Einfach erklärt: Die 100 wichtigsten KI-Begriffe 2026

Die meisten Meetings sind durch KI ein bisschen nerdiger geworden. Und in fast jeder Runde sitzt diese eine Person, die ungeniert mit zahlreichen Fachbegriffen um sich wirft, die nur die Hälfte der anwesenden Personen versteht. Wer erst mal freundlich mitnickt, riskiert genau die Missverständnisse, die später teuer werden. Deshalb sind hier 100 klassische Begriffe aus dem KI-Alltag zusammengestellt, alphabetisch sortiert, einfach erklärt und aktuell Stand August 2026.

A · B · C · D · E · F · G · H · I · J · K · L · M · N · O · P · Q · R · S · T · U · V · W · Z

A

Agent
Ein KI-System, das eine Aufgabe in mehreren Schritten selbstständig bearbeitet. Es zerlegt ein Ziel in Teilschritte, greift auf Werkzeuge oder Daten zu, prüft Zwischenergebnisse und entscheidet über den nächsten Schritt. Der Unterschied zum Chatbot liegt im Handeln statt im bloßen Antworten. (Beispiel: ein System, das eingehende Rechnungen liest, sie im Buchhaltungsprogramm anlegt und bei Unklarheiten eine Rückfrage stellt.) Mehr dazu: KI-Tools für dein Unternehmen

Agentenmodus
Eine Betriebsart in vielen KI-Anwendungen, in der das Modell eine Aufgabe eigenständig über mehrere Schritte abarbeitet, statt nur auf eine einzelne Eingabe zu antworten. Praktisch heißt das: längere Laufzeit, Zugriff auf Dateien, Web oder angebundene Programme, weniger Zwischenkontrolle durch Menschen. Der Begriff ist eine Produktbezeichnung und wird von Anbieter zu Anbieter unterschiedlich verwendet.

Agentic Commerce
Der Einkauf durch KI-Agenten: Ein System sucht Produkte, vergleicht Angebote und löst die Bestellung aus, ohne dass ein Mensch jeden Schritt bestätigt. Händler, Plattformen und Zahlungsanbieter arbeiten seit 2025 an gemeinsamen Protokollen dafür. Für Shops heißt das, dass Produktdaten maschinenlesbar vorliegen müssen. Für Käufer heißt es, dass manipulierte Empfehlungen direkten Zugriff auf das Zahlungsmittel bekommen können.

Agent-to-Agent-Protokoll (A2A)
Ein offener technischer Standard dafür, wie KI-Agenten verschiedener Hersteller miteinander sprechen, sich gegenseitig finden und Aufgaben übergeben. Google hat A2A im April 2025 vorgestellt und die Weiterentwicklung anschließend an die Linux Foundation übergeben. A2A regelt die Verständigung zwischen Agenten, während MCP den Zugriff eines Agenten auf Werkzeuge regelt.

AI Overviews
Die KI-generierten Antwortblöcke, die Google oberhalb der klassischen Trefferliste ausspielt. Sie fassen Inhalte aus mehreren Webseiten zusammen und nennen Quellen, wodurch der Klick auf die Ursprungsseite häufig entfällt. Für Websitebetreiber verändert das die Sichtbarkeitsrechnung: Erwähnung und Zitat werden wichtiger, reine Klickzahlen verlieren an Aussagekraft.

Anbieter (Provider)
Rolle in der KI-Verordnung: Wer ein KI-System entwickelt und unter eigenem Namen oder eigener Marke auf den Markt bringt, gilt als Anbieter und trägt die weitreichendsten Pflichten. Die Rolle kann unfreiwillig entstehen, etwa wenn ein zugekauftes System stark verändert oder unter eigener Marke angeboten wird. Die Abgrenzung zum Betreiber ist die erste Frage jeder Compliance-Prüfung.

API (Schnittstelle)
Eine definierte Verbindung, über die zwei Programme Daten austauschen, ohne dass ein Mensch etwas abtippt. Wer KI über eine API nutzt, spricht direkt mit dem Modell des Anbieters und bezahlt nach Verbrauch, statt eine Oberfläche wie ChatGPT zu bedienen. APIs sind die Grundlage dafür, dass KI in bestehende Software eingebaut werden kann. Mehr dazu: KI-Tools für dein Unternehmen

Automatisierung
Die Übertragung wiederkehrender Arbeitsschritte an Software. Klassische Automatisierung folgt festen Regeln und liefert bei gleicher Eingabe immer dasselbe Ergebnis. KI-gestützte Automatisierung kommt mit unstrukturierten Eingaben zurecht, etwa mit freien Texten, arbeitet dafür mit Wahrscheinlichkeiten und braucht eine Kontrollinstanz. Mehr dazu: KI-Kompetenz im Unternehmen aufbauen

B

Basismodell (Foundation Model)
Ein großes, breit trainiertes Modell, das als Grundlage für viele verschiedene Anwendungen dient. Statt für einen einzigen Zweck trainiert zu werden, lernt es allgemeine Muster und wird danach für konkrete Aufgaben angepasst. Die bekannten Sprachmodelle der großen Anbieter sind Basismodelle.

Benchmark
Ein standardisierter Test, mit dem die Leistung von KI-Modellen verglichen wird, etwa bei Programmieraufgaben, Faktenwissen oder logischem Schließen. Benchmarks liefern Orientierung, bilden den eigenen Arbeitsalltag aber nur begrenzt ab, weil sie feste Aufgabenformate messen. Rankings verschieben sich mit jeder Modellgeneration, teilweise im Wochentakt.

