Skip to content

KI & Maschinelles Lernen

59 Begriffe aus KI & Maschinelles Lernen, verständlich erklärt, und wie GAIA jeden davon einsetzt.

KI-Agent

Ein KI-Agent ist ein autonomes Softwaresystem, das seine Umgebung wahrnimmt, über Handlungen nachdenkt und Maßnahmen ergreift, um bestimmte Ziele ohne fortlaufende menschliche Anleitung zu erreichen.

Agentische KI

Agentische KI beschreibt Systeme der künstlichen Intelligenz, die darauf ausgelegt sind, autonom zu agieren, Entscheidungen zu treffen und mehrstufige Aufgaben mit minimaler menschlicher Aufsicht auszuführen.

Proaktive KI

Proaktive KI ist KI, die handelt, bevor Sie fragen: Sie achtet auf Ereignisse (eine neue E-Mail, ein anstehendes Meeting, eine Deadline), entscheidet, wann etwas Aufmerksamkeit braucht, und beginnt von sich aus mit der Arbeit oder benachrichtigt Sie. Reaktive KI ist das Gegenteil: Sie tut nichts, bis Sie einen Prompt oder Befehl senden, und antwortet dann.

Graphbasierter Speicher

Graphbasierter Speicher ist eine KI-Speicherarchitektur, die Informationen als miteinander verbundene Knoten und Beziehungen speichert. Dadurch wird ein reiches Kontextverständnis und dauerhaftes Wissen über verschiedene Interaktionen hinweg ermöglicht.

Semantische Suche

Semantische Suche ist eine Suchmethode, die die Bedeutung und Intention hinter einer Anfrage versteht und die Ergebnisse anhand konzeptueller Relevanz statt exakter Schlüsselwort-Übereinstimmungen liefert.

Large Language Model (LLM)

Ein Large Language Model (LLM) ist ein künstliches Intelligenzmodell, das mit riesigen Mengen an Textdaten trainiert wurde und menschliche Sprache bemerkenswert flüssig verstehen, generieren und verarbeiten kann.

Kontextbewusstsein

Kontextbewusstsein bei KI bedeutet, die vollständige Situation rund um eine Aufgabe oder Interaktion zu erfassen, einschließlich der beteiligten Personen, vorausgegangener Ereignisse, zugehöriger Projekte, Fristen sowie der Vorlieben und Muster des Nutzers.

KI-Orchestrierung

KI-Orchestrierung ist die Koordination mehrerer KI-Agenten, Modelle und Tools, die gemeinsam komplexe, mehrschrittige Aufgaben erledigen, welche keine einzelne Komponente alleine bewältigen könnte.

Transformer

Ein Transformer ist eine 2017 eingeführte neuronale Netzwerkarchitektur, die Selbstaufmerksamkeitsmechanismen nutzt, um Datenfolgen parallel zu verarbeiten, und damit das Fundament aller modernen großen Sprachmodelle bildet.

Feinabstimmung

Feinabstimmung ist der Prozess, bei dem ein vortrainiertes KI-Modell mit einem kleineren, aufgabenspezifischen Datensatz weitertrainiert wird, um dessen Verhalten für einen bestimmten Fachbereich oder eine Anwendung anzupassen.

Embeddings

Embeddings sind dichte numerische Vektorrepräsentationen von Daten – etwa Text, Bildern oder Audio –, die semantische Bedeutungen und Beziehungen im hochdimensionalen Raum abbilden.

Vektor-Datenbank

Eine Vektor-Datenbank ist ein Datenbanksystem, das darauf ausgelegt ist, hochdimensionale Vektor-Embeddings in großem Maßstab zu speichern, zu indexieren und abzufragen. So ermöglicht sie eine schnelle Ähnlichkeitssuche in großen Sammlungen eingebetteter Daten.

Retrieval-Augmented Generation (RAG)

Retrieval-Augmented Generation (RAG) ist eine Technik, bei der LLM-Antworten durch das Abrufen relevanter Dokumente oder Daten aus einer externen Wissensdatenbank verbessert werden, wobei dieser Kontext in den Prompt des Modells eingespeist wird.

Prompt Engineering

Prompt Engineering ist die Praxis, Eingaben für KI-Sprachmodelle so zu entwerfen und zu verfeinern, dass zuverlässig gewünschte Ausgaben erreicht werden – und das ganz ohne Änderungen an den zugrunde liegenden Modellgewichten.

Zero-Shot Learning

Zero-Shot Learning ist die Fähigkeit eines KI-Modells, Aufgaben zu erledigen, für die es nie explizit trainiert wurde, indem es auf Allgemeinwissen und logisches Denken zurückgreift, anstatt auf aufgabenspezifische Beispiele.

Few-Shot Learning

Few-Shot Learning bezeichnet die Fähigkeit eines KI-Modells, sich mithilfe weniger Eingabe-Ausgabe-Beispiele im Prompt auf eine neue Aufgabe oder ein neues Ausgabeformat einzustellen – ganz ohne Änderung der Modellparameter.

Chain-of-Thought-Reasoning

Chain-of-Thought (CoT) Reasoning ist eine Prompting-Technik, bei der ein KI-Modell aufgefordert wird, seine Zwischenschritte im Denkprozess offen darzulegen, bevor es eine finale Antwort gibt. Dies erhöht die Genauigkeit bei komplexen mehrstufigen Aufgaben erheblich.

Halluzination

KI-Halluzination ist das Phänomen, bei dem ein Sprachmodell überzeugend klingende, aber faktisch falsche, erfundene oder unsinnige Informationen erzeugt, die nicht auf den Eingabedaten oder Trainingsdaten basieren.

Tokenisierung

Tokenisierung ist der Prozess, bei dem Text in kleinere Einheiten, sogenannte Token, zerlegt wird – sie dienen als Basiseinheiten für Sprachmodelle. Token stehen meist für Wortfragmente, vollständige Wörter oder Satzzeichen.

Kontextfenster

Das Kontextfenster ist die maximale Anzahl an Tokens, die ein Sprachmodell in einem einzelnen Inferenzaufruf verarbeiten kann. Es umfasst den System-Prompt, die Gesprächshistorie, abgerufene Dokumente und die generierte Ausgabe.

Neuronales Netz

Ein neuronales Netz ist ein Rechenmodell, das von biologischen Nervensystemen inspiriert ist. Es besteht aus miteinander verbundenen Schichten von Knoten, die lernen, Eingabedaten in Ausgaben umzuwandeln, indem sie beim Training die Verbindungsgewichte anpassen.

Natural Language Processing (NLP)

Natural Language Processing (NLP) ist ein Bereich der künstlichen Intelligenz, der sich darauf konzentriert, Computern das Verstehen, Interpretieren, Generieren und Beantworten von menschlicher Sprache auf sinnvolle Weise zu ermöglichen.

Multimodale KI

Multimodale KI bezeichnet künstliche Intelligenzsysteme, die in der Lage sind, mehrere Datentypen wie Text, Bilder, Audio und Video in einem Modell oder einer integrierten Pipeline zu verarbeiten und zu generieren.

Foundation Model

Ein Foundation Model ist ein großes KI-Modell, das auf umfangreichen und breit gefächerten Daten im großen Maßstab trainiert wird und durch Feintuning, Prompting oder Integration in Anwendungsarchitekturen für eine Vielzahl nachgelagerter Aufgaben angepasst werden kann.

Inference

Inferenz ist der Vorgang, bei dem ein trainiertes KI-Modell auf neue Eingabedaten angewendet wird, um Vorhersagen, Antworten oder Entscheidungen zu treffen – im Gegensatz zum Training, bei dem das Modell aus Daten erstellt wird.

KI-Alignment

KI-Alignment ist das Forschungs- und Entwicklungsfeld, das sicherstellen soll, dass KI-Systeme Ziele verfolgen, die vorteilhaft, sicher und mit menschlichen Werten und Absichten vereinbar sind, selbst wenn sie leistungsfähiger und autonomer werden.

Tool-Nutzung

Tool Use ist die Fähigkeit von KI-Agenten, externe Funktionen, APIs, Datenbanken und Dienste aufzurufen, um Informationen abzurufen oder Handlungen in der realen Welt auszuführen – über die reine Texterzeugung hinaus.

Funktionsaufruf

Funktionsaufruf ist eine Funktion von KI-Modellen, mit der sie strukturierte, maschinenlesbare Aufrufe vordefinierter Funktionen erzeugen können. Dadurch kann ein KI-System externe APIs und Tools zuverlässig mit den richtigen Argumenten ansprechen.

Autonomer Agent

Ein autonomer Agent ist ein KI-System, das in der Lage ist, seine Umgebung eigenständig wahrzunehmen, Entscheidungen zu treffen und Maßnahmen zu ergreifen, um festgelegte Ziele zu erreichen, ohne bei jedem Schritt menschliche Eingaben zu benötigen.

Orchestrierung

Orchestrierung im Kontext von KI bezeichnet die systematische Koordination mehrerer Agenten, Modelle, Tools und Datenquellen, um komplexe, mehrstufige Aufgaben mit verwalteten Abhängigkeiten, Zuständen und Fehlermanagement auszuführen.

Agenten-Gedächtnis

Agenten-Gedächtnis ist die Fähigkeit eines KI-Agenten, Informationen aus vergangenen Interaktionen, Beobachtungen und Handlungen zu speichern, abzurufen und für zukünftiges Verhalten zu nutzen – und so einen beständigen Kontext über mehrere Sitzungen hinweg zu ermöglichen.

Temperature (KI)

Temperature ist ein Parameter beim Inferenzprozess von Sprachmodellen, der die Zufälligkeit bei der Auswahl von Tokens steuert – höhere Werte führen zu vielfältigeren und kreativeren Ausgaben, während niedrigere Werte konsistentere und deterministischere Antworten erzeugen.

System-Prompt

Ein System-Prompt ist eine Anweisung, die einem Sprachmodell zu Beginn einer Sitzung gegeben wird. Sie legt Persona, Einschränkungen, Ton und Verhaltensregeln fest, bevor eine Interaktion mit dem Nutzer startet.

Strukturierte Ausgabe

Strukturierte Ausgabe ist eine Technik, die ein LLM darauf beschränkt, in einem vordefinierten Format – typischerweise JSON oder XML – zu antworten. So können Programmanwendungen zuverlässig auf die Modellantworten zugreifen, anstatt freien Text auswerten zu müssen.

Guardrails

Guardrails sind Sicherheitsbeschränkungen für KI-Systeme, die die Modellantworten begrenzen, filtern oder umleiten, um schädliches, fehlerhaftes oder unerwünschtes Verhalten zu verhindern und dennoch sinnvolle Nutzung zu ermöglichen.

Agenten-Loop

Ein Agenten-Loop ist der iterative Ausführungszyklus eines KI-Agenten, in dem er über den aktuellen Status nachdenkt, eine Aktion auswählt und ausführt (häufig einen Tool-Aufruf), das Ergebnis beobachtet und dies wiederholt, bis die Aufgabe abgeschlossen oder eine Abbruchbedingung erreicht ist.

Supervisor-Agent

Ein Supervisor-Agent ist der KI-Agent, der ein Multi-Agenten-System steuert. Er nimmt die Anfrage entgegen, zerlegt sie in Teilaufgaben, übergibt jede an einen spezialisierten Worker-Agenten (einen Subagenten) mit den passenden Tools, prüft die Rückgaben und fügt die Ergebnisse zu einer Antwort zusammen. Die Worker führen aus; der Supervisor entscheidet, wer was erledigt und wann die Aufgabe fertig ist.

Subagent

Ein Subagent ist ein KI-Agent, den ein anderer Agent startet, um einen Teil einer größeren Aufgabe zu erledigen. Der übergeordnete Agent (oft Supervisor oder Orchestrator genannt) gibt ihm eine schriftliche Aufgabe, ausgewählte Tools und einen eigenen, frischen Kontext; der Subagent bearbeitet diesen Teil selbstständig und gibt nur sein Ergebnis zurück. So aufgeteilt, können mehrere Subagenten parallel laufen, und der Kontext des Hauptagenten bleibt übersichtlich.

