Zum Inhalt springen
ReviewRamble

Der wöchentliche Brief

KI im Test, in deinem Postfach.

  • Neue Tests von Tools, Modellen, MCP-Servern und Repos, mit dem Urteil vorneweg
  • Neu geprüfte Preise und Bewertungen, wenn sich etwas ändert
  • Neue Analysen, sobald sie erscheinen

Modelle, Agenten, MCP-Server und die Tools, die deine Zeit wirklich wert sind.

Eine E-Mail pro Woche. Abmelden kannst du dich über den Link in jedem Brief. Wie wir deine E-Mail-Adresse nutzen

Nachschlagen

KI-Glossar

219 Begriffe, die dir bei der Auswahl von KI-Tools, Modellen und Agenten und beim Bauen damit begegnen, jeweils in ein, zwei Sätzen definiert, erklärt und belegt.

#

τ-bench
τ-bench (tau-bench) ist ein Benchmark, der KI-Agenten in simulierten Kundenservice-Gesprächen testet: Ein Sprachmodell spielt den Nutzer, und der Agent muss domänenspezifische API-Tools nutzen und dabei schriftliche Richtlinien einhalten.

A

Abliteration
Abliteration (Entfernen der Ablehnungsrichtung) ist eine Technik, die ein Sprachmodell davon abhält, Anfragen abzulehnen: Sie findet die eine interne Richtung, die die Ablehnung trägt, und bearbeitet die Gewichte so, dass das Modell nicht mehr in sie schreiben kann, ganz ohne erneutes Training.
Agent Skills
Agent Skills (Agenten-Fähigkeiten) sind Ordner mit Anweisungen, Skripten und Referenzdateien, jeweils beschrieben durch eine SKILL.md-Datei, die ein KI-Agent entdecken und erst dann laden kann, wenn eine Aufgabe sie braucht.
Agent-Framework
Ein Agent-Framework ist eine Softwarebibliothek, die die gemeinsamen Bausteine eines KI-Agenten bereitstellt, etwa die Tool-Schleife, Zustand, Gedächtnis, Übergaben zwischen Agenten und Tracing, damit Entwickler sie nicht selbst bauen müssen.
Agent-Harness
Ein Agent-Harness ist die Software rund um ein Modell, die es zu einem arbeitsfähigen Agenten macht: die Schleife, Tools, System-Prompt, Berechtigungen, Kontextverwaltung und alle Dateien, die Fortschritt zwischen Sitzungen weitertragen.
Agent-Hooks
Agent-Hooks sind benutzerdefinierte Befehle oder Skripte, die ein Coding-Agent an festgelegten Punkten seiner Arbeit automatisch ausführt, etwa vor einem Tool-Aufruf oder nach einer Dateiänderung, um sein Handeln zu prüfen, zu blockieren oder zu erweitern.
Agent2Agent-Protokoll
Das Agent2Agent-Protokoll (A2A) ist ein offener Standard, mit dem KI-Agenten verschiedener Frameworks und Anbieter einander finden, Aufgaben delegieren und Ergebnisse austauschen können, ohne ihre internen Tools oder ihr Gedächtnis offenzulegen.
Agenten-Berechtigungen
Agenten-Berechtigungen sind die Regeln, die festlegen, welche Tools, Dateien, Befehle, Netzwerke und Konten ein KI-Agent nutzen darf und welche Aktionen vorher die Freigabe eines Menschen brauchen, damit ein fehlerhafter oder manipulierter Agent nur begrenzten Schaden anrichten kann.
Agenten-Gedächtnis
Agenten-Gedächtnis (Agent Memory) umfasst die Techniken, mit denen ein KI-Agent Informationen über ein einzelnes Kontextfenster hinaus behält, etwa Fakten über einen Nutzer oder frühere Arbeit, indem er sie außerhalb des Modells speichert und bei Bedarf wieder lädt.
Agenten-Orchestrierung
Agenten-Orchestrierung ist die Steuerung, welche Agenten oder Modellaufrufe in einer Anwendung laufen, in welcher Reihenfolge und wie jeder nächste Schritt gewählt wird, entweder durch ein Modell, das entscheidet, oder durch festen Code.
Agenten-Sandbox
Eine Agenten-Sandbox ist eine isolierte Umgebung, etwa ein Container, eine virtuelle Maschine oder eine Beschränkung des Betriebssystems, in der ein KI-Agent Code und Befehle ausführt, damit er keine Dateien, Netzwerke oder Daten außerhalb festgelegter Grenzen erreicht.
Agenten-Schleife
Die Agenten-Schleife (Agent Loop) ist der sich wiederholende Zyklus im Kern eines KI-Agenten: Das Modell fordert einen Tool-Aufruf an, die Anwendung führt ihn aus und gibt das Ergebnis zurück, und das Modell entscheidet, was als Nächstes passiert.
Agentic RAG
Agentic RAG (agentisches RAG) ist Retrieval-Augmented Generation, gesteuert von einem KI-Agenten, der entscheidet, wann gesucht wird, wonach und in welcher Quelle, und erneut suchen kann, wenn die ersten Ergebnisse nicht reichen.
Agentische KI
Agentische KI (Agentic AI) beschreibt Software, in der ein Sprachmodell eine gewisse Kontrolle darüber hat, wie eine Aufgabe erledigt wird: Es plant Schritte, wählt Tools und handelt auf Basis der Ergebnisse, mit mehr Autonomie als ein einzelner Prompt mit Antwort.
AIME (Benchmark)
AIME, die American Invitational Mathematics Examination, ist ein US-Mathematikwettbewerb mit 15 Aufgaben und ganzzahligen Antworten von 0 bis 999; KI-Labore nutzen seine früheren Aufgabensätze, etwa AIME 2025, als Benchmark für mathematisches Denken.
Anweisungsdatei für Agenten (AGENTS.md)
Eine Anweisungsdatei für Agenten ist eine Markdown-Datei in einem Code-Repository, etwa AGENTS.md oder CLAUDE.md, die ein Coding-Agent zu Beginn einer Sitzung liest, um Befehle, Konventionen und Regeln des Projekts zu lernen.
API-Schlüssel
Ein API-Schlüssel (API Key) ist eine geheime Zeichenkette, die eine Anwendung mit jeder Anfrage mitschickt, damit ein Dienst erkennt, welches Konto anfragt, dessen Limits anwendet und es abrechnet. Wer den Schlüssel besitzt, kann ihn in der Regel nutzen.
Approximative Nächste-Nachbarn-Suche
Die approximative Nächste-Nachbarn-Suche (Approximate Nearest Neighbor, ANN) findet Vektoren nahe an einer Anfrage, ohne jeden gespeicherten Vektor zu prüfen. Sie verzichtet auf die Garantie des exakt besten Treffers und sucht dafür in großen Sammlungen viel schneller.
ARC-AGI
ARC-AGI ist eine Reihe von Benchmarks, begonnen von François Chollet und betrieben von ARC Prize, die prüft, ob ein KI-System neue, ungesehene Denkrätsel lösen kann, und dabei misst, wie effizient es lernt, statt was es weiß.
Artificial Analysis Intelligence Index
Der Artificial Analysis Intelligence Index ist ein zusammengesetzter Wert des Benchmarking-Unternehmens Artificial Analysis, der mehrere Evaluierungen aus Wissensarbeit, Coding, Wissenschaft und Allgemeinwissen zu einer Zahl bündelt, um Sprachmodelle zu vergleichen.
Attention-Mechanismus
Ein Attention-Mechanismus (Aufmerksamkeitsmechanismus) lässt ein neuronales Netz für jedes verarbeitete Token entscheiden, wie viel Gewicht es jedem anderen Token der Eingabe gibt. Self-Attention ist die zentrale Operation in einem Transformer.
Autoregressives Modell
Ein autoregressives Modell erzeugt eine Sequenz Stück für Stück, indem es jedes nächste Token aus allen vorherigen Tokens vorhersagt und diese Ausgabe wieder einspeist. Die meisten großen Sprachmodelle arbeiten so.

B

Basismodell
Ein Basismodell (Base Model) ist ein Sprachmodell direkt aus dem Pretraining, vor Instruction Tuning oder Training mit menschlichem Feedback. Es setzt jeden Text fort, den es bekommt, statt Anweisungen zu befolgen oder ein Gespräch zu führen.
Batch-API
Eine Batch-API lässt dich eine große Menge an Modellanfragen in einem Job einreichen und die Ergebnisse später abholen, statt auf jeden Aufruf zu warten. Anbieter führen den Job aus, wenn Kapazität frei ist, und verlangen dafür meist weniger.
Benchmark-Kontamination
Benchmark-Kontamination (Benchmark Contamination) liegt vor, wenn ein Modell die Testfragen oder Antworten eines Benchmarks schon im Training gesehen hat, sodass sein Ergebnis überzeichnet, wie gut es mit neuen Aufgaben derselben Art umgeht.
BM25
BM25 ist eine Ranking-Formel für die Stichwortsuche. Sie bewertet jedes Dokument danach, wie oft die Wörter der Anfrage darin vorkommen, gewichtet seltene Wörter stärker und rechnet langen Dokumenten und wiederholten Begriffen weniger an.
BrowseComp
BrowseComp ist ein Benchmark von OpenAI mit 1.266 schweren Fragen, der prüft, ob ein Browsing-Agent beharrlich im Web nach verworrenen, schwer auffindbaren Fakten suchen kann, mit kurzen Antworten, die leicht zu prüfen sind.
Browser-Agent
Ein Browser-Agent ist ein KI-Agent, der einen Webbrowser steuert, um Aufgaben zu erledigen, etwa suchen, klicken, Formulare ausfüllen und Seiten lesen, oft mit einem Headless-Browser ohne sichtbares Fenster.

