Suche

Suchbegriff eingeben.

Glossar

Kurze Erklärungen zu Begriffen aus der Welt der Künstlichen Intelligenz.

A

  • 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.

  • AlphaGo

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

C

  • Chatbot

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

D

  • 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“).

E

  • ELIZA

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

  • Expertensystem

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

F

G

  • Guardrails

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

I

  • 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

  • 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.

  • 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.

M

  • 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.

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.

  • 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.

  • RLHF (Reinforcement Learning from Human Feedback)

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

S

  • 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.

  • 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.

  • 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

V

  • Vektordatenbank

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