Eine hypothetische „allgemeine" KI, die dem Menschen in jedem Bereich ebenbürtig wäre. Existiert noch nicht.
AGI (artificial general intelligence) ist ein Begriff an der Grenze zwischen Wissenschaft und Futurologie: ein System, das jede intellektuelle Aufgabe genauso gut bewältigen könnte wie ein Mensch, nicht nur eine enge Spezialisierung. Heutige Modelle bleiben trotz ihrer Leistungsfähigkeit spezialisiert und haben weder eigene Ziele noch ein menschenähnliches Weltverständnis.
Unter Forschern herrscht keine Einigkeit darüber, wann und ob AGI entstehen wird - die Prognosen unterscheiden sich um Jahrzehnte. Die Diskussion über AGI ist mit Fragen zur Sicherheit und Kontrolle einer so mächtigen Technologie verbunden.
Die Art und Weise, wie Programme sich mit einem KI-Modell verbinden - ein „Plugin" zum Erstellen eigener Anwendungen.
Eine API (Programmierschnittstelle) ist ein Regelwerk, durch das ein Programm ein anderes nutzen kann. Im KI-Kontext ist es der Kanal, über den Ihre Anwendung einen Prompt an das Modell sendet und eine Antwort empfängt, ohne ein eigenes Modell auf eigener Hardware betreiben zu müssen.
Wie es funktioniert: Sie senden eine Anfrage mit Text und Parametern (z.B. Temperatur), und der Dienst sendet den generierten Inhalt zurück, meist abgerechnet nach Anzahl der Token.
Beispiel: Eine mobile App, die über eine API das Modell um eine Zusammenfassung eines Artikels bittet.
KI, die nicht nur antwortet, sondern handelt: plant Schritte, nutzt Werkzeuge und führt Aufgaben selbstständig aus.
Ein KI-Agent ist ein System, das um ein Sprachmodell herum eine Handlungsschleife aufbaut: Es zerlegt selbst ein Ziel in Schritte, wählt Werkzeuge aus, führt sie aus und bewertet das Ergebnis, bis die Aufgabe erledigt ist. Statt einer einzelnen Antwort erhalten Sie eine Kette von Aktionen, die zum Ziel führen.
Wie es funktioniert: Das Modell erhält eine Beschreibung verfügbarer Werkzeuge (Function Calling) und entscheidet dann in aufeinanderfolgenden Runden, welche es mit welchen Daten aufrufen soll.
Beispiel: Ein Agent, der selbstständig das Internet durchsucht, Daten sammelt und einen fertigen Bericht in eine Datei schreibt.
Sicherstellen, dass Ziele und Verhalten des Modells mit menschlichen Absichten und Werten übereinstimmen.
Alignment (Werteausrichtung) ist ein Forschungs- und Praxisbereich, der sicherstellen soll, dass das Modell tut, was wir wirklich wollen, statt Anweisungen nur wörtlich auf schädliche Weise umzusetzen. Es umfasst Sicherheit, Fairness und Verhaltensvorhersagbarkeit.
Werkzeuge: u. a. RLHF, Guardrails und sorgfältige Tests vor der Bereitstellung.
Ein großes Modell, trainiert auf breiten Daten, das als Grundlage für viele Anwendungen dient.
Ein Foundation Model (Basismodell) ist ein auf riesigen, allgemeinen Daten vortrainiertes Modell, das anschließend als Fundament für konkrete Anwendungen dient - durch Prompts, RAG oder Fine-tuning. Statt von Grund auf zu trainieren, baut man darauf spezialisierte Lösungen auf.
Beispiel: Ein Foundation Model kann Chat, Unternehmenssuche und Code-Assistenten gleichzeitig betreiben.
Standardisierter Test, mit dem Modelle verglichen werden (z. B. in Mathematik oder Programmierung).
Ein Benchmark ist ein standardisierter Satz von Aufgaben mit festgelegter Punktzahl, der es ermöglicht, verschiedene Modelle unter denselben Bedingungen zu vergleichen. Dadurch lässt sich relativ objektiv bewerten, welches Modell beispielsweise bei mathematischen, programmiertechnischen oder allgemeinen Wissensfragen besser abschneidet.
Benchmark-Ergebnisse müssen vorsichtig interpretiert werden: Ein Modell kann unbewusst auf Daten trainiert worden sein, die dem Test ähneln, was das Ergebnis verfälscht. Daher ist die praktische Leistung bei realen Aufgaben ebenso wichtig.
Systematische Verzerrungen des Modells, die aus den Trainingsdaten resultieren.