C

C2PA Content Credentials
C2PA Content Credentials sind signierte Herkunftsnachweise nach einem offenen Standard der Coalition for Content Provenance and Authenticity, die mit einem Bild, Video, einer Audiodatei oder einem Dokument mitreisen und Ursprung und Bearbeitungen festhalten.
Chain-of-Thought
Chain-of-Thought (CoT, Gedankenkette) ist eine Prompting-Methode, bei der ein Sprachmodell vor seiner endgültigen Antwort Zwischenschritte seines Denkens ausschreibt, was Ergebnisse bei Mathematik, Logik und anderen mehrstufigen Aufgaben meist verbessert.
Chunking
Chunking (Aufteilung in Abschnitte) ist der Schritt, der lange Dokumente in kleinere Passagen zerlegt, bevor sie eingebettet und indexiert werden, damit ein Retrieval-System nur die Teile eines Dokuments finden und zurückgeben kann, die eine Anfrage beantworten.
Coding-Agent
Ein Coding-Agent ist ein KI-Agent, der direkt an Software arbeitet: Er liest eine Codebasis, bearbeitet Dateien, führt Befehle und Tests aus und wiederholt das, bis eine Änderung funktioniert, statt nur Code vorzuschlagen, den ein Mensch einfügt.
Computer Use
Computer Use (Computersteuerung) ist die Fähigkeit eines KI-Modells, einen Computer so zu bedienen wie ein Mensch, indem es Screenshots betrachtet und Mausklicks und Tastatureingaben sendet, damit es mit Software arbeiten kann, die keine API hat.
Context Engineering
Context Engineering (Kontextgestaltung) ist die Praxis, alles auszuwählen und zu pflegen, was während einer Aufgabe in das Kontextfenster eines Sprachmodells gelangt: Anweisungen, abgerufene Dokumente, Tool-Definitionen, Tool-Ergebnisse und Gesprächsverlauf.
Context Rot
Context Rot (Kontextverfall) ist der Rückgang von Genauigkeit und Zuverlässigkeit eines Sprachmodells, wenn seine Eingabe länger wird, selbst wenn die Eingabe noch ins Kontextfenster passt und die benötigte Information vorhanden ist.
Continuous Batching
Continuous Batching (kontinuierliches Batching) ist eine Technik beim Model Serving, die nach jedem Generierungsschritt neue Anfragen in den laufenden GPU-Batch aufnimmt und fertige entfernt, statt zu warten, bis ein ganzer Batch abgeschlossen ist. So bleibt die GPU ausgelastet und der Durchsatz steigt.
ControlNet
ControlNet ist eine Erweiterung für neuronale Netze, mit der ein Text-to-Image-Diffusionsmodell zusätzlich zum Text-Prompt einer strukturellen Vorlage folgt, etwa einer Kantenkarte, einer Tiefenkarte oder einer menschlichen Pose.
CPU-Offloading
CPU-Offloading (Auslagerung auf die CPU) betreibt ein Modell, das nicht in den GPU-Speicher passt, indem ein Teil seiner Schichten im Arbeitsspeicher oder auf der Festplatte bleibt und die GPU den Rest übernimmt. Das Modell läuft, aber langsamer.
Cross-Encoder
Ein Cross-Encoder ist ein Modell, das eine Anfrage und ein Dokument gemeinsam in einem Durchgang liest und einen Relevanzwert ausgibt. Er ist genauer als der Vergleich getrennter Embeddings, aber zu langsam, um ihn über eine ganze Sammlung laufen zu lassen.

D

Datenexfiltration (KI-Agenten)
Datenexfiltration (Data Exfiltration) bedeutet bei KI-Agenten, dass ein Angreifer einen Agenten dazu bringt, private Daten zu lesen, auf die er Zugriff hat, und sie nach außen zu senden, per Webanfrage, E-Mail, Bildlink oder über einen anderen Kanal, den der Angreifer kontrolliert.
Datenresidenz
Datenresidenz (Data Residency) ist eine Kontrolle, die die Daten eines Kunden in einer gewählten geografischen Region wie der EU speichert und oft auch verarbeitet, damit ein Team seine eigenen rechtlichen, vertraglichen oder kundenseitigen Vorgaben zum Speicherort erfüllen kann.
Deep Research (KI)
Deep Research (Tiefenrecherche) ist eine Funktion von KI-Agenten, die eine Recherchefrage plant, viele Websuchen ausführt, die gefundenen Quellen liest und einen langen Bericht mit Quellenangaben schreibt, was Minuten statt Sekunden dauert.
Deepfake
Ein Deepfake ist ein Bild-, Audio- oder Videoinhalt, der mit KI erstellt oder verändert wurde, sodass er überzeugend eine echte Person, einen Ort oder ein Ereignis so zeigt, wie es nicht geschehen ist, und als echt durchgehen könnte.
Diffusions-Sprachmodell
Ein Diffusions-Sprachmodell (Diffusion Language Model, dLLM) erzeugt Text, indem es mit einer vollständig maskierten oder verrauschten Sequenz beginnt und über mehrere Schritte viele Token-Positionen parallel verfeinert, statt ein Token nach dem anderen zu schreiben.
Diffusionsmodell
Ein Diffusionsmodell (Diffusion Model) ist ein generatives Modell, das lernt, zufälliges Rauschen in Daten wie ein Bild zu verwandeln, indem es über viele Schritte jeweils ein wenig Rauschen entfernt.
Direct Preference Optimization
Direct Preference Optimization (DPO, direkte Präferenzoptimierung) richtet ein Sprachmodell an menschlichen Präferenzen aus, indem es direkt auf Paaren bevorzugter und abgelehnter Antworten trainiert, mit einer einfachen klassifikationsartigen Verlustfunktion statt eines Reward-Modells und Reinforcement Learning.
Document Parsing
Document Parsing (Dokumentenanalyse) wandelt Dateien wie PDFs, Scans, Folien und Tabellen in strukturierten Text um, den Software nutzen kann, und erhält dabei Überschriften, Lesereihenfolge, Tabellen und Bilder statt eines flachen Zeichenstroms.

E

Elo-Wertung (Modell-Arenen)
Eine Elo-Wertung (Elo Rating) ist in Modell-Arenen ein Wert, der aus vielen direkten Abstimmungen zwischen Modellpaaren berechnet wird, sodass der Abstand zwischen zwei Werten vorhersagt, wie oft die Antwort des einen Modells der des anderen vorgezogen wird.
Embedding
Ein Embedding (Einbettung) ist eine Liste von Zahlen (ein Vektor), die ein Stück Text, ein Bild oder andere Daten repräsentiert und so erzeugt wird, dass Elemente mit ähnlicher Bedeutung nahe beieinanderliegende Vektoren erhalten.
Embedding-Dimension
Die Embedding-Dimension ist die Anzahl der Werte in jedem Vektor, den ein Embedding-Modell ausgibt. Mehr Dimensionen können mehr Details fassen, aber jeder zusätzliche Wert erhöht Speicher-, Arbeitsspeicher- und Suchkosten pro Element.
Entscheidungsmodell
Ein Entscheidungsmodell (Decision Model) ist ein Modell, das eine typisierte Antwort liefern soll, etwa eine Wahl aus einer Liste, eine Bewertung nach einem Kriterienkatalog oder eine Ja/Nein-Wahrscheinlichkeit, statt freien Text zu erzeugen.
EU AI Act
Der EU AI Act, Verordnung (EU) 2024/1689, ist das Gesetz der Europäischen Union über künstliche Intelligenz (KI-Verordnung). Es legt risikobasierte Regeln für alle fest, die KI-Systeme entwickeln und einsetzen, von klaren Verboten bis zu Transparenzpflichten, schrittweise eingeführt ab 2025.

