Prompt

Die Eingabe, die du einer KI gibst — alles was du in das Chatfenster tippst. Ein Prompt kann eine Frage, eine Aufgabe oder eine Anweisung sein.

Warum es sich lohnt:Wer besser fragt, bekommt bessere Antworten. Der Prompt ist der wichtigste Hebel, den du als Nutzer hast.

Prompt Engineering

Die Kunst, Prompts so zu formulieren, dass die KI genau das liefert, was du brauchst. Dazu gehören klare Anweisungen, Kontext und Beispiele.

Warum es sich lohnt:Gutes Prompt Engineering halbiert die Zeit, die du mit Nachbesserungen verbringst.

System Prompt

Eine versteckte Anweisung, die einer KI vorab gegeben wird, bevor der Nutzer tippt. Sie bestimmt Verhalten, Tonalität und Grenzen des Modells.

Warum es sich lohnt:Damit können Unternehmen KI-Tools auf ihre Marke, Sprache und Prozesse zuschneiden.

Large Language Model (LLM)

Das technische Fundament hinter ChatGPT, Claude & Co. Ein Modell, das auf riesigen Textmengen trainiert wurde und Sprache versteht und erzeugt.

Warum es sich lohnt:Wer weiß was dahintersteckt, kann Stärken und Grenzen besser einschätzen — und realistische Erwartungen setzen.

Generative KI

KI, die neuen Content erzeugt: Text, Bilder, Audio, Code, Video. Im Gegensatz zu KI, die nur klassifiziert oder analysiert.

Warum es sich lohnt:Das ist der Hauptanwendungsfall für die meisten Unternehmen heute — und der Bereich, der sich am schnellsten entwickelt.

Halluzination

Wenn eine KI selbstbewusst falsche Informationen erfindet und als Tatsache präsentiert. Der Begriff kommt aus der KI-Forschung.

Warum es sich lohnt:KI-Ausgaben immer kritisch prüfen — besonders bei Zahlen, Fakten und rechtlichen Inhalten.

Token

Die kleinste Einheit, mit der KI-Modelle Text verarbeiten — ungefähr ein Wort oder Wortfragment. "KI-Berater" kann z.B. zwei Tokens sein.

Warum es sich lohnt:Tokens bestimmen die Kosten und die maximale Länge einer Konversation. Langes Hin und Her kostet mehr.

Kontextfenster

Wie viel Text eine KI auf einmal "sehen" und verarbeiten kann. Alles außerhalb des Fensters vergisst sie.

Warum es sich lohnt:Bei langen Dokumenten oder Gesprächen kann früher geschriebenes verloren gehen — das erklärt manche seltsamen Antworten.

Temperature

Ein Einstellungswert, der bestimmt wie kreativ oder vorhersehbar eine KI antwortet. Niedrig = präzise und konsistent, hoch = kreativer und überraschender.

Warum es sich lohnt:Für Faktenarbeit niedrig einstellen, für Brainstorming und kreative Texte höher.

Zero-Shot / Few-Shot

Zero-Shot: Die KI löst eine Aufgabe ohne Beispiel. Few-Shot: Du gibst 2–3 Beispiele direkt im Prompt mit, damit die KI das Muster versteht.

Warum es sich lohnt:Few-Shot Prompting ist eine der einfachsten Methoden, die Qualität von Ergebnissen deutlich zu verbessern.

RAG (Retrieval-Augmented Generation)

Die KI wird mit einer externen Wissensdatenbank verbunden und ruft relevante Informationen ab, bevor sie antwortet. So bleibt sie aktuell und faktenbasiert.

Warum es sich lohnt:Löst das Halluzinations- und Aktualitätsproblem — besonders wichtig für unternehmensspezifische Anwendungen.

Fine-Tuning

Ein bestehendes KI-Modell wird mit eigenen Daten weitertrainiert, um es auf eine spezifische Aufgabe zu spezialisieren.

Warum es sich lohnt:Relevant wenn ein Standard-Modell nicht präzise genug für deinen konkreten Anwendungsfall ist.

Embedding

Eine mathematische Darstellung von Text als Zahlenwerte, die KI intern versteht. Grundlage für semantische Suche und RAG-Systeme.

Warum es sich lohnt:Technisches Konzept hinter KI-gestützten Suchfunktionen — wichtig wenn du eigene Daten durchsuchbar machen willst.

KI-Agent

Eine KI, die selbstständig Aufgaben plant und ausführt — ohne bei jedem Schritt auf menschliche Eingabe zu warten. Sie kann Tools nutzen, Entscheidungen treffen und Ergebnisse überprüfen.

Warum es sich lohnt:Die nächste Stufe nach Chatbots. Relevant für komplexe Prozessautomatisierung.

Workflow-Automatisierung

Mehrere Prozessschritte werden automatisch hintereinandergeschaltet — oft mit KI-Unterstützung. Tools wie n8n oder Make verbinden verschiedene Anwendungen.

Warum es sich lohnt:Spart Stunden pro Woche bei repetitiven Aufgaben — oft ohne eine Zeile Code zu schreiben.

