Glossar

Eine schnelle Referenz für alle Begriffe, die dir rund um Prompts, Modelle und künstliche Intelligenz begegnen werden.

Die Grundlagen

Großes Sprachmodell (LLM) / Large Language Model (LLM)
Ein KI-Modell, das mit riesigen Textmengen trainiert wurde, um menschliche Sprache zu verstehen und zu erzeugen.
Künstliche Intelligenz (KI) / Artificial Intelligence (AI)
Computersysteme, die Aufgaben übernehmen, die normalerweise menschliche Intelligenz erfordern.
Prompt
Die Anweisung oder Eingabe, die einem KI-Modell gegeben wird.
Prompt-Engineering / Prompt Engineering
Die Praxis, Prompts so zu gestalten, dass die KI bessere und verlässlichere Ergebnisse liefert.
Kontext / Context
Zusätzliche Informationen, die dem Modell helfen, die Aufgabe oder Situation besser zu verstehen.
Token
Eine kleine Texteinheit, die vom Modell verarbeitet wird – etwa ein Wort oder Wortteil.
Halluzination / Hallucination
Eine falsche oder erfundene Antwort der KI, die glaubwürdig klingt.
Gedankenkette / Chain of Thought
Ein Argumentationsstil, bei dem das Modell seine Zwischenschritte erklärt.
Multimodales Modell / Multimodal Model
Ein KI-Modell, das mehrere Datentypen wie Text, Bilder und Audio verarbeiten kann.
Agent
Ein KI-System, das eigenständig Aktionen ausführt und Werkzeuge nutzt, um Aufgaben zu erledigen.
Tool-Aufrufe / Tool Calling
Die Fähigkeit eines KI-Modells, während einer Aufgabe externe Werkzeuge, APIs oder Dienste zu nutzen.

Unter der Haube

System-Prompt / System Prompt
Verborgene Anweisungen, die das Verhalten, die Regeln und die Persönlichkeit der KI festlegen.
Kontextfenster / Context Window
Die maximale Textmenge, die ein KI-Modell auf einmal verarbeiten und sich merken kann.
Kontext-Injektion / Context Injection
Das Einfügen externer Informationen in einen Prompt, um die Antwort des Modells zu verbessern.
Token-Limit / Token Limit
Die maximale Anzahl an Tokens, die ein Modell in einer Interaktion verarbeiten kann.
Trainingsdaten / Training Data
Die große Sammlung an Texten und Informationen, mit der das Modell trainiert wird.
Inferenz / Inference
Der Vorgang, mit einem trainierten KI-Modell eine Ausgabe zu erzeugen.
Vervollständigung / Completion
Die vom KI-Modell erzeugte Textantwort.
Vorhersage des nächsten Tokens / Next-Token Prediction
Der Kernmechanismus, mit dem das Modell das wahrscheinlichste nächste Token in einer Sequenz vorhersagt.
Transformer
Die neuronale Netzwerkarchitektur moderner Sprachmodelle wie GPT.
Attention-Mechanismus / Attention Mechanism
Ein System, das dem Modell hilft, sich auf die relevantesten Teile der Eingabe zu konzentrieren.
Gewichte / Weights
Die gelernten internen Parameter, in denen das Wissen des Modells gespeichert ist.
Temperatur / Temperature
Eine Einstellung, die steuert, wie kreativ oder vorhersehbar die Antworten des Modells sind.
Reasoning-Modell / Reasoning Model
Ein Modell, das auf tieferes logisches Denken und schrittweises Problemlösen optimiert ist.
Halluzinationsrate / Hallucination Rate
Die Häufigkeit, mit der ein Modell falsche oder erfundene Informationen erzeugt.
Grounding
Die Verknüpfung von KI-Ausgaben mit realen Daten oder vertrauenswürdigen Quellen, um die Genauigkeit zu erhöhen.
Alignment
Der Prozess, KI-Systeme menschlichen Zielen, Werten und Sicherheitsregeln folgen zu lassen.
Schutzplanken / Guardrails
Sicherheitsbeschränkungen, die schädliches oder unerwünschtes KI-Verhalten verhindern sollen.
Jailbreak
Ein Versuch, die eingebauten Beschränkungen oder Sicherheitsmechanismen der KI zu umgehen.
Few-Shot-Prompting / Few-Shot Prompting
Im Prompt einige Beispiele bereitstellen, um das Verhalten des Modells zu lenken.
One-Shot-Prompting / One-Shot Prompting
Im Prompt ein einzelnes Beispiel bereitstellen, um die gewünschte Ausgabe zu demonstrieren.
Zero-Shot-Prompting / Zero-Shot Prompting
Das Modell eine Aufgabe ausführen lassen, ohne Beispiele zu geben.
Prompt-Verkettung / Prompt Chaining
Eine komplexe Aufgabe in mehrere zusammenhängende Prompts aufteilen.
Strukturierte Ausgabe / Structured Output
Eine Antwort in einem festen Format wie JSON, XML oder Tabellen.
Few-Shot-Lernen / Few-Shot Learning
Die Fähigkeit eines Modells, sich mit nur wenigen Beispielen an Aufgaben anzupassen.
Embeddings
Numerische Vektordarstellungen von Text, die semantische Bedeutung erfassen.
Vektordatenbank / Vector Database
Eine Datenbank, die auf das Speichern und Durchsuchen von Embeddings optimiert ist.
Suche basierend auf Bedeutung und Kontext statt auf exakten Schlüsselwörtern.
Retrieval-Augmented Generation (RAG)
Eine Methode, bei der das Modell externe Informationen abruft, bevor es eine Antwort erzeugt.
Fine-Tuning
Zusätzliches Training eines Modells mit spezialisierten Daten für eine bestimmte Aufgabe oder Domäne.

Prompt-Leitfaden