F

Few-Shot Prompting
Few-Shot Prompting (Prompting mit wenigen Beispielen) bedeutet, einem Sprachmodell im Prompt eine Handvoll durchgearbeiteter Beispiele einer Aufgabe zu geben, damit es das Muster ohne erneutes Training auf eine neue Eingabe übertragen kann.
Fine-Tuning
Fine-Tuning (Feinabstimmung) ist das Weitertrainieren eines vortrainierten Modells auf einem kleineren, aufgabenspezifischen Datensatz, damit das Modell eine bestimmte Fähigkeit, ein Format, einen Ton oder ein Fachgebiet übernimmt, ohne von Grund auf trainiert zu werden.
Foundation Model
Ein Foundation Model (Basis- oder Grundlagenmodell) ist ein großes Modell, das in großem Maßstab auf breiten Daten trainiert wurde und sich per Prompting oder Fine-Tuning an viele verschiedene nachgelagerte Aufgaben anpassen lässt, statt für eine einzige Aufgabe gebaut zu sein.
Frontier-Modell
Ein Frontier-Modell (Frontier Model) ist eines der leistungsfähigsten allgemeinen KI-Modelle, die zu einem bestimmten Zeitpunkt verfügbar sind, meist von einem finanzstarken Labor. Der Begriff ist relativ und taucht auch in der KI-Sicherheitspolitik auf.

G

Generative Engine Optimization
Generative Engine Optimization (GEO) ist die Praxis, Webinhalte so zu gestalten, dass KI-Suchmaschinen und Chat-Assistenten sie finden, zitieren und in ihren generierten Antworten als Quelle angeben.
GGUF
GGUF ist ein binäres Dateiformat, das die Gewichte, den Tokenizer und die Metadaten eines Modells in einer Datei speichert, gebaut für schnelles Laden und lokale Inferenz mit GGML-basierten Tools wie llama.cpp, oft in quantisierter Form.
Golden Dataset
Ein Golden Dataset (Referenzdatensatz) ist ein fester, sorgfältig geprüfter Satz von Beispieleingaben mit den erwarteten Antworten oder dem erwarteten Verhalten, der als Referenz dient, wenn du ein KI-System evaluierst oder auf Regressionen testest.
GPQA
GPQA (Graduate-Level Google-Proof Q&A) ist ein Benchmark aus 448 schweren Multiple-Choice-Fragen in Biologie, Physik und Chemie, von Experten so geschrieben, dass kundige Laien sie selbst mit unbegrenzter Websuche nicht beantworten können.
GPU
Eine GPU (Graphics Processing Unit, Grafikprozessor) ist ein Prozessor mit vielen kleinen Kernen, der dafür gebaut ist, viele Berechnungen parallel auszuführen. Ihr Tempo bei Matrixrechnungen macht sie zur Standardhardware für Training und Betrieb von KI-Modellen.
GPU-Cloud
Eine GPU-Cloud ist ein Dienst, der GPU-Maschinen stunden- oder sekundenweise für KI-Training, Fine-Tuning und Inferenz vermietet. Spezialisierte Anbieter, manchmal Neoclouds genannt, konzentrieren sich auf GPUs und verlangen oft weniger als die großen allgemeinen Clouds.
GraphRAG
GraphRAG ist ein Retrieval-Ansatz, bei dem ein LLM zuerst aus einer Dokumentensammlung einen Wissensgraphen aufbaut und Zusammenfassungen zu Gruppen verwandter Entitäten schreibt und dann Fragen mithilfe dieser Zusammenfassungen und der Verknüpfungen im Graphen beantwortet.
Großes Sprachmodell
Ein großes Sprachmodell (Large Language Model, LLM) ist ein neuronales Netz mit Milliarden Parametern, das auf großen Textmengen trainiert wurde, um das nächste Token vorherzusagen, wodurch es schreiben, Fragen beantworten, zusammenfassen und Anweisungen befolgen kann.
Grounding
Grounding (Verankerung) bedeutet, die Antwort eines Sprachmodells an konkrete, überprüfbare Quellen wie Suchergebnisse, Dokumente oder eine Datenbank zu binden, sodass seine Aussagen auf bereitgestellten Belegen beruhen und nicht nur auf Trainingsdaten.
Guardrails (KI)
Guardrails (Leitplanken) sind Laufzeitprüfungen rund um ein Sprachmodell, die Eingaben und Ausgaben untersuchen und sie blockieren, umschreiben oder umleiten, damit eine Anwendung beim Thema bleibt, schädliche Inhalte vermeidet und Regeln einhält, die das Modell allein nicht verlässlich befolgen würde.
Guidance Scale (CFG)
Die Guidance Scale oder CFG Scale ist eine Einstellung in Diffusions-Bildgeneratoren, die steuert, wie stark die Ausgabe dem Prompt folgt. Höhere Werte folgen dem Prompt genauer, verringern aber die Vielfalt.

H

Halluzination (KI)
Eine Halluzination (Hallucination) ist eine Ausgabe eines KI-Modells, die flüssig und selbstsicher klingt, aber falsch, nicht durch die Quellen gedeckt oder erfunden ist, etwa eine erfundene Quellenangabe, ein Zitat, eine Statistik oder eine API-Funktion.
HNSW
HNSW (Hierarchical Navigable Small World) ist ein graphbasierter Index für die approximative Nächste-Nachbarn-Suche. Er verknüpft Vektoren über mehrere Ebenen mit ihren Nachbarn, sodass eine Suche schnell zu den nächstgelegenen Treffern springen kann.
Human-in-the-Loop
Human-in-the-Loop (HITL, Mensch in der Schleife) ist ein Design, bei dem ein KI-System an gewählten Stellen pausiert, damit eine Person den nächsten Schritt freigibt, korrigiert oder ablehnt, sodass riskante oder unsichere Aktionen nicht automatisch ausgeführt werden.
HumanEval
HumanEval ist ein Benchmark für Codegenerierung, den OpenAI 2021 veröffentlicht hat: 164 von Hand geschriebene Python-Aufgaben, jede mit Funktionssignatur, Docstring und Unit-Tests, mit denen geprüft wird, ob ein Modell Code schreibt, der tatsächlich funktioniert.
Humanity's Last Exam
Humanity's Last Exam (HLE) ist ein Benchmark aus 2.500 von Experten geschriebenen Fragen aus Dutzenden Fächern, der für KI-Modelle sehr schwer sein soll, mit Antworten, die eindeutig und überprüfbar sind, sich aber nicht schnell online finden lassen.
Hybride Suche
Hybride Suche (Hybrid Search) führt zu derselben Anfrage eine Stichwortsuche und eine Vektorsuche aus und führt die beiden Ergebnislisten zusammen, sodass Treffer sowohl über exakte Wörter als auch über Bedeutung passen können.

I

Image-to-Image
Image-to-Image (Bild-zu-Bild) ist die Aufgabe, aus einem vorhandenen Bild und einem Prompt ein neues Bild zu erzeugen, das einen Teil der Struktur des Originals behält und dabei Stil, Details oder Inhalt ändert.
Image-to-Video
Image-to-Video (Bild-zu-Video) ist die Aufgabe, ein Standbild in einen kurzen Videoclip zu verwandeln, meist mit dem Bild als erstem Frame und einem Text-Prompt, der die Bewegung beschreibt.
Inferenz
Inferenz (Inference) bedeutet, ein trainiertes Modell auszuführen, um aus neuen Eingaben eine Ausgabe zu erzeugen, etwa wenn ein LLM eine Antwort auf einen Prompt generiert. Es ist die Phase, für die Nutzer bei jedem Modellaufruf zahlen, im Gegensatz zum Training.
Inferenzanbieter
Ein Inferenzanbieter (Inference Provider) ist ein Unternehmen, das KI-Modelle auf eigener Hardware betreibt und den Zugang über eine API verkauft, meist pro Token abgerechnet. Du schickst Prompts und bekommst Ausgaben, ohne selbst GPUs zu verwalten.
Inpainting und Outpainting
Inpainting füllt einen maskierten Bereich eines Bildes mit neu generierten Inhalten, die zum Rest des Bildes passen. Outpainting wendet dieselbe Idee außerhalb der Ränder an und erweitert das Bild über seinen Rahmen hinaus.
Instruct-Modell
Ein Instruct-Modell ist ein Basis-Sprachmodell, das zusätzlich auf Anweisungen mit guten Antworten und oft auf menschlichem Feedback trainiert wurde, sodass es Anfragen befolgt, statt nur Text fortzusetzen.

J

Jailbreak (LLM)
Ein Jailbreak ist ein Prompt oder eine Technik, die ein Sprachmodell dazu bringt, Ausgaben zu erzeugen, die es laut Sicherheitstraining ablehnen soll, etwa schädliche Anleitungen, durch Rollenspiel, Verschleierung, ungewöhnliche Kodierungen oder langen gegnerischen Text.

