Glossar
Die meisten Missverständnisse entstehen nicht aus fehlenden Definitionen, sondern aus verwechselten Nachbarbegriffen: Fine-Tuning und RAG, Speicherort und Verarbeitungsort, Embedding und Vektordatenbank. Deshalb steht bei jedem Begriff, wovon er zu unterscheiden ist — und was er für ein Einführungsprojekt bedeutet.
Welche Begriffe sind erklärt?
RAG (Retrieval-Augmented Generation)
RAG ist ein Verfahren, bei dem ein Sprachmodell vor der Antwort in festgelegten Dokumenten nachschlägt und die Fundstelle mitliefert.
AnsehenHalluzination
Als Halluzination bezeichnet man eine erfundene Aussage, die ein Sprachmodell in überzeugender Form ausgibt — etwa eine Gerichtsentscheidung, die es nie gab, oder eine Vertragsklausel, die im Dokument nicht steht.
AnsehenInferenz
Inferenz ist die Ausführung eines fertig trainierten Modells: der Rechenvorgang, bei dem aus einer Eingabe eine Antwort entsteht.
AnsehenLLM (Large Language Model)
Ein LLM ist ein auf großen Textmengen trainiertes Modell, das zu einer Eingabe die wahrscheinlichste Fortsetzung erzeugt.
AnsehenEmbedding
Ein Embedding ist die Übersetzung eines Textabschnitts in eine Zahlenfolge, die seine Bedeutung für die Suche abbildet.
AnsehenVektordatenbank
Eine Vektordatenbank speichert Embeddings und findet zu einer Anfrage die inhaltlich ähnlichsten Abschnitte im Bestand.
AnsehenFine-Tuning
Fine-Tuning ist das Nachtrainieren eines vorhandenen Modells mit eigenen Beispielen, um Stil, Format oder Fachsprache anzupassen.
AnsehenPrompt
Ein Prompt ist die Anweisung an ein Sprachmodell — bestehend aus der Frage des Nutzers und aus festen Regeln, die das System davorsetzt.
AnsehenKontextfenster
Das Kontextfenster ist die Menge an Text, die ein Modell bei einer Anfrage gleichzeitig verarbeiten kann — Anweisung, mitgeliefertes Material und Antwort zusammengenommen.
AnsehenToken
Ein Token ist die kleinste Verarbeitungseinheit eines Sprachmodells — grob ein Wortteil; im Deutschen etwa drei Viertel eines Wortes, bei Fachbegriffen und Zusammensetzungen deutlich weniger.
AnsehenKI-Agent
Ein KI-Agent beantwortet nicht nur, sondern führt Handlungen aus: Er liest ein Dokument, prüft es gegen Stammdaten und legt einen Vorgang im Fachsystem an.
AnsehenOn-Premise
On-Premise bedeutet, dass eine Anwendung auf eigenen Servern im eigenen Rechenzentrum läuft statt in der Infrastruktur eines Anbieters.
AnsehenChatbot
Ein Chatbot ist eine Anwendung, die im Dialog antwortet — technisch sagt der Begriff nichts darüber, woher die Antworten kommen.
AnsehenAgentic AI
Agentic AI bezeichnet die Bauweise, bei der ein System eine Aufgabe selbst in Schritte zerlegt, Werkzeuge aufruft und das Ergebnis prüft, statt auf jede Eingabe eine einzelne Antwort zu geben.
AnsehenPrompt Engineering
Prompt Engineering ist das gezielte Formulieren von Anweisungen an ein Sprachmodell, damit das Ergebnis brauchbar und wiederholbar wird.
AnsehenOCR (Texterkennung)
OCR wandelt das Bild eines Dokuments in maschinenlesbaren Text um — aus einem gescannten Lieferschein wird eine Zeichenfolge, die sich durchsuchen und weiterverarbeiten lässt.
AnsehenLokales LLM
Ein lokales LLM ist ein Sprachmodell, das auf eigener oder angemieteter Hardware läuft statt über die Schnittstelle eines Anbieters.
