Direkt zum Inhalt
aheadx

KI-Glossar

KI-Glossar: 24 Begriffe, die du 2026 wirklich brauchst

Vom Token zur Halluzination, vom Foundation Model zum EU AI Act, die Begriffe, die in jedem zweiten KI-Artikel stehen. In Klartext erklärt.

Wer 2026 KI-Texte liest, stolpert über dieselben 24 Begriffe immer wieder. Wir haben sie sortiert: was sie bedeuten, was sie nicht bedeuten, und ob du sie für deinen Alltag wirklich brauchst.

Die fünf Grund-Begriffe

KI / Künstliche Intelligenz. Sammelbegriff für Software, die Aufgaben löst, für die wir früher menschliche Intelligenz brauchten. Heute fast immer gleichbedeutend mit „maschinelles Lernen mit großen Datenmengen”.

Maschinelles Lernen. Software, die nicht alle Regeln einprogrammiert bekommt, sondern Muster aus Beispielen lernt. Wer 1.000 Hunde-Fotos sieht, erkennt den 1.001., auf demselben Prinzip beruhen heutige Modelle.

Generative KI. Modelle, die neue Inhalte produzieren, Text, Bild, Code, Audio. Im Unterschied zu diskriminativer KI (die nur unterscheidet: Hund oder Katze).

LLM / Large Language Model. Große Sprachmodelle wie GPT-4, Claude, Gemini, Llama. Trainiert auf hunderten Milliarden Textwörtern. Können Sprache verarbeiten, übersetzen, zusammenfassen, generieren.

Foundation Model. Modell, das so allgemein trainiert ist, dass es als Basis für viele Anwendungen dient. GPT-4 ist ein Foundation Model. Du nimmst es und fine-tunst es für deine Domäne.

Die Mechanik

Token. Kleinste Einheit, in die das Modell Text zerlegt. Etwa 3–4 Buchstaben pro Token. „Künstliche Intelligenz” sind ca. 5 Tokens.

Context-Window. Wie viele Tokens das Modell gleichzeitig lesen kann. Aktuell üblich: 200 000 Tokens (entspricht ca. 150 000 Wörtern oder einem Roman). Über dieser Grenze „vergisst” das Modell den Anfang.

Prompt. Die Anweisung, die du dem Modell gibst. Gute Prompts sind das halbe Ergebnis.

Temperatur. Schalter zwischen kreativ und vorhersagbar. Temperatur 0 = immer dieselbe Antwort. Temperatur 1 = mehr Variation. Für rechtssichere Antworten: niedrig. Für Werbetexte: höher.

Embedding. Ein numerischer Fingerabdruck eines Textes. Macht Texte vergleichbar, „dieses Dokument ist ähnlich zu jenem”.

RAG / Retrieval-Augmented Generation. Die KI bekommt vor der Antwort echte Dokumente aus einer Datenbank gelegt. Dadurch wird sie zitierfähig und seltener halluzinierend.

Fine-Tuning. Ein vortrainiertes Modell wird auf eigene Daten spezialisiert. Aufwendig, aber nicht immer nötig, oft reicht ein guter Prompt.

Die Risiken & Begriffe der Politik

Halluzination. Eine plausibel klingende, aber erfundene Antwort. Kein Bug, eine Eigenschaft probabilistischer Modelle.

Bias. Systematische Verzerrungen in den Trainingsdaten, die im Output landen. Wer mit englischsprachigem Internet trainiert, bekommt englischsprachige Welt-Sicht.

Alignment. Versuch, das Modell so auszurichten, dass es im Sinne menschlicher Werte handelt. Klingt einfacher als es ist.

EU AI Act. Die EU-KI-Verordnung. Reguliert seit 2024 Hochrisiko-KI. Transparenzpflicht, Verbot bestimmter Anwendungen, Markierungspflicht für KI-Inhalte. Volle Umsetzung 2026.

DSGVO. Datenschutzgrundverordnung. Gilt auch für KI: keine personenbezogenen Daten ohne Rechtsgrundlage in einen externen LLM kippen.

Die Praxis-Begriffe

Copilot. Die Microsoft-Variante eines KI-Assistenten, eingebaut in Office. Steht meist als Synonym für „KI in der Software, die du eh schon nutzt”.

Agent. Eine KI, die Schritte selbständig ausführt, nicht nur antwortet, sondern Termine bucht, Mails schreibt, Code committet. 2026 ein zentraler Trend.

Multimodal. Modell, das mehrere Eingabeformen versteht: Text, Bild, Audio. GPT-4o, Gemini, Claude, alle multimodal.

Vision Model. Spezialisierte multimodale Variante für Bilder.

Drei, die du seltener brauchst

Transformer. Die Architektur hinter heutigen LLMs. Erfunden 2017 bei Google. Du musst nicht wissen wie sie funktioniert, aber du wirst den Begriff lesen.

MoE / Mixture of Experts. Modell, das aus mehreren Sub-Modellen besteht und je nach Anfrage das passende auswählt. Spart Rechenleistung. Modern, aber Tech-Detail.

Distillation. Großes Modell trainiert kleines Modell. Resultat: kleine Modelle mit überraschend großer Fähigkeit. Hinter den meisten On-Device-KIs.


Wenn ein Begriff hier fehlt: schreib uns, und er steht in der nächsten Version.

#glossar#einsteiger#begriffe

Häufige Fragen

  • Was ist ein Token in der KI?
    Ein Token ist die kleinste Einheit, in die ein KI-Modell Text zerlegt, meist 3–4 Buchstaben oder ein kurzes Wort. „Künstliche Intelligenz“ sind ca. 5 Tokens. Modelle haben eine maximale Token-Kapazität (Context-Window), die festlegt, wie viel sie auf einmal lesen können.
  • Was ist eine Halluzination bei KI?
    Wenn ein Sprachmodell eine Antwort plausibel erfindet, statt eine echte Information wiederzugeben. Ursache: Modelle sind Wahrscheinlichkeits-Maschinen, keine Datenbanken. Gegenmittel: Quellen verlangen, kritisch lesen, bei sensiblen Themen verifizieren.
← Alle Wissens-Artikel