Suche

Suchbegriff eingeben.

Glossar

Kurze Erklärungen zu Begriffen aus der Welt der Künstlichen Intelligenz.

A

  • ACM (Association for Computing Machinery)

    Die führende internationale Fachgesellschaft für Informatik; vergibt den Turing Award und veröffentlicht Zeitschriften wie CACM.

  • AlexNet

    Tiefes Faltungsnetz, das 2012 die ImageNet-Challenge gewann und oft als Funke der modernen Deep-Learning-Ära gilt.

  • Alignment (KI-Ausrichtung)

    Die Frage, ob KI-Systeme beabsichtigte Ziele und Werte verfolgen, nicht nur das, wofür sie auf Trainingsdaten optimiert wurden.

  • Allgemeine KI (AGI)

    Hypothetische KI mit menschenähnlicher Breite über viele Aufgaben, nicht dasselbe wie ein schmales Modell oder ein heutiger LLM-Chatbot.

  • AlphaFold

    DeepMind-System zur Vorhersage der 3D-Proteinstruktur aus der Aminosäuresequenz; AlphaFold2 (2020) und Nachfolger veränderten die Strukturbiologie.

  • AlphaGo

    DeepMinds Go-Programm, das 2016 Profi-Lee Sedol schlug, Meilenstein aus neuronalen Netzen, Selbstspiel und Suche.

  • Attention (Aufmerksamkeit)

    Der Mechanismus, der ein Modell gewichten lässt, wie wichtig jeder Teil der Eingabe für jeden anderen ist; Ähnlichkeitswerte werden per Softmax zu Gewichten.

  • Autonomes Fahren (Autonomous driving)

    Fahrzeugnavigation ohne durchgehend menschliches Lenken; verbindet Wahrnehmung, Kartierung, Planung und Steuerung, oft mit maschinellem Lernen auf Sensordaten.

B

  • Backpropagation

    Verfahren, das neuronale Netze trainiert, indem es den Fehler der Ausgabe rückwärts durch die Schichten verteilt und für jedes Gewicht berechnet, wie stark es zum Fehler beigetragen hat; Grundlage des Trainings per Gradientenabstieg.

  • Bagging (Bootstrap aggregating)

    Ensemble-Technik, die mehrere Modelle auf Bootstrap-Stichproben der Trainingsdaten trainiert und ihre Vorhersagen aggregiert, um die Varianz zu senken.

  • Boltzmann-Maschine (Boltzmann machine)

    Stochastisches neuronales Netz mit binären Einheiten und Energiefunktion aus der statistischen Physik; lernt verborgene Darstellungen, braucht zum Training aber meist langsames Sampling mit Markow-Ketten (MCMC).

C

  • Chatbot

    Dialogorientierte Oberfläche auf Regeln, Skripten oder oft einem großen Sprachmodell; abgrenzbar vom KI-Agenten, wenn nur geantwortet wird.

D

  • DARPA

    U.S. Defense Advanced Research Projects Agency; finanziert risikoreiche Forschung, die KI, Vernetzung und Robotik von ARPANET bis Grand Challenge prägte.

  • Deep Belief Network (tiefes Glaubensnetz)

    Tiefes neuronales Netz durch gieriges Stapeln eingeschränkter Boltzmann-Maschinen, danach Feinabstimmung per Backpropagation; Hinton et al. 2006 half, das tiefe Lernen wiederzubeleben.

  • Deep Blue

    IBMs Schach-Supercomputer von 1997, der Weltmeister Garri Kasparow mit Brute-Force-Suche und handoptimierter Bewertung schlug, ohne zu lernen.

  • Deep Learning (tiefes Lernen)

    Mehrlagige neuronale Netze mit Training auf gestapelten Zwischendarstellungen („representation learning“).

  • Deepfake

    Mit KI erzeugte oder manipulierte Bild-, Ton- oder Videoinhalte, die realen Personen, Gegenständen, Orten oder Ereignissen ähneln und fälschlich als echt erscheinen können.

  • DeepMind

    Londoner KI-Labor, gegründet 2010, 2014 von Google übernommen; bekannt für AlphaGo, AlphaFold und multimodale Modelle unter Google DeepMind.

  • DeepSeek

    Chinesisches KI-Unternehmen, dessen Reasoning-Modell R1 mit offenen Gewichten (2025) westlichen Spitzenmodellen bei deutlich niedrigeren angegebenen Trainingskosten nahekam und Märkte erschütterte.

