. Der Begriff taucht vor allem in Debatten über die Zukunft und Sicherheit von KI auf.
Algorithmus (Algorithm)
Eine genaue Abfolge von Schritten zur Lösung eines Problems. In der KI legen Algorithmen fest, wie gelernt wird; das Ergebnis dieses Lernens ist ein „Modell“.
Modell (Model)
Das Ergebnis des Trainings eines KI-Systems: eine Datei aus Millionen bis Milliarden Zahlen, in denen das Wissen des Modells verdichtet ist. Wenn es heißt „ein neues Modell ist erschienen“, ist diese trainierte Datei gemeint.
Maschinelles Lernen (Machine Learning, ML)
Der Zweig der KI, in dem eine Maschine aus Beispielen lernt, statt ausdrücklich programmiert zu werden. Spamfilter und Empfehlungen von Streamingdiensten sind alltägliche Beispiele.
Deep Learning
Eine Form des maschinellen Lernens mit neuronalen Netzen aus vielen Schichten. Die großen Durchbrüche des letzten Jahrzehnts, von der Spracherkennung bis zu Chatbots, stammen aus dem Deep Learning.
Neuronales Netz (Neural Network)
Eine vom Gehirn inspirierte Struktur aus Schichten künstlicher „Neuronen“. Jedes Neuron verrechnet Zahlen mit unterschiedlichen Gewichten und gibt das Ergebnis an die nächste Schicht weiter. Der Physik-Nobelpreis 2024 ging an Pioniere dieser Idee.
Generative KI (Generative AI)
Modelle, die neue Inhalte erzeugen: Text, Bilder, Video, Audio oder Code. ChatGPT sowie Bild- und Musikgeneratoren sind Beispiele für generative KI.
2. Wie Modelle lernen
Trainingsdaten (Training Data)
Die Beispiele, aus denen ein Modell lernt, etwa Texte, Bilder oder Audio. Qualität und Vielfalt der Trainingsdaten beeinflussen Genauigkeit und Verzerrungen des Modells direkt.
Training
Der Prozess, in dem das Modell immer wieder eine Vermutung abgibt, diese mit der richtigen Antwort verglichen wird und seine Parameter leicht angepasst werden. Das Training großer Modelle dauert Wochen oder Monate auf Tausenden Prozessoren.
Vortraining (Pre-training)
Die erste Phase des Trainings großer Modelle, in der das Modell eine riesige Menge allgemeiner Daten sieht und breite Muster lernt, bevor es für eine bestimmte Aufgabe angepasst wird.
Parameter oder Gewichte (Parameters / Weights)
Die Zahlen im Inneren des Modells, die beim Training angepasst werden und das Gelernte speichern. Große Sprachmodelle haben Milliarden Parameter, doch mehr Parameter bedeuten nicht immer ein besseres Modell.
Überwachtes Lernen (Supervised Learning)
Lernen aus Beispielen, deren richtige Antwort bekannt ist, etwa Tausende Fotos mit der Beschriftung „Katze“ oder „Hund“. Das Modell lernt, von der Eingabe zur richtigen Antwort zu kommen.
Unüberwachtes Lernen (Unsupervised Learning)
Lernen aus unbeschrifteten Daten, um Muster oder Gruppen zu finden, zum Beispiel Kunden automatisch nach ihrem Kaufverhalten zu gruppieren.
Bestärkendes Lernen (Reinforcement Learning)
Ein Verfahren, bei dem das Modell durch Versuch und Irrtum lernt und für seine Handlungen „Belohnungen“ oder „Strafen“ erhält. So besiegte AlphaGo den Weltmeister im Brettspiel Go.
Bestärkendes Lernen aus menschlichem Feedback (RLHF)
Eine Phase im Training von Chatbots, in der Menschen verschiedene Antworten des Modells bewerten und das Modell lernt, hilfreichere, ehrlichere und harmlosere Antworten zu geben.
Feinabstimmung (Fine-tuning)
Zusätzliches Training eines bereits trainierten Modells mit spezielleren Daten, damit es in einer bestimmten Aufgabe oder einem Fachgebiet besser wird, etwa bei juristischen Texten.
Überanpassung (Overfitting)
Wenn ein Modell seine Trainingsbeispiele auswendig lernt, statt das allgemeine Muster zu erfassen: Bei ihnen glänzt es, bei neuen Daten versagt es. Wie ein Schüler, der Antworten auswendig gelernt hat, ohne den Stoff zu verstehen.
Inferenz (Inference)
Die Phase, in der das trainierte Modell genutzt wird: Es erhält eine neue Eingabe und erzeugt eine Antwort. Jedes Mal, wenn Sie mit einem Chatbot schreiben, führt das Modell eine Inferenz aus und lernt nicht von Ihnen.
3. Sprachmodelle und Chatbots
Großes Sprachmodell (Large Language Model, LLM)
Ein sehr großes neuronales Netz, das mit riesigen Textmengen trainiert wurde, um das nächste Wort vorherzusagen. Diese einfache Fähigkeit ist die Grundlage dafür, dass Chatbots schreiben, zusammenfassen, übersetzen und Gespräche führen.