Betreiber (Deployer)
Rolle in der KI-Verordnung: Wer ein KI-System im beruflichen Kontext einsetzt, ohne es selbst anzubieten, ist Betreiber. Das trifft auf die große Mehrheit der Unternehmen zu, die fertige Werkzeuge nutzen. Die Pflichten sind deutlich schlanker als beim Anbieter, verschwinden aber nicht: Transparenz gegenüber Betroffenen, Zweckbindung und KI-Kompetenz im Personal gehören dazu. Mehr dazu: KI-Readiness-Check

Bias (Verzerrung)
Eine systematische Schieflage in den Ergebnissen eines Modells, die auf einseitige Trainingsdaten oder auf die Konstruktion des Systems zurückgeht. Sichtbar wird das etwa, wenn ein System bestimmte Gruppen konsistent schlechter bewertet. Mehr Daten allein lösen das Problem nicht. Bias muss gemessen und gezielt korrigiert werden.

Bundesnetzagentur
Seit dem KI-Marktüberwachungs- und Innovationsförderungsgesetz die zentrale deutsche Aufsichtsbehörde für die KI-Verordnung. Sie koordiniert die Marktüberwachung, ist Anlauf- und Beschwerdestelle und betreibt einen KI-Service-Desk sowie ein KI-Reallabor. Für einzelne Sektoren bleiben Fachbehörden zuständig, etwa die BaFin für den Finanzbereich.

C

Chain of Thought (Gedankenkette)
Die Technik, ein Modell dazu zu bringen, seinen Rechenweg in Zwischenschritten auszuformulieren, bevor es antwortet. Bei mehrstufigen Aufgaben steigt dadurch die Trefferquote spürbar. Moderne Reasoning-Modelle machen das automatisch und zeigen davon meist nur eine Zusammenfassung.

Chatbot
Ein Programm, das in natürlicher Sprache antwortet. Ältere Chatbots arbeiteten mit festen Entscheidungsbäumen und vorformulierten Antworten, heutige beruhen meist auf Sprachmodellen und formulieren frei. Seit August 2026 muss erkennbar sein, dass es sich um ein KI-System handelt, wenn ein Chatbot direkt mit Menschen interagiert.

Context Engineering
Die gezielte Gestaltung dessen, was ein Modell bei einer Anfrage an Informationen mitbekommt: Systemanweisungen, Dokumente, Beispiele, Zwischenergebnisse, Zugriff auf Werkzeuge. Der Begriff hat sich 2025 und 2026 als Weiterentwicklung von Prompt Engineering etabliert, weil bei komplexen Anwendungen die Informationsauswahl mehr über die Qualität entscheidet als die Formulierung der Frage. Eine feste Definition existiert noch nicht.

Copilot
Ursprünglich ein Produktname von Microsoft, inzwischen auch eine allgemeine Bezeichnung für KI-Assistenten, die direkt in einer Anwendung mitlaufen und dort Vorschläge machen. Die Metapher ist Absicht: Das System sitzt daneben, die Verantwortung für die Entscheidung bleibt beim Menschen. Bei der Auswahl solcher Werkzeuge lohnt der Blick darauf, welche Unternehmensdaten dabei verarbeitet werden. Mehr dazu: KI-Tools für dein Unternehmen

D

Deep Research
Eine Funktion in mehreren KI-Anwendungen, bei der das System über längere Zeit eigenständig recherchiert, viele Quellen liest und daraus einen belegten Bericht schreibt. Der Zeitaufwand liegt bei Minuten statt Sekunden. Die Qualität hängt an der Quellenlage, und die genannten Belege sollten stichprobenartig geprüft werden.

Deepfake
Ein täuschend echt wirkender Bild-, Video- oder Audioinhalt, der mit KI erzeugt oder manipuliert wurde und eine reale Person etwas sagen oder tun lässt, was so nie stattgefunden hat. Wer Deepfakes veröffentlicht, muss sie nach der KI-Verordnung offenlegen. Ab dem 2. Dezember 2026 sind KI-Systeme, die intime Darstellungen identifizierbarer Personen ohne deren Einwilligung erzeugen, in der EU ausdrücklich verboten.

Destillation
Ein Verfahren, bei dem ein großes Modell einem kleineren beibringt, ähnliche Antworten zu geben. Ergebnis ist ein Modell, das weniger Rechenleistung braucht und trotzdem einen Großteil der Qualität hält. Viele günstige und schnelle Modellvarianten entstehen auf diesem Weg.

Digital Omnibus (KI-Omnibus)
Das Änderungspaket zur KI-Verordnung, das am 27. Juli 2026 als Verordnung (EU) 2026/1744 in Kraft getreten ist. Es verschiebt die Pflichten für eigenständige Hochrisiko-Systeme auf den 2. Dezember 2027 und für produkteingebettete Systeme auf den 2. August 2028, fasst den Hochrisiko-Begriff enger und schwächt die Pflicht zur KI-Kompetenz zu einer Bemühenspflicht ab. Verbote, Transparenzpflichten und die Regeln für Modelle mit allgemeinem Verwendungszweck bleiben davon unberührt.

E

Embedding (Vektor-Einbettung)
Die Übersetzung von Text, Bildern oder Audio in eine lange Zahlenreihe, die die Bedeutung des Inhalts abbildet. Inhalte mit ähnlicher Bedeutung erhalten ähnliche Zahlenreihen, wodurch sich Dokumente nach Sinn statt nach Stichwort durchsuchen lassen. Embeddings sind die Grundlage der meisten firmeninternen Suchsysteme.

Emotion Recognition (Emotionserkennung)
KI-Systeme, die aus Gesicht, Stimme oder Verhalten auf Gefühlszustände schließen. Am Arbeitsplatz und in Bildungseinrichtungen ist ihr Einsatz in der EU seit Februar 2025 verboten, von eng gefassten Ausnahmen aus Sicherheits- und Medizingründen abgesehen. Das Verbot gilt auch dann, wenn die Funktion nur ein Nebenmerkmal einer eingekauften Software ist.