AnsehenKI-Beauftragter
Ein KI-Beauftragter ist eine innerbetrieblich benannte Person, die den KI-Einsatz überblickt, Einordnungen pflegt und Ansprechpartner ist.
AnsehenKI-Richtlinie
Eine KI-Richtlinie legt innerbetrieblich fest, welche Werkzeuge genutzt werden dürfen, mit welchen Daten und mit welcher Prüfung.
AnsehenKI-Governance
KI-Governance ist der laufende Betrieb rund um den KI-Einsatz: wer zuständig ist, wie Anwendungsfälle eingeordnet werden, wie Nachweise entstehen und wie neue Werkzeuge hinzukommen.
AnsehenWissensdatenbank
Eine Wissensdatenbank ist ein gepflegter Bestand an Antworten auf wiederkehrende Fragen — früher ein Wiki oder ein Ordner mit Anleitungen.
AnsehenDokumentenmanagement (DMS)
Ein Dokumentenmanagementsystem verwaltet Dateien über ihren Lebenszyklus: Ablage, Versionen, Zugriffsrechte, Aufbewahrungsfristen, revisionssichere Speicherung.
AnsehenSemantische Suche
Semantische Suche findet Stellen, die dasselbe meinen, auch wenn dort völlig andere Wörter stehen als in Ihrer Frage.
AnsehenAnbieter und Betreiber
Die KI-Verordnung knüpft ihre Pflichten an Rollen und nicht an Unternehmen, und der Umfang unterscheidet sich zwischen beiden erheblich.
AnsehenPoC und Pilot
Ein Proof of Concept beantwortet an echten Daten, ob etwas technisch geht — ohne Anbindung an Ihre Systeme und ohne Nutzer, die damit arbeiten.
AnsehenOffene Modelle (Open Weight)
Offene Modelle sind solche, deren Gewichte heruntergeladen und auf eigener Hardware betrieben werden dürfen — Qwen, Llama, Mistral, GLM, DeepSeek und andere.
AnsehenWelche drei Begriffe genügen für ein Anbietergespräch?
RAG — antwortet das System aus Ihrem Bestand oder aus dem Modellgedächtnis? Davon hängt ab, ob Aussagen belegbar sind. Halluzination — darf das System «weiß ich nicht» sagen? Ein System, das immer antworten muss, erfindet. Inferenz — wo läuft die Berechnung? Nicht wo die Firma sitzt, sondern wo Ihre Eingaben verarbeitet werden.
Mit diesen drei Fragen führen Sie ein anderes Gespräch als mit einer Liste von Funktionswünschen — und Sie erkennen schnell, welcher Anbieter die Antwort schuldig bleibt.
Häufige Fragen
Welche Begriffe muss man als Entscheider wirklich kennen?+
Drei genügen für ein Gespräch mit Anbietern: RAG (Antworten aus dem eigenen Bestand statt aus dem Modellgedächtnis), Halluzination (erfundene Aussagen und wie man sie konstruktiv ausschließt) und Inferenz (wo die Berechnung läuft — die Frage, an der die datenschutzrechtliche Bewertung hängt). Alles Weitere ist Umsetzungsdetail.
Warum steht bei jedem Begriff eine Abgrenzung?+
Weil die meisten Missverständnisse nicht aus fehlenden Definitionen entstehen, sondern aus verwechselten Nachbarbegriffen — Fine-Tuning und RAG, Speicherort und Verarbeitungsort, Embedding und Vektordatenbank. Wer diese Paare trennt, führt andere Gespräche mit Anbietern.
Muss man das verstehen, um KI einzuführen?+
Nein. Was Sie brauchen, ist die Fähigkeit, die richtigen Fragen zu stellen — etwa nach dem Verarbeitungsort statt nach dem Firmensitz, oder danach, ob das System «weiß ich nicht» sagen darf. Die Begriffe helfen dabei, sie sind nicht der Zweck.
Wird das Glossar erweitert?+
Ja, entlang der Fragen, die in Projekten tatsächlich aufkommen. Begriffe, die nur in Anbieterpräsentationen vorkommen und im Gespräch nie gebraucht werden, nehmen wir nicht auf.
Zuletzt aktualisiert: