AI glossary: 20 terms in plain words
Tokens, prompts, hallucinations, agents and RAG — every key AI concept with a human explanation.
- Künstliche Intelligenz (KI)
- Software, die aus Beispielen lernt, statt fest programmierten Regeln zu folgen. Moderne KI erkennt Muster in Daten und überträgt sie auf neue Situationen — von der Gesichtserkennung bis zur Texterzeugung.
- Neuronales Netz
- Ein mathematisches Modell aus Millionen „Neuronen“ mit einstellbaren gewichteten Verbindungen. Es lernt über die Schleife „vorhersagen → mit der Antwort vergleichen → Gewichte anpassen“, milliardenfach wiederholt.
- LLM (großes Sprachmodell)
- Ein neuronales Netz, trainiert auf riesigen Textmengen: ChatGPT, Claude, Gemini. Es macht genau eine Sache — den nächsten Token vorhersagen. Daraus entstehen Antworten, Übersetzungen und Code.
- Token
- Das Textstück, mit dem ein Sprachmodell arbeitet: ein Wortteil, ein Wort oder ein Zeichen, im Schnitt 3–4 Zeichen. Kontextlänge und API-Preise werden in Token gemessen.
- Prompt
- Der Anfragetext, den du an die KI schickst. Rund 80 % der Antwortqualität hängen an der Prompt-Qualität: Rolle, Aufgabe, Kontext und Format machen ihn stark.
- Prompt Engineering
- Die Disziplin, wirksame KI-Anfragen zu bauen: Formeln, Beispiele (Few-shot), Gedankenketten, strukturierte Ausgabe. Eine der am schnellsten wachsenden Fähigkeiten am Arbeitsmarkt.
- Halluzination
- Eine selbstbewusste, plausible, aber erfundene Antwort. Sie folgt aus der generativen Natur von LLMs: Fehlen Fakten, sieht eine „wahrscheinliche Fortsetzung“ trotzdem wie eine Antwort aus. Prüfe Zahlen, Zitate und Links.
- Kontextfenster
- Die Textmenge (in Token), die ein Modell in einem Gespräch „im Kopf behält“: deine Nachrichten, seine Antworten, hochgeladene Dokumente. Was nicht hineinpasst, wird „vergessen“.
- Modelltraining
- Der Prozess, die Milliarden Gewichte eines Netzes auf großen Daten einzustellen. Er braucht Tausende GPUs und Wochen Rechenzeit — deshalb bauen nur wenige Firmen große Modelle.
- Gewichte
- Die numerischen Parameter eines Netzes, die beim Training nachjustiert werden. „Ein Modell mit 70 Milliarden Parametern“ meint genau die Zahl der Gewichte.
- Wissensstichtag
- Das Datum, ab dem keine Ereignisse mehr in den Trainingsdaten des Modells stehen. Neueres erreicht es nur über Websuche oder Material, das du ihm gibst.
- Generative KI
- KI, die neue Inhalte erzeugt — Texte, Bilder, Musik, Video, Code — statt bestehende nur einzuordnen. ChatGPT und Midjourney sind generative Modelle.
- Few-shot-Prompting
- Eine Prompting-Technik: Zeig dem Modell 1–3 Beispiele „Eingabe → Ausgabe“ direkt in der Anfrage, damit es Stil und Struktur übernimmt. Ersetzt ganze Absätze Erklärung.
- Gedankenkette (Chain-of-thought)
- Die Bitte an das Modell, Schritt für Schritt zu rechnen und den Gedankengang zu zeigen. Das hebt die Genauigkeit bei Logik und Rechnen deutlich und macht Fehler sichtbar.
- RAG
- Retrieval-Augmented Generation: Vor der Antwort sucht das System passende Ausschnitte in deiner Wissensbasis und gibt sie dem Modell. So antwortet die KI aus deinen Dokumenten statt aus dem Gedächtnis.
- KI-Agent
- Ein KI-System, das nicht nur antwortet, sondern handelt: plant Schritte, ruft Werkzeuge auf (Suche, Code, APIs), prüft das Ergebnis und macht weiter bis zum Ziel. Die Fähigkeit mit dem stärksten Nachfragewachstum.
- MCP
- Model Context Protocol — ein offener Standard, um KI an externe Werkzeuge und Daten anzuschließen: Datenbanken, Dienste, Dateien. Der „USB-Anschluss“ für KI-Agenten.
- Fine-Tuning
- Ein fertiges Modell mit eigenen Daten für eine konkrete Aufgabe nachtrainieren. Teurer und aufwendiger als Prompting — nötig, wenn Beispiele im Prompt nicht mehr reichen.
- Multimodalität
- Die Fähigkeit eines Modells, mit verschiedenen Datentypen zu arbeiten: Text, Bild, Audio, Video. Aktuelle Spitzenmodelle verstehen Bilder und Stimme, nicht nur Text.
- Vibe Coding
- Websites und Apps im Dialog mit der KI bauen: Du beschreibst das Produkt in Worten, das Modell schreibt den Code, du iterierst. Wort des Jahres und der am schnellsten wachsende Einstieg in die Entwicklung.
Terms make more sense in practice
Start for free →