EU AI Act
Die englische Kurzbezeichnung der EU-Verordnung über künstliche Intelligenz. Im deutschen Sprachgebrauch und in amtlichen Texten heißt sie KI-Verordnung oder KI-VO, gemeint ist dasselbe Gesetz: die Verordnung (EU) 2024/1689. Wer nach Fristen und Pflichten sucht, findet sie unter beiden Namen.

Evals (Evaluation)
Ein wiederholbarer Test, mit dem geprüft wird, ob ein KI-System die eigenen Aufgaben zuverlässig löst. Typisch ist eine Sammlung realer Fälle mit bekannter richtiger Antwort, gegen die jede Änderung erneut geprüft wird. Ohne solche Tests bleibt die Qualitätsbeurteilung Bauchgefühl, was bei Modellwechseln teuer wird. Mehr dazu: KI-Readiness-Check

F

Fine-Tuning
Das Nachtrainieren eines bestehenden Modells mit eigenen Beispieldaten, damit es einen bestimmten Stil, ein Format oder eine Fachsprache zuverlässig trifft. Für reines Faktenwissen ist der Weg über Retrieval Augmented Generation meist günstiger und aktueller. Feinabstimmung lohnt vor allem dann, wenn Verhalten und Form konstant sein müssen.

Frontier-Modell
Bezeichnung für die jeweils leistungsfähigsten verfügbaren Modelle einer Generation. Der Kreis wechselt schnell, weil die großen Anbieter im Abstand weniger Monate nachlegen. Für die Praxis ist die Frage, welches Modell zur Aufgabe passt, meist ergiebiger als die Frage nach dem stärksten Modell.

Function Calling
Die Fähigkeit eines Modells, statt einer Textantwort einen strukturierten Aufruf an ein anderes Programm zu erzeugen, etwa eine Datenbankabfrage. Damit kann ein Sprachmodell rechnen, buchen oder suchen lassen, statt Ergebnisse zu erfinden. Function Calling ist die technische Basis jeder Werkzeugnutzung durch KI.

G

Generative Engine Optimization (GEO)
Die Ausrichtung von Website-Inhalten darauf, von KI-Systemen wie ChatGPT, Perplexity oder Google AI Overviews als Quelle erkannt, zitiert und empfohlen zu werden. Der Begriff geht auf eine Forschungsarbeit von Ende 2023 zurück und hat sich seither im Marketing durchgesetzt. GEO baut auf klassischer Suchmaschinenoptimierung auf, weil KI-Systeme dieselben technischen Grundlagen brauchen: saubere Struktur, klare Fakten, nachvollziehbare Urheberschaft. Answer Engine Optimization (AEO) und LLMO bezeichnen im deutschen Markt weitgehend dasselbe, eine trennscharfe Abgrenzung gibt es bislang nicht.

Generative KI
Sammelbegriff für KI-Systeme, die neue Inhalte erzeugen: Text, Bild, Ton, Video, Code. Sie erzeugen jeweils die wahrscheinlichste Fortsetzung auf Basis dessen, was sie im Training gesehen haben. Das erklärt zugleich ihre Stärke bei Sprache und ihre Schwäche bei harten Fakten.

Governance
Die internen Regeln, Zuständigkeiten und Nachweise für den Umgang mit KI im Unternehmen, oft auch KI-Governance genannt: Wer darf welches System wofür einsetzen, wer entscheidet über neue Werkzeuge, wie wird dokumentiert, wer haftet intern. Governance ist die Antwort auf Schatten-KI und zugleich die Grundlage jeder Prüfung durch eine Aufsichtsbehörde. Mehr dazu: KI-Readiness-Check

GPAI (KI-Modell mit allgemeinem Verwendungszweck)
Rechtlicher Begriff für Modelle, die viele verschiedene Aufgaben erfüllen und in unterschiedlichste Anwendungen eingebaut werden können. Die großen Sprachmodelle fallen darunter. Für ihre Anbieter gelten seit dem 2. August 2025 eigene Pflichten, etwa zu technischer Dokumentation, Urheberrecht und Transparenz über die Trainingsdaten.

GPT
Abkürzung für Generative Pretrained Transformer und damit die Bezeichnung einer Modellarchitektur, nicht eines einzelnen Produkts. Umgangssprachlich steht GPT häufig für die Modelle von OpenAI, die diesen Namen tragen. In manchen Anwendungen bezeichnet ein GPT zusätzlich einen selbst konfigurierten Assistenten mit eigener Anweisung und eigenen Dokumenten.

Grounding
Die Rückbindung von KI-Antworten an nachprüfbare Quellen, etwa an Firmendokumente oder an Suchergebnisse aus dem Web. Ein Modell mit Grounding zitiert, worauf es sich stützt, und lässt sich damit kontrollieren. Es senkt das Risiko von Halluzinationen deutlich, ohne es auf null zu bringen.

Guardrails (Leitplanken)
Technische und organisatorische Grenzen, die festlegen, was ein KI-System tun darf: gesperrte Themen, Freigabeschritte vor kritischen Aktionen, Prüfregeln für Ausgaben, Zugriffsbeschränkungen auf Daten. Je eigenständiger ein System handelt, desto wichtiger werden sie. Leitplanken ersetzen keine menschliche Verantwortung, sie machen sie handhabbar. Mehr dazu: KI-Kompetenz im Unternehmen aufbauen

H

Halluzination
Eine Antwort, die plausibel klingt und sachlich falsch ist. Sprachmodelle erzeugen die wahrscheinlichste Fortsetzung eines Textes, und die wahrscheinlichste Formulierung ist nicht immer die zutreffende Aussage. Besonders anfällig sind Zahlen, Zitate, Paragrafen und Quellenangaben, weshalb gerade diese Angaben immer gegengeprüft werden sollten.

Hochrisiko-KI-System
Einstufung nach der KI-Verordnung für Systeme, die erheblich in Rechte oder Sicherheit eingreifen können, etwa bei Bewerberauswahl, Kreditwürdigkeitsprüfung, kritischer Infrastruktur oder als Sicherheitsbauteil in regulierten Produkten. Für sie gilt ein umfangreiches Pflichtenprogramm mit Risikomanagement, Datenqualität, Dokumentation, Protokollierung und menschlicher Aufsicht. Diese Pflichten greifen seit dem Digital Omnibus erst ab dem 2. Dezember 2027 beziehungsweise ab dem 2. August 2028.

Human in the Loop
Ein Aufbau, bei dem ein Mensch an einer festgelegten Stelle im Ablauf prüft, freigibt oder abbricht. Das Gegenmodell ist der vollautomatische Durchlauf ohne Zwischenkontrolle. Entscheidend ist, dass die prüfende Person die Zeit, die Information und die Befugnis hat, tatsächlich zu widersprechen. Mehr dazu: KI-Kompetenz im Unternehmen aufbauen

I

In-Context-Learning
Die Fähigkeit eines Modells, aus Beispielen innerhalb der aktuellen Anfrage zu lernen, ohne dass sich das Modell selbst verändert. Wer zwei gelungene Musterantworten mitgibt, bekommt in der Regel deutlich passendere Ergebnisse. Nach dem Ende des Gesprächs ist dieses Gelernte wieder weg.

Inferenz
Der Vorgang, bei dem ein fertig trainiertes Modell eine konkrete Anfrage beantwortet. Das Training ist einmalige, sehr teure Arbeit, die Inferenz fällt bei jeder einzelnen Nutzung an und bestimmt die laufenden Kosten. Wer über KI-Kosten spricht, spricht meist über Inferenz.

J

Jailbreak
Ein Versuch, die Sicherheitsregeln eines KI-Systems durch geschickte Formulierungen zu umgehen, etwa über erfundene Rollenspiele oder verschachtelte Anweisungen. Anbieter reagieren mit fortlaufenden Anpassungen, vollständig gelöst ist das Problem nicht. Für Unternehmen ist das vor allem relevant, wenn eigene KI-Anwendungen öffentlich zugänglich sind.

K

Kennzeichnungspflicht
Die Pflicht aus Artikel 50 der KI-Verordnung, KI-generierte oder manipulierte Inhalte erkennbar zu machen. Anbieter generativer Systeme müssen Ausgaben zusätzlich maschinenlesbar markieren, etwa über Wasserzeichen oder Metadaten. Die Pflicht gilt seit dem 2. August 2026, für bereits zuvor auf dem Markt befindliche Systeme greift die maschinenlesbare Markierung ab dem 2. Dezember 2026. Eine sprachliche Überarbeitung durch Menschen hebt die Kennzeichnungspflicht nicht auf.

KI (Künstliche Intelligenz)
Sammelbegriff für Software, die Aufgaben übernimmt, für die üblicherweise menschliches Urteilsvermögen nötig wäre: Sprache verstehen, Muster erkennen, Vorschläge ableiten, Inhalte erzeugen. Der Begriff umfasst sehr unterschiedliche Verfahren, vom einfachen Klassifikator bis zum großen Sprachmodell. In der öffentlichen Diskussion ist meist generative KI gemeint.

KI-Kompetenz (AI Literacy)
Der in Artikel 4 der KI-Verordnung verankerte Anspruch, dass Personen, die KI-Systeme einsetzen, deren Funktionsweise, Grenzen und Risiken hinreichend einschätzen können. Die Vorgabe gilt seit dem 2. Februar 2025 für Anbieter und Betreiber jeder Größe. Mit dem Digital Omnibus wurde sie im Juli 2026 abgeschwächt: Aus der Pflicht, ein Kompetenzniveau sicherzustellen, ist eine Pflicht geworden, Kompetenz zu fördern. Nachweisbare Schulung und Dokumentation bleiben der praktische Weg. Mehr dazu: KI-Kompetenz im Unternehmen aufbauen

KI-MIG (KI-Marktüberwachungs- und Innovationsförderungsgesetz)
Das deutsche Durchführungsgesetz zur KI-Verordnung, in Kraft seit dem 29. Juli 2026. Es benennt die Bundesnetzagentur als zentrale Marktüberwachungs-, Anlauf- und Beschwerdestelle, richtet dort ein Koordinierungs- und Kompetenzzentrum ein und regelt das Bußgeldverfahren. Neue inhaltliche Pflichten für Unternehmen entstehen dadurch nicht, die Zuständigkeiten sind seither aber geklärt.

KI-Readiness
Der Grad, in dem eine Organisation KI produktiv einsetzen kann: Datenlage, Prozessklarheit, Kompetenz im Team, technische Anbindung, Regeln für den Umgang. Der Begriff beschreibt eine Voraussetzung, keine Technologie, und erklärt, warum identische Werkzeuge in zwei Betrieben völlig unterschiedlich wirken. Mehr dazu: KI-Readiness-Check

KI-Reallabor
Eine behördlich begleitete Testumgebung, in der Unternehmen KI-Anwendungen unter vereinfachten Bedingungen erproben können, bevor sie regulär auf den Markt gehen. Die KI-Verordnung verpflichtet die Mitgliedstaaten, solche Räume anzubieten, in Deutschland richtet die Bundesnetzagentur mindestens ein Reallabor ein. Gedacht ist das Angebot vor allem für kleine Unternehmen und Start-ups.

