Ein Satz von Regeln, die ein Computer Schritt für Schritt befolgt, um eine Aufgabe zu lösen. Algorithmen sind das Herzstück jeder Software – von der Suchmaschine bis zur KI.

Eine Schnittstelle (Application Programming Interface), über die Programme miteinander kommunizieren können. Wenn du ChatGPT in deine App einbindest, nutzt du die OpenAI-API.

Der Einsatz von Technologie, um wiederkehrende Aufgaben ohne menschliches Eingreifen auszuführen. KI bringt Automatisierung auf ein neues Niveau: Statt starrer Regeln können KI-gestützte Systeme auch unstrukturierte Aufgaben wie das Lesen von E-Mails, das Erstellen von Berichten oder das Beantworten von Kundenanfragen übernehmen.

Systematische Fehler oder Vorurteile in KI-Systemen, die zu unfairen oder falschen Ergebnissen führen. Bias entsteht oft durch unausgewogene Trainingsdaten – zum Beispiel wenn ein KI-System überwiegend auf Daten einer bestimmten Bevölkerungsgruppe trainiert wurde.

Ein KI-gestütztes Programm, das Textgespräche mit Menschen führen kann. Moderne Chatbots basieren auf Large Language Models und können komplexe Gespräche führen. Im Unterschied zu einem KI-Agenten reagiert ein Chatbot auf einzelne Nachrichten, plant aber keine mehrstufigen Aufgaben eigenständig.

Ein Bereich der KI, der Computern ermöglicht, visuelle Informationen aus Bildern und Videos zu verstehen. Computer Vision wird eingesetzt für Gesichtserkennung, medizinische Bildanalyse, autonomes Fahren und Qualitätskontrolle in der Produktion.

Die Wissenschaft, aus Daten nützliche Erkenntnisse zu gewinnen. Data Scientists kombinieren Statistik, Programmierung und Fachkenntnisse, um Muster in Daten zu finden.

Eine besonders leistungsfähige Form des maschinellen Lernens mit künstlichen neuronalen Netzen. Deep Learning hat Bilderkennung, Sprachverarbeitung und KI revolutioniert.

Die Datenschutz-Grundverordnung der EU, die regelt, wie personenbezogene Daten verarbeitet werden dürfen. Für KI-Anwendungen in Europa ist die DSGVO ein zentrales rechtliches Rahmenwerk.

KI-Systeme, die direkt auf dem Gerät laufen – auf dem Smartphone, der Kamera oder der Maschine – anstatt auf entfernten Servern in der Cloud. Edge AI ist schneller, datenschutzfreundlicher und funktioniert auch ohne Internetverbindung.

Das KI-Gesetz der EU, das Regeln für den Einsatz von KI in Europa festlegt. Es klassifiziert KI-Systeme nach Risikostufen und definiert Anforderungen für Transparenz, Sicherheit und Verantwortung.

Das Anpassen eines vortrainierten KI-Modells an eine spezifische Aufgabe mit eigenen Daten. Statt von Null zu trainieren, baut man auf ein bestehendes Modell auf – effizienter und kostengünstiger.

KI-Systeme, die neue Inhalte erstellen können – Texte, Bilder, Musik oder Code. ChatGPT, Midjourney und Sora sind bekannte Beispiele für generative KI-Tools.

Wenn eine KI überzeugend klingende, aber faktisch falsche Informationen generiert. Halluzinationen entstehen, weil Sprachmodelle auf Wahrscheinlichkeiten basieren, nicht auf Faktenwissen. Deshalb solltest du kritische Fakten immer gegen verlässliche Quellen prüfen.

Computersysteme, die Aufgaben ausführen, die normalerweise menschliche Intelligenz erfordern – wie Sprachverstehen, Bildanalyse, Entscheidungsfindung oder kreatives Schreiben.

