Wichtige KI Begriffe einfach erklärt
1. Künstliche Intelligenz (KI)
– Bedeutung: KI bezeichnet Computersysteme, die Aufgaben ausführen, für die man normalerweise menschliche Intelligenz bräuchte, etwa Sprache verstehen, lernen, Muster erkennen oder Entscheidungen treffen.
– Wichtig: KI ist der **Oberbegriff** für fast alles, worüber heute bei Chatbots, Bildgeneratoren, Empfehlungssystemen oder autonomen Fahrzeugen gesprochen wird.
Anwendungsbeispiele:
– Smartphone‑Fotos werden automatisch nach „Personen“, „Natur“, „Tiere“ sortiert.
– Streaming‑Dienste schlagen passende Filme/Serien vor, basierend auf bisherigen Sehgewohnheiten.
– Navigations‑Apps schlagen je nach Verkehrslage die schnellste Route vor.
2. Maschinelles Lernen (Machine Learning, ML)
– Bedeutung: Maschinelles Lernen ist ein Teilgebiet der KI, bei dem Algorithmen aus Beispieldaten Muster lernen, statt dass Programmierer jede Regel von Hand vorgeben.
– Wichtig: ML ist die zentrale Technik hinter Spamfiltern, Produktempfehlungen, Betrugserkennung, Vorhersagen (z.B. Nachfrage, Wetter) und modernen KI‑Systemen.
Anwendungsbeispiele:
– E‑Mail‑Programme erkennen Spam automatisch und verschieben ihn in den Spam‑Ordner.
– Online‑Shops schlagen Produkte vor („Kunden kauften auch …“), nachdem man etwas angesehen hat.
– Banken nutzen ML, um verdächtige Kreditkarten‑Transaktionen zu erkennen.
3. Neuronale Netze
– Bedeutung: Neuronale Netze sind Modelle mit vielen verknüpften „Knoten“ (Neuronen), die grob vom Gehirn inspiriert sind und Daten Schicht für Schicht verarbeiten.
– Wichtig: Sie bilden die Basis für fast alle aktuellen Durchbrüche, von Bilderkennung über Sprachübersetzung bis zu großen Sprachmodellen.
Anwendungsbeispiele:
– Ein Gesichtserkennungssystem entsperrt das Smartphone per Gesicht.
– Ein Bilderkennungsdienst erkennt auf Fotos, ob dort ein Hund, eine Katze oder ein Auto zu sehen ist.
– Eine App liest handgeschriebene Notizen und wandelt sie in digitalen Text um.
4. Deep Learning
– Bedeutung: Deep Learning ist maschinelles Lernen mit sehr tiefen neuronalen Netzen (vielen Schichten), die komplexe Merkmale automatisch aus Rohdaten extrahieren.
– Wichtig: Deep‑Learning‑Modelle ermöglichen die heutigen Rekorde in Bild‑, Sprach‑ und Textverarbeitung und machen KI in vielen Bereichen praktisch nutzbar.
Anwendungsbeispiele:
– Sprachassistenten wie Siri oder Alexa verstehen gesprochene Befehle und führen Aktionen aus.
– Übersetzungs‑Apps übersetzen in Echtzeit gesprochene Sprache in eine andere Sprache.
– Systeme erkennen auf Röntgenbildern Auffälligkeiten, die auf Krankheiten hinweisen können.
5. Token
– Bedeutung: Ein Token ist ein kleines „Texthäppchen“, in das ein Sprachmodell Eingaben zerschneidet, z.B. Silben, Teilwörter oder ganze Wörter.
– Wichtig: Token bestimmen, wie viel Text ein Modell auf einmal verarbeiten kann, wie abgerechnet wird und wie gut bestimmte Sprachen oder Fachbegriffe funktionieren.
Anwendungsbeispiele:
– Ein Chatbot bricht eine Antwort ab, weil die Eingabe zu lang war und das Token‑Limit überschreitet.
– Nutzer bemerken, dass die Abrechnung eines KI‑Dienstes nicht pro Wort, sondern pro Token erfolgt.
