Künstliche Intelligenz hat sich in der breiten Masse durchgesetzt, aber die Terminologie kann überwältigend sein, wenn Sie gerade erst anfangen. Ganz gleich, ob Sie Student, Unternehmer oder neugieriger Fachmann sind, das Verständnis der grundlegenden Sprache der KI wird Ihnen helfen, sich sicher in Tools, Konzepten und Gesprächen zurechtzufinden.
In diesem Glossar werden die wichtigsten KI-Begriffe in klarer, einsteigerfreundlicher Sprache erklärt – es sind keine fortgeschrittenen mathematischen Kenntnisse oder Programmierkenntnisse erforderlich.
Künstliche Intelligenz (KI)
Der Bereich der Entwicklung von Computersystemen, die Aufgaben ausführen können, die normalerweise menschliche Intelligenz erfordern, wie Lernen, Problemlösung, Mustererkennung und Entscheidungsfindung.
Maschinelles Lernen (ML)
Ein Teilbereich der KI, bei dem Computer aus Daten lernen, anstatt explizit programmiert zu werden. Das System verbessert seine Leistung im Laufe der Zeit auf der Grundlage von Mustern, die es erkennt.
Tiefes Lernen
Eine Art des maschinellen Lernens, das neuronale Netzwerke mit vielen Schichten verwendet, um komplexe Muster zu analysieren. Diese Technologie ermöglicht Bilderkennung, Sprachassistenten und die meisten modernen KI-Modelle.
Neuronales Netzwerk
Ein vom menschlichen Gehirn inspiriertes Computersystem, das aus miteinander verbundenen Knoten (oder „Neuronen“) besteht, die Daten verarbeiten und Muster lernen.
Großes Sprachmodell (LLM)
Ein Deep Learning-Modell, das auf riesigen Textmengen trainiert wird, um menschenähnliche Sprache zu verstehen und zu erzeugen. Beispiele sind GPT-basierte Modelle und andere führende generative KI-Systeme.
Generative KI
KI, die auf der Grundlage der Daten, aus denen sie gelernt hat, neue Inhalte – wie Text, Bilder, Audio oder Video – erstellt. Sie analysiert nicht nur Daten, sondern erzeugt auch neues Material.
Trainingsdaten
Die Informationen, die verwendet werden, um einem KI-System beizubringen, wie eine Aufgabe auszuführen ist. Qualitativ hochwertige, vielfältige Trainingsdaten sind für genaue Ergebnisse unerlässlich.
Feinabstimmung
Ein Prozess, bei dem ein vorab trainiertes KI-Modell anhand bestimmter Daten weiter trainiert wird, um sich auf eine bestimmte Aufgabe oder Branche zu spezialisieren (z.B. juristische oder medizinische KI).
Parameter
Interne Einstellungen in einem KI-Modell, die beeinflussen, wie es lernt und Vorhersagen macht. Moderne Modelle können Milliarden von Parametern haben.
Eingabeaufforderung
Der Text oder die Anweisung, die einem KI-Modell gegeben wird, um eine Antwort zu erhalten. Gute Prompts führen zu besseren Ergebnissen.
Beispiel: „Erklären Sie einem 10-Jährigen das maschinelle Lernen.“
Schnelles Engineering
Das Entwerfen effektiver Prompts, um ein KI-System zur bestmöglichen Ausgabe zu führen.
Wertmarken
Einheiten von Text (Wörter oder Wortteile), die ein KI-Modell verarbeitet. Leistung und Preise für KI-Tools hängen oft von der Verwendung von Token ab.
Halluzination
Wenn eine KI mit Sicherheit ungenaue oder gefälschte Informationen liefert. Das ist eine bekannte Einschränkung in aktuellen Systemen.
Bias
Unbeabsichtigte oder unfaire Tendenzen bei KI-Ergebnissen, die durch verzerrte Trainingsdaten verursacht werden. Verantwortungsvolle KI-Praktiken zielen darauf ab, dies zu reduzieren.
Datensatz
Eine Sammlung von Daten, die zum Trainieren oder Bewerten eines KI-Modells verwendet wird. Datensätze können Text, Bilder, Audio oder strukturierte Daten enthalten.
Computer Vision
Ein Bereich der KI, der es Computern ermöglicht, visuelle Inhalte wie Fotos und Videos zu verstehen und zu interpretieren.
Natürliche Sprachverarbeitung (NLP)
KI-Technologie, die es Maschinen ermöglicht, menschliche Sprache zu verstehen und zu erzeugen. Wird in Chatbots, Übersetzungen und Stimmungsanalysen verwendet.
Reinforcement Learning
Eine Lernmethode, bei der ein KI-Agent durch Versuch und Irrtum lernt und auf der Grundlage seiner Leistung Belohnungen oder Bestrafungen erhält.
Überwachtes Lernen
Eine Methode des maschinellen Lernens, bei der das Modell auf markierten Daten trainiert wird – das heißt, die richtigen Antworten werden während des Trainings bereitgestellt.
Unüberwachtes Lernen
Eine Methode, bei der das Modell Muster aus unbeschrifteten Daten lernt – ohne die richtigen Antworten im Voraus zu kennen.
KI-Agent
Ein System, das im Namen eines Benutzers Aktionen durchführen, Entscheidungen treffen und autonomer arbeiten kann als reine Chat-KI-Tools.
Model Ausbildung
Der Prozess, bei dem ein KI-System mit Daten gefüttert wird, damit es lernt, wie es Aufgaben erfüllen kann.
Inferenz
Wenn ein KI-Modell das Gelernte verwendet, um Vorhersagen zu treffen oder Antworten zu generieren.
Overfitting
Wenn ein Modell Trainingsdaten zu gut lernt, einschließlich Fehlern oder Rauschen, und bei neuen Daten schlecht abschneidet.
API (Anwendungsprogrammierschnittstelle)
Eine Verbindungsmethode, die es Software ermöglicht, mit einem KI-Modell zu kommunizieren – so können Unternehmen KI in Apps und Websites integrieren.
Chatbot
Ein KI-System, das mit Benutzern über Text oder Sprache interagiert. Chatbots können Fragen beantworten, Aufgaben automatisieren und Kundensupport leisten.
Ethik in der KI
Grundsätze und Praktiken, die sicherstellen sollen, dass KI-Systeme fair, transparent und sicher sind und die Menschenrechte respektieren.
KI-Governance
Richtlinien und Verfahren für die sichere und verantwortungsvolle Entwicklung und Nutzung von KI in Unternehmen.
Erklärbare KI (XAI)
KI-Techniken, die Modellentscheidungen für Menschen transparent und verständlich machen – wichtig für Vertrauen und Verantwortlichkeit.
Edge AI
KI wird direkt auf Geräten (Telefonen, Kameras, IoT) und nicht auf Cloud-Servern ausgeführt. Das erhöht die Geschwindigkeit und den Datenschutz.
Schlussfolgerung
Das Erlernen von KI-Begriffen ist der erste Schritt, um künstliche Intelligenz in Ihrer Arbeit oder Ihrem Unternehmen sicher zu nutzen und zu bewerten. Wenn Sie sich mit den Schlüsselkonzepten der Branche vertraut machen, können Sie neue Tools verantwortungsvoll und strategisch einsetzen.