Bias ist die Neigung eines Modells, bestimmte Antworten oder Gruppen zu bevorzugen, die aus Ungleichgewichten und Vorurteilen in den Trainingsdaten resultiert. Dies kann zu unfairen oder schädlichen Ergebnissen führen.
Wie begrenzen: sorgfältige Datenauswahl, Tests an verschiedenen Gruppen und Kontrollmechanismen für Antworten. Die vollständige Beseitigung von Verzerrungen ist schwierig.
Eine Technik, bei der das Modell Schritt für Schritt „laut denkt" - liefert bessere Antworten bei schwierigen Aufgaben.
Chain-of-thought (Gedankenkette) ist eine Methode, das Modell zu bitten, vor der Angabe des Ergebnisses die einzelnen Denkschritte aufzuschreiben. Die Zerlegung des Problems in Etappen verbessert deutlich die Genauigkeit bei logischen, mathematischen und mehrstufigen Aufgaben.
Wie es funktioniert: Im Prompt bitten Sie um eine schrittweise Lösung, oder das Modell generiert selbst Zwischenschritte, bevor es die endgültige Antwort formuliert.
Beispiel: Bei einer Textaufgabe aus der Mathematik schreibt das Modell zuerst die Rechenschritte auf und gibt erst am Ende das Ergebnis an.
Ein Programm, das Textgespräche führt. ChatGPT ist ein Chatbot auf Basis eines großen Sprachmodells.
Ein Chatbot ist ein Programm, das ein Gespräch mit dem Nutzer simuliert. Früher basierten sie auf starren Regeln und Schlüsselwörtern; heutige Chatbots nutzen große Sprachmodelle und verstehen dadurch freie Fragen und antworten in fließender Sprache.
Beispiel: Ein Assistent auf einer Shop-Website, der Fragen zur Lieferung beantwortet, oder ChatGPT als universeller Gesprächspartner für Schreiben und Analysen.
Zwischenspeichern einmal verarbeiteten Kontexts, damit Folgeanfragen schneller und günstiger sind.
Context Caching ist ein Mechanismus, bei dem ein einmal verarbeiteter Teil des Prompts (z. B. eine lange Anweisung oder ein Dokument) gespeichert wird, damit er bei nachfolgenden Anfragen nicht neu berechnet werden muss. Das senkt Kosten und Latenz bei wiederholten Gesprächen.
Beispiel: Ein Assistent mit umfangreichem System-Prompt kann dessen verarbeitete Version zwischen Anfragen zwischenspeichern.
Sammlung von Beispielen, an denen das Modell lernt. Seine Qualität übersetzt sich direkt in die Modellqualität.
Ein Dataset ist eine strukturierte Datensammlung - Texte, Bilder, Aufnahmen - die zum Training oder zur Bewertung eines Modells verwendet wird. Es gilt: „Garbage in, garbage out": fehlerhafte oder verzerrte Daten verderben das Modell.
Best Practice: Daten werden in Trainings-, Validierungs- und Testteile aufgeteilt, um die Modellleistung fair zu bewerten.
Manipulierte Materialien (Fotos, Videos, Stimmen), von KI generiert, die sich als echt ausgeben.
Ein Deepfake ist eine manipulierte oder vollständig generierte Aufnahme, auf der jemand angeblich etwas sagt oder tut, was er nie getan hat. Die Technik basiert auf Modellen, die Gesicht und Stimme anhand von Proben lernen und sie dann in einem neuen Kontext wiedergeben.
Warum das wichtig ist: Deepfakes können Werkzeuge der Desinformation und des Betrugs sein (z.B. Identitätsdiebstahl mit der Stimme des Chefs). Es lohnt sich, die Quelle zu überprüfen und nach Unstimmigkeiten in Beleuchtung oder Mimik zu suchen.
Training eines kleineren Modells zur Nachahmung eines größeren - leichteres Modell bei ähnlicher Qualität.
Distillation (Knowledge Distillation) ist eine Technik, bei der ein großes, leistungsstarkes Modell (Lehrer) ein kleineres Modell (Schüler) lehrt, seine Antworten nachzuahmen. Das Ergebnis ist ein leichteres Modell, günstiger und schneller im Betrieb, bei Beibehaltung eines Großteils der Originalqualität.
Anwendung: Modellversionen für Smartphones und kostengünstige Deployments entstehen oft durch Distillation.
Eine Technik zur Bildgenerierung: Das Modell „entrauscht" zufälliges Rauschen, bis ein Bild entsteht. Steckt hinter Midjourney und Stable Diffusion.
