KI-Glossar

KI-Begriffe verständlich erklärt

Die wichtigsten Begriffe rund um Large Language Models, RAG, Agents und KI-Governance — präzise definiert und mit Praxisbezug für den deutschen Mittelstand.

Daten & RAG

RAG (Retrieval-Augmented Generation)

Verfahren, bei dem ein LLM Antworten aus einer durchsuchbaren Wissensbasis erzeugt — statt nur aus Trainingsdaten.

Embeddings

Numerische Vektoren, die Bedeutung von Text, Bildern oder Code in einem Zahlenraum abbilden.

Vektor-Datenbank

Datenbank, die Embeddings speichert und nach semantischer Ähnlichkeit durchsuchbar macht.

OCR (Optical Character Recognition)

Texterkennung aus Bildern und PDFs — heute kombiniert mit LLMs für strukturierte Extraktion.

Predictive Maintenance

Vorhersage von Maschinen-Ausfällen aus Sensordaten mit Machine Learning.

Computer Vision

KI-Verfahren, die Bilder und Videos analysieren — Qualitätskontrolle, Objekterkennung, OCR.

Modelle & LLMs

LLM (Large Language Model)

Großes Sprachmodell, das Text versteht und generiert — z.B. GPT-5, Claude, Gemini.

Fine-Tuning

Nachtraining eines vortrainierten Modells auf eigenen Daten, um Stil oder Aufgabe zu spezialisieren.

OpenAI API

Kommerzielle Schnittstelle zu GPT-Modellen, Embeddings, Whisper (Speech-to-Text) und DALL-E.

Claude (Anthropic)

LLM-Familie von Anthropic, stark in Reasoning, langen Kontexten und sicherem Verhalten.

Tokens

Texteinheiten, in die LLMs Eingabe und Ausgabe zerlegen — Abrechnungs- und Kontext-Basis.

Multimodale KI

Modelle, die gleichzeitig Text, Bild, Audio und Video verarbeiten.

Methodik

Prompt Engineering

Disziplin, LLM-Eingaben so zu gestalten, dass das Modell zuverlässig die gewünschten Ergebnisse liefert.

Evals (LLM-Evaluation)

Systematisches Testen von KI-Outputs gegen definierte Qualitäts-Kriterien.

KI-Agent

LLM-System, das eigenständig Tools aufruft und mehrstufige Aufgaben plant und ausführt.

Tool Calling / Function Calling

Fähigkeit eines LLMs, strukturiert eine Funktion (API, DB-Query, Aktion) aufzurufen.

Halluzination

Plausibel klingende, aber faktisch falsche Aussage eines LLM.

DSGVO & KI

Rechtsrahmen für den Einsatz personenbezogener Daten in KI-Anwendungen in der EU.

EU AI Act

EU-Verordnung, die KI-Systeme nach Risiko klassifiziert und reguliert — gilt seit 2025 stufenweise.

Structured Outputs

Modus, in dem ein LLM garantiert valides JSON nach einem definierten Schema liefert.

Guardrails

Schutzmaßnahmen, die unerwünschte LLM-Outputs (Toxizität, PII-Leaks, Off-Topic) blockieren.

Vibe Coding

Software bauen, indem man dem LLM die Intention beschreibt — statt jede Zeile selbst zu tippen.

KI-Strategie

Strukturiertes Vorgehen, KI-Use-Cases zu identifizieren, zu priorisieren und produktiv zu skalieren.

KI-Transformation

Umbau von Prozessen, Produkten oder ganzen Geschäftsmodellen mit KI als zentralem Hebel — nicht nur Effizienz, sondern strukturelle Veränderung.

KI Use Case

Konkret abgegrenztes Anwendungsszenario, in dem KI einen messbaren Geschäftsnutzen liefert — Input, Output und ROI sind benannt.

ROI von KI-Projekten

Verhältnis aus Einsparung oder zusätzlichem Umsatz durch KI zu den Gesamtkosten der Lösung — typische Amortisation 6–18 Monate im Mittelstand.

Infrastruktur

MCP (Model Context Protocol)

Offener Standard von Anthropic, mit dem LLMs sicher und einheitlich auf externe Tools und Daten zugreifen.

LangChain

Python/JS-Framework zum Bauen von LLM-Anwendungen, RAG-Pipelines und Agents.

MLOps / LLMOps

Disziplin, KI-Modelle zuverlässig in Produktion zu betreiben — Deployment, Monitoring, Retraining.

Prompt- & Embeddings-Cache

Wiederverwendung berechneter Modell-Antworten und Vektor-Repräsentationen — spart 50–90% Kosten.