K

KI-Agent
Ein KI-Agent (AI Agent) ist ein System, in dem ein Sprachmodell seine nächsten Schritte selbst bestimmt: Es ruft Tools auf, liest die Ergebnisse und wiederholt das, bis die Aufgabe erledigt ist, statt einem festen Skript zu folgen.
KI-Alignment
KI-Alignment (AI Alignment) ist die Arbeit daran, dass das Verhalten eines KI-Systems dem entspricht, was seine Nutzer und Entwickler tatsächlich beabsichtigen, sodass es hilfreich und ehrlich ist und Schaden vermeidet, statt nur wahrscheinlichen Text vorherzusagen oder eine enge Kennzahl zu optimieren.
KI-Assistent
Ein KI-Assistent (AI Assistant) ist ein Softwareprodukt, meist auf Basis eines großen Sprachmodells, das Anfragen in normaler Sprache entgegennimmt und für eine Person Fragen beantwortet oder Aufgaben erledigt, so wie ChatGPT, Claude und Gemini.
KI-Avatar
Ein KI-Avatar (AI Avatar) ist eine generierte Videofigur, oft nach dem Vorbild einer echten Person, die ein Skript oder Live-Antworten mit passenden Gesichts-, Lippen- und Kopfbewegungen spricht.
KI-Benchmark
Ein KI-Benchmark ist ein fester, öffentlicher Satz von Aufgaben mit vereinbarter Bewertungsmethode, mit dem Modelle im selben Test verglichen werden, etwa gelöste Coding-Issues, beantwortete Prüfungsfragen oder Retrieval-Qualität über viele Datensätze.
KI-Bildhochskalierung
KI-Bildhochskalierung (AI Upscaling) oder Super-Resolution nutzt ein neuronales Netz, um ein Bild zu vergrößern und plausible Details zu ergänzen, sodass das Ergebnis schärfer wirkt als bei einfachem Skalieren.
KI-Code-Editor
Ein KI-Code-Editor (AI Code Editor) ist ein Code-Editor oder eine IDE mit eingebauten Sprachmodellen, die Vervollständigungen, einen Chat über die Codebasis und einen Agentenmodus bietet, der Änderungen über viele Dateien hinweg planen und umsetzen kann.
KI-Crawler
Ein KI-Crawler (AI Crawler) ist ein automatisierter Bot eines KI-Unternehmens, der Webseiten abruft, um Trainingsdaten zu sammeln, einen KI-Suchindex aufzubauen oder eine Seite live zu laden, wenn ein Nutzer einen Assistenten danach fragt.
KI-Lieferkettenangriff
Ein KI-Lieferkettenangriff (AI Supply-Chain Attack) kompromittiert eine KI-Anwendung über etwas, von dem sie abhängt, etwa ein heruntergeladenes Modell, einen LoRA-Adapter, einen Datensatz, ein Python-Paket, einen MCP-Server oder einen Agent Skill, statt die Anwendung direkt anzugreifen.
KI-Red-Teaming
KI-Red-Teaming ist die Praxis, ein Modell oder eine KI-Anwendung vor und nach der Veröffentlichung gezielt anzugreifen, mit menschlichen Testern oder automatisierten Tools, um schädliche Ausgaben, Jailbreaks, Injections und andere Fehler zu finden, damit sie behoben werden können.
KI-Suchmaschine
Eine KI-Suchmaschine (AI Search Engine) ist ein Suchdienst, der zu einer Anfrage Websuchen ausführt, die Ergebnisse mit einem Sprachmodell liest und eine geschriebene Antwort mit Links zu ihren Quellen liefert, statt nur einer Liste von Links.
KI-Trainingsdaten
KI-Trainingsdaten (AI Training Data) sind die Sammlung von Beispielen, aus denen ein Modell lernt, etwa Webtext, Code, Bilder, Transkripte oder gelabelte Paare. Ihre Größe, Qualität, Mischung und Lizenzierung bestimmen, was das Modell kann und wo es scheitert.
KI-Wasserzeichen
KI-Wasserzeichen (AI Watermarking) betten in dem Moment, in dem ein KI-Modell Text, Bilder, Audio oder Video erzeugt, ein verborgenes, maschinell erkennbares Signal ein, damit Software den Inhalt später als KI-generiert erkennen kann.
Kontextfenster
Ein Kontextfenster (Context Window) ist die maximale Textmenge, gezählt in Tokens, die ein Sprachmodell auf einmal berücksichtigen kann, einschließlich System-Prompt, Unterhaltung, Dokumenten, Tool-Ergebnissen und der Antwort, die es schreibt.
Kontextverdichtung
Kontextverdichtung (Context Compaction) ist der Schritt, in dem ein Agent eine Unterhaltung zusammenfasst, die an die Grenze ihres Kontextfensters kommt, und in einem frischen Fenster weitermacht, das mit dieser Zusammenfassung beginnt, damit eine lange Aufgabe fortgesetzt werden kann.
Kosinus-Ähnlichkeit
Die Kosinus-Ähnlichkeit (Cosine Similarity) misst anhand des Winkels zwischen zwei Vektoren, wie ähnlich sie sind. Sie reicht von -1 bis 1, ignoriert die Vektorlänge und ist der gängigste Weg, Embeddings in der Suche zu vergleichen.
KV-Cache
Ein KV-Cache speichert die Attention-Keys und -Values, die ein Transformer für frühere Tokens bereits berechnet hat, sodass jedes neue Token nur Arbeit für sich selbst braucht. Er beschleunigt die Generierung, belegt aber GPU-Speicher, der mit der Kontextlänge wächst.

L

Late Interaction (ColBERT)
Late Interaction (späte Interaktion) ist eine Retrieval-Methode, eingeführt mit ColBERT, die Anfrage und jedes Dokument getrennt in einen Vektor pro Token kodiert und einen Treffer dann bewertet, indem sie diese Token-Vektoren in einem günstigen letzten Schritt vergleicht.
Layoutanalyse
Layoutanalyse (Layout Analysis) ist der Teil des Document Parsing, der die Bereiche einer Seite findet, etwa Titel, Absätze, Tabellen, Abbildungen, Bildunterschriften und Fußzeilen, jeden davon benennt und die Reihenfolge ermittelt, in der ein Mensch sie lesen würde.
Leaderboard (KI)
Ein KI-Leaderboard (Bestenliste) ist eine öffentliche Rangliste von Modellen nach ihren Ergebnissen bei einem oder mehreren Benchmarks oder bei Abstimmungen über menschliche Präferenzen, die aktualisiert wird, wenn neue Modelle getestet werden, damit Leser Modelle direkt vergleichen können.
Lip Sync (KI-Video)
KI-Lip-Sync (Lippensynchronisation) ist der Einsatz eines Modells, um die Mundbewegungen einer Person in einem Video oder Bild so zu verändern, dass sie zu einer neuen Tonspur passen, etwa einer übersetzten oder umgeschriebenen Zeile.
LLM-as-a-Judge
LLM-as-a-Judge (LLM als Richter) ist eine Evaluierungsmethode, bei der ein starkes Sprachmodell die Ausgaben eines anderen Modells oder einer Anwendung bewertet, anhand eines Kriterienkatalogs, einer Referenzantwort oder eines Direktvergleichs, statt oder zusätzlich zu menschlichen Prüfern.
LLM-Evaluierung
LLM-Evaluierung (LLM Evaluation), oft Evals genannt, misst, wie gut ein Modell oder eine KI-Anwendung eine Aufgabe erledigt, indem man es auf einem Satz von Testfällen laufen lässt und die Ausgaben nach festgelegten Kriterien bewertet, per Code, durch Menschen oder durch ein anderes Modell.
LLM-Gateway
Ein LLM-Gateway ist ein Proxy-Server zwischen deinen Anwendungen und Modellanbietern, der eine einzige API bereitstellt und Schlüssel, Routing, Fallbacks, Rate Limits, Protokollierung und Kostenerfassung an einer Stelle übernimmt.
LLM-Observability
LLM-Observability (Beobachtbarkeit von LLM-Anwendungen) heißt, aufzuzeichnen, was eine KI-Anwendung im Betrieb tut, darunter Prompts, Antworten, Tool-Aufrufe, Latenz, Token-Verbrauch und Kosten, und zwar als durchsuchbare Traces. So kannst du Fehler debuggen und sehen, wie sich das System über die Zeit verhält.
LLM-Routing
LLM-Routing ist die Praxis, jede Anfrage an das Sprachmodell zu schicken, das am besten zu ihr passt, oft ein günstiges Modell für einfache Prompts und ein stärkeres für schwierige, um Kosten, Geschwindigkeit und Qualität auszubalancieren.
llms.txt
llms.txt ist eine vorgeschlagene Konvention, bei der eine Website eine Markdown-Datei veröffentlicht, meist unter /llms.txt, die die Site zusammenfasst und auf ihre nützlichsten Seiten verlinkt, in einer Form, die Sprachmodelle leicht lesen können.
LMArena
LMArena, zuerst als Chatbot Arena bekannt, ist eine öffentliche Plattform, die KI-Modelle per Crowdsourcing-Abstimmung von Menschen einstuft: Nutzer sehen, wie zwei anonyme Modelle denselben Prompt beantworten, und wählen die bessere Antwort.
Lokales LLM
Ein lokales LLM ist ein Sprachmodell, das auf deinem eigenen Computer, Smartphone oder Server läuft statt über die Cloud-API eines Anbieters. Prompts und Daten bleiben so auf deiner Hardware, und es funktioniert ohne Internetverbindung.
LoRA
LoRA (Low-Rank Adaptation) ist eine Fine-Tuning-Methode, die die ursprünglichen Gewichte eines Modells einfriert und kleine Matrizen mit niedrigem Rang trainiert, die zu seinen Schichten addiert werden. So ändern sich viel weniger Parameter, und es wird viel weniger GPU-Speicher gebraucht.

M

Matryoshka-Embeddings
Matryoshka-Embeddings sind Vektoren, die so trainiert sind, dass ihre ersten Werte die meiste Information tragen. Du kannst sie auf eine kürzere Länge kürzen und bekommst trotzdem brauchbare Suchergebnisse, was Speicher spart und die Suche beschleunigt.
MCP-Client
Ein MCP-Client ist der Teil einer KI-Anwendung, der eine Verbindung zu einem MCP-Server hält, die Fähigkeiten aushandelt und Anfragen, Ergebnisse und Benachrichtigungen zwischen diesem Server und der Host-App transportiert.
MCP-Ressourcen und -Prompts
MCP-Ressourcen und -Prompts sind zwei Dinge, die ein MCP-Server neben Tools anbieten kann. Ressourcen sind Datenstücke mit je einer URI, die eine App in den Kontext aufnehmen kann; Prompts sind wiederverwendbare Nachrichtenvorlagen, die ein Nutzer zum Ausführen auswählt.
MCP-Server
Ein MCP-Server ist ein Programm, das KI-Anwendungen über das Model Context Protocol Tools, Datenressourcen oder Prompt-Vorlagen bereitstellt, sodass jeder MCP-kompatible Client sie ohne eigenen Integrationscode nutzen kann.
MCP-Transport (stdio, Streamable HTTP)
Ein MCP-Transport ist der Kanal, der die JSON-RPC-Nachrichten von MCP zwischen Client und Server überträgt. Die Spezifikation definiert zwei: stdio für einen Server, der als lokaler Unterprozess läuft, und Streamable HTTP für einen Server, der über das Netzwerk erreicht wird.
Menschliche Bewertung
Menschliche Bewertung (Human Evaluation) heißt, KI-Ausgaben von Menschen statt von automatischen Metriken beurteilen zu lassen, etwa wenn Bewertende Antworten nach einem Kriterienkatalog benoten oder in einem Blindtest die bessere von zwei anonymen Antworten wählen.
Metadatenfilterung
Metadatenfilterung beschränkt eine Suche auf Einträge, deren gespeicherte Attribute wie Datum, Autor, Sprache oder Zugriffsgruppe bestimmte Bedingungen erfüllen, zusätzlich zur oder vor der Rangfolge nach Vektorähnlichkeit.
Mixture of Experts
Mixture of Experts (MoE) ist ein Modellaufbau, bei dem jede Schicht mehrere Experten-Teilnetze enthält und ein Router jedes Token nur an wenige davon schickt, sodass pro Token nur ein Teil des Modells läuft.
MMLU
MMLU (Massive Multitask Language Understanding) ist ein Multiple-Choice-Benchmark über 57 Fächer, von Grundschulmathematik und US-Geschichte bis zu Recht und Informatik, der das breite Wissen und die Problemlösung eines Sprachmodells testet.
Model Card
Eine Model Card (Modellsteckbrief) ist ein kurzes Dokument, das mit einem Machine-Learning-Modell veröffentlicht wird und erklärt, wofür es gedacht ist, wie es trainiert und evaluiert wurde, wo es schlecht abschneidet und wie es genutzt werden sollte und wie nicht.
Model Context Protocol
Das Model Context Protocol (MCP) ist ein offener Standard, der festlegt, wie KI-Anwendungen sich mit externen Tools, Daten und Prompts verbinden, über JSON-RPC-Nachrichten zwischen einer Host-Anwendung, ihren Clients und separaten Servern.
Model Serving
Model Serving (Modellbereitstellung) heißt, ein trainiertes Modell als Dienst zu betreiben, den Anwendungen über ein Netzwerk aufrufen, mit Software, die die Gewichte auf GPUs lädt, Anfragen in Warteschlangen und Batches ordnet, den Speicher verwaltet und Ergebnisse zurückgibt.
Modell-Fallback
Ein Modell-Fallback ist eine Regel, die eine Anfrage an ein Ersatzmodell oder einen Ersatzanbieter schickt, wenn die erste Wahl scheitert, in ein Timeout läuft, ein Rate Limit erreicht oder die Eingabe ablehnt. So bleibt eine KI-Funktion auch bei Ausfällen nutzbar.
Modellgewichte
Modellgewichte sind die gelernten Zahlen in einem neuronalen Netz, im Training festgelegt, die bestimmen, wie es Eingaben in Ausgaben verwandelt. Ein Checkpoint ist eine gespeicherte Datei oder ein Satz von Dateien, der diese Gewichte enthält.
Modelllizenz
Eine Modelllizenz sind die rechtlichen Bedingungen, unter denen die Gewichte eines Modells, manchmal auch sein Code und seine Daten, genutzt, verändert und weitergegeben werden dürfen. Die Bandbreite reicht von freizügigen offenen Lizenzen bis zu nicht-kommerziellen oder eigenen, eingeschränkten Lizenzen.
Modellparameter
Modellparameter sind die Zahlen, die ein neuronales Netz im Training lernt, vor allem Gewichte. Die Parameterzahl, geschrieben als 7B für sieben Milliarden, ist die übliche Kurzangabe für die Größe eines Modells.
MTEB
MTEB, der Massive Text Embedding Benchmark, ist ein öffentlicher Benchmark mit Leaderboard, der Text-Embedding-Modelle über viele Aufgabentypen wie Retrieval, Clustering, Klassifikation und Reranking bewertet, auf vielen Datensätzen und in vielen Sprachen.
Multi-Agenten-System
Ein Multi-Agenten-System ist ein Aufbau, in dem mehrere KI-Agenten, jeder mit eigenen Anweisungen, Tools und eigenem Kontext, an Teilen einer Aufgabe arbeiten und Ergebnisse aneinander oder an einen koordinierenden Agenten weitergeben.
Multimodales Modell
Ein multimodales Modell ist ein KI-Modell, das mehr als eine Art von Daten aufnehmen und manchmal auch erzeugen kann, etwa Text, Bilder, Audio oder Video, und zwar in einem einzigen Modell statt über getrennte Systeme.

N

No-Code-KI-App-Builder
Ein No-Code-KI-App-Builder ist ein Tool, das eine Beschreibung in Alltagssprache oder einen visuellen Editor in eine funktionierende App verwandelt, meist mit Hosting und Datenbank inklusive, sodass Leute Software veröffentlichen können, ohne Code zu schreiben.
NPU
Eine NPU (Neural Processing Unit) ist ein Chip oder ein Block in einem größeren Chip, der dafür gebaut ist, die Mathematik neuronaler Netze schnell und mit wenig Strom auszuführen. Smartphones und Laptops nutzen NPUs, um kleine KI-Modelle auf dem Gerät laufen zu lassen.
Numerische Präzision (FP16, BF16, FP8)
Numerische Präzision ist das Zahlenformat, in dem die Gewichte eines Modells gespeichert und seine Berechnungen ausgeführt werden, etwa FP32, FP16, BF16, FP8 oder INT4. Weniger Bits pro Zahl bedeuten weniger Speicher und schnellere Inferenz, mit gewissem Risiko für die Genauigkeit.

