KI-Gespräche ähneln manchmal einem Abendessen, bei dem alle eine fremde Sprache sprechen — und man nickt in der Hoffnung, dass niemand eine Frage stellt. Gute Nachricht: Dieser einschüchternde Wortschatz deckt einfache Ideen ab, die sich in wenigen Sätzen mit den richtigen Bildern erklären lassen. Hier ist das Lexikon der 20 Begriffe, die überall vorkommen — endlich klar, um Gespräche zu verfolgen, Artikel zu lesen und zu verstehen, was Sie bereits nutzen.
Die Grundlagen: die Maschine und ihr Lernen
Künstliche Intelligenz (KI): ein Oberbegriff — jedes Programm, das Aufgaben erfüllt, die menschliche Intelligenz erfordern (verstehen, erkennen, entscheiden). Maschinelles Lernen (machine learning): die Königsmethode — anstatt Regeln zu programmieren, zeigt man Millionen von Beispielen, und die Maschine leitet die Muster daraus ab; wie das Erkennen einer Katze, indem man tausend Katzen sieht, nicht durch Lesen ihrer Definition. Neuronales Netzwerk: die Architektur, inspiriert (sehr entfernt) vom Gehirn — Millionen kleiner, verbundener Recheneinheiten, die sich während des Lernens anpassen. Deep Learning (tiefes Lernen): neuronale Netzwerke mit sehr vielen Schichten — das Rezept hinter den spektakulären Fortschritten des Jahrzehnts. Modell: das Ergebnis des Lernens — das „Gehirn“, das trainiert und anschließend verwendet wird; wenn man sagt „ein neues Modell ist erschienen“, versteht man „eine neue Version des Gehirns“.
Eine KI lernt nicht wie ein Mensch, sondern durch Muster in riesigen Datenmengen. Ein neuronales Netzwerk ist wie ein Gehirn, das aus vielen kleinen Teilen besteht, die zusammenarbeiten. Deep Learning bedeutet einfach, dass diese Netzwerke sehr tief sind, also viele Schichten haben.
Wenn ein KI-Modell lernen soll, Hunde zu erkennen, zeigt man ihm Millionen von Fotos mit Hunden und ohne Hunde. Das Modell findet dann selbst heraus, welche Merkmale (z. B. Ohrenform, Schnauze) typisch für Hunde sind, ohne dass man es explizit programmiert.
Generative KI und ihre Stars
Generative KI: diejenige, die erstellt — Texte, Bilder, Töne, Videos — anstatt nur zu klassifizieren oder zu erkennen. LLM (großes Sprachmodell): der Motor der Chatbots — ein riesiges Modell, trainiert auf Ozeanen von Texten, das zum Sprach-Experten wird. Prompt: Ihre Anweisung — die Anfrage, die Sie stellen; die Kunst, sie gut zu formulieren, nennt man Prompt Engineering. Token: die Texteinheit (ein kurzes Wort, ein Teil eines langen Wortes) — die Grenzen und Preise der KI werden in Tokens gemessen; merken Sie sich „Wortteil“. Halluzination: der berühmte Fehler — die KI behauptet mit Überzeugung etwas Falsches, weil sie Wahrscheinlichkeit optimiert, nicht Wahrheit; daher die Regel, immer das Wichtige zu überprüfen. Multimodal: die Fähigkeit, mehrere „Modi“ — Text, Bild, Ton — in einem Gespräch zu verstehen und zu produzieren.
Der richtige Reflex. Um diese Begriffe zu verankern, fragen Sie eine KI selbst: „Erkläre mir [Begriff] mit einer Alltagsanalogie, dann einem konkreten Beispiel“. Der KI-Wortschatz, erklärt von der KI, in Ihrem Tempo und mit Ihren Bildern: das perfekte Übung, um Nützliches mit Metasprache zu verbinden — und nebenbei zu überprüfen, dass Sie nun mit ihr dialogisieren können.
Unter der Haube: die technischen Begriffe, die immer wieder vorkommen
Training: die Phase (lang und teuer), in der das Modell aus den Daten lernt. Inferenz: die Nutzungsphase — wenn das trainierte Modell auf Ihre Anfragen antwortet; jede Antwort ist eine Inferenz. Feinabstimmung (Fine-tuning): ein allgemeines Modell auf einen Bereich spezialisieren — wie einen guten Generalisten zu einem Experten ausbilden. RAG: die KI an Referenzdokumente anschließen, die sie vor der Antwort konsultiert — die offene Prüfung, die Halluzinationen reduziert und Antworten auf Ihren Inhalten ermöglicht. Parameter: die Milliarden interner Einstellungen eines Modells — die Größenordnung, die man angibt, um seine „Größe“ zu beschreiben. Open Source / Open Weights: Modelle, die frei heruntergeladen und auf eigenen Maschinen genutzt werden können — im Gegensatz zu geschlossenen Modellen, die nur über ihren Herausgeber zugänglich sind.
