KI-Begriffe einfach erklärt.
Alle wichtigen Begriffe aus der Welt der Künstlichen Intelligenz — verständlich erklärt für Unternehmer, Manager und Teams.
Agent (KI-Agent)
Ein KI-Agent ist ein autonomes Softwaresystem, das eigenständig Aufgaben ausführt, Entscheidungen trifft und mit seiner Umgebung interagiert — ohne bei jedem Schritt menschliches Eingreifen zu benötigen. KI-Agenten können Daten analysieren, Aktionen ausführen und auf Ergebnisse reagieren.
API (Application Programming Interface)
Eine API ist eine Schnittstelle, die es verschiedenen Softwareanwendungen ermöglicht, miteinander zu kommunizieren. Im KI-Kontext ermöglichen APIs die Einbindung von KI-Diensten wie OpenAI oder Anthropic in bestehende Systeme.
Automatisierung
Automatisierung bezeichnet die Ausführung von Aufgaben durch Maschinen oder Software ohne menschliches Eingreifen. KI-gestützte Automatisierung geht über regelbasierte Automation hinaus und kann auch mit unstrukturierten Daten und variablen Situationen umgehen.
Bias (KI-Bias)
KI-Bias bezeichnet systematische Verzerrungen in KI-Modellen, die zu unfairen oder fehlerhaften Ergebnissen führen. Bias entsteht häufig durch unausgewogene Trainingsdaten. Im Unternehmenseinsatz ist die Identifikation und Reduktion von Bias wichtig für faire und rechtskonforme Entscheidungen.
Chatbot
Ein Chatbot ist ein Programm, das automatisch auf Texteingaben antwortet. Moderne KI-Chatbots basieren auf großen Sprachmodellen (LLMs) und können natürliche Gespräche führen, Fragen beantworten und Aufgaben ausführen — deutlich leistungsfähiger als regelbasierte Chatbots älterer Generation.
Computer Vision
Computer Vision ist ein KI-Bereich, der Maschinen das 'Sehen' ermöglicht — also die Interpretation von Bildern und Videos. Anwendungen umfassen Qualitätskontrolle in der Fertigung, Gesichtserkennung, medizinische Bildanalyse und autonomes Fahren.
Deep Learning
Deep Learning ist ein Teilgebiet des maschinellen Lernens, das auf künstlichen neuronalen Netzen mit vielen Schichten basiert. Es ermöglicht Maschinen, komplexe Muster in großen Datenmengen zu erkennen — die Grundlage moderner KI-Systeme wie Sprachmodelle und Bilderkennungssysteme.
DSGVO (Datenschutz-Grundverordnung)
Die DSGVO ist die europäische Datenschutzverordnung, die seit 2018 gilt. Im KI-Kontext relevant für: Verarbeitung personenbezogener Daten, Transparenzpflichten bei automatisierten Entscheidungen, Datenspeicherung und Betroffenenrechte. Verstöße können mit bis zu 4% des weltweiten Jahresumsatzes geahndet werden.
Embeddings
Embeddings sind numerische Darstellungen von Text, Bildern oder anderen Daten in einem hochdimensionalen Vektorraum. Sie ermöglichen KI-Systemen, semantische Ähnlichkeiten zu erkennen — die Grundlage für Suchsysteme, Empfehlungsalgorithmen und RAG-Systeme.
EU AI Act
Der EU AI Act ist die erste umfassende KI-Regulierung der Europäischen Union (in Kraft seit 2024). Er klassifiziert KI-Systeme nach Risikoklassen (minimal, begrenzt, hoch, inakzeptabel) und definiert Pflichten für Anbieter und Nutzer. Hochrisiko-KI (z.B. im HR oder Kreditwesen) unterliegt strengen Anforderungen.
Fine-Tuning
Fine-Tuning bezeichnet die Anpassung eines vortrainierten KI-Modells an spezifische Aufgaben oder Domänen durch weiteres Training auf domänenspezifischen Daten. Unternehmen nutzen Fine-Tuning, um allgemeine Sprachmodelle auf ihre Branche, Sprache und Terminologie anzupassen.