Ein KI-System, das eigenständig Aufgaben plant und ausführt – ohne bei jedem Schritt auf menschliche Eingabe zu warten. Im Gegensatz zu einem einfachen Chatbot kann ein KI-Agent Werkzeuge nutzen, Entscheidungen treffen und mehrstufige Aufgaben abarbeiten.

Wenn Unternehmen KI-Systeme schnell und unkontrolliert einführen, ohne klare Strategie, Dokumentation oder Qualitätssicherung, entstehen "KI-Schulden" – also technische und organisatorische Probleme, die sich mit der Zeit häufen.

Ein großes Sprachmodell, das auf riesigen Textmengen trainiert wurde, um Sprache zu verstehen und zu generieren. GPT-4, Claude und Gemini sind bekannte LLMs.

Ein Teilgebiet der KI, bei dem Computer aus Daten lernen, ohne explizit programmiert zu werden. Anstatt fester Regeln werden Muster aus Beispielen gelernt.

Die Fähigkeit von Computern, menschliche Sprache zu verstehen und zu verarbeiten. NLP ist die Grundlage für Chatbots, Übersetzungstools und Sprachassistenten.

Ein KI-Modell, das lose vom menschlichen Gehirn inspiriert ist und aus vernetzten Schichten besteht. Je mehr Schichten, desto "tiefer" das Netz – daher der Begriff Deep Learning.

KI-Plattformen, die es ermöglichen, KI-Anwendungen ohne oder mit minimalen Programmierkenntnissen zu erstellen. Tools wie Make, Zapier oder Microsoft Power Automate fallen in diese Kategorie.

Der Einsatz von KI und statistischen Methoden, um auf Basis historischer Daten Vorhersagen zu treffen. Predictive Analytics hilft Unternehmen zu antizipieren, welche Kunden abwandern könnten, wie hoch der Lagerbestand sein sollte oder wann eine Maschine ausfällt.

Die Anweisung oder Frage, die du an eine KI richtest, um eine Antwort zu erhalten. Die Qualität deines Prompts bestimmt maßgeblich die Qualität der KI-Antwort.

Die Kunst, Prompts so zu formulieren, dass die KI optimale Ergebnisse liefert. Gutes Prompt Engineering ist heute eine der wertvollsten praktischen KI-Fähigkeiten.

Eine Technik, bei der die KI externe Wissensquellen nutzt, um bessere Antworten zu geben. RAG reduziert Halluzinationen und ermöglicht es, KI mit aktuellem oder unternehmensinternem Wissen zu verbinden.

Eine Lernmethode, bei der eine KI durch Belohnung und Bestrafung lernt – ähnlich wie ein Kind, das lernt, Fahrrad zu fahren. Die KI probiert verschiedene Aktionen aus und optimiert ihr Verhalten, um eine maximale Belohnung zu erzielen.

Maschinelles Lernen mit gelabelten Trainingsdaten – die KI lernt aus Beispielen mit bekannten Ergebnissen. Zum Beispiel: Bilder von Katzen und Hunden mit der richtigen Beschriftung.

Die kleinste Einheit, in die ein Text für die KI-Verarbeitung zerlegt wird (ungefähr ein Wort oder Wortteil). Bei ChatGPT kostet jede Anfrage eine bestimmte Anzahl Tokens – das ist die Basis für die Preisgestaltung.

Training ist der Prozess, bei dem eine KI aus Daten lernt und ihre Parameter anpasst. Trainingsdaten sind die Beispiele, aus denen die KI lernt – ihre Qualität und Vielfalt bestimmen maßgeblich, wie gut das fertige Modell ist.

Die Architektur hinter modernen Sprachmodellen wie GPT und Claude. Transformer sind besonders gut darin, Kontext und Bedeutung in Texten zu verstehen – der Durchbruch kam 2017 mit dem Paper "Attention is All You Need".

Maschinelles Lernen ohne gelabelte Daten – die KI findet selbstständig Muster. Zum Beispiel: Kundensegmentierung, bei der die KI selbst Gruppen ähnlicher Kunden erkennt.