Training ist wie das Lernen in der Schule: Die KI übt mit Daten. Inferenz ist das Anwenden des Gelernten, also das Beantworten von Fragen. Feinabstimmung ist wie ein Spezialkurs, um in einem bestimmten Bereich besser zu werden. RAG bedeutet, dass die KI vor dem Antworten in Dokumenten nachschaut, um sicherer zu sein.
Ein KI-Modell mit 100 Milliarden Parametern (z. B. GPT-4) hat so viele interne Einstellungen, dass es komplexe Aufgaben bewältigen kann. Wenn Sie ein Modell auf medizinische Texte feinabstimmen, wird es besser darin, medizinische Fragen zu beantworten. RAG könnte bedeuten, dass die KI vor dem Antworten in einer Datenbank mit medizinischen Leitlinien nachschaut.
Das Ökosystem und die Debatten
Agent: eine KI, die nicht nur antwortet, sondern Aktionen verknüpft (suchen, Werkzeuge nutzen, ausführen), um eine Mission zu erfüllen — der große Trend der Gegenwart. Voreingenommenheit: die Vorurteile, die aus den Trainingsdaten stammen — die KI spiegelt wider, was ihr gezeigt wurde, Fehler inklusive. AGI (allgemeine künstliche Intelligenz): die hypothetische KI, die dem Menschen in allen Bereichen gleichkommt — Gegenstand hitziger Debatten und keiner aktuellen Realität; wenn Sie AGI lesen, verstehen Sie „Spekulation“. Ausrichtung (Alignment): das Feld, das daran arbeitet, dass KIs das tun, was von ihnen erwartet wird, auf sichere und wertekonforme Weise — umso wichtiger, je autonomer sie werden.
Zu beachten. Der Jargon beeindruckt, und manche nutzen das — um zu verkaufen, zu dramatisieren oder zu blenden. Sie wissen nun das Wesentliche: Misstrauen Sie Reden, die Begriffe stapeln, ohne sie zu erklären, und Versprechen, die die AGI für morgen beschwören. Die Schlüsselkonzepte der KI passen auf diese Seite; wer sie verkompliziert, hat selten Ihr Verständnis im Sinn.
Häufige Fragen
Muss man diese Begriffe kennen, um KI zu nutzen?
Nein — man nutzt einen Assistenten sehr gut ohne Fachvokabular. Aber sie zu kennen hilft, die Grenzen (Halluzination, Voreingenommenheit) zu verstehen, die Nachrichten ohne Manipulation zu lesen und seine Werkzeuge bewusst auszuwählen.
Was ist der Unterschied zwischen ChatGPT, einem LLM und der KI?
Einfache Einbettung: KI ist das gesamte Feld; das LLM ist ein Modelltyp, spezialisiert auf Sprache; die bekannten Assistenten sind Produkte, die um ein LLM herum gebaut sind. Wie „Transport“, „Benzinmotor“ und „Automarke“.
Wird der Wortschatz noch weiter wechseln?
Ja — jede Welle bringt ihre Begriffe (die „Agenten“, gestern noch unbekannt, sind überall). Aber die Grundlagen dieser Seite bleiben stabil: Sie dienen Ihnen als dauerhafter Grundstock.
Was zu behalten
Der KI-Jargon deckt einfache Ideen ab: die Maschine lernt durch Beispiele (maschinelles Lernen, neuronale Netzwerke), die Assistenten basieren auf riesigen Sprachmodellen (LLM), die man mit Anweisungen (Prompts) steuert, ihre Fehler haben Namen (Halluzinationen, Voreingenommenheiten) und ihre Entwicklungen auch (Agenten, multimodal, RAG). Mit diesen zwanzig Begriffen verfolgen Sie Gespräche, entschlüsseln Ankündigungen und erkennen Wolkenverkäufer. Und denken Sie an den besten KI-Vokabellehrer: die KI selbst — eine Analogie und ein Beispiel auf Anfrage, bis es klar ist.
Lust, KI zu meistern und sie zu einem echten Alltagsvorteil zu machen? Unsere Schulungen begleiten Sie in Ihrem Tempo.
Schreibe einen Kommentar
Du musst angemeldet sein, um einen Kommentar abzugeben.