Generative KI
Generative KI bezeichnet KI-Systeme, die neue Inhalte erzeugen können — Texte, Bilder, Audio, Video oder Code. ChatGPT, DALL-E und Claude sind bekannte Beispiele. Im Unternehmenseinsatz wird Generative KI für Content-Erstellung, Codegenerierung und Wissensmanagement eingesetzt.
Halluzination
Halluzination bezeichnet das Phänomen, bei dem ein KI-Sprachmodell plausibel klingende, aber faktisch falsche Informationen generiert. Dies ist ein bekanntes Problem bei LLMs. RAG-Systeme und Human-in-the-Loop-Prozesse helfen, Halluzinationen zu reduzieren.
Human-in-the-Loop
Human-in-the-Loop (HITL) beschreibt KI-Systeme, bei denen Menschen an kritischen Entscheidungspunkten einbezogen werden. Besonders wichtig bei hochriskanten Anwendungen wie medizinischen Diagnosen, Kreditentscheidungen oder rechtlichen Beurteilungen.
Inferenz
Inferenz bezeichnet den Prozess, bei dem ein trainiertes KI-Modell auf neue Daten angewendet wird, um Vorhersagen oder Ausgaben zu erzeugen. Im Gegensatz zum Training (einmalig) findet Inferenz in der Produktion kontinuierlich statt.
KI-Readiness
KI-Readiness beschreibt den Reifegrad eines Unternehmens für den erfolgreichen KI-Einsatz. Bewertungskriterien umfassen: Datenqualität und -verfügbarkeit, IT-Infrastruktur, Prozessreife, Mitarbeiterkompetenzen und organisatorische Strukturen.
Knowledge Graph
Ein Knowledge Graph ist eine strukturierte Darstellung von Wissen als Netzwerk aus Entitäten und ihren Beziehungen. Im KI-Kontext werden Knowledge Graphs genutzt, um KI-Systemen strukturiertes Domänenwissen bereitzustellen und die Genauigkeit von Antworten zu verbessern.
Large Language Model (LLM)
Ein Large Language Model (LLM) ist ein KI-Modell, das auf riesigen Textmengen trainiert wurde und natürliche Sprache verstehen und generieren kann. Bekannte LLMs sind GPT-4 (OpenAI), Claude (Anthropic), Gemini (Google) und Llama (Meta). LLMs sind die Basis der meisten modernen KI-Anwendungen.
Maschinelles Lernen (ML)
Maschinelles Lernen ist ein Teilgebiet der KI, bei dem Systeme aus Daten lernen, ohne explizit programmiert zu werden. ML-Algorithmen erkennen Muster in Daten und verbessern ihre Leistung durch Erfahrung. Untergruppen: Supervised Learning, Unsupervised Learning, Reinforcement Learning.
Multi-Agent-System
Ein Multi-Agent-System besteht aus mehreren KI-Agenten, die koordiniert zusammenarbeiten, um komplexe Aufgaben zu lösen. Jeder Agent ist auf einen Teilaspekt spezialisiert. Besonders leistungsfähig für komplexe Geschäftsprozesse, die mehrere Systeme und Entscheidungsebenen umfassen.
Neuronales Netz
Ein künstliches neuronales Netz ist ein Rechenmodell, das vom menschlichen Gehirn inspiriert ist. Es besteht aus Schichten von verbundenen Knoten (Neuronen), die Signale verarbeiten. Neuronale Netze sind die Grundlage des Deep Learnings und moderner KI-Systeme.
On-Premise KI
On-Premise KI bezeichnet KI-Systeme, die auf der eigenen IT-Infrastruktur des Unternehmens betrieben werden — im Gegensatz zu Cloud-basierten Diensten. Besonders relevant für Unternehmen mit sensiblen Daten und strengen Datenschutzanforderungen.
