KI-Begriffe erklärt: ein Glossar in einfacher Sprache für Anfänger

Die fünf Wörter, die in deiner ersten Stunde zählen

Das meiste, was über KI geschrieben wird, setzt ein Vokabular voraus, das dir nie jemand beigebracht hat. Der nützliche Teil davon ist klein. Fünf Wörter tragen fast das gesamte praktische Gewicht, der Rest kann Monate warten.

Ein Modell ist die KI selbst: das trainierte System, das deine Worte liest und eine Antwort erzeugt. Die App ist nicht das Modell. ChatGPT ist eine App, die Modelle von OpenAI ausführt, Gemini ist eine App mit den Modellen von Google, und Whizi ist eine App, die die Modelle mehrerer Unternehmen gleichzeitig bereithält. Diese Unterscheidung zahlt sich beim ersten Mal aus, wenn dich eine Antwort enttäuscht, denn das Modell zu wechseln ist meist der größere Hebel, als die Frage umzuformulieren.

Ein Prompt ist einfach das, was du tippst. Es gibt keine geheime Syntax, keine Befehlsliste, nichts zum Auswendiglernen. Eine schlichte Anfrage, die nennt, für wen das Ergebnis ist, welche Aufgabe es erfüllen soll und in welcher Form du es zurückwillst, schlägt fast jedes Mal den cleveren Einzeiler.

Ein Chatbot ist das Gesprächsfenster, in das du tippst. Alles, was du innerhalb eines Gesprächs gesagt hast, bleibt für das Modell sichtbar, während es antwortet. Deshalb funktionieren Nachfragen wie "mach es kürzer" oder "förmlicher", ohne dass du die ursprüngliche Anfrage wiederholst. Öffnest du einen neuen Chat, ist dieses gemeinsame Gedächtnis weg, und genau das willst du beim Themenwechsel: Übrig gebliebener Kontext aus einer fremden Frage ist eine häufige Ursache für Antworten, die sich leicht schief anfühlen.

Ein Token ist ein Textstück, ungefähr drei Viertel eines durchschnittlichen englischen Wortes. Modelle lesen, zählen und rechnen in Token statt in Wörtern, ein deutscher Text mit 1.000 Wörtern landet also eher bei 1.500 Token und mehr. Begegnen wird dir das Wort vor allem auf Preisseiten und bei Nutzungsgrenzen.

Ein Kontextfenster ist die Textmenge, die ein Modell gleichzeitig im Blick behalten kann, gemessen in Token. Es muss das eingefügte Dokument abdecken, das ganze bisherige Gespräch und die Antwort, die gerade entsteht. Wenn du einen fünfzigseitigen Vertrag in einen Chat wirfst und die Antworten anfangen, Seite drei still zu widersprechen, hast du seinen Rand gefunden. Was ein Kontextfenster ist hat die echten Zahlen, die Faustregel ist kurz. Ein langes Gespräch über ein Thema, dann fang neu an.

Etwas, das du sofort tun kannst: Öffne irgendeine KI-App und bitte sie in deinen eigenen Worten, einen Begriff zu erklären, den du diese Woche gesehen und nicht erkannt hast. Stell dann eine zweite Frage: "Was hast du vorausgesetzt, das ich schon weiß?" Diese Nachfrage macht aus einer Definition eine Erklärung, und sie funktioniert bei jedem Thema.

Prüfe die Antwort aber gegen etwas anderes. Diese Systeme behaupten Falsches im genau gleichen ruhigen Ton, den sie für Richtiges verwenden, und Definitionen sind ein weiches Ziel: Ein plausibles erfundenes Detail rutscht durch, weil du keine Möglichkeit hattest, es zu bemerken. Dieser Fehler hat einen Namen, und er steht in der Tabelle weiter unten.

Der Rest des Glossars, und ob du ihn schon brauchst

Das sind die Wörter, die in Schlagzeilen, auf Preisseiten und in Kommentarspalten auf dich warten. Die dritte Spalte ist der ehrliche Teil. Das meiste davon ist kein Wissen für Tag eins, und so zu tun als ob ist der Grund, warum Anfänger sich wegen etwas dumm vorkommen, das sie gar nicht betrifft.