– Ein Text wird im Hintergrund in Token zerlegt, bevor das Modell ihn verarbeitet (z.B. deutsche Komposita in Teilstücke).
6. Vektoren / Embeddings
– Bedeutung: Embeddings stellen Worte, Sätze, Bilder oder andere Daten als Zahlenvektoren in einem mathematischen Raum dar.
– Wichtig: Diese **Vektoren** machen Ähnlichkeit messbar (z.B. ähnliche Dokumente finden, semantische Suche, Empfehlungssysteme) und sind Kern vieler RAG‑ und Suchsysteme.
Anwendungsbeispiele:
– Eine semantische Suche im Intranet findet zu „Klimaschutz im Unternehmen“ auch Dokumente mit „CO₂‑Reduktion“ und „Energieeffizienz“.
– Ein Empfehlungssystem schlägt Lieder vor, die „ähnlich klingen“, obwohl die Genres unterschiedlich benannt sind.
– Ein Support‑Chat findet ähnliche frühere Tickets, um schnell passende Lösungen vorzuschlagen.
7. Prompt
– Bedeutung: Ein Prompt ist die Eingabe (Anweisung, Frage, Beispiel), mit der Nutzer ein generatives KI‑Modell steuern.
– Wichtig: Gute Prompts entscheiden über die Qualität, Zuverlässigkeit und Nützlichkeit der Antworten und sind damit ein praktischer Hebel für alle Anwender.
Anwendungsbeispiele:
– Lehrkräfte geben ein: „Erkläre Photosynthese für die 6. Klasse in einfachen Worten.“ – die KI erzeugt einen verständlichen Text.
– Ein Entwickler schreibt: „Erstelle Beispielcode in Python, der eine CSV‑Datei einliest und sortiert.“
– Eine Schülerin bittet: „Schreibe eine Einleitung für einen Leserbrief zum Thema ‚Soziale Medien in der Schule‘.“
8. Halluzination
– Bedeutung: Halluzination bezeichnet KI‑Ausgaben, die zwar plausibel wirken, aber sachlich falsch oder erfunden sind.
– Wichtig: Halluzinationen sind ein zentrales Risiko beim Einsatz von KI in Journalismus, Recht, Medizin oder Bildung und machen Kontrolle und Faktencheck nötig.
KI-Modelle „halluzinieren“, weil sie keine Fakten-Datenbank sind, sondern Wort-für-Wort vorhersagen, was als Nächstes wahrscheinlich passt. Wenn im Training oft bestimmte Formulierungen zusammen vorkamen, kann das Modell eine plausibel klingende Antwort erzeugen – auch dann, wenn es gar nicht wirklich weiß, ob sie stimmt. Besonders passiert das bei:
unklaren Fragen (zu wenig Kontext),
Nischenthemen (wenig verlässliche Muster im Training),
Detailfragen (Zahlen, Daten, Namen),
wenn es „hilfsbereit“ wirken soll und Lücken auffüllt, statt „Ich weiss es nicht“ zu sagen.
Anwendungsbeispiele:
– Die KI erfindet ein angebliches Zitat aus einem Buch, das so nie geschrieben wurde.
– Ein Sprachmodell nennt Studien mit Titeln und Autoren, die sich später als frei erfunden herausstellen.
– Ein Chatbot gibt falsche historische Daten an (z.B. falsches Jahr einer Wahl oder eines Kriegs).
9. RAG (Retrieval‑Augmented Generation)
– Bedeutung: RAG kombiniert ein Sprachmodell mit einer Suche in externen Wissensquellen (z.B. Datenbanken, Dokumente) und lässt das Modell auf diese gefundenen Informationen antworten.
– Wichtig: RAG reduziert Halluzinationen, erlaubt aktuelle, unternehmensspezifische Antworten und ist heute Standard für KI‑Assistenten auf Firmen‑ oder Fachwissen.
Anwendungsbeispiele:
– Ein interner Firmen‑Chatbot beantwortet Fragen wie „Was steht in unserer Reisekostenrichtlinie zu Bahnfahrten?“ mit Zitaten aus dem Originaldokument.
– Eine Schul‑KI beantwortet „Welche Regeln gelten für Handys an unserer Schule?“ auf Basis der Schulordnung.
– Ein Support‑Assistent greift auf Handbücher und FAQs zu und formuliert daraus personalisierte Antworten für Kunden.
10. Finetuning
– Bedeutung: Finetuning ist das Nachtrainieren eines vortrainierten Modells auf spezifischen Daten (z.B. Firmendokumente, Fachsprache), um es auf einen Anwendungsfall zuzuschneiden.
– Wichtig: Dadurch werden Modelle genauer, besser an Tonfall und Domäne angepasst und können spezialisierte Aufgaben deutlich zuverlässiger lösen.
Anwendungsbeispiele:
– Ein Chatbot für eine Versicherung wird mit echten Versicherungsfällen und Tarifen nachtrainiert und beantwortet dann spezifische Kundenanfragen besser.
– Ein Unternehmen finetunet ein Modell auf seine Produktbeschreibungen, damit automatisch passende Marketingtexte entstehen.
– Ein medizinisches Modell wird mit Fachartikeln eines bestimmten Spezialgebiets nachtrainiert, um diese Fachsprache sicherer zu beherrschen.
11. API (Schnittstelle)
– Bedeutung: Eine API ist eine standardisierte Schnittstelle, über die Softwareprogramme Dienste wie KI‑Modelle ansprechen können, z.B. Text senden, Antwort empfangen.
– Wichtig: APIs machen KI skalierbar und integrierbar, etwa in Webseiten, Apps, ERP‑Systeme oder Chatbots, ohne dass Unternehmen eigene Modelle betreiben müssen.
Anwendungsbeispiele:
– Eine Lernplattform ruft über eine KI‑API automatisch Zusammenfassungen von langen Texten ab, die Schüler dann lesen.
– Ein Chat‑Widget auf einer Website stellt Kundenanfragen an einen KI‑Dienst und zeigt die Antwort im Browser.
– Eine App sendet Sprachaufnahmen an eine Speech‑to‑Text‑API und erhält Transkripte zurück.
12. LLM (Large Language Model)
– Bedeutung: Ein LLM ist ein großes neuronales Sprachmodell, das auf riesigen Textmengen trainiert wurde und Texte versteht, zusammenfasst, übersetzt oder generiert.
– Wichtig: LLMs sind die Grundlage moderner Chatbots, Code‑Assistenten und Textgeneratoren und prägen aktuell das Bild von „generativer KI“ im Alltag.
Anwendungsbeispiele:
– Ein Kundendienst‑Chatbot beantwortet Standardanfragen (Öffnungszeiten, Rückgaberegeln, Lieferstatus) im Dialog.
– Entwickler lassen sich von einem LLM Code‑Vorschläge, Erklärungen und Fehlersuche geben.
– In der Schule schreiben Lernende erste Entwürfe (z.B. Gliederung, Ideen), die sie anschließend überarbeiten.
13. Agent / KI‑Agent
– Bedeutung: Ein KI‑Agent ist ein System, das ein Modell mit Werkzeugen (z.B. Websuche, Kalender, Buchungssysteme) kombiniert, um mehrschrittige Aufgaben weitgehend selbständig auszuführen.
– Wichtig: Agenten verschieben KI von „Antwort‑Maschine“ zu **Handlungssystemen** und ermöglichen automatisierte Workflows wie Reiseplanung, Recherche oder Prozessautomatisierung.
Anwendungsbeispiele:
– Ein Reise‑Agent plant eine komplette Reise: sucht Flüge, Hotels, erstellt einen Zeitplan und bucht nach Freigabe.
– Ein Büro‑Agent liest E‑Mails, erstellt automatisch To‑do‑Listen und trägt Termine in den Kalender ein.
– Ein E‑Commerce‑Agent beobachtet Lagerbestände, bestellt fehlende Ware nach und passt Preise dynamisch an.