Diffusionsmodelle generieren ein Bild, indem sie mit reinem Rauschen beginnen und es schrittweise in Richtung einer kohärenten, durch den Prompt beschriebenen Szene „entrauschen". Beim Training lernt das Modell, den Prozess des Hinzufügens von Rauschen zu echten Bildern umzukehren.
Wie es funktioniert: In mehreren Dutzend Schritten errät das Modell immer genauer, wie das Bild aussehen sollte, bis die finale Grafik entsteht.
Beispiel: Sie geben eine Szenenbeschreibung ein, und Stable Diffusion oder Midjourney liefert ein fertiges Bild.
Die Umwandlung von Text in Zahlen, wodurch KI Bedeutung und Ähnlichkeit von Wörtern versteht. Grundlage für Suche und RAG.
Ein Embedding ist eine Darstellung von Text (oder Bild) in Form eines Zahlenvektors, in dem bedeutungsähnliche Begriffe ähnliche Werte haben. Dadurch kann der Computer die Ähnlichkeit von Inhalten messen, selbst wenn unterschiedliche Wörter verwendet wurden.
Wie es funktioniert: Das Modell wandelt einen Textabschnitt in einige Hundert oder Tausend Zahlen um; durch Vergleich der Vektoren findet das System die am besten passenden Abschnitte.
Beispiel: Eine semantische Suchmaschine, die auf die Frage „wie Stromkosten senken" einen Absatz über Energiesparen findet, obwohl darin nicht dieselben Wörter vorkommen.
Dem Modell einige Beispiele im Prompt geben, um zu zeigen, wie es antworten soll.
Few-shot ist eine Technik, bei der Sie direkt im Prompt einige Musterpaare aus Frage und Antwort platzieren, bevor Sie die eigentliche Frage stellen. Das Modell erkennt daraus das gewünschte Format und den Stil, ohne dass ein Fine-tuning nötig ist.
Beispiel: Sie zeigen zwei Beispiele, wie eine Rezension in die Bewertung „positiv/negativ" umgewandelt wird, und das Modell wendet dasselbe Schema auf weitere Rezensionen an.
Nachschulung eines fertigen Modells auf eigenen Daten, damit es bei einer konkreten Aufgabe besser wird.
Fine-tuning (Feinabstimmung) ist das Weitertrainieren eines bereits trainierten Modells auf einem engeren, spezialisierten Datensatz. Das Modell behält sein allgemeines Wissen, passt sich aber besser an einen konkreten Stil, ein Fachgebiet oder ein Antwortformat an.
Wann einsetzen: wenn der Prompt allein nicht ausreicht und Sie viele Beispiele haben, die das gewünschte Verhalten zeigen. Für viele Anwendungen sind RAG oder ein guter Prompt die günstigere Alternative.
Die Fähigkeit des Modells, externe Funktionen und Tools aufzurufen (z. B. Wetter abrufen, E-Mail senden).
Function Calling ermöglicht dem Modell nicht nur Text zu schreiben, sondern auch zu entscheiden, dass ein bestimmtes Tool verwendet werden muss, und strukturierte Eingabedaten für dessen Ausführung zurückzugeben. Das Programm führt die Funktion aus und gibt das Ergebnis an das Modell zurück.
So funktioniert es: Sie geben dem Modell eine Beschreibung der verfügbaren Funktionen; das Modell antwortet mit einer Struktur (z. B. Funktionsname und Argumente), die Ihr Code sicher ausführen kann.
Beispiel: Auf eine Frage zum Wetter ruft das Modell eine Funktion zur Wetterprüfung auf, statt zu raten.
Spezialisierte Chips, die Modellberechnungen für KI viel schneller durchführen als normale Prozessoren.
GPUs (Grafikprozessoren) und TPUs (Googles KI-Chips) sind Hardware, die für massiv parallele Berechnungen optimiert ist, wie sie Training und Ausführung neuronaler Netze erfordern. Damit rechnen Modelle deutlich schneller als auf normalen Prozessoren (CPUs).
Warum wichtig: Verfügbarkeit und Kosten von GPUs sind heute einer der Hauptfaktoren, die Entwicklung und Einsatz von KI begrenzen.
KI, die neue Inhalte erschafft (Text, Bild, Video, Musik) und nicht nur Bestehendes klassifiziert.
Generative KI sind Modelle, deren Aufgabe es ist, neue Inhalte auf Basis von aus Daten erlernten Mustern zu erzeugen. Im Gegensatz zur Klassifikation, die nur Labels zuweist, produziert Generation originalen Text, Bilder, Audio oder Video.