Transformer
Die 2017 im Aufsatz Attention Is All You Need vorgestellte Architektur neuronaler Netze, auf der fast alle heutigen großen Sprachmodelle beruhen. Auch das „T“ in GPT steht dafür.
Attention-Mechanismus (Aufmerksamkeit)
Der Teil des Transformers, mit dem das Modell für jedes Wort erkennt, welche anderen Wörter im Text am wichtigsten sind, etwa auf welches Substantiv sich „er“ bezieht.
Token
Das kleinste Textstück, mit dem das Modell arbeitet: ein Wort, ein Wortteil oder ein Zeichen. Im Englischen entspricht ein Token etwa drei Vierteln eines Wortes; im Deutschen wird ein Wort oft in mehrere Tokens zerlegt. Nutzungskosten und Längengrenzen werden in Tokens gemessen.
Kontextfenster (Context Window)
Die maximale Textmenge, gemessen in Tokens, die ein Modell auf einmal „sehen“ kann, einschließlich früherer Nachrichten und angehängter Dokumente. Wird ein Gespräch länger, fallen die ältesten Teile aus dem Arbeitsgedächtnis des Modells.
Embedding (Einbettung)
Ein Verfahren, Wörter, Sätze oder Bilder so in Zahlenlisten umzuwandeln, dass ähnliche Bedeutungen ähnliche Zahlen erhalten. Semantische Suche und RAG beruhen auf Embeddings.
Temperatur (Temperature)
Eine Einstellung, die steuert, wie zufällig die Antworten eines Modells ausfallen. Niedrige Temperatur liefert vorhersehbarere, fokussierte Antworten, hohe Temperatur abwechslungsreichere, kreativere.
Halluzination (Hallucination)
Eine flüssige, überzeugende, aber falsche oder erfundene Antwort, etwa eine nicht existierende Statistik oder eine gefälschte Quelle. Sie entsteht, weil das Modell darauf trainiert ist, plausiblen Text zu erzeugen, nicht Fakten zu prüfen.
Chatbot
Ein Programm, das sich mit Nutzern in natürlicher Sprache unterhält. Heutige Chatbots basieren meist auf großen Sprachmodellen.
Reasoning-Modell (Denkmodell)
Ein Sprachmodell, das ein Problem Schritt für Schritt durcharbeitet, bevor es antwortet. Solche Modelle sind besser in Mathematik, Programmierung und mehrstufigen Aufgaben, aber meist langsamer und teurer.
4. Bild, Video und Ton
Diffusionsmodell (Diffusion Model)
Das Hauptverfahren der meisten heutigen Bildgeneratoren. Das Modell hat gelernt, Rauschen Schritt für Schritt aus einem Bild zu entfernen; zum Erzeugen startet es mit reinem Zufallsrauschen und verwandelt es, gesteuert durch Ihren Text, in ein Bild.
Text-zu-Bild (Text-to-Image)
Ein Bild aus einer Textbeschreibung erzeugen, etwa „ein Leuchtturm bei Sonnenuntergang, als Aquarell“.
KI-Bildbearbeitung (Inpainting)
Einen Teil eines vorhandenen Bildes per Textanweisung verändern, etwa ein Objekt entfernen, den Hintergrund austauschen oder Details ergänzen, ohne den Rest anzutasten.
Text-zu-Video (Text-to-Video)
Ein kurzes Video aus einer Beschreibung oder einem Bild erzeugen. Weil die Einzelbilder über die Zeit stimmig bleiben müssen, ist ein Video viel teurer zu erzeugen als ein Standbild.
Sprachsynthese (Text-to-Speech, TTS)
Geschriebenen Text in natürlich klingende Sprache mit passender Betonung und Pausen umwandeln. Genutzt für Hörbücher, Videovertonungen und Sprachassistenten.
Spracherkennung (Speech-to-Text, ASR)
Gesprochene Sprache in geschriebenen Text umwandeln, etwa für automatische Untertitel oder Diktierfunktionen.
Stimmklonen (Voice Cloning)
Mit KI eine Stimme erzeugen, die wie die einer bestimmten Person klingt. Wegen der Missbrauchsgefahr und der Rechte der betroffenen Person schränken die meisten seriösen Dienste das Nachahmen der Stimmen realer Menschen ohne Erlaubnis ein.
Deepfake
Ein gefälschtes, aber realistisches Foto, Audio oder Video, mit KI erzeugt, das jemanden etwas sagen oder tun lässt, was er nie gesagt oder getan hat. Trauen Sie schockierenden Inhalten ohne verlässliche Quelle nicht.
Multimodal
Bezeichnet ein Modell, das mehrere Arten von Daten zugleich versteht oder erzeugt, etwa ein Foto betrachtet und darüber spricht oder aus Text Bilder und Ton macht.
5. KI nutzen
Prompt
Der Text oder die Anweisung, die Sie einer KI geben: eine Frage, eine Bitte oder eine Bildbeschreibung. Die Qualität des Prompts wirkt sich direkt auf die Qualität des Ergebnisses aus.