Begriff	Klartext	Brauchst du das?
LLM	Großes Sprachmodell, die Art Modell hinter jeder Chat-App, von der du gehört hast. Wenn ein Artikel LLM sagt, lies es als die KI	Ja, damit Schlagzeilen nicht mehr wie Rauschen klingen
Generative KI	Jede KI, die neuen Text, Bilder, Audio oder Video erzeugt, statt Vorhandenes zu sortieren	Ja, ein Satz genügt
Training	Der lange, teure Vorgang, ein Modell mit riesigen Textmengen zu füttern, damit es Muster lernt. Er war vorbei, bevor du die App geöffnet hast	Ja, kurz
Trainingsstichtag	Das Datum, an dem die Trainingsdaten enden. Frag nach etwas Späterem, und das Modell rät, sofern die App nicht im Web sucht	Ja, dieser erwischt viele
Halluzination	Eine überzeugte, flüssige, komplett erfundene Antwort. Der Fehler, der am meisten zählt	Ja, an Tag eins
Multimodal	Das Modell kann mehr als Text: Fotos, PDFs, Audio, manchmal Video	Ja, sobald du ein Bild hochladen willst
Fine-Tuning	Ein bestehendes Modell mit eigenen Daten nachtrainieren, damit es sich spezialisiert	Noch nicht, das ist ein Firmenprojekt
Temperatur	Ein Regler dafür, wie zufällig die Formulierung ausfällt. Niedrig ist berechenbar, hoch ist locker	Noch nicht, sinnvolle Standardwerte sind gesetzt
Agent	Eine KI, die mehrere Schritte allein geht, statt einmal zu antworten	Noch nicht, siehe den nächsten Abschnitt
API	Die Leitung, über die Entwickler ein Modell in ihre eigene Software einbinden	Noch nicht, außer du programmierst
RAG	Retrieval Augmented Generation: Das Modell schlägt vor dem Antworten in einem Dokumentenspeicher nach	Noch nicht, aber jede App, die aus deinen Dateien antwortet, läuft damit
Open-Source-Modell	Ein Modell, dessen Gewichte jeder herunterladen und ausführen kann, etwa Llama oder DeepSeek	Noch nicht, für Chat-Nutzer ändert es wenig
Reasoning-Modell	Ein Modell, das ein Problem in sichtbaren Schritten durchgeht, bevor es antwortet. Langsamer, besser in Mathematik und Logik	Bald, beim ersten Mal, wenn eine schwere Frage scheitert
System-Prompt	Verborgene Anweisungen, die die App dem Modell gibt, bevor du etwas tippst	Noch nicht, nützlich, wenn du dir einen eigenen Assistenten baust

Zwei Zeilen verdienen eine Fußnote. Halluzination ist kein gelegentlicher Aussetzer, den man wegpatcht, sondern fällt daraus ab, wie diese Systeme Text erzeugen. Deshalb ist warum KI Fehler macht ein eigener Leitfaden und kein Stichpunkt. Und multimodal ist zehn Minuten wert, sobald du ein Foto einer Quittung, einen Screenshot einer Fehlermeldung oder ein eingescanntes Formular vor dir hast. Mit Bildern und Dokumenten arbeiten zeigt, wie das an einem ganz normalen Dienstag aussieht.

Wörter aus dem Marketing, die weniger bedeuten, als sie klingen

Anbieter lügen nicht direkt. Sie benutzen Wörter, die einmal etwas Bestimmtes hießen und heute meist nur noch heißen: "wir haben etwas ausgeliefert". Diese Lücke zu kennen bewahrt dich davor, eine Upgrade-Gebühr für ein Aufklappmenü voller Standardantworten zu zahlen.

• Powered by AI. Heißt meistens, dass eine Funktion ein Modell aufruft, das jemand anderes gebaut hat. Manchmal heißt es, dass es einen Vorschlagskasten gibt, den du abschalten kannst. Die Nachfrage lohnt sich: welches Modell, und ist es standardmäßig an?
• Smart. Stammt aus der Zeit vor dieser ganzen Welle und bedeutet heute sehr wenig. Ein smarter Ordner ist eine gespeicherte Suche. Eine smarte Antwort sind drei Textbausteine. Schau am Adjektiv vorbei und such nach einem Verb: Was macht es mit deiner Arbeit?
• Next Generation. Eine Behauptung im Futur. Sie verträgt sich bestens damit, dass ein Produkt schlechter ist als die Version davor, und sie taucht gern auf, wenn niemand eine messbare Verbesserung benennen kann.
• KI-Agent. Die fleißigste Vokabel des Jahres 2026. Streng verwendet meint sie Software, die mehrere Schritte selbst plant und ausführt, etwa eine Reise komplett zu buchen. Im Marketing meint sie meistens einen Chatbot mit freundlicherem Avatar. Frag, was er tut, wenn er feststeckt, und ob er handeln kann, ohne vorher bei dir nachzufragen.
• AI-first. Eine Aussage über die interne Strategie, nicht über dein Erlebnis mit dem Produkt. Sie sagt dir, wohin ein Unternehmen sein Entwicklungsbudget lenkt, und das muss die Funktion, für die du gerade zahlen wolltest, noch nicht erreicht haben.

