KI-Glossar

KI-Begriffe einfach erklärt

Die wichtigsten KI-Begriffe – verständlich, ohne Fachchinesisch und ohne Hype. Gemacht für Entscheiderinnen und Entscheider im Mittelstand, nicht für Informatiker.

Künstliche Intelligenz (KI): Software, die Aufgaben übernimmt, für die man früher menschliches Denken brauchte – etwa Sprache verstehen, Texte schreiben oder Muster in Daten erkennen. KI „denkt“ nicht wie ein Mensch, sondern erkennt Wahrscheinlichkeiten.
Machine Learning (ML): Ein Teilbereich der KI: Statt fester Regeln lernt das System aus Beispieldaten selbst Muster. Je mehr gute Daten, desto besser die Ergebnisse.
Large Language Model (LLM): Das „Sprachmodell“ hinter Tools wie ChatGPT. Es wurde mit riesigen Textmengen trainiert und sagt jeweils das wahrscheinlichste nächste Wort voraus – erstaunlich nützlich für Texte, Zusammenfassungen und Antworten.
Generative KI: KI, die etwas Neues erzeugt: Texte, Bilder, Code oder Sprache. Der Oberbegriff für die aktuelle KI-Welle.
Prompt: Die Eingabe bzw. Anweisung, die Sie der KI geben. Je klarer der Prompt, desto besser das Ergebnis – aber perfektes „Prompt-Engineering“ ist meist überbewertet.
Token: Die kleinste Verarbeitungseinheit eines Sprachmodells – grob ein Wortteil. KI-Nutzung wird oft pro Token abgerechnet, daher beeinflussen Tokens die laufenden Kosten.
Halluzination: Wenn die KI etwas überzeugend, aber faktisch falsch behauptet. Der Hauptgrund, warum wichtige KI-Ergebnisse immer eine menschliche Prüfung brauchen.
RAG (Retrieval-Augmented Generation): Eine Methode, bei der die KI ihre Antworten aus Ihren eigenen Dokumenten zieht, statt nur aus dem Trainingswissen. So werden Antworten präzise, aktuell und belegbar. Mehr dazu: Anwendungsbeispiele →
Embeddings & Vektordatenbank: Technik im Hintergrund von RAG: Texte werden in Zahlen („Embeddings“) übersetzt und in einer Vektordatenbank gespeichert, damit die KI inhaltlich passende Stellen blitzschnell findet.
KI-Agent: Eine KI, die nicht nur antwortet, sondern handelt: mehrere Schritte plant, in Systemen nachschaut und Aufgaben erledigt – idealerweise mit menschlicher Freigabe an kritischen Stellen. Mehr dazu: Wann sich Agenten lohnen →
Chatbot vs. KI-Agent: Ein Chatbot beantwortet Fragen. Ein Agent führt zusätzlich Aktionen aus (z. B. Daten abrufen, eintragen, weiterleiten). Der Unterschied entscheidet über den tatsächlichen Nutzen.
Fine-Tuning: Das Nachtrainieren eines Modells auf Ihre speziellen Daten oder Ihren Stil. Oft nicht nötig – häufig reicht RAG und ist günstiger.
Prozessautomatisierung: Wiederkehrende Abläufe von Software erledigen lassen. Mit KI lassen sich auch Aufgaben automatisieren, die früher menschliches Urteil brauchten. Mehr dazu: 6 Beispiele mit ROI →
API: Eine Schnittstelle, über die Programme miteinander reden. So bindet man KI in vorhandene Tools (CRM, ERP, Website) ein, statt eine Insellösung zu bauen.
EU-Hosting & On-Premise: Wo Ihre Daten verarbeitet werden. EU-Hosting (Server in der EU) oder On-Premise (auf Ihren eigenen Systemen) sind der Schlüssel zu DSGVO-konformer KI.
DSGVO & KI: KI ist nicht automatisch ein Datenschutzproblem. Mit EU-Hosting, geschäftlichen Tarifen und abgeschotteten Lösungen lässt sich KI rechtskonform betreiben. Mehr dazu: ChatGPT sicher nutzen →
Prototyp / MVP: Eine erste, lauffähige Minimalversion, um Idee und Nutzen schnell zu testen – bevor groß investiert wird. Der pragmatischste Einstieg in jedes KI-Projekt.
Open Source vs. proprietäre Modelle: Offene Modelle kann man selbst hosten (mehr Kontrolle, Datenschutz); proprietäre (z. B. von OpenAI) sind oft leistungsfähiger, laufen aber extern. Die Wahl hängt vom Use-Case ab.