Prompt Engineering
Die Fähigkeit, Prompts zu schreiben, die die besten Ergebnisse liefern, etwa durch Angabe von Rolle, Ziel, Zielgruppe und Ausgabeformat sowie durch Beispiele.
System-Prompt
Eine verborgene Anweisung, die der Anbieter eines Chatbots dem Modell zu Beginn jedes Gesprächs mitgibt, um Verhalten, Ton und Grenzen festzulegen.
Zero-Shot und Few-Shot
Beim Zero-Shot formulieren Sie nur die Anfrage; beim Few-Shot geben Sie zusätzlich einige Beispiele für gewünschte Ein- und Ausgaben, damit das Modell das Muster erkennt. Schon wenige gute Beispiele verbessern das Ergebnis oft deutlich.
Retrieval-Augmented Generation (RAG)
Ein Verfahren, bei dem das Modell zuerst passende Informationen in einer externen Quelle nachschlägt, etwa in Unternehmensdokumenten oder per Websuche, und seine Antwort darauf aufbaut. Das hält Antworten aktueller und verringert Halluzinationen.
KI-Agent (AI Agent)
Ein System, das nicht nur antwortet, sondern selbstständig mehrere Schritte plant und ausführt, um ein Ziel zu erreichen: suchen, Werkzeuge nutzen, Dateien erstellen und das Ergebnis prüfen.
API (Programmierschnittstelle)
Der Weg, über den Software direkt mit einem KI-Modell verbunden wird und es nutzt. Viele Apps und Bots verwenden die Modelle großer Anbieter über eine API und zahlen meist pro Token.
Offenes Modell (Open-Source / Open-Weight Model)
Ein Modell, dessen Parameter öffentlich freigegeben sind, sodass jeder es herunterladen, auf eigenen Servern betreiben oder feinabstimmen kann. Geschlossene Modelle sind nur über den Dienst oder die API ihres Anbieters zugänglich.
6. Sicherheit, Ethik und Recht
Verzerrung (Bias)
Die Neigung eines Modells zu unfairen oder einseitigen Ergebnissen, meist wegen Ungleichgewichten oder Vorurteilen in den Trainingsdaten, etwa einen bestimmten Beruf immer mit nur einem Geschlecht darzustellen.
Ausrichtung (Alignment)
Die Bemühungen, das Verhalten von KI mit menschlichen Zielen und Werten in Einklang zu bringen, damit sie hilfreich, ehrlich und harmlos bleibt und tut, was wir wirklich meinen.
Leitplanken oder Sicherheitsfilter (Guardrails)
Regeln und Filter, mit denen Modellanbieter gefährliche, illegale oder schädliche Ausgaben verhindern. Wenn ein Werkzeug eine Anfrage „wegen Inhaltsbeschränkungen“ ablehnt, greifen meist die Leitplanken des Modellanbieters.
Jailbreak
Der Versuch, ein Modell mit speziellen Prompts dazu zu bringen, seine Sicherheitsgrenzen zu ignorieren. Anbieter erkennen und blockieren solche Techniken laufend, und ihre Nutzung verstößt in der Regel gegen die Nutzungsbedingungen.
Wasserzeichen und Kennzeichnung von KI-Inhalten (AI Watermarking)
Sichtbare oder versteckte Markierungen in KI-generierten Inhalten, damit ihre Herkunft erkennbar ist. Neue Regeln, darunter die KI-Verordnung der EU, bewegen sich in Richtung einer Pflicht dazu.
KI-Verordnung der EU (EU AI Act)
Das weltweit erste umfassende KI-Gesetz. Es trat am 1. August 2024 in Kraft; seine Pflichten gelten schrittweise über mehrere Jahre. Es teilt Systeme nach Risikostufen ein, verbietet bestimmte Anwendungen und schreibt Transparenzregeln für KI-generierte Inhalte vor.
Datenschutz (Data Privacy)
Der Schutz persönlicher Informationen bei der Nutzung von KI. Einfache Regel: Geben Sie niemals Passwörter, Kartennummern, Ausweisdokumente oder vertrauliche Informationen in einen Chatbot ein, und kennen Sie die Richtlinien zur Datenspeicherung des jeweiligen Dienstes.
Vom Begriff zur Praxis
Die Begriffe zu kennen ist die halbe Miete; die andere Hälfte ist, die Werkzeuge auszuprobieren. Beginnen Sie mit einem Chat-Werkzeug wie ChatGPT, Gemini oder Claude, oder testen Sie heymesbot, wenn Sie Chat, Bilderstellung, Video, Sprachausgabe und Musik lieber an einem Ort in Telegram haben möchten. Schreiben Sie ein paar einfache Prompts und sehen Sie, wie „Tokens“, „Temperatur“ oder „Halluzinationen“ in der Praxis aussehen.
Wie diese Begriffe zusammenhängen, erklärt unser vollständiger Ratgeber Was ist künstliche Intelligenz und wie funktioniert KI?
Kommentare
Noch keine Kommentare. Schreiben Sie den ersten.
Kommentar schreiben
Kommentare erscheinen nach einer Prüfung. Bitte bleiben Sie beim Thema und freundlich.