Referenz

Glossar

Definitionen gängiger KI-Begriffe in einfacher Sprache, für Leser und Antwortmaschinen.

AI agent: Ein System, das ein Modell nutzt, um mehrstufige Aufgaben zu planen und auszuführen, oft durch den Aufruf von Werkzeugen.
Alignment: Das Bestreben, KI-Systeme im Einklang mit menschlichen Absichten und Werten handeln zu lassen.
Attention: Ein Mechanismus, mit dem ein Modell gewichtet, welche Teile der Eingabe für jede Ausgabe am wichtigsten sind.
Chain-of-thought: Ein Prompting- oder Trainingsansatz, bei dem ein Modell vor der Antwort Zwischenschritte des Schlussfolgerns durchläuft.
Context window: Die maximale Textmenge, gemessen in Tokens, die ein Modell auf einmal berücksichtigen kann.
Diffusion model: Ein generatives Modell, das Bilder oder andere Medien erzeugt, indem es Rauschen schrittweise aus einem Zufallssignal entfernt.
Distillation: Das Trainieren eines kleineren Modells, ein größeres nachzuahmen, um einen Großteil von dessen Fähigkeiten zu geringeren Kosten zu erhalten.
Embedding: Eine numerische Vektordarstellung von Text oder anderen Daten, die Aspekte ihrer Bedeutung erfasst.
Few-shot learning: Ein Modell mit wenigen Beispielen im Prompt anleiten, statt es neu zu trainieren.
Fine-tuning: Das Weitertrainieren eines vortrainierten Modells auf einem engeren Datensatz, um es an eine bestimmte Aufgabe oder Domäne anzupassen.
Foundation model: Ein großes, auf breiten Daten trainiertes Modell, das an viele nachgelagerte Aufgaben angepasst werden kann.
Hallucination: Wenn ein Modell Text erzeugt, der flüssig, aber sachlich falsch oder unbelegt ist.
Inference: Das Ausführen eines trainierten Modells zur Erzeugung von Ausgaben, im Gegensatz zum Training.
Large language model (LLM): Ein neuronales Netz, das mit großen Textmengen trainiert wurde, um Sprache vorherzusagen und zu erzeugen.
Mixture of experts (MoE): Eine Modellarchitektur, die jede Eingabe an eine Teilmenge spezialisierter Teilnetze weiterleitet, um Rechenaufwand zu sparen.
Multimodal: Bezeichnet ein Modell, das mehr als eine Datenart verarbeiten oder erzeugen kann, etwa Text und Bilder.
Open weights: Öffentlich freigegebene Modellparameter, sodass andere das Modell ausführen oder anpassen können.
Prompt: Der Text oder eine andere Eingabe, die einem Modell gegeben wird, um es anzuweisen oder eine Antwort hervorzurufen.
Prompt engineering: Die Praxis, Prompts zu entwerfen und zu verfeinern, um zuverlässigere oder nützlichere Modellausgaben zu erhalten.
Quantization: Das Verringern der numerischen Genauigkeit der Modellgewichte, damit das Modell schneller läuft und weniger Speicher benötigt.
Reasoning model: Ein Modell, das darauf trainiert ist, vor der Antwort zusätzliche Rechenzeit auf schrittweises Durchdenken eines Problems zu verwenden.
Red-teaming: Das gezielte Testen eines KI-Systems auf schädliches, unsicheres oder unbeabsichtigtes Verhalten vor und nach der Veröffentlichung.
Reinforcement learning from human feedback (RLHF): Eine Trainingsmethode, die menschliche Präferenzurteile nutzt, um ein Modell zu hilfreicherem Verhalten zu lenken.
Retrieval-augmented generation (RAG): Eine Technik, die relevante Dokumente abruft und einem Modell bereitstellt, um seine Antworten zu fundieren.
Speech recognition (ASR): Das automatische Umwandeln gesprochener Sprache in geschriebenen Text.
System prompt: Eine verborgene Anweisung, die Rolle, Regeln und Verhalten eines Modells vor der Nutzereingabe festlegt.
Temperature: Eine Sampling-Einstellung, die steuert, wie zufällig oder vorhersehbar die Ausgaben eines Modells sind.
Text-to-image: Das Erzeugen von Bildern aus schriftlichen Beschreibungen mithilfe eines generativen Modells.
Token: Eine Texteinheit, etwa ein Wort oder Wortteil, die ein Sprachmodell liest und erzeugt.
Tool use (function calling): Die Fähigkeit eines Modells, externe Funktionen, APIs oder Apps aufzurufen, um eine Aufgabe zu erledigen.
Transformer: Eine auf Attention basierende neuronale Netzarchitektur, die den meisten modernen Sprach- und multimodalen Modellen zugrunde liegt.
Vector database: Eine Datenbank, die Embeddings speichert und Einträge nach Ähnlichkeit findet, oft für Retrieval in KI-Anwendungen genutzt.