Multimodal

Ein KI-Modell, das verschiedene Datenarten gleichzeitig verarbeiten kann: Text, Bilder, Audio, Video.

Warum es sich lohnt:Eröffnet neue Anwendungsfelder — z.B. Rechnungen per Foto einlesen, Produktbilder analysieren oder Meetings transkribieren.

Machine Learning (ML)

Ein Teilbereich der KI, bei dem Systeme aus Daten lernen, ohne explizit programmiert zu werden. Das Modell erkennt Muster und verbessert sich mit mehr Daten.

Warum es sich lohnt:Grundlage für alle modernen KI-Systeme — hilft zu verstehen, warum KI Trainingsdaten braucht.

Neuronales Netz

Ein Computermodell, das grob dem menschlichen Gehirn nachempfunden ist. Es besteht aus vielen miteinander verbundenen Schichten, die Informationen verarbeiten.

Warum es sich lohnt:Erklärt die Grundstruktur hinter LLMs und Bildgeneratoren — hilft beim Einordnen von Fähigkeiten und Grenzen.

Deep Learning

Eine spezielle Form des Machine Learnings mit sehr tiefen neuronalen Netzen. Ermöglicht das Erkennen komplexer Muster in Sprache, Bildern und Daten.

Warum es sich lohnt:Erklärt, warum KI in den letzten Jahren so leistungsfähig geworden ist.

Trainingsdaten

Die Datenmenge, auf der ein KI-Modell trainiert wurde. Sie bestimmt maßgeblich, was das Modell weiß, kann — und wo es versagt.

Warum es sich lohnt:Hilft zu verstehen, was eine KI gut kann und welche Lücken oder Verzerrungen sie haben könnte.

KI-Bias

Verzerrungen in KI-Ausgaben, die auf einseitigen oder unrepräsentativen Trainingsdaten basieren. Die KI reproduziert unbewusst Muster aus den Daten.

Warum es sich lohnt:Kritisches Bewusstsein schützt vor falschen Entscheidungen — besonders bei HR, Kreditvergabe oder Kundenkommunikation.

Open Source KI

KI-Modelle, deren Code und oft auch Gewichte öffentlich zugänglich sind. Können lokal oder auf eigenen Servern betrieben werden.

Warum es sich lohnt:Datenschutzfreundliche Alternative zu kommerziellen Diensten — wichtig für sensible Unternehmensdaten.

API

Eine Schnittstelle, über die Programme miteinander kommunizieren. Über die KI-API können Entwickler Modelle wie GPT oder Claude direkt in eigene Anwendungen einbinden.

Warum es sich lohnt:Relevant wenn du KI tief in bestehende Systeme, Webseiten oder Apps integrieren willst.

No-Code KI

KI-Tools nutzen und automatisieren, ohne eine Zeile Code zu schreiben — über visuelle Oberflächen und vorgefertigte Bausteine.

Warum es sich lohnt:Macht KI-Automatisierung auch ohne IT-Abteilung möglich. Der schnellste Einstieg für die meisten Unternehmen.

Copilot-Prinzip

KI als "Co-Pilot", der neben dem Menschen arbeitet, unterstützt und Vorschläge macht — aber die Kontrolle beim Menschen lässt.

Warum es sich lohnt:Das richtige Mindset für den KI-Einsatz im Alltag: KI ergänzt, sie ersetzt nicht.

Chatbot

Ein Programm, das automatisch auf Textnachrichten antwortet. Moderne Chatbots nutzen LLMs und können komplexe Gespräche führen.

Warum es sich lohnt:Relevant für Kundenservice, FAQ-Automatisierung und interne Assistenten — einer der meistgenutzten KI-Einstiege.

Inferenz

Der Prozess, bei dem ein trainiertes KI-Modell eine Anfrage verarbeitet und eine Antwort generiert. Training passiert einmal — Inferenz passiert bei jeder Nutzung.

Warum es sich lohnt:Bestimmt Geschwindigkeit und Kosten der KI-Nutzung. Lokal laufende Modelle senken die Inferenzkosten auf null.

Vektordatenbank

Eine spezielle Datenbank, die Embeddings speichert und schnell durchsuchen kann. Grundlage für RAG-Systeme und semantische Suche.

Warum es sich lohnt:Wenn du KI mit eigenen Unternehmensdaten verbinden willst, kommt früher oder später eine Vektordatenbank ins Spiel.

DSGVO & KI

Die Datenschutz-Grundverordnung gilt auch beim Einsatz von KI. Kundendaten dürfen nicht einfach an externe KI-Dienste weitergegeben werden.

Warum es sich lohnt:Unwissenheit schützt nicht vor Bußgeldern. Wer KI im Unternehmen einsetzt, muss die Datenwege kennen.

KI-Modell

Das fertige, trainierte System, das Anfragen beantwortet — z.B. GPT-4o, Claude Sonnet, Gemini Pro. Verschiedene Modelle haben verschiedene Stärken, Schwächen und Kosten.

Warum es sich lohnt:Die richtige Modellwahl für die richtige Aufgabe spart Zeit und Geld. Nicht immer ist das teuerste Modell das beste.