Eine Frage schneidet durch all das: Frag, was die Funktion tut, wenn sie falsch liegt. Produkte mit echter KI darin haben eine Antwort darauf, und sie enthält Prüfschritte, ein Rückgängig, ein Sicherheitssignal oder eine sichtbare Quelle. Produkte, die nur einen Aufkleber tragen, werden still.

Warum Modellnamen wie Kfz-Kennzeichen aussehen

Ein Modellname hat zwei Teile mit zwei verschiedenen Aufgaben. Das Wort ist die Familie, die Produktlinie, die ein Unternehmen weiterentwickelt: GPT von OpenAI, Claude von Anthropic, Gemini von Google, Llama von Meta. Die Zahlen und Zusätze sind die Version und oft die Größe, eine Familie bringt also am selben Morgen ein kleines schnelles und ein großes sorgfältiges Mitglied heraus. Einen Namen zu lesen heißt vor allem, diese beiden Hälften zu trennen und das Marketing dazwischen zu ignorieren.

Vielleicht ist dir aufgefallen, dass dieser Artikel keine einzige Versionsnummer nennt. Das ist Absicht. Versionen wechseln alle paar Wochen, und jedes Glossar, das sie festschreibt, liegt in der nächsten Saison daneben. Was sich nicht ändert, ist die Form der Entscheidung. Kleine Modelle sind schnell und günstig und völlig ausreichend, um eine E-Mail aufzuräumen. Große sind langsamer und besser bei langen Dokumenten und schwerem Nachdenken. Jede Familie hat außerdem einen eigenen Charakter, der sich im Ton zeigt und darin, wie streng sie sich an eine Quelle hält, die du ihr gegeben hast.

Die neueste Veröffentlichung ist auch nicht automatisch die richtige für deine Aufgabe. Neuer heißt meistens bessere Benchmark-Werte, und Benchmarks messen prüfungsartige Aufgaben, nicht ob ein Text nach dir klingt. Viele merken, dass ein älteres, günstigeres Modell ihre E-Mails besser schreibt, und heben das teure für die zwei schweren Aufgaben der Woche auf. Das lernst du nur, indem du dieselbe echte Aufgabe durch zwei oder drei Modelle schickst und die Ergebnisse nebeneinander liest, und genau das geht ein KI-Modell wählen Schritt für Schritt durch. Das zu tun, ohne drei Anbieter zu bezahlen, ist der ganze Grund, warum Whizi GPT, Claude, Gemini und Bildmodelle in ein Abo packt.

Fünf Begriffe, die sich nach drei Monaten lohnen

Nach drei Monaten bist du gegen ein paar Wände gelaufen. Diese fünf Wörter sind die Namen dieser Wände, und deshalb lohnen sie sich dann und nicht jetzt.

1. Reasoning-Modell. Wird wichtig, sobald ein Modell zum ersten Mal eine mehrstufige Rechnung oder ein Logikrätsel überzeugt vermasselt. Der Wechsel zu einem Reasoning-Modell behebt das oft vollständig, dafür wartest du länger auf die Antwort.
2. System-Prompt. Wird wichtig, wenn dir auffällt, dass du denselben Hintergrundabsatz in jeden neuen Chat einfügst. Ihn einmal als feste Anweisung zu speichern ist die Lösung.
3. RAG. Wird wichtig, wenn du Antworten willst, die auf deinen eigenen Dateien fußen statt auf dem offenen Internet, zum Beispiel bei einem Ordner voller Richtlinien, die seit 2019 niemand gelesen hat.
4. Temperatur. Wird wichtig, wenn die Ausgaben sich über mehrere Versuche zu ähnlich oder zu sprunghaft anfühlen und du lieber an einem Regler drehst, als immer wieder neu zu würfeln.
5. Fine-Tuning. Wird für Einzelpersonen fast nie wichtig, und es lohnt sich zu wissen, warum: Es kostet echtes Geld, braucht Hunderte sauberer Beispiele, und ein guter Prompt auf einem guten Modell schlägt es bei fast allem, wofür Leute es sich vorstellen.

Wenn du die Schicht darunter willst, erklärt was KI eigentlich ist den Mechanismus ohne Mathematik, und wie man mit KI spricht macht aus dem Prompt-Absatz des ersten Abschnitts eine Gewohnheit. Lass diese Seite eine Woche lang in einem Tab offen. Das Vokabular verliert seinen Schrecken ungefähr beim vierten Mal, wenn dir ein Wort begegnet, das du schon kennst.