KI als
Superkraft.

genAI: Erzeugt aus einem Auftrag neue Texte, Bilder, Audio oder Code – Ergebnisse prüfen.

agenticAI: Verfolgt ein Ziel, wählt erlaubte Schritte und Werkzeuge und prüft deren Rückmeldung.

LLM: Ein großes Sprachmodell verarbeitet und erzeugt Sprache; es ist nicht der ganze Agent.

SLM vs. LLM: Kleinere und größere Sprachmodelle passen zu unterschiedlichen Aufgaben; es gibt keine allgemein verbindliche Größengrenze.

Frontiermodell: Ein Modell an der aktuellen Leistungsgrenze wichtiger Aufgaben – kein dauerhafter Titel oder Qualitätsversprechen für alles.

Prompt: Beschreibt Ziel, Kontext, Anforderungen und gewünschtes Ergebnis; gute Prüffälle helfen beim Nachbessern.

Tokens: Modelle verarbeiten Text in Bausteinen; ein Token ist nicht immer ein ganzes Wort.

Temperature: Verändert bei unterstützten Modellen die Streuung der Auswahl; ist kein Regler für Wahrheit oder Intelligenz.

Kontextfenster: Begrenzt, wie viele Tokens in einem Durchlauf berücksichtigt werden können; ist nicht dasselbe wie dauerhaftes Memory.

Halluzination: Wahrscheinliche Fortsetzungen können plausibel und trotzdem falsch sein; fehlende Belege, Wissen und Kontext spielen ebenfalls eine Rolle.

RAG: Passende Quellen werden gesucht und für die Antwort mitgegeben, ohne dafür das Sprachmodell neu zu trainieren.

Embeddings: Stellen Inhalte als Zahlenvektoren dar, um zum Beispiel ähnliche Textstellen zu finden; Nähe ist keine Wahrheitsgarantie.

Memory: Bewahrt freigegebene Informationen über Aufgaben hinweg und wird bei Bedarf aktiv abgefragt.

Finetuning: Passt Modellgewichte oder Adapter mit Beispielen an; ist etwas anderes als Dokumente in den Chat zu laden.

X B Parameter: B steht für billion: eine Milliarde. 8B bedeutet acht Milliarden Modellparameter, nicht acht Milliarden Fakten; Größe allein ist kein Qualitätsmaß.

Harness: Verbindet Modell, Werkzeuge, Dateien, Abläufe und Rechte – etwa in Codex, Antigravity oder Claude Code.

Tools: Führen konkrete Operationen aus, etwa rechnen, Dateien lesen oder einen erlaubten Lernstand ändern.

Skills: Beschreiben wiederverwendbare Fähigkeiten und Vorgehensweisen; ein Skill allein ist noch kein vollständiger Agent.

lokal vs. Cloud: Ausführung auf eigener Hardware oder beim Anbieter; Datenschutz, Leistung, Aufwand und Kosten hängen von der gesamten Konfiguration ab.

Benchmarks / Artificial Analysis: Vergleichen Modelle an bestimmten Aufgaben. Artificial Analysis hilft, aktuelle Leistung einzuordnen; den eigenen Anwendungsfall zusätzlich testen.