Orchestrierung
KI-Orchestrierung bezeichnet die Koordination und Steuerung mehrerer KI-Agenten, Modelle oder Dienste in einem übergeordneten System. Ein Orchestrator-Agent verteilt Aufgaben, überwacht Ergebnisse und koordiniert die Zusammenarbeit der Teilsysteme.
Predictive Analytics
Predictive Analytics nutzt historische Daten und Machine-Learning-Modelle, um zukünftige Ereignisse vorherzusagen. Anwendungen: Nachfrageprognose im Handel, Predictive Maintenance in der Fertigung, Churn-Prediction im Kundendienst.
Prompt
Ein Prompt ist die Eingabe oder Anweisung, die einem KI-Modell gegeben wird, um eine gewünschte Ausgabe zu erzeugen. Die Qualität des Prompts beeinflusst direkt die Qualität der KI-Ausgabe. Prompt Engineering ist die Kunst, optimale Prompts zu formulieren.
Prompt Engineering
Prompt Engineering ist die systematische Entwicklung und Optimierung von Eingabeanweisungen für KI-Modelle, um konsistente und qualitativ hochwertige Ausgaben zu erzielen. Eine wichtige Kompetenz für den effektiven Unternehmenseinsatz von LLMs.
RAG (Retrieval-Augmented Generation)
RAG ist eine Technik, die Sprachmodelle mit einer externen Wissensbasis verbindet. Das Modell sucht zunächst relevante Informationen aus der Datenbank und generiert dann eine Antwort auf Basis dieser spezifischen Informationen. Reduziert Halluzinationen und ermöglicht aktuelles, domänenspezifisches Wissen.
Reinforcement Learning
Reinforcement Learning (RL) ist eine ML-Methode, bei der ein Agent durch Versuch und Irrtum lernt, Aktionen auszuwählen, die eine Belohnung maximieren. RL wird u.a. bei der Entwicklung autonomer Systeme, Spielstrategien und Robotersteuerung eingesetzt.
Semantische Suche
Semantische Suche versteht die Bedeutung einer Suchanfrage — nicht nur die Schlüsselwörter. KI-basierte semantische Suche liefert relevantere Ergebnisse, da sie Kontext und Intention der Anfrage versteht. Grundlage für moderne Wissensmanagementsysteme.
Supervised Learning
Supervised Learning ist eine ML-Methode, bei der ein Modell auf beschrifteten (gelabelten) Daten trainiert wird. Das Modell lernt, Eingaben auf bekannte Ausgaben abzubilden. Beispiel: E-Mail-Klassifizierung als Spam oder nicht-Spam.
Token
In der KI-Verarbeitung sind Tokens die kleinsten Einheiten, in die Text aufgeteilt wird. Ein Token entspricht ungefähr einem Wort oder Wortteil. LLMs verarbeiten und generieren Text als Sequenz von Tokens. Die maximale Anzahl von Tokens definiert den 'Kontext' eines Modells.
Transfer Learning
Transfer Learning bezeichnet die Übertragung von Wissen aus einem vortrainierten Modell auf eine neue Aufgabe. Statt von Grund auf zu trainieren, wird ein existierendes Modell als Ausgangspunkt genutzt. Reduziert Trainingsaufwand und Datenbedarf erheblich.
Vektordatenbank
Eine Vektordatenbank speichert und durchsucht Daten als numerische Vektoren (Embeddings). Sie ermöglicht extrem schnelle Ähnlichkeitssuchen und ist die technische Grundlage für RAG-Systeme und semantische Suchfunktionen.
Workflow-Automatisierung
Workflow-Automatisierung bezeichnet die automatische Ausführung von Geschäftsprozessen ohne manuelle Eingriffe. KI-gestützte Workflow-Automatisierung geht über regelbasierte Systeme hinaus und kann auf unstrukturierte Daten, Ausnahmen und variable Situationen reagieren.
Noch Fragen zu KI-Begriffen oder Ihrem Projekt?
Kostenloses 30-Minuten-Gespräch. Kein Verkaufsdruck – nur ehrliche Einschätzung, ob und wie KI bei Ihnen wirkt.
Jetzt Gespräch vereinbaren →