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 einem festgelegten Dokumentenbestand nachschlägt und nur aus den gefundenen Stellen antwortet.
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 abbildet.
AnsehenVektordatenbank
Eine Vektordatenbank speichert Embeddings und findet zu einer Anfrage die inhaltlich ähnlichsten Abschnitte.
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.
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.