14. Bias (Verzerrung)
– Bedeutung: Bias meint systematische Verzerrungen in Daten oder Modellen, etwa wenn bestimmte Gruppen schlechtere oder unfaire Ergebnisse erhalten.
– Wichtig: Bias ist zentral für Ethik, Regulierung und „Trustworthy AI“, weil er Vertrauen, Diskriminierung und rechtliche Risiken direkt beeinflusst.
Anwendungsbeispiele:
– Ein Bewerbungstool bevorzugt Lebensläufe, die bestimmten Mustern ähneln (z.B. bestimmte Unis), weil die Trainingsdaten so geprägt waren.
– Eine Gesichtserkennung funktioniert bei hellhäutigen Personen deutlich besser als bei dunkelhäutigen.
– Ein Kreditbewertungssystem benachteiligt bestimmte Postleitzahlengebiete, weil historische Daten dort schlechtere Rückzahlungen zeigen.
15. Starke KI / AGI
– Bedeutung: Starke KI bzw. AGI (Artificial General Intelligence) bezeichnet hypothetische Systeme mit breiter, menschenähnlicher Problemlösefähigkeit über viele Aufgaben hinweg.
– Wichtig: Auch wenn heutige Systeme „schwach“ spezialisiert sind, prägen starke KI und Superintelligenz die langfristigen Debatten über Chancen, Risiken und Regulierung von KI.
Anwendungsbeispiele:
– Diskussionsszenario: Eine AGI könnte eigenständig neue Wissenschaftstheorien entwickeln und Experimente planen – was bedeutet das für Forschung?
– In Rollenspielen im Unterricht übernehmen Lernende die Rolle von Politik, Wirtschaft, Zivilgesellschaft und beraten über Regulierung einer möglichen AGI.
– Eine fiktive Geschichte: Eine AGI verwaltet global Ressourcen, um Klima und Armut zu verbessern – wo liegen Chancen und Risiken?
Quellen:
[1] Wichtige Begriffe rund um KI einfach erklärt – Wissen – SRF https://www.srf.ch/wissen/kuenstliche-intelligenz/ki-glossar-wichtige-begriffe-rund-um-ki-einfach-erklaert
[2] KI für Anfänger: Künstliche Intelligenz einfach erklärt – StartSteps https://startsteps.org/de/blog/ki-fuer-anfaenger-kuenstliche-intelligenz-einfach-erklaert
[3] Glossar: Machine Learning – Medien in die Schule https://www.medien-in-die-schule.de/unterrichtseinheiten/machine-learning-intelligente-maschinen/glossar-machine-learning/
[4] Maschinelles Lernen (Machine Learning) – KI Glossar – Clickworker.de https://www.clickworker.de/ki-glossar/maschinelles-lernen/
[5] KI-Glossar: 50 wichtige Begriffe für Einsteiger https://undetectable.ai/blog/de/ai-begriffsglossar/
[6] Die zwölf KI-Begriffe sollte jeder kennen https://www.faz.net/pro/digitalwirtschaft/kuenstliche-intelligenz/die-zwoelf-ki-begriffe-sollte-jeder-kennen-accg-200564715.html
[7] AGI, Token, Weltmodell: Was hinter den KI‑Begriffen steckt https://t3n.de/news/agi-token-weltmodell-ki-begriffe-erklaert-1690182/
[8] Begriffe erklärt: Das umfangreiche KI-Glossar https://digitalzentrum-berlin.de/ki-glossar
[9] Tokens bis Agenten: Zwölf KI-Begriffe, die jeder kennen sollte – FAZ https://www.faz.net/pro/digitalwirtschaft/kuenstliche-intelligenz/tokens-bis-agenten-diese-zwoelf-ki-begriffe-sollte-jeder-kennen-accg-200564715.html
[10] Interaktive Einkaufsberater für einen erfolgreicheren E-Commerce https://de.linkedin.com/posts/haraldoberhofer_interaktive-einkaufsberater-f%C3%BCr-einen-erfolgreicheren-activity-7432378811712741376-fyDm