KI-Reifegrad
Eine Einordnung, wie weit der KI-Einsatz in einer Organisation gediehen ist, typischerweise von ersten Einzelversuchen über abgesicherte Anwendungsfälle bis zur festen Verankerung in Prozessen. Reifegradmodelle unterscheiden sich je nach Anbieter, gemeinsam ist ihnen die Idee einer Stufenlogik. Der Nutzen liegt weniger in der Note als in der Frage, welcher nächste Schritt realistisch ist. Mehr dazu: KI-Readiness-Check

KI-System
Der rechtliche Kernbegriff der KI-Verordnung: ein maschinengestütztes System, das mit einem gewissen Grad an Autonomie arbeitet und aus Eingaben Ergebnisse wie Vorhersagen, Empfehlungen oder Entscheidungen ableitet, die auf die Umgebung einwirken. Die Definition ist bewusst weit gefasst und erfasst auch KI-Funktionen innerhalb gewöhnlicher Software. Klassische, rein regelbasierte Programme fallen nicht darunter.

KI-Verordnung (KI-VO)
Die Verordnung (EU) 2024/1689, das erste umfassende KI-Gesetz weltweit. Sie folgt einem risikobasierten Ansatz und gilt seit dem 2. August 2026 im Grundsatz vollständig, mit gestaffelten Fristen für einzelne Pflichten. Verstöße können mit bis zu 35 Millionen Euro oder 7 Prozent des weltweiten Jahresumsatzes geahndet werden, bei Verstößen gegen die Transparenzpflichten mit bis zu 15 Millionen Euro oder 3 Prozent.

Kontextfenster
Die Menge an Text, die ein Modell bei einer Anfrage gleichzeitig berücksichtigen kann, gemessen in Token. Aktuelle Modelle bewegen sich im Bereich mehrerer hunderttausend bis über eine Million Token. Ein großes Fenster garantiert allerdings nicht, dass alle Informationen darin gleich zuverlässig gefunden werden.

L

Large Language Model (LLM, großes Sprachmodell)
Ein Modell, das auf sehr großen Textmengen trainiert wurde und Sprache verstehen und erzeugen kann. Es sagt Wort für Wort die wahrscheinlichste Fortsetzung voraus, wobei die Wahrscheinlichkeiten aus Milliarden Parametern stammen. Alle bekannten KI-Assistenten beruhen auf dieser Technik.

Latenz
Die Zeit zwischen Anfrage und Antwort. Bei Assistenzsystemen im Kundenkontakt entscheidet Latenz über die Nutzbarkeit, bei Auswertungen im Hintergrund spielt sie kaum eine Rolle. Schnellere, kleinere Modelle werden häufig genau aus diesem Grund gewählt.

Lokales Modell (On-Premise, On-Device)
Ein Modell, das auf eigener Hardware im Unternehmen oder direkt auf einem Gerät läuft, statt beim Anbieter in der Cloud. Die Daten verlassen das Haus nicht, dafür trägt die Organisation Beschaffung, Betrieb und Aktualisierung selbst. Für stark datenschutzkritische Anwendungen ist das eine ernsthafte Option, für den Alltagsbetrieb meist die aufwendigere. Mehr dazu: KI-Tools für dein Unternehmen

M

Maschinelles Lernen
Ein Verfahren, bei dem Software Regeln aus Beispieldaten ableitet, statt sie vorgegeben zu bekommen. Es ist das Fundament nahezu aller heutigen KI-Anwendungen. Die Qualität der Ergebnisse hängt unmittelbar an Menge und Güte der Daten.

Mixture of Experts (MoE)
Ein Modellaufbau, bei dem nur ein Teil des Netzes für eine bestimmte Anfrage aktiviert wird, statt das gesamte Modell rechnen zu lassen. Dadurch bleiben sehr große Modelle bezahlbar und schnell. Viele aktuelle Spitzenmodelle sind so gebaut, was erklärt, warum Parameterzahlen allein wenig über Kosten aussagen.

Model Context Protocol (MCP)
Ein offener Standard dafür, wie KI-Anwendungen auf externe Werkzeuge, Datenquellen und Dateien zugreifen. Anthropic hat MCP Ende 2024 vorgestellt, inzwischen unterstützen ihn die großen Anbieter, und es hat sich als gemeinsame Schnittstellensprache durchgesetzt. Praktischer Nutzen: Eine Anbindung wird einmal gebaut und funktioniert danach mit verschiedenen KI-Anwendungen, statt für jede Kombination neu programmiert zu werden.

Modell
Die eigentliche KI hinter einer Anwendung: die trainierte Datei aus Milliarden von Zahlenwerten, die aus einer Eingabe eine Ausgabe berechnet. Anwendungen wie ChatGPT sind die Oberfläche, das Modell ist der Motor darunter. Dasselbe Modell kann in vielen verschiedenen Produkten stecken.

Modell-Routing
Die automatische Auswahl des passenden Modells je nach Anfrage: einfache Aufgaben an ein kleines, schnelles Modell, komplexe an ein starkes und teures. In vielen Produkten läuft das unsichtbar im Hintergrund. Für Unternehmen mit hohem Anfragevolumen ist Routing der wirksamste Kostenhebel.

Multi-Agenten-System
Ein Aufbau, in dem mehrere spezialisierte KI-Agenten zusammenarbeiten, oft koordiniert von einem übergeordneten Agenten. Sinnvoll bei umfangreichen Aufgaben mit klar trennbaren Teilschritten. Der Preis dafür sind höhere Komplexität, längere Laufzeiten und eine schwerer nachvollziehbare Fehlersuche.

Multimodal
Die Fähigkeit eines Modells, verschiedene Eingabeformen zu verarbeiten und auszugeben: Text, Bild, Audio, Video. Praktisch heißt das etwa, dass ein Foto eines handschriftlichen Formulars direkt ausgewertet werden kann. Nahezu alle aktuellen Spitzenmodelle arbeiten multimodal.

N

Natürliche Sprachverarbeitung (NLP)
Das Fachgebiet, das sich mit der maschinellen Verarbeitung menschlicher Sprache befasst: Übersetzung, Klassifikation, Zusammenfassung, Erkennung von Absichten. Vor den großen Sprachmodellen bestand es aus vielen spezialisierten Einzelverfahren. Heute deckt ein einziges Modell die meisten dieser Aufgaben ab.

