Die wichtigsten KI-Begriffe einfach erklärt

Ein LLM (Large Language Model, großes Sprachmodell) ist ein KI-Modell, das auf riesigen Textmengen trainiert wurde und jeweils das wahrscheinlichste nächste Wort vorhersagt. Auf dieser Basis kann es Texte verstehen, zusammenfassen, übersetzen und neu formulieren. Bekannte Beispiele sind GPT, Claude, Gemini und Mistral.

Ein Token ist die kleinste Verarbeitungseinheit eines Sprachmodells, meist ein Wortteil, ein kurzes ganzes Wort oder ein Satzzeichen. Sprachmodelle zerlegen jeden Text in Token und rechnen damit. Im Deutschen entspricht ein Token grob vier Zeichen, und die Abrechnung von KI-Diensten erfolgt meist pro Token.

Das Kontextfenster beschreibt, wie viele Token ein Sprachmodell gleichzeitig berücksichtigen kann, also die maximale Länge von Eingabe und Antwort zusammen. Ist es zu klein, verliert das Modell frühere Teile eines langen Gesprächs oder Dokuments. Moderne Modelle erreichen Kontextfenster von mehreren hunderttausend Token.

Inferenz bezeichnet den Betrieb eines fertig trainierten KI-Modells, also den Moment, in dem es zu einer Eingabe eine Antwort berechnet. Anders als das Training, das einmalig und sehr rechenintensiv ist, fällt Inferenz bei jeder Nutzung an. Die Inferenzkosten bestimmen daher maßgeblich die laufenden Kosten einer KI-Anwendung.

Multimodale KI verarbeitet mehrere Datenarten zugleich, etwa Text, Bilder, Audio und Video, statt nur Text. So kann ein multimodales Modell ein Foto beschreiben, eine Grafik auswerten oder gesprochene Sprache verstehen. Multimodalität ist die Grundlage für KI, die verschiedene Sinneskanäle wie ein Mensch kombiniert.

Eine Halluzination ist eine Antwort, die ein Sprachmodell überzeugend formuliert, die aber sachlich falsch oder frei erfunden ist. Sie entsteht, weil das Modell Wahrscheinlichkeiten für Wörter berechnet und kein echtes Faktenwissen prüft. Techniken wie RAG und Antworten mit Quellenangabe senken das Halluzinationsrisiko deutlich.

RAG (Retrieval Augmented Generation) verbindet ein Sprachmodell mit einer durchsuchbaren Wissensbasis. Vor der Antwort sucht das System passende Dokumente heraus und gibt sie dem Modell als Kontext mit, sodass es auf Basis Ihrer eigenen, aktuellen Daten antwortet. RAG reduziert Halluzinationen und ermöglicht Antworten mit Quellenangabe.

Ein Embedding ist die Übersetzung von Text, Bildern oder anderen Daten in eine Liste von Zahlen, einen Vektor, der die Bedeutung abbildet. Inhalte mit ähnlicher Bedeutung liegen im Vektorraum nahe beieinander. Embeddings sind die Grundlage für semantische Suche und für RAG.

Eine Vektordatenbank speichert Embeddings und findet zu einer Anfrage blitzschnell die inhaltlich ähnlichsten Einträge. Anders als eine klassische Datenbank sucht sie nach Bedeutung statt nach exakten Stichwörtern. Sie ist das Gedächtnis hinter RAG-Systemen und semantischer Suche.

Fine-Tuning ist das gezielte Nachtrainieren eines vortrainierten Modells mit eigenen Beispieldaten, damit es einen bestimmten Stil, ein Fachgebiet oder ein Format zuverlässig beherrscht. Es lohnt sich, wenn Prompting und RAG an ihre Grenzen stoßen. Im Ergebnis entsteht ein spezialisiertes Modell für Ihren Anwendungsfall.

MLOps (Machine Learning Operations) bündelt Methoden und Werkzeuge, um KI-Modelle zuverlässig in Betrieb zu nehmen, zu überwachen und aktuell zu halten. Dazu gehören Versionierung, automatisiertes Ausrollen, Monitoring und erneutes Training bei nachlassender Qualität. MLOps macht aus einem Prototyp ein stabiles Produktivsystem.

Computer Vision ist das Teilgebiet der KI, das Bilder und Videos auswertet und versteht. Damit lassen sich Objekte erkennen, Texte aus Dokumenten lesen, Qualitätsmängel aufspüren oder Stückzahlen zählen. Typische Anwendungen reichen von der Qualitätskontrolle in der Produktion bis zur automatischen Belegerfassung.

Private AI bezeichnet KI, die in Ihrer eigenen Infrastruktur oder einer EU-Cloud läuft, statt Daten an externe Anbieter zu senden. So bleiben sensible Informationen im Haus und unter Ihrer Kontrolle. Lokale KI ist besonders für Berufsgeheimnisträger und stark regulierte Branchen relevant.