O

OAuth für KI-Agenten
OAuth für KI-Agenten bedeutet, den Autorisierungsstandard OAuth zu nutzen, damit ein Agent oder MCP-Client mit einem begrenzten, widerrufbaren Access-Token im Namen eines Nutzers handeln kann, statt das Passwort des Nutzers oder einen weitreichenden API-Schlüssel zu halten.
ONNX
ONNX (Open Neural Network Exchange) ist ein offenes Dateiformat für Machine-Learning-Modelle. Es beschreibt ein Modell als Graph aus Standardoperatoren, damit es in einem Framework trainiert und in einem anderen ausgeführt werden kann.
Open-Source-KI
Open-Source-KI ist ein KI-System, das unter Bedingungen veröffentlicht wird, die jedem erlauben, es zu nutzen, zu untersuchen, zu verändern und zu teilen, mit Zugang zu den Teilen, die man zum Verändern braucht: Informationen zu den Trainingsdaten, vollständiger Code und Modellparameter.
Open-Weight-Modell
Ein Open-Weight-Modell (Modell mit offenen Gewichten) ist ein Modell, dessen trainierte Gewichte für alle zum Herunterladen und Ausführen veröffentlicht sind, oft ohne Trainingscode oder vollständige Trainingsdaten. Es ist also nicht unbedingt Open Source.
OpenAI-kompatible API
Eine OpenAI-kompatible API ist ein Endpunkt eines anderen Anbieters oder Tools, der dasselbe Anfrage- und Antwortformat wie die API von OpenAI annimmt. Code, der für OpenAI geschrieben wurde, kann also darauf umsteigen, indem man Base-URL, Schlüssel und Modellnamen ändert.
Optische Zeichenerkennung
Optische Zeichenerkennung (OCR) ist Software, die Text aus Bildern wie gescannten Seiten, Fotos oder Screenshots liest und in maschinenlesbare Zeichen verwandelt, die sich durchsuchen, kopieren oder an ein Modell übergeben lassen.
OSWorld
OSWorld ist ein Benchmark für Computer-Use-Agenten, der echte Betriebssysteme wie Ubuntu, Windows und macOS ausführt und Agenten an 369 offenen Aufgaben in Web- und Desktop-Apps bewertet, geprüft durch Skripte.
Output-Tokens
Output-Tokens sind die Tokens, die ein Sprachmodell in seiner Antwort erzeugt. Sie werden getrennt von Input-Tokens gezählt und abgerechnet, und eine Einstellung namens max_tokens begrenzt, wie viele eine Antwort enthalten darf.

P

PagedAttention
PagedAttention ist eine Methode, den KV-Cache eines Sprachmodells in kleinen Blöcken fester Größe zu speichern, die im GPU-Speicher nicht nebeneinanderliegen müssen, wie Seiten in einem Betriebssystem. Sie verringert verschwendeten Speicher, sodass ein Server mehr Anfragen gleichzeitig bearbeiten kann.
Parametereffizientes Fine-Tuning
Parametereffizientes Fine-Tuning (PEFT) passt ein vortrainiertes Modell an, indem nur eine kleine Zahl neuer oder ausgewählter Parameter trainiert wird, während der Rest eingefroren bleibt. Es senkt den Bedarf an Speicher, Rechenleistung und Speicherplatz, den volles Fine-Tuning hat.
pass@k
pass@k ist eine Metrik für Code-Benchmarks, die die Wahrscheinlichkeit angibt, dass mindestens eine von k erzeugten Lösungen eines Problems ihre Unit-Tests besteht; pass@1 ist die Wahrscheinlichkeit, dass ein einzelner Versuch gelingt.
PII-Schwärzung
PII-Schwärzung (PII Redaction) ist das Erkennen und Entfernen oder Maskieren personenbezogener Daten wie Namen, Telefonnummern, Adressen und Kartennummern in Texten oder Bildern, bevor sie an ein Modell geschickt, in Logs gespeichert oder anderen gezeigt werden.
Pretraining
Pretraining (Vortraining) ist die erste und größte Phase im Training eines Modells, in der es allgemeine Muster aus einem sehr großen, nicht gelabelten Datensatz lernt, meist durch Vorhersage des nächsten Tokens, noch vor jeder aufgabenspezifischen Anpassung.
Prompt Caching
Prompt Caching ist eine API-Funktion, die die verarbeitete Form eines wiederholten Prompt-Präfixes speichert, etwa eines langen System-Prompts oder Dokuments, sodass spätere Anfragen mit demselben Präfix günstiger und schneller sind.
Prompt Engineering
Prompt Engineering ist die Praxis, die Anweisungen und Beispiele für ein Sprachmodell so zu schreiben, zu strukturieren und zu testen, dass es die Ausgabe liefert, die eine Anwendung braucht, ohne die Gewichte des Modells zu ändern.
Prompt Injection
Prompt Injection ist ein Angriff, bei dem Text, der einem Sprachmodell zugeführt wird, von einem Nutzer eingetippt oder in einer Webseite, Datei oder einem Tool-Ergebnis versteckt, das Verhalten des Modells auf eine Weise ändert, die sein Entwickler nicht vorgesehen hat.

Q

Quantisierung
Quantisierung ist eine Technik, die die Gewichte eines Modells, manchmal auch Aktivierungen, mit weniger Bits speichert, etwa 8 oder 4 statt 16. Das Modell braucht so weniger Speicher und läuft oft schneller, auf Kosten von etwas Genauigkeit.
Query Rewriting
Query Rewriting (Umschreiben der Suchanfrage) verändert die Frage eines Nutzers vor der Suche, etwa indem es sie präzisiert, aufteilt oder um verwandte Begriffe ergänzt, damit der Retriever eher die Passagen findet, die sie beantworten.

R

Rate Limit (API)
Ein Rate Limit (Ratenbegrenzung) begrenzt, wie stark ein Konto eine API in einem Zeitfenster nutzen darf, typischerweise als Anfragen pro Minute (RPM) und Tokens pro Minute (TPM). Anfragen über der Grenze werden abgewiesen, meist mit einem HTTP-Fehler 429.
ReAct (Reasoning and Acting)
ReAct (Reasoning and Acting, also Denken und Handeln) ist ein Prompting-Muster, bei dem ein Sprachmodell abwechselnd einen Denkschritt schreibt, eine Aktion wie eine Suche oder einen Tool-Aufruf ausführt und das Ergebnis liest, bevor es den nächsten Schritt macht.
Reasoning-Modell
Ein Reasoning-Modell (Denkmodell) ist ein Sprachmodell, das darauf trainiert ist, ein Problem in einem Strom von Zwischen-Denk-Tokens durchzuarbeiten, bevor es seine endgültige Antwort gibt. Das hilft meist bei Mathematik, Coding und mehrstufigen Aufgaben.
Regressionstests (LLM-Apps)
Regressionstests für LLM-Apps bedeuten, nach jeder Änderung an Prompt, Modell, Retrieval-Setup oder Tool einen festen Satz von Evaluationsfällen erneut laufen zu lassen, um Fälle zu finden, die früher funktionierten und jetzt scheitern.
Reranking
Reranking (Neusortierung) ist ein zweiter Suchschritt, der eine kurze Liste von Kandidatendokumenten nimmt und sie nach Relevanz für die Abfrage neu ordnet, mit einem genaueren, aber langsameren Modell als bei der ersten Suche.
Retrieval-Augmented Generation
Retrieval-Augmented Generation (RAG, abrufgestützte Generierung) ist ein Muster, bei dem ein System zuerst eine Dokumentensammlung nach Passagen durchsucht, die für eine Frage relevant sind, und diese Passagen dann einem Sprachmodell gibt, damit seine Antwort darauf aufbaut.
Retrieval-Metriken (Recall@k, nDCG, MRR)
Retrieval-Metriken bewerten, wie gut ein Suchsystem relevante Dokumente liefert. Recall@k prüft, wie viele relevante Einträge unter den ersten k erscheinen, nDCG belohnt es, sie weit oben einzuordnen, und MRR misst, wie früh der erste richtige auftaucht.
Reward Model
Ein Reward Model (Belohnungsmodell) ist ein separates Modell, das auf Daten menschlicher Präferenzen trainiert wird, um zu bewerten, wie gut eine Antwort ist. Reinforcement Learning nutzt diesen Wert dann, um ein Sprachmodell auf Antworten auszurichten, die Menschen bevorzugen.
RLHF
RLHF (Reinforcement Learning from Human Feedback, bestärkendes Lernen aus menschlichem Feedback) feinjustiert ein Sprachmodell anhand menschlicher Rangfolgen seiner Antworten: Ein Reward Model lernt diese Präferenzen, dann schiebt Reinforcement Learning das Modell zu Antworten, die gut bewertet werden.