Neuronales Netz
Eine Rechenstruktur aus vielen einfachen Verarbeitungseinheiten in Schichten, lose an Nervenzellen angelehnt. Beim Training werden die Verbindungsstärken zwischen diesen Einheiten so lange angepasst, bis die Ausgaben stimmen. Alle heutigen Sprach- und Bildmodelle beruhen darauf.

No-Code und Low-Code
Werkzeuge, mit denen sich Anwendungen und Abläufe zusammenklicken lassen, ohne oder mit wenig Programmierung. In Verbindung mit KI ist das der häufigste Weg, auf dem in Fachabteilungen eigene Automatisierungen entstehen. Der Vorteil ist Geschwindigkeit. Der Preis sind Abläufe, die niemand dokumentiert hat und die an einer einzelnen Person hängen. Mehr dazu: KI-Tools für dein Unternehmen

O

Open-Weight-Modell
Ein Modell, dessen trainierte Gewichte öffentlich verfügbar sind und das dadurch selbst betrieben, angepasst und geprüft werden kann. Der Begriff wird häufig mit Open Source gleichgesetzt, was ungenau ist: Trainingsdaten und Trainingscode bleiben meist unter Verschluss, und die Lizenzen enthalten teilweise Einschränkungen für die kommerzielle Nutzung. Ein Blick in die konkrete Lizenz ist deshalb Pflicht.

Orchestrierung
Die Steuerung des Zusammenspiels mehrerer Bausteine in einer KI-Anwendung: welches Modell wann rechnet, welche Daten geholt werden, in welcher Reihenfolge Werkzeuge zum Einsatz kommen, was bei Fehlern passiert. Je mehr Schritte automatisiert ablaufen, desto mehr Arbeit steckt in der Orchestrierung statt im Modell selbst.

P

Parameter
Die einstellbaren Zahlenwerte in einem Modell, die im Training angepasst werden und das gespeicherte Wissen ausmachen. Die Angabe in Milliarden dient als grobes Größenmaß. Seit Modelle mit selektiver Aktivierung verbreitet sind, sagt die Parameterzahl allein wenig über Leistung oder Kosten aus.

Prompt
Die Eingabe an ein KI-System: Frage, Anweisung, Material, Zielvorgabe. Die Qualität der Antwort hängt stark davon ab, wie klar Aufgabe, Kontext, Format und Grenzen benannt sind. Ein Prompt kann ein Satz sein oder eine mehrseitige Anweisung mit Beispielen.

Prompt Engineering
Die systematische Arbeit an Formulierung und Aufbau von Anweisungen, damit ein Modell zuverlässig brauchbare Ergebnisse liefert. Dazu gehören Rollenangaben, Beispiele, Formatvorgaben und explizite Ausschlüsse. In professionellen Anwendungen geht der Begriff zunehmend in Context Engineering über, weil die Auswahl der mitgegebenen Informationen mehr Gewicht bekommt. Mehr dazu: KI-Kompetenz im Unternehmen aufbauen

Prompt Injection
Ein Angriff, bei dem Anweisungen in Inhalten versteckt werden, die ein KI-System verarbeitet, etwa in einer Webseite, einer E-Mail oder einem PDF. Das System kann diese versteckten Anweisungen als legitim behandeln und beispielsweise Daten preisgeben oder unerwünschte Aktionen auslösen. Das Risiko wächst mit jedem Zugriff, den ein Agent auf Postfächer, Dateien oder Systeme bekommt.

Prozessintegration
Die Verankerung von KI in einem tatsächlich laufenden Arbeitsablauf, statt in einem parallel geöffneten Chatfenster. Erst damit entstehen wiederholbare Ergebnisse, klare Zuständigkeiten und messbare Effekte. Der häufigste Grund, warum Pilotprojekte ohne Wirkung bleiben, ist eine fehlende Integration in den Prozess. Mehr dazu: KI-Readiness-Check

Q

Quantisierung
Ein Modell besteht aus Milliarden einzelner Zahlenwerte. Bei der Quantisierung werden diese Werte mit weniger Genauigkeit gespeichert, also mit weniger Nachkommastellen (etwa 4 statt 16 Bit pro Wert). Das Modell braucht dadurch deutlich weniger Speicher und läuft auf schwächerer Hardware, bei je nach Verfahren geringem Qualitätsverlust. Quantisierung ist der Grund, warum große Modelle auch auf einem gewöhnlichen Laptop laufen können.

R

RAG (Retrieval Augmented Generation)
Ein Aufbau, bei dem vor der Antwort passende Ausschnitte aus eigenen Dokumenten gesucht und dem Modell mitgegeben werden. So beantwortet ein allgemeines Sprachmodell Fragen zu Verträgen, Handbüchern oder Preislisten, ohne dafür trainiert worden zu sein. Wichtig ist die Qualität der Suche: Was nicht gefunden wird, taucht in der Antwort nicht auf. Mehr dazu: KI-Tools für dein Unternehmen

Reasoning-Modell (Denkmodell)
Ein Modell, das vor der Antwort intern Zwischenschritte durchläuft und dafür mehr Rechenzeit aufwendet. Bei Analyse, Mathematik, Programmierung und mehrstufigen Aufgaben liefert es bessere Ergebnisse, bei einfachen Auskünften kostet es unnötig Zeit und Geld. Viele Anbieter lassen den Umfang dieses Nachdenkens inzwischen einstellen.

Risikobasierter Ansatz
Das Grundprinzip der KI-Verordnung: Die Pflichten richten sich nach dem Risiko der Anwendung, nicht nach der Technik. Vier Stufen werden unterschieden, von unannehmbarem Risiko mit Verbot über hohes Risiko mit vollem Pflichtenprogramm und begrenztes Risiko mit Transparenzpflichten bis zu minimalem Risiko ohne besondere Auflagen. Dieselbe Technik kann je nach Einsatzzweck in unterschiedliche Stufen fallen.