E

  • ELIZA

    Joseph Weizenbaums MIT-Programm von 1966 simulierte Therapiedialog per Schlüsselwort-Regeln; berühmt für den ELIZA-Effekt.

  • Entrolltes Inferenznetz (unrolled inference network)

    Ein iteratives Inferenzverfahren in einem energiebasierten oder probabilistischen Modell, in eine feste Schrittanzahl entrollt und end-to-end als Feed-forward-Netz trainiert; GANs vermeiden das durch Erzeugung in einem Vorwärtsdurchlauf.

  • Entscheidungsbaum (Decision tree)

    Überwachtes Modell, das Daten durch rekursive Splits auf Merkmalsschwellen teilt und einen Baum aus Ja-oder-Nein-Entscheidungen bildet.

  • Expertenmischung (Mixture of Experts)

    Ein Modellentwurf, der das Netz in viele spezialisierte Teilnetze aufteilt und pro Eingabe nur wenige aktiviert, sodass ein sehr großes Modell zu den Kosten eines viel kleineren läuft.

  • Expertensystem

    Regelbasiertes KI-Programm mit Wissensbasis und Inferenzmaschine; kommerzieller Flagship der symbolischen KI in den 1980ern.

F

  • Feinabstimmung (Fine-Tuning)

    Weiteres Training eines bestehenden Modells: meist weniger Daten und spezielleres Ziel als beim Pretraining.

  • Frage-Antwort-System (Question Answering)

    Frage-Antwort-Systeme (Question Answering) sind ein Teilgebiet der maschinellen Sprachverarbeitung: Systeme, die in natürlicher Sprache gestellte Fragen mit einer direkten Antwort beantworten statt mit einer Liste von Dokumenten.

G

  • GAN (Generative Adversarial Network)

    Zwei gegeneinander trainierte neuronale Netze: Ein Generator erzeugt künstliche Daten, ein Diskriminator versucht, sie von echten zu unterscheiden. 2014 von Ian Goodfellow und Kollegen vorgestellt.

  • Gedankenkette (Chain-of-Thought)

    Eine Technik beim Prompting und Training, bei der ein Modell Zwischenschritte ausschreibt, bevor es eine Antwort gibt, was die Genauigkeit bei mehrschrittigen Aufgaben oft erhöht.

  • Generative KI (Generative AI)

    KI-Systeme, die neue Inhalte wie Texte, Bilder, Audio oder Videos erzeugen, indem sie Muster aus ihren Trainingsdaten lernen.

  • GPU

    Grafikprozessor; parallel arbeitender Prozessor, ursprünglich für Bilddarstellung gebaut, später zur Beschleunigung von Matrixoperationen beim Training neuronaler Netze genutzt.

  • Gradientenabstieg (Gradient Descent)

    Optimierungsverfahren, das die Parameter eines Modells wiederholt ein kleines Stück in die Richtung verschiebt, in der der Fehler am stärksten sinkt; die Schrittweite bestimmt die Lernrate.

  • Guardrails

    Technische und policy-basierte Schichten, die festlegen, was ein KI-System sagen oder tun darf, Filter, Regeln, Werkzeug-Rechte, menschliche Prüfung.

H

  • Halluzination

    In der KI: flüssig formulierte, aber falsche oder erfundene Ausgabe, kein Sinneserlebnis; Risiko bei LLMs, Chatbots und Belegen.

I

  • IBM Watson

    IBMs Frage-Antwort-System, das 2011 die Jeopardy!-Champions Ken Jennings und Brad Rutter schlug; später nutzte IBM den Namen für seine kommerziellen KI-Angebote.

  • ImageNet

    Großer beschrifteter Bilddatensatz und Benchmark (ab Mitte der 2000er), der Fortschritt in der Bildverarbeitung messbar machte und den Weg für Deep Learning ebnete.

  • Inference (Inferenz)

    Einsatz eines trainierten Modells auf neue Eingaben: nach abgeschlossenem Training (Vorwärtslauf, Deployment).

J

  • Jailbreak

    Prompts (oder Prompt-Ketten), die Sicherheitsregeln, Ablehnungen oder Nutzungsrichtlinien eines Modells umgehen sollen, nicht normales Prompt Engineering.

K

  • Kernel-Trick (Kernel trick)

    Technik, die innere Produkte in einem hochdimensionalen Merkmalsraum implizit berechnet und linearen Algorithmen ermöglicht, nichtlineare Entscheidungsgrenzen effizient zu fitten.