S

Safetensors
Safetensors ist ein Dateiformat von Hugging Face zum Speichern von Modellgewichten. Anders als bei Python-Pickle-Dateien kann beim Laden kein versteckter Code ausgeführt werden, und es unterstützt schnelles, speichergemapptes Laden einzelner Tensoren.
Self-Hosting (KI-Modelle)
Ein KI-Modell selbst zu hosten (Self-Hosting) heißt, es auf Hardware zu betreiben, die du kontrollierst, etwa eigenen Servern, gemieteten GPUs oder einem Laptop, statt die API eines Anbieters aufzurufen. Du wählst das Modell und behältst die Daten, betreibst aber die Infrastruktur.
Semantic Cache
Ein Semantic Cache (semantischer Cache) speichert frühere LLM-Antworten und gibt eine davon zurück, wenn eine neue Anfrage ungefähr dasselbe meint wie eine frühere, beurteilt nach Embedding-Ähnlichkeit statt nach exakter Textübereinstimmung. Er spart bei wiederholten Fragen Kosten und Latenz.
Serverless GPU
Serverless GPU ist ein Cloud-Modell, bei dem du Code oder ein Modell bereitstellst und die Plattform GPU-Worker erst startet, wenn Anfragen ankommen. Abgerechnet wird die Laufzeit, und im Leerlauf wird auf null skaliert.
Slash-Befehl
Ein Slash-Befehl (Slash Command) ist eine Anweisung, die mit einem vorangestellten Schrägstrich eingegeben wird, etwa /compact oder /review, und einem KI-Tool sagt, eine eingebaute Aktion oder einen gespeicherten Prompt auszuführen, statt den Text als normale Nachricht zu behandeln.
Small Language Model
Ein Small Language Model (SLM, kleines Sprachmodell) ist ein Sprachmodell mit relativ wenigen Parametern, meist einigen Milliarden oder weniger, gebaut, um auf einem Laptop, Smartphone oder einer einzelnen GPU günstiger zu laufen als ein großes Modell.
SOC 2
SOC 2 ist ein Prüfbericht, erstellt von einer externen CPA-Prüfungsgesellschaft nach AICPA-Standards, über die Kontrollen einer Dienstleistungsorganisation in Bezug auf Sicherheit, Verfügbarkeit, Verarbeitungsintegrität, Vertraulichkeit oder Datenschutz.
Sparse Retrieval
Sparse Retrieval (dünnbesetzte Suche) stellt Abfragen und Dokumente als Vektoren über ein Vokabular dar, in denen die meisten Einträge null sind und jeder Eintrag ungleich null ein Wortgewicht ist. So kann die Suche schnelle invertierte Indizes nutzen, wie bei der Stichwortsuche.
Spec-Driven Development
Spec-Driven Development (spezifikationsgetriebene Entwicklung) ist eine Arbeitsweise mit Coding-Agenten, bei der du zuerst eine Spezifikation schreibst, was gebaut werden soll und warum, und der Agent sie dann in einen Plan, eine Aufgabenliste und schließlich Code verwandelt.
Speculative Decoding
Speculative Decoding (spekulatives Dekodieren) beschleunigt die Textgenerierung, indem ein kleines, schnelles Draft-Modell mehrere Tokens vorschlägt, die das große Modell dann in einem einzigen Durchlauf prüft und die akzeptierten behält. Die Ausgabe entspricht der, die das große Modell allein erzeugen würde.
Speech-to-Speech-Modell
Ein Speech-to-Speech-Modell nimmt gesprochenes Audio auf und gibt direkt gesprochenes Audio aus, ohne die Sprache zuerst in Text und zurück umzuwandeln. Es wird für Sprachgespräche in Echtzeit und Übersetzung genutzt.
Speech-to-Text
Speech-to-Text (Spracherkennung), auch Automatic Speech Recognition (ASR) genannt, ist Software, die gesprochenes Audio in geschriebenen Text umwandelt. Sie steckt hinter Transkription, Untertiteln, Sprachbefehlen und der zuhörenden Hälfte von Voice Agents.
Sprecherdiarisierung
Sprecherdiarisierung (Speaker Diarization) ist die Aufgabe, eine Audioaufnahme nach Sprechern aufzuteilen und jeden Sprechabschnitt damit zu kennzeichnen, wer ihn gesagt hat. Sie beantwortet die Frage „Wer hat wann gesprochen?“.
State Space Model
Ein State Space Model (SSM, Zustandsraummodell) ist ein Sequenzmodell, das beim Lesen jedes Tokens einen versteckten Zustand fester Größe weiterträgt, sodass seine Kosten linear mit der Eingabelänge wachsen. Mamba ist das bekannteste Beispiel.
Streaming (LLM-Ausgabe)
Streaming schickt die Ausgabe eines LLM Stück für Stück an den Client, während die Tokens erzeugt werden, statt auf die vollständige Antwort zu warten. Nutzer sehen innerhalb von Augenblicken Text erscheinen, auch wenn die ganze Antwort viel länger dauert.
Structured Output
Structured Output (strukturierte Ausgabe) ist eine API-Funktion, die die Antwort eines Sprachmodells einem von dir festgelegten Format folgen lässt, meist einem JSON Schema, damit Code sie verlässlich parsen kann, statt freien Text auszuwerten.
Subagent
Ein Subagent ist ein Hilfsagent, dem ein Hauptagent eine Aufgabe übergibt. Er arbeitet in seinem eigenen, frischen Kontextfenster, oft mit eigenen Anweisungen und Tools, und gibt nur eine Zusammenfassung des Ergebnisses zurück.
Supervised Fine-Tuning
Supervised Fine-Tuning (SFT, überwachtes Feinabstimmen) trainiert ein vortrainiertes Modell weiter mit Beispiel-Prompts, die mit den gewünschten Antworten gepaart sind. Es ist der übliche erste Schritt, der aus einem Basismodell eines macht, das Anweisungen befolgt.
SWE-bench
SWE-bench ist ein Coding-Benchmark aus echten GitHub-Issues in populären Python-Projekten; ein Modell oder Agent muss das Repository so bearbeiten, dass das Issue behoben ist und die versteckten Tests des Projekts bestehen.
Synthetische Daten
Synthetische Daten sind Trainings- oder Testdaten, die von Software erzeugt werden, oft von einem anderen KI-Modell, statt aus realen Quellen gesammelt zu werden. Sie dienen dazu, Lücken zu füllen, günstig Beispiele hinzuzufügen oder echte personenbezogene Daten nicht offenzulegen.
System-Prompt
Ein System-Prompt ist der Block von Anweisungen, den eine Anwendung vor den Nachrichten des Nutzers an ein Sprachmodell schickt. Er legt Rolle, Regeln, Ton und Ausgabeformat des Modells für die ganze Unterhaltung fest.

T

Tabellenextraktion
Tabellenextraktion ist die Aufgabe, Tabellen in Dokumenten zu finden und ihre Zeilen, Spalten, Kopfzeilen und Zellen als strukturierte Daten wie HTML, Markdown oder CSV nachzubauen, statt als lose Textzeilen.
Temperature (Sampling)
Temperature (Temperatur) ist eine Sampling-Einstellung, die steuert, wie zufällig ein Sprachmodell seine Wörter wählt. Niedrige Werte lassen es die wahrscheinlichsten Tokens bevorzugen; höhere Werte verteilen die Wahl auf weniger wahrscheinliche.
Tensor-Parallelismus
Tensor-Parallelismus (Tensor Parallelism) teilt jede Schicht eines neuronalen Netzes auf mehrere GPUs auf, sodass jede GPU einen Teil jeder Gewichtsmatrix hält und ihren Anteil an jedem Schritt berechnet. So kann ein Modell, das für eine GPU zu groß ist, über viele verteilt laufen.
Terminal-Bench
Terminal-Bench ist ein Benchmark für KI-Agenten, die in einem Kommandozeilen-Terminal arbeiten. Jede Aufgabe gibt dem Agenten eine echte Umgebung und wird durch Tests bewertet, die prüfen, ob die Arbeit tatsächlich erledigt wurde.
Test-Time Compute
Test-Time Compute (Rechenaufwand zur Antwortzeit) ist die Menge an Berechnung, die ein Modell beim Beantworten einer Anfrage aufwendet, statt im Training. Wenn ein Modell länger nachdenken oder mehrere Antworten ausprobieren darf, kann das die Ergebnisse bei schwierigen Problemen verbessern.
Text-to-3D
Text-to-3D ist die Aufgabe, aus einem geschriebenen Prompt ein 3D-Objekt oder eine 3D-Szene zu erzeugen. Image-to-3D tut dasselbe aus einem oder mehreren Fotos. Das Ergebnis lässt sich aus jedem Winkel betrachten.
Text-to-Image
Text-to-Image ist die Aufgabe, aus einer geschriebenen Beschreibung, dem Prompt, ein neues Bild zu erzeugen. Die meisten aktuellen Text-to-Image-Modelle sind Diffusionsmodelle, die durch den Text gesteuert werden.
Text-to-Music
Text-to-Music ist die Aufgabe, Musik als Audio aus einer geschriebenen Beschreibung zu erzeugen, etwa Genre, Stimmung, Instrumente und Tempo. Manche Systeme schreiben und singen auch Liedtexte.
Text-to-Speech
Text-to-Speech (TTS, Sprachsynthese) ist Software, die geschriebenen Text in gesprochenes Audio verwandelt. Modernes TTS nutzt neuronale Netze, die aus dem Text den Klang der Sprache vorhersagen und ihn dann als Wellenform ausgeben.
Text-to-Video
Text-to-Video ist die Aufgabe, aus einem geschriebenen Prompt einen kurzen Videoclip zu erzeugen. Modelle müssen Frames erzeugen, die jeder für sich stimmig aussehen und sich zudem von einem Frame zum nächsten konsistent bewegen.
Time to First Token
Time to First Token (TTFT, Zeit bis zum ersten Token) ist die Zeit, die ein Nutzer zwischen dem Senden einer Anfrage an ein Sprachmodell und dem Eintreffen des ersten Tokens der Antwort wartet, einschließlich Warteschlange, Prompt-Verarbeitung und Netzwerkzeit.
Token (LLM)
Ein Token (LLM) ist die Grundeinheit von Text, die ein Sprachmodell liest und schreibt, oft ein Wort, ein Wortteil, ein Satzzeichen oder ein Byte. Preise, Geschwindigkeit und Kontextgrenzen werden alle in Tokens gezählt.
Token-Preise
Token-Preise (Token Pricing) sind die Art, wie die meisten APIs für KI-Modelle abrechnen: ein fester Preis pro Million Input-Tokens, die du schickst, und ein separater, meist höherer Preis pro Million Output-Tokens, die das Modell erzeugt, mit Rabatten für gecachten Input und Batch-Jobs.
Tokenizer
Ein Tokenizer ist die Komponente, die Text in Tokens zerlegt und sie in numerische IDs verwandelt, die ein Sprachmodell verarbeiten kann, und die die Ausgabe-IDs des Modells wieder in Text verwandelt.
Tokens pro Sekunde
Tokens pro Sekunde (tok/s) misst, wie schnell ein Sprachmodell Ausgabe erzeugt. Angegeben wird der Wert entweder pro Nutzer, also die Geschwindigkeit, mit der eine Antwort gestreamt wird, oder pro System, also die gesamte Ausgabe über alle gleichzeitigen Anfragen.
Tool Calling
Tool Calling, auch Function Calling (Funktionsaufruf) genannt, ist eine Funktion von Modell-APIs, bei der du Funktionen mit einem Schema beschreibst, das Modell mit einer strukturierten Anfrage antwortet, eine davon aufzurufen, und dein Code sie ausführt und das Ergebnis zurückgibt.
Tool Poisoning
Tool Poisoning (Vergiftung von Tools) ist ein Angriff, bei dem ein bösartiges Tool, oft ein MCP-Server, Anweisungen in seiner Tool-Beschreibung oder seinen Metadaten versteckt; das KI-Modell liest sie als Anleitung und gibt womöglich Daten preis oder missbraucht andere Tools, ohne dass der Nutzer es merkt.
Top-p-Sampling
Top-p-Sampling oder Nucleus Sampling wählt jedes nächste Token nur aus der kleinsten Menge von Kandidaten, deren gemeinsame Wahrscheinlichkeit einen Schwellenwert p erreicht, und schneidet den langen Rand unwahrscheinlicher Tokens ab.
TPU
Eine TPU (Tensor Processing Unit) ist Googles eigener Chip für Machine Learning, gebaut um große Einheiten für Matrixmultiplikation und Speicher mit hoher Bandbreite. Google bietet TPUs anderen Unternehmen als Mietdienst über Google Cloud an.
Transformer (Architektur)
Der Transformer ist eine Architektur für neuronale Netze, 2017 vorgestellt, die Sequenzen mit Attention statt mit Rekurrenz verarbeitet. Er ist die Grundlage fast aller aktuellen Large Language Models und vieler Bild- und Audiomodelle.