Parallele Agenten

Parallele Agenten sind mehrere KI-Agenten, die gleichzeitig unabhängige Aufgaben erledigen und ihre Ergebnisse kombinieren, um komplexe Workflows schneller abzuschließen, als es eine sequentielle Einzelagenten-Bearbeitung ermöglichen würde.

Agentenzustand

Der Agentenzustand ist die strukturierte Information, die ein KI-Agent während der Ausführung einer Aufgabe speichert – damit wird festgehalten, was erledigt, gelernt und was noch offen ist. So kann die KI in mehreren Schritten denken, ohne Arbeit zu wiederholen.

Prompt Chaining

Prompt Chaining ist eine Technik, bei der die Ausgabe eines LLM-Prompts als Eingabe für den nächsten verwendet wird, sodass eine Reihe verbundener Aufrufe entsteht, die gemeinsam eine komplexe Aufgabe erledigen, die mit einem einzelnen Prompt nicht zuverlässig erreicht werden könnte.

Semantisches Routing

Semantisches Routing ist die Praxis, Benutzereingaben anhand ihrer semantischen Bedeutung und Absicht zu klassifizieren und sie so an den passenden Handler, Agenten oder die richtige Reaktionsstrategie weiterzuleiten – dies ermöglicht einer einzigen KI-Oberfläche, unterschiedlichste Anfragearten intelligent zu verwalten.

Lokales LLM

Ein lokales LLM ist ein großes Sprachmodell, das vollständig auf Ihrer eigenen Hardware läuft – Laptop, Workstation oder selbst gehosteter Server – und keine Daten an externe API-Anbieter überträgt.

Transferlernen

Transferlernen in der KI ist eine Technik, bei der ein für eine Aufgabe trainiertes Modell das Gelernte als Ausgangspunkt für eine andere, verwandte Aufgabe nutzt, statt von Grund auf neu trainiert zu werden. Es ist der Grund, warum große Sprachmodelle praktikabel sind: Sie werden einmal mit riesigen Textmengen vortrainiert und dann mit einem Bruchteil der Daten und Rechenleistung an Chat, Programmierung oder ein bestimmtes Fachgebiet angepasst.

Verstärkendes Lernen

Verstärkendes Lernen (RL) ist ein maschinelles Lernparadigma, bei dem ein Agent Entscheidungen trifft, indem er Belohnungssignale für erwünschte Handlungen erhält und Strafen für unerwünschte Aktionen bekommt.

Intent-Erkennung

Intent-Erkennung ist der Prozess, bei dem ein KI-System das zugrundeliegende Ziel oder den Zweck einer Benutzereingabe erkennt. So kann es die passende Antwort oder Aktion auswählen, anstatt nur auf die Oberfläche der Formulierung zu reagieren.

Entity Extraction

Die Entity-Extraktion ist ein NLP-Prozess, bei dem bestimmte Informationen – wie Personen, Organisationen, Daten, Orte und Aufgaben – innerhalb unstrukturierter Texte erkannt und klassifiziert werden.

Named Entity Recognition (NER)

Named Entity Recognition (NER) ist eine Aufgabe der Sprachverarbeitung, bei der benannte Entitäten im Text erkannt und in vordefinierte Kategorien wie Personen, Organisationen, Orte, Daten und domänenspezifische Entitäten klassifiziert werden.

Stimmungsanalyse

Stimmungsanalyse (Sentiment-Analyse) nutzt Verarbeitung natürlicher Sprache (NLP) und KI, um den emotionalen Ton eines Textes zu erkennen und ihn zu kennzeichnen, meist als positiv, negativ oder neutral, manchmal mit einem Wert für die Stärke des Gefühls oder einer feineren Kategorie wie frustriert, begeistert oder dringend.