RLHF (Bestärkendes Lernen aus menschlichem Feedback)
Ein Trainingsschritt, bei dem Menschen Modellantworten bewerten und das Modell anschließend auf die bevorzugten Antworten hin optimiert wird. Daraus entsteht ein großer Teil dessen, was als Ton, Hilfsbereitschaft und Zurückhaltung eines Assistenten wahrgenommen wird. Verwandte Verfahren nutzen dafür ebenfalls KI-Bewertungen oder feste Regelwerke.

S

Schatten-KI
Der Einsatz von KI-Werkzeugen durch Beschäftigte ohne Wissen oder Freigabe der Organisation, meist über private Konten. Das Motiv ist meist schlicht der Wunsch, Arbeit schneller zu erledigen. Das Risiko liegt im ungeprüften Abfluss von Unternehmensdaten und in Ergebnissen, die niemand nachvollziehen kann. Mehr dazu: KI-Kompetenz im Unternehmen aufbauen

Slop (KI-Slop)
Abwertende Bezeichnung für massenhaft erzeugte, inhaltsarme KI-Inhalte: generische Texte, austauschbare Bilder, Beiträge ohne eigene Beobachtung. Der Begriff hat sich 2025 und 2026 im Sprachgebrauch festgesetzt, mit Ablegern wie Workslop für entsprechende Arbeitsergebnisse. Praktische Relevanz hat er, weil Leser und Suchsysteme solche Inhalte zunehmend erkennen und abwerten.

Small Language Model (kleines Sprachmodell)
Ein kompaktes Sprachmodell, das mit wenig Rechenleistung auskommt und auf firmeneigenen Servern oder auf einem Notebook laufen kann. Es erreicht nicht die Breite der großen Modelle, löst klar umrissene Aufgaben aber zuverlässig und günstig. Für Anwendungen mit hohen Datenschutzanforderungen ist das eine ernstzunehmende Alternative.

Souveräne KI
Der Anspruch, KI auf europäischer Infrastruktur, unter europäischem Recht und mit kontrollierbaren Abhängigkeiten zu betreiben. Dahinter steht die Frage, was passiert, wenn Preise, Modellzugänge oder Exportregeln außerhalb des eigenen Rechtsraums entschieden werden. Der Begriff ist politisch aufgeladen und wird von Anbietern unterschiedlich weit ausgelegt.

Strukturierte Daten
Maschinenlesbare Zusatzangaben im Quelltext einer Webseite, meist nach dem Schema.org-Standard, die Inhalte eindeutig auszeichnen: Autor, Organisation, Veröffentlichungsdatum, Preis, Frage und Antwort. Suchmaschinen und KI-Systeme müssen diese Informationen dadurch nicht aus dem Layout erraten. Sie gelten als eine der verlässlichsten Grundlagen für Sichtbarkeit in KI-Antworten.

Synthetische Daten
Künstlich erzeugte Daten, die die statistischen Eigenschaften echter Daten nachbilden, ohne reale Personen abzubilden. Eingesetzt werden sie, wenn echte Daten fehlen, zu sensibel sind oder seltene Fälle unterrepräsentiert sind. Die Qualität hängt daran, wie gut das Erzeugungsverfahren die Wirklichkeit trifft, weshalb Fehler im Original in die Kopie wandern können.

Systemprompt
Die dauerhafte Grundanweisung, die einem KI-System vor jedem Gespräch mitgegeben wird und Rolle, Tonfall, Regeln und Grenzen festlegt. Nutzer sehen sie in der Regel nicht. In firmeneigenen Anwendungen steckt darin ein erheblicher Teil der Qualitätssicherung.

T

Temperatur
Ein Einstellwert, der steuert, wie stark ein Modell von der jeweils wahrscheinlichsten Formulierung abweicht. Niedrige Werte liefern gleichförmige, gut vorhersagbare Ausgaben, hohe Werte mehr Variation. Für Auskünfte und Auswertungen empfiehlt sich ein niedriger Wert, für Ideensammlungen ein höherer.

Token
Die kleinste Verarbeitungseinheit eines Sprachmodells, meist ein Wortteil. Im Deutschen entspricht ein Wort grob eineinhalb bis zwei Token. Token sind zugleich die Abrechnungseinheit der Anbieter, weshalb Preise pro Million Token angegeben werden.

Tool Use (Werkzeugnutzung)
Die Fähigkeit eines Modells, während der Bearbeitung auf externe Programme zuzugreifen: Websuche, Taschenrechner, Datenbank, Kalender, Code-Ausführung. Damit verlässt das System den reinen Textmodus und arbeitet mit belastbaren Daten. Werkzeugnutzung ist die Voraussetzung für Agenten und wird technisch über Function Calling und Protokolle wie MCP umgesetzt.

Trainingsdaten
Die Datenmenge, aus der ein Modell seine Muster gelernt hat, meist große Teile des öffentlich zugänglichen Internets sowie lizenzierte Bestände. Was darin fehlt oder verzerrt vorkommt, prägt die Ausgaben dauerhaft. Anbieter von Modellen mit allgemeinem Verwendungszweck müssen seit August 2025 eine Zusammenfassung der verwendeten Trainingsinhalte veröffentlichen.

Transformer
Die Modellarchitektur, auf der praktisch alle heutigen Sprachmodelle beruhen, vorgestellt 2017. Ihr Kern ist ein Aufmerksamkeitsmechanismus, der für jedes Wort bewertet, welche anderen Wörter im Text dafür wichtig sind. Diese Architektur machte das Training auf sehr großen Datenmengen erst praktikabel.

