Die wichtigsten Begriffe zur künstlichen Intelligenz

„Können Sie bitte prüfen, ob das neue LLM unseren Prompt korrekt verarbeitet und keine Halluzinationen produziert?“ Die neue Office-Welt bringt jede Menge neuer Begriffe mit sich – und diese Fachsprache kann verunsichern. Was bedeutet RAG? Wofür steht LLM? Unser KI-Glossar sorgt für mehr Überblick.

Allerdings ist in Sachen künstlicher Intelligenz vieles in Bewegung. Das zeigt sich auch in den Begrifflichkeiten: Zahlreiche Begriffe sind nicht einheitlich definiert und werden von den Anbietern unterschiedlich verwendet. Wir klären über die Unterschiede auf. So treten Sie in Gesprächen über KI souverän auf.

Unverzichtbares Basiswissen

Die folgenden Begriffe stellen die Grundlage für jede Kommunikation über KI dar.

Artificial Intelligence (AI)/künstliche Intelligenz (KI)

AI/KI ist ein Sammelbegriff für digitale Systeme, die normalerweise menschliches Denken, Sprache oder Logik erfordern. KI umfasst viele unterschiedliche Technologien und Anwendungen. In der Medizin wird sie beispielsweise für Diagnosen in bildgebenden Verfahren genutzt. In Unternehmen kommt sie in der Regel zum Einsatz, um Prozesse zu beschleunigen, Routineaufgaben zu erledigen, Daten zu analysieren und Inhalte zu erstellen. Allerdings haben wir alle wohl schon einmal erlebt, dass KI Fehler macht. Sehen Sie die Technologie daher als das, was sie ist: ein nützliches Werkzeug, das Kontrolle benötigt.

Generative KI

Wenn die KI selbstständig neue Inhalte erstellt – etwa ein Bild oder den Text einer E-Mail –, ist von generativer KI die Rede. Statt nur vorgegebene Inhalte abzurufen, analysieren diese Systeme die Eingaben und erstellen einen dazu passenden Output.

KI-Modell

Das KI-Modell bestimmt, wie die KI Daten verarbeitet und zu Entscheidungen kommt. Dafür wird sie mit großen Datenmengen trainiert und anschließend beim Finetuning mit spezifischem Fachwissen weiter geschärft. Verschiedene Modelle haben unterschiedliche Stärken. Daher hängt die Qualität der Antworten, die Sie erhalten, vom verwendeten KI-Modell ab. Einige arbeiten besonders schnell, andere sind besonders gut darin, Schlussfolgerungen zu ziehen, Texte zu verstehen oder Bilddateien zu analysieren. Bekannte Modelle sind GPT-4 oder Gemini. Modelle werden kontinuierlich weiterentwickelt und in neuen Versionen veröffentlicht.

LLM (Large Language Model)

LLMs sind KI-Sprachmodelle wie GPT, die speziell darauf trainiert wurden, mit Text umzugehen. Sie verarbeiten große Mengen an Text, erkennen Muster, lernen daraus und nutzen diese Muster, um sinnvolle Antworten auf Eingaben zu erstellen. Allerdings „wissen“ LLMs nicht wirklich etwas im klassischen Sinne, sondern berechnen nur die statistisch wahrscheinlichste Fortsetzung eines Texts. Unter anderem deshalb können die Antworten falsch oder erfunden sein.

Prompt

Prompt gehört zu den Schlüsselbegriffen in Sachen KI. So werden die Befehle bezeichnet, mit denen Sie der KI Aufgaben übertragen und Befehle geben. Gutes Prompting ist eine der wichtigsten Kompetenzen in der digitalen Revolution und entscheidend für sinnvolle, zielführende Antworten der KI. Klare, präzise Prompts führen zu besseren Ergebnissen.

Multimodal

Multimodal bedeutet, dass KI nicht nur Text verstehen, sondern unterschiedliche Dateiformate verarbeiten kann. Dieser Begriff wird von den Anbietern uneinheitlich verwendet. Manche verstehen darunter nur die Verarbeitung von Text und Bild, andere auch von Audio und Videodateien. Einige beziehen „multimodal“ nur auf die Eingabe, andere auch auf den von der KI erzeugten Output. Dennoch wird dieser Begriff immer wichtiger, weil mittlerweile fast alle Modelle mit unterschiedlichen Dateiformaten umgehen können.

Halluzinationen

Die KI ist darauf trainiert, auf Fragen Antworten zu liefern. Und wenn sie keine Antworten hat, dann erfindet sie auch mal Informationen samt den zugehörigen Quellen. Dieses Phänomen ist als Halluzinieren bekannt. Die KI kann die erfundenen Informationen sehr überzeugend vortragen. Deshalb ist es unverzichtbar, KI-Antworten immer kritisch zu hinterfragen.