Speech-to-Text

Speech-to-Text (STT), auch automatische Spracherkennung (ASR) genannt, ist eine KI-Technologie, die gesprochene Sprache in geschriebenen Text umwandelt: Sie sprechen, und die Software schreibt mit, was Sie gesagt haben. Sie steckt hinter dem Diktat auf dem Smartphone, Live-Untertiteln, Sprachassistenten und Voice-Chatbots und ist immer der erste Schritt, wenn ein KI-System Sprache verstehen soll.

Text-zu-Sprache

Text-zu-Sprache (TTS) ist eine Technologie, die geschriebenen Text in synthetisiertes, gesprochenes Audio umwandelt. So können Computer und KI-Systeme mit natürlich klingenden Stimmen verbal kommunizieren.

Kognitive Architektur

Kognitive Architektur in der KI ist das strukturelle Rahmenwerk, das festlegt, wie ein intelligenter Agent seine Umgebung wahrnimmt, Informationen verarbeitet, Wissen speichert und abruft, Entscheidungen trifft und Handlungen ausführt.

Memory-augmentierte KI

Memory-augmentierte KI ist eine KI-Architektur, die die Fähigkeiten eines Sprachmodells erweitert, indem sie es mit externen, dauerhaften Speichersystemen verbindet. Dadurch kann der Agent Informationen über die Grenzen eines einzelnen Kontextfensters hinaus speichern und abrufen.

Reasoning-Modell

Ein Reasoning-Modell ist ein speziell darauf optimiertes KI-Sprachmodell, Probleme Schritt für Schritt mit internen Überlegungen zu durchdenken, bevor es eine endgültige Antwort gibt. So wird bei komplexen Aufgaben eine höhere Genauigkeit erzielt.

Reinforcement Learning from Human Feedback (RLHF)

Reinforcement Learning from Human Feedback (RLHF) ist eine Methode des maschinellen Lernens, bei der KI-Modelle so trainiert werden, dass sie von Menschen bevorzugte Ausgaben erzeugen, indem sie aus menschlichen Bewertungen oder Rankings lernen, anstatt nur aus Rohdaten.

Constitutional AI

Constitutional AI (CAI) ist eine von Anthropic entwickelte Trainingsmethode, bei der KI-Modelle durch einen Abgleich und eine Überarbeitung ihrer eigenen Ausgaben anhand eines festgelegten Regelwerks – einer „Verfassung“ – mit menschlichen Werten in Einklang gebracht werden, anstatt sich ausschließlich auf von Menschen bewertete Präferenzdaten zu stützen.

Token

In der KI ist ein Token die grundlegende Texteinheit, die von Sprachmodellen verarbeitet wird – etwa gleichbedeutend mit 4 Zeichen oder ¾ eines durchschnittlichen englischen Wortes. Tokens werden verwendet, um die Kapazität des Kontextfensters zu messen und die API-Nutzungskosten zu bestimmen.

Chatbot vs. KI-Assistent

Ein Chatbot ist Software, die sich mit Ihnen unterhält: Er beantwortet Fragen in einem Chatfenster, mit festen Regeln oder einem Sprachmodell. Der Unterschied zwischen einem Chatbot und einem KI-Assistenten ist das Handeln. Ein Chatbot antwortet; ein KI-Assistent (oft virtueller oder digitaler Assistent genannt) erledigt auch die Arbeit, etwa die E-Mail senden, das Meeting buchen oder die Aufgabe anlegen, in den Tools, die Sie bereits nutzen.

KI-Assistent vs. KI-Agent

Ein KI-Assistent ist eine KI, die einem Menschen auf Anfrage hilft: Sie fragen, er antwortet oder erledigt die Aufgabe, und Sie behalten die Kontrolle. Ein KI-Agent ist eine KI, die ein Ziel bekommt und selbstständig darauf hinarbeitet – sie entscheidet unterwegs, welche Schritte nötig sind und welche Tools sie dafür nutzt. Die meisten leistungsfähigen KI-Assistenten basieren heute im Hintergrund auf Agenten.

Stop doing everything yourself

Join thousands of professionals who gave their grunt work to GAIA.