Transparenzpflicht
Die Pflicht, offenzulegen, dass eine KI im Spiel ist. Sie gilt seit dem 2. August 2026 unmittelbar für Systeme mit direktem Kontakt zu Menschen, etwa Chatbots und Sprachassistenten, sowie für die Kennzeichnung KI-erzeugter Inhalte und Deepfakes. Betroffen ist damit auch, wer KI lediglich einsetzt, statt sie zu entwickeln.

U

Überwachtes Lernen
Ein Trainingsverfahren, bei dem das Modell Beispiele mit der jeweils richtigen Antwort erhält und daraus die Zuordnung lernt. Typische Anwendungen sind Klassifikationen, etwa die Zuordnung eingehender Nachrichten zu Bearbeitungswegen. Beim unüberwachten Lernen fehlen diese Vorgaben, das System sucht selbst nach Strukturen in den Daten.

Urheberrecht und KI
Zwei getrennte Fragen prägen die Diskussion: ob Werke ohne Zustimmung für das Training genutzt werden dürfen und wem die erzeugten Ergebnisse gehören. In Deutschland gilt für rein maschinell erzeugte Inhalte, dass ihnen der urheberrechtliche Schutz mangels menschlicher Schöpfung in der Regel fehlt. Zur Nutzung geschützter Werke im Training laufen mehrere Verfahren, eine abschließende höchstrichterliche Klärung steht aus.

V

Vektordatenbank
Ein Speicher, der Inhalte als Embeddings ablegt und blitzschnell nach Ähnlichkeit durchsuchbar macht. Sie ist das technische Rückgrat der meisten RAG-Anwendungen. Die Suche findet inhaltlich verwandte Stellen auch dann, wenn in der Frage andere Wörter stehen als im Dokument.

Verbotene KI-Praktiken
Anwendungen, die die KI-Verordnung in Artikel 5 vollständig untersagt, darunter Social Scoring, manipulative Systeme, die Schaden verursachen können, Emotionserkennung am Arbeitsplatz und in Bildungseinrichtungen sowie bestimmte Formen biometrischer Kategorisierung. Diese Verbote gelten seit dem 2. Februar 2025 und sind mit dem höchsten Bußgeldrahmen bewehrt. Ab dem 2. Dezember 2026 kommen Verbote für Systeme hinzu, die nicht einvernehmliche intime Darstellungen oder Missbrauchsdarstellungen Minderjähriger erzeugen.

Vibe Coding
Die Praxis, Software überwiegend durch Beschreiben in Alltagssprache entstehen zu lassen und den erzeugten Code kaum noch Zeile für Zeile zu prüfen. Der Begriff stammt von KI-Forscher Andrej Karpathy aus dem Jahr 2025. Für Prototypen und kleine interne Werkzeuge funktioniert das erstaunlich gut, für produktiven Einsatz bleiben Prüfung, Sicherheit und Wartbarkeit offene Fragen.

Voicebot
Ein KI-System, das gesprochene Sprache versteht und in gesprochener Sprache antwortet, etwa in der telefonischen Kundenannahme. Aktuelle Systeme reagieren fast in Echtzeit und klingen kaum noch synthetisch. Genau deshalb greift hier die Offenlegungspflicht aus Artikel 50 der KI-Verordnung: Zu Beginn des Gesprächs muss klar sein, dass eine Maschine spricht.

W

Wasserzeichen
Eine unsichtbare Markierung in KI-erzeugten Inhalten, die maschinell auslesbar bleibt, etwa in Metadaten oder in feinen Signalen im Bild. Anbieter generativer Systeme müssen ihre Ausgaben nach Artikel 50 der KI-Verordnung maschinenlesbar kennzeichnen. Die Verfahren sind unterschiedlich robust, und beim Weiterverarbeiten von Inhalten gehen Markierungen häufig verloren.

Wissensstichtag (Knowledge Cutoff)
Der Zeitpunkt, bis zu dem die Trainingsdaten eines Modells reichen. Ereignisse danach kennt das Modell aus sich heraus nicht, auch wenn es souverän formulierte Antworten dazu erzeugt. Anwendungen mit Websuche gleichen diese Lücke aus, weshalb bei aktuellen Themen die Frage nach dem Rechercheweg wichtiger ist als die nach dem Modell.

Workflow-Automatisierung
Die Verkettung mehrerer Arbeitsschritte zu einem Ablauf, der ohne manuelle Übergaben läuft, häufig gebaut mit Werkzeugen wie n8n, Make oder Power Automate. KI übernimmt darin die Schritte, die Sprachverständnis oder Einschätzung erfordern, etwa das Auslesen einer Anfrage oder das Formulieren eines Entwurfs. Alles Übrige bleibt regelbasiert und damit vorhersagbar. Mehr dazu: KI-Tools für dein Unternehmen

Z

Zero-Click-Suche
Eine Suchanfrage, die ohne Klick auf eine Website endet, weil die Antwort bereits im Suchergebnis oder in der KI-Oberfläche steht. Der Anteil solcher Suchen steigt mit der Verbreitung KI-generierter Antworten. Für Websitebetreiber verschiebt sich damit die Messgröße von Besuchen hin zu Erwähnungen und Zitaten.

Zero-Shot-Prompting
Eine Aufgabe ohne Beispiele stellen und sich darauf verlassen, dass das Modell sie aus der Beschreibung heraus löst. Bei klar umrissenen Standardaufgaben funktioniert das gut. Sobald Format, Stil oder Bewertungsmaßstab konstant sein sollen, liefern ein bis drei mitgegebene Beispiele deutlich stabilere Ergebnisse.

Dieses Glossar wird fortlaufend aktualisiert. Rechtliche Angaben beziehen sich auf die Verordnung (EU) 2024/1689 in der Fassung der Verordnung (EU) 2026/1744 sowie auf das deutsche KI-Marktüberwachungs- und Innovationsförderungsgesetz. Sie ersetzen keine Rechtsberatung im Einzelfall.