KI-Glossar

Vertrag nach DSGVO Art. 28, der die Datenverarbeitung durch Dienstleister regelt.

Systematische Verzerrung von KI-Entscheidungen durch unausgewogene Daten oder Algorithmen.

Prompting-Technik, bei der das Modell seine Lösungsschritte explizit nacheinander notiert.

KI-Verfahren zur Analyse und Interpretation von Bildern und Videos.

Maximale Menge an Tokens, die ein LLM in einem Aufruf gleichzeitig berücksichtigen kann.

DSGVO-Grundsatz: Nur die für den Zweck notwendigen Daten verarbeiten.

EU-Datenschutz-Grundverordnung – Rechtsrahmen für die Verarbeitung personenbezogener Daten.

Numerische Vektorrepräsentation eines Textes, Bildes oder Audios für Vergleich und Suche.

Erste umfassende KI-Regulierung der EU mit risikobasiertem Ansatz und gestaffelten Pflichten.

Systematische Messung der KI-Modellqualität gegen definierte Metriken und Testdaten.

Eigenschaft eines Modells, seine Entscheidungen nachvollziehbar zu machen.

Lernen einer Aufgabe aus nur wenigen Beispielen – meist über Beispiele direkt im Prompt.

Nachtrainieren eines vortrainierten Modells auf eigene, spezialisierte Daten.

Regeln und Filter, die unerwünschte oder riskante KI-Ausgaben verhindern.

Plausibel klingende, aber sachlich falsche Ausgaben eines Sprachmodells.

Plattform und Community für Open-Source-Modelle, Datensätze und Bibliotheken.

Anwendung eines trainierten Modells auf neue Eingaben – also der produktive Betrieb.

KI-System, das eigenständig Schritte plant und Werkzeuge aufruft, um ein Ziel zu erreichen.

Vom EU AI Act geforderte Mindestkompetenz aller Mitarbeitenden, die KI-Systeme einsetzen.

Strukturierte Wissensrepräsentation als Netz von Entitäten und ihren Beziehungen.

Open-Source-Framework zur Komposition von LLM-Anwendungen aus modularen Bausteinen.

Großes Sprachmodell, das auf Milliarden von Texten trainiert wurde und natürliche Sprache verstehen und erzeugen kann.

Offener Standard, mit dem KI-Modelle einheitlich auf Werkzeuge, Daten und Systeme zugreifen.

Praktiken und Werkzeuge, um Machine-Learning-Modelle zuverlässig in Produktion zu betreiben.

Verschlechterung der Modellqualität über Zeit, weil sich Daten oder Welt ändern.

Modelle, die mehrere Modalitäten wie Text, Bild, Audio und Video gleichzeitig verarbeiten.

Teilgebiet der KI, das menschliche Sprache verstehen, analysieren und generieren lässt.

Technik zur Umwandlung gescannter Dokumente oder Bilder in maschinenlesbaren Text.

Gezielte Formulierung von Eingaben an Sprachmodelle, um qualitativ bessere Ergebnisse zu erhalten.

Angriffstechnik, bei der manipulative Eingaben das Verhalten eines LLM umlenken.

Verfahren, das ein LLM mit gezielter Wissensrecherche aus eigenen Dokumenten kombiniert.

Regelbasierte Software-Robotik, die Klicks und Eingaben in bestehenden Anwendungen automatisiert.

Künstlich erzeugte Datensätze für Training und Test, die echte Daten ersetzen oder ergänzen.

Kleinste Verarbeitungseinheit eines LLM – meist Wortteile, etwa 4 Zeichen.

Wiederverwendung eines auf einer Aufgabe trainierten Modells als Startpunkt für eine andere.

Neuronale Netzwerkarchitektur, die mit dem Attention-Mechanismus moderne LLMs ermöglicht.

Pflicht, Nutzern offenzulegen, wenn sie mit KI interagieren oder KI-generierte Inhalte sehen.

Spezialisierte Datenbank für die schnelle Ähnlichkeitssuche in Embedding-Vektoren.

Aufgabenlösung ohne explizite Beispiele – das Modell folgt nur einer Anweisung.