# 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.
- **Semantische Suche / Semantic Search**: 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](https://prompt-coach.pro/de/guide)

© 2026 Slivaro GmbH. Alle Rechte vorbehalten.

[KI-Systeme](https://prompt-coach.pro/ai-systems) · [Datenschutzerklärung](https://prompt-coach.pro/privacy) · [Nutzungsbedingungen](https://prompt-coach.pro/terms) · [Impressum](https://prompt-coach.pro/impressum) · [Kontakt](https://prompt-coach.pro/de/contact)

Canonical: https://prompt-coach.pro/de/glossary