U

Unified Memory
Unified Memory (gemeinsamer Arbeitsspeicher) ist ein Aufbau, bei dem CPU und GPU einen gemeinsamen Speicherpool teilen, statt jeweils einen eigenen zu haben. Auf Macs mit Apple Silicon und ähnlichen Chips kann ein lokales KI-Modell so den Großteil des System-RAM als GPU-Speicher nutzen.

V

Vektordatenbank
Eine Vektordatenbank speichert Embeddings zusammen mit ihren Quelldatensätzen und findet die gespeicherten Vektoren, die einem Abfragevektor am nächsten liegen, meist mit einem approximativen Index, damit die Suche über Millionen von Einträgen schnell bleibt.
Vektorsuche
Vektorsuche (Vector Search) findet Einträge, indem sie ihre Embeddings mit dem Embedding einer Abfrage vergleicht und die nächstgelegenen zurückgibt. Ergebnisse passen so nach Bedeutung statt nach gemeinsamen Stichwörtern.
Vibe Coding
Vibe Coding heißt, Software zu bauen, indem du einem KI-Modell beschreibst, was du willst, und den Code, den es schreibt, annimmst, ohne ihn zu lesen oder zu prüfen. Das Ergebnis beurteilst du nur danach, ob das Programm zu funktionieren scheint.
Vision-Language-Modell
Ein Vision-Language-Modell (VLM, Bild-Sprach-Modell) ist ein Modell, das Bilder und Text als Eingabe nimmt und Text erzeugt. Es kann also Bilder beschreiben, Fragen zu ihnen beantworten, Dokumente lesen und Daten aus Screenshots extrahieren.
Voice Agent
Ein Voice Agent (Sprachagent) ist ein KI-Agent, der in Echtzeit ein gesprochenes Gespräch führt: Er hört einer Person zu, entscheidet, was er sagen oder tun soll, und antwortet mit einer synthetischen Stimme, oft über eine Telefonleitung oder in einer App.
Voice Cloning
Voice Cloning (Stimmklonen) ist der Einsatz von KI, um ein Text-to-Speech-System mit der Stimme einer bestimmten Person sprechen zu lassen, gelernt aus einer Aufnahme dieser Person. Manche Systeme brauchen nur eine kurze Probe.
VRAM
VRAM ist der Speicher auf einer Grafikkarte. Bei KI-Arbeit enthält er die Modellgewichte, den KV-Cache und Arbeitsdaten, und ob ein Modell in den VRAM passt, entscheidet meist, welche GPU du brauchst, um es auszuführen.

W

Web-Crawling für KI
Web-Crawling für KI ist das automatisierte Abrufen von Webseiten, indem Links oder einer Liste von URLs gefolgt wird, um Text für das Training von Modellen zu sammeln, Suchindizes aufzubauen oder einer Anwendung frische Inhalte zum Abrufen zu geben.
Weight-Space Programming
Weight-Space Programming (Programmieren im Gewichtsraum) ist eine vorgeschlagene Fähigkeit, bei der ein Sprachmodell die Gewichte eines neuronalen Netzes liest, um herauszufinden, was es berechnet, und diese Gewichte dann direkt schreibt oder bearbeitet, ohne Gradiententraining, so wie ein Programmierer Code bearbeitet.
Wissensdatenbank (KI)
In KI-Apps ist eine Wissensdatenbank (Knowledge Base) die Sammlung von Dokumenten und Daten, die ein Assistent oder Agent durchsucht, um Fragen zu beantworten, etwa Hilfeartikel, Richtlinien oder Produktdokumentation, getrennt vom Modell selbst.
Wissensdestillation
Wissensdestillation (Knowledge Distillation) ist eine Trainingsmethode, bei der ein kleineres Schülermodell lernt, die Ausgaben eines größeren Lehrermodells nachzuahmen, sodass ein destilliertes Modell entsteht, das viel vom Können des Lehrers zu geringeren Kosten behält.
Wissensgraph
Ein Wissensgraph (Knowledge Graph) speichert Informationen als Entitäten (Personen, Produkte, Orte, Konzepte), die durch benannte Beziehungen verbunden sind, sodass Software Verknüpfungen zwischen Fakten folgen kann, statt losen Text zu durchsuchen.
Wissensstichtag
Der Wissensstichtag (Knowledge Cutoff) ist das Datum, nach dem ein Modell kaum oder keine Informationen hat, weil seine Trainingsdaten etwa bis dahin gesammelt wurden. Spätere Ereignisse sind ihm unbekannt, sofern sie nicht im Prompt stehen.
Workflow oder Agent
Ein Workflow ist ein LLM-System, dessen Schritte im Code festgelegten Pfaden folgen, während ein Agent das Modell seine eigenen Schritte und Tool-Aufrufe wählen lässt. Viele Produkte, die als agentische Workflows verkauft werden, liegen irgendwo dazwischen.
Workflow-Automatisierung (KI)
KI-Workflow-Automatisierung ist der Einsatz von Tools wie Zapier, Make oder n8n, um Auslöser, App-Aktionen und Modellaufrufe zu einem Prozess zu verketten, der von selbst läuft, etwa jedes neue Support-Ticket zusammenzufassen.
World Model
Ein World Model (Weltmodell) ist ein KI-Modell, das gut genug lernt, wie eine Umgebung funktioniert, um vorherzusagen, was als Nächstes passiert, oft aus Video- oder Sensordaten, sodass ein Agent in der Simulation planen oder trainieren kann.

Z

Zero Data Retention
Zero Data Retention (ZDR, keine Datenspeicherung) ist eine Vereinbarung, bei der ein KI-Anbieter die Prompts und Ausgaben eines Kunden nach der Beantwortung einer Anfrage nicht aufbewahrt. Sie wird meist nur freigegebenen Kunden und nur für berechtigte API-Funktionen angeboten.
Zero-Shot
Zero-Shot bedeutet, ein Modell eine Aufgabe allein anhand einer Anweisung erledigen zu lassen, ohne ausgearbeitete Beispiele im Prompt und ohne aufgabenspezifisches Training. Das Modell verlässt sich nur auf das, was es schon gelernt hat.