  • KI-Agent

    Ein System, das Ziele verfolgt, indem es eine Umgebung beobachtet, plant und Aktionen ausführt (oft über Werkzeuge), und nicht nur statischen Text erzeugt.

  • KI-Winter (AI Winter)

    Zeit(en), in denen Forschungsförderung und Zuversicht in der KI nach überzogener Hoffnung stark einbrachen.

  • Konvolutionales neuronales Netz (Faltungsnetz, Convolutional Neural Network, CNN)

    Neuronale Netzarchitektur für gitterartige Daten wie Bilder; nutzt gemeinsame lokale Filter und Pooling, um räumliche Merkmale effizient zu lernen.

  • Künstliche Intelligenz (KI / AI)

    Das breite Feld der Informatik, das sich mit Systemen beschäftigt, die Aufgaben ausführen, die typischerweise menschliche Intelligenz erfordern, von Mustererkennung bis zu Sprachverständnis.

  • Künstliches neuronales Netz (ANN)

    Berechnungsmodelle, lose inspiriert von Neuronenschichten; Parameter werden aus Daten geschätzt.

L

  • Large Language Model (LLM)

    Ein statistisches Sprachmodell, trainiert auf großen Textkorpora, meist mit Transformer-Architektur, für Generierung und Verstehen.

  • LeNet

    Familie konvolutionaler neuronaler Netze von Yann LeCun und Kollegen bei AT&T Bell Labs; LeNet-1 las Postleitzahl-Ziffern um 1989, LeNet-5 Bankschecks 1998.

  • LIDAR (LiDAR)

    Entfernungssensor, der Distanz durch Zeitmessung von Laserpulsen ermittelt und dichte 3D-Punktwolken für Kartierung, Robotik und autonome Fahrzeuge erzeugt.

M

  • Markow-Kette (Markov chain)

    Ein Zufallsprozess, bei dem der nächste Zustand nur vom aktuellen abhängt; in ML Grundlage von MCMC-Stichproben, frühen n-Gramm-Sprachmodellen und langsamen iterativen Generatoren, die GANs vermeiden sollen.

  • Maschinelle Sprachverarbeitung (NLP)

    Teilgebiet der KI für Verstehen, Erzeugen und Transformieren natürlicher Sprache mit Computern, von Parsing und Übersetzung bis zu modernen LLMs.

  • Maschinelles Lernen (Machine Learning)

    Algorithmen, die aus Daten Muster übernehmen, um vorherzusagen oder zu entscheiden, ohne vollständig handgeschriebene Regelwerke.

  • Model Context Protocol (MCP)

    Ein offenes Protokoll, das standardisiert, wie KI-Anwendungen auf externe Datenquellen, Tools und Dienste zugreifen, damit Modelle mit aktuellem Kontext statt nur statischem Trainingswissen arbeiten können.

  • Modell (Machine-Learning-Modell)

    Eine aus Daten gelernte Funktion mit Parametern: das Artefakt aus dem Training, das zur Inferenz eingesetzt wird.

  • Modell-Router (Model Router)

    Eine Steuerschicht, die pro Anfrage wählt, welche Modellvariante oder welcher Modus läuft, z. B. schneller Chat versus tieferes Reasoning, statt die Wahl dem Nutzer zu überlassen.

P

  • Perzeptron (Perceptron)

    Frühes einschichtiges neuronales Modell, das aus Beispielen eine lineare Entscheidungsgrenze lernt; Rosenblatt (1958), später durch Minsky/Papert eingegrenzt.

  • PPO (Proximal Policy Optimization)

    Weit verbreiteter RL-Algorithmus mit geklipptem Ziel: stabilisiert Policy-Updates und wird oft in RLHF-Stufen eingesetzt.

  • Prompt

    Texteingabe bzw. Anweisung an ein KI-Modell, die Aufgabe, Stil, Umfang und Ausgabe steuert.

  • Prompt Injection

    Feindliche oder versteckte Anweisungen im Kontext, die das Verhalten eines LLM kapern, direkt (Nutzerinput) oder indirekt (RAG, Tools, fremde Dokumente).

R

  • RAG (Retrieval-Augmented Generation)

    Retriever über Dokumente kombiniert mit einem Generator-LLM: für aktuellere oder interne Faktenbasis.

  • Random Forest (Zufallswald)

    Ensemble-Klassifikator, der viele entkoppelte Entscheidungsbäume aus Bootstrap-Stichproben mit zufälligen Merkmalsmengen pro Split aggregiert.