Hintergrundwissen für die vertiefte Nutzung

Über reines Basiswissen hinaus gehen Sie mit den folgenden Begriffen.

Machine Learning

Als Machine Learning wird das Verfahren bezeichnet, mit dem die KI anhand von Daten lernt, Aufgaben selbsttätig zu erledigen. Statt nur Regeln zu befolgen, führt Machine Learning dazu, dass die KI Muster in den Daten erkennt und diese für Vorhersagen nutzen kann. Mit der Zeit wird die KI damit immer besser, Aufgaben zu erledigen.

RAG (Retrieval-Augmented Generation)

Wenn Sie sich bei der Arbeit mit KI nicht allein auf die Trainingsdaten des jeweiligen KI-Modells verlassen, sondern zusätzliches Material zur Verfügung stellen – etwa firmenspezifisches Wissen wie Ihre Reiserichtlinien –, ist von RAG (Retrieval-Augmented Generation) die Rede. Die Antworten werden damit passgenauer und besser auf Ihre Bedürfnisse zugeschnitten. Wenn Sie mit fremden Plattformen arbeiten, ist beim Hochladen Vorsicht geboten, um keine Geheimnisse oder geschützte Daten preiszugeben.

Token

Ein Token ist die Recheneinheit der KI. Texte werden in kleinste Textelement-Bausteine zerlegt, etwa ein kurzes Wort oder auch nur ein Wortteil. Diese Bausteine werden dann Schritt für Schritt verarbeitet. Ihre Anzahl bestimmt, wie viel die KI gleichzeitig lesen oder schreiben kann: Je mehr Token ein Text hat, desto höher ist die Rechenleistung. Token beeinflussen häufig auch die Kosten, denn viele Anbieter verwenden sie zur Abrechnung.

Context Window/Kontextfenster

Dieser Begriff ist eng verbunden mit den Token. Das Kontextfenster bezeichnet die Menge an Informationen, also der Token, die eine KI gleichzeitig verarbeiten kann. Ist diese Grenze erreicht, werden beispielsweise Texte nicht vollständig eingelesen, Antworten abgebrochen oder frühere Teile des Gesprächs vergessen.

Bias

Als Bias werden Verzerrungen und Schieflagen in KI-Antworten bezeichnet. Sie entstehen, wenn die Trainingsdaten der KI unvollständig, einseitig oder fehlerhaft sind. Und das lässt sich kaum verhindern, denn die Daten werden von Menschen zusammengetragen, die nun einmal nicht fehlerlos sind. Auch hier gilt: Überprüfen Sie immer, wie plausibel die Antworten sind, die die KI Ihnen gibt.

Begriffe, die sich noch entwickeln

Weil KI eine verhältnismäßig junge Technologie ist, gibt es Begriffe, deren Bedeutung noch schwankt.

Spezialisierte Personas

Zahlreiche Anbieter bieten die Möglichkeit, spezialisierte KI-Personas mit festen Rollen anzulegen. Sie bearbeiten interaktiv bestimmte Aufgaben – etwa erstellen sie Ihre Social-Media-Postings. Diese Personas tragen unterschiedliche Namen, etwa:
» Custom GPT bei ChatGPT
» Project Instructions bei Claude
» Agent bei Langdock

Erweiterte Expertise

Angenommen, Sie wollen, dass die KI für bestimmte Aufgaben immer auf spezielles Fachwissen zurückgreift. Für die Prozessanalyse soll beispielsweise immer die SWOT-Analyse angewendet werden. Solche Informationen können Sie gezielt hinterlegen. In Claude heißen solche Fachinstruktionen Project Knowledge, in Langdock Skills. In ChatGPT werden sie direkt im GPT eingebaut.

Auf dem Laufenden bleiben

KI entwickelt sich schnell weiter. Damit wird sich auch die Fachsprache immer wieder verändern: Neue Begriffe werden hinzukommen, andere ihre Bedeutung verändern oder auch ganz verschwinden. Über solche Änderungen können Sie sich am besten in den Dokumentationen der jeweiligen Anbieter informieren:
» OpenAI: https://platform.openai.com/docs
» Google/Gemini: https://ai.google.dev
» Anthropic/Claude: https://docs.anthropic.com
» Microsoft/Copilot, Azure AI:
https://learn.microsoft.com/en-us/copilot und
https://learn.microsoft.com/en-us/azure