  • Reasoning

    Schrittweises Schlussfolgern, bei dem aus Kontext, Regeln oder Zwischenresultaten eine Antwort abgeleitet wird.

  • Red Teaming

    Gezieltes Ausloten eines KI-Systems auf Fehler, Missbrauch und Umgehungen vor oder nach dem Launch, strukturiertes adversariales Testen.

  • Reinforcement Learning (RL)

    Lernen durch Belohnungen aus Interaktion: Spiele, Robotik und Teile vom LLM-Alignment.

  • ReLU (rektifizierte lineare Einheit)

    Aktivierung f(x) = max(0, x) in tiefen Netzen; ab Mitte der 2010er oft statt Sigmoid/Tanh.

  • RLHF (Reinforcement Learning from Human Feedback)

    Verfeinerung von LLMs aus menschlichen Präferenzvergleichen, oft mit verstärkendem Lernen, zentral für Alignment nach dem Pretraining.

S

  • Selbstspiel (Self-play)

    Trainingsregime, in dem ein Agent gegen Kopien oder frühere Versionen seiner selbst antritt und so vielfältige Erfahrung ohne menschliche Expertenlabels erzeugt.

  • Souveräne KI (Sovereign AI)

    Nationale oder lokal kontrollierte KI-Kapazität, einschließlich Infrastruktur, Daten, Modellen und Regeln, im Dienst der Interessen eines Landes statt vollständiger Abhängigkeit von fremden Stacks.

  • Sprachmodell (Language model)

    Statistisches oder neuronales Modell, das Wortsequenzen Wahrscheinlichkeiten zuweist; dient Vorhersage, Generierung und als Rückgrat moderner NLP-Systeme.

  • Superintelligenz (ASI)

    Eine hypothetische KI, die Menschen in nahezu allen kognitiven Bereichen weit übertrifft, nicht dasselbe wie ein starker Chatbot, ein heutiges LLM oder AGI auf menschlichem Niveau.

  • Support-Vektor-Maschine (Support vector machine, SVM)

    Überwachter Klassifikator, der eine Maximum-Margin-Grenze zwischen Klassen findet und nichtlineare Probleme oft per Kernel-Trick löst.

  • Symbolische KI (GOFAI)

    Ansätze mit expliziten Symbolen, Logik und Wissensbasen: häufig gegenüber datengetriebenem ML/Lernen abgegrenzt.

T

  • Technologische Singularität

    Ein hypothetischer Zeitpunkt, an dem technologischer Wandel (oft durch fortgeschrittene KI) schneller wird, als Menschen ihn noch zuverlässig vorhersagen oder steuern können.

  • Temporal-Difference-Lernen (Temporal-difference learning, TD learning)

    Verstärkungslernmethode, die Wertschätzungen aus der Differenz aufeinanderfolgender Vorhersagen aktualisiert und aus Erfahrung bootstrapped, ohne auf eine Endbelohnung zu warten.

  • Test-Time Compute

    Zusätzliche Rechenleistung beim Antworten einer Frage, zur Inferenzzeit, nicht nur beim Training; ein Hebel für schwierigere Reasoning-Aufgaben.

  • Theorie des toten Internets

    Eine Randthese aus der Netzkultur (ca. 2021): Der sichtbare Web-Inhalt und viel „Engagement“ stammen überwiegend von Bots, Spam oder KI, nicht von echter menschlicher Aktivität.

  • Token

    Kleinste Texteinheit, die ein Sprachmodell verarbeitet (oft Wortteile statt ganzer Wörter).

  • Training (Modelltraining)

    Phase, in der Modellparameter vor dem Einsatz aus Daten oder Feedback optimiert werden: zu unterscheiden von Inference zur Laufzeit.

  • Transformer (Architektur)

    Neuromodell für Folgen, stark auf Attention basierend; Basis moderner Großmodelle („Attention Is All You Need“, 2017).

  • Turing-Test (Imitationsspiel)

    Turing-Vorschlag zur Prüfung: lässt sich maschineller Dialog von menschlichem unterscheiden?

Ü

U

V

  • Vektordatenbank

    Speicher für Ähnlichkeitssuche über Embedding-Vektoren: Retrieval-Schicht hinter vielen RAG- und Semantik-Suchsystemen.

W

  • Wort-Embedding (Word embedding)

    Dichte Vektorrepräsentation eines Wortes, aus Kookurrenz oder Vorhersagekontext gelernt, die semantische und syntaktische Regularitäten im kontinuierlichen Raum erfasst.