Beispiel: Ein Gedicht schreiben, eine Illustration aus einer Beschreibung generieren oder eine Melodie komponieren sind typische generative Aufgaben.
Sicherheitsvorkehrungen, die einschränken, was das Modell sagen oder tun darf.
Guardrails (Schutzbarrieren) sind ein Regelwerk und Filter, die sicherstellen, dass das Modell keine schädlichen, rechtswidrigen oder gefährlichen Inhalte generiert. Sie können auf der Eingabeseite (Blockierung schlechter Anfragen) und auf der Ausgabeseite (Kontrolle der Antworten) funktionieren.
Wozu: Sie schützen Nutzer und das Unternehmen, das das Modell einsetzt, vor Missbrauch, sind aber oft Ziel von Umgehungsversuchen (Jailbreak, Prompt Injection).
Situation, in der ein Modell mit Überzeugung Unwahrheiten liefert - erfundene Daten, Zitate, Quellen. Daher Fakten prüfen.
Halluzination ist eine Antwort, die glaubwürdig klingt, aber falsch ist: Das Modell erfindet einen Fakt, ein Zitat, eine Quellenangabe oder einen Namen. Das liegt daran, dass das Modell eine wahrscheinliche Wortfolge vorhersagt, aber nicht die Wahrheit in einer Datenbank prüft.
Wie begrenzen: Bitten Sie um Quellen, nutzen Sie RAG (Anbindung an eine verlässliche Basis) und prüfen Sie immer Zahlen, Daten und Zitate vor der Veröffentlichung.
Der Moment, in dem das Modell eine Antwort auf Ihre Anfrage generiert (im Gegensatz zum Training).
Inference (Inferenz) ist die Phase der Nutzung eines fertigen Modells: Sie geben einen Prompt ein, und das Modell berechnet die Antwort. Das unterscheidet sich vom Training, dem kostspieligen Prozess des Lernens auf Daten, der vorher und nur einmal stattfindet.
Warum wichtig: Kosten und Geschwindigkeit der Inference bestimmen den Preis des Dienstes und die Latenz, die der Nutzer erlebt.
Versuch, die Sicherheitsvorkehrungen des Modells mit einem clever konstruierten Prompt zu umgehen.
Jailbreak ist die gezielte Manipulation des Prompts, um das Modell dazu zu bringen, seine eigenen Regeln zu brechen, z. B. indem man es in eine Rolle ohne Einschränkungen versetzt oder die Anfrage in einem harmlosen Szenario versteckt. Das ist eines der Hauptsicherheitsprobleme von Modellen.
Unterschied: Jailbreak zielt auf die Regeln des Modells selbst, während Prompt Injection fremde Anweisungen als Daten tarnt, die das Modell verarbeitet.
Programme, die Aufgaben ausführen, die mit menschlicher Intelligenz assoziiert werden - sie verstehen Sprache, generieren Text, Bild und Ton.
Künstliche Intelligenz ist ein breites Feld der Informatik, in dem Computer Tätigkeiten ausführen, die normalerweise menschliches Denken erfordern: Sie erkennen Sprache, übersetzen Sprachen, führen Gespräche oder erstellen Bilder. Heutige KI-Systeme basieren hauptsächlich auf maschinellem Lernen, das heißt, sie lernen aus Daten, anstatt nach starr festgelegten Regeln zu funktionieren.
Wie es funktioniert: Das Modell analysiert riesige Mengen von Beispielen und erkennt darin Muster, die es dann auf neue Situationen anwendet.
Beispiel: Ein Assistent, der ein langes Dokument auf Deutsch zusammenfasst oder aus einer kurzen Beschreibung eine Grafik generiert, ist eine praktische Anwendung von KI.
Wie viel Text das Modell „auf einmal sieht". Größeres Fenster = Sie können längere Dokumente einfügen.
Das Kontextfenster ist die maximale Textmenge (gemessen in Token), die das Modell in einem Gespräch berücksichtigen kann: Ihr Prompt, frühere Nachrichten und die generierte Antwort müssen hineinpassen. Bei Überschreitung des Limits werden die ältesten Teile weggelassen.
Beispiel: Ein größeres Fenster erlaubt es, einen ganzen Vertrag einzufügen und Fragen zu seinem Inhalt zu stellen, ohne ihn in Stücke zu teilen.
Großes Sprachmodell - trainiert auf riesigen Textmengen, versteht und generiert Sprache. Das Herz von ChatGPT, Claude, Gemini.
LLM (Large Language Model) ist ein neuronales Netz, das auf riesigen Textmengen trainiert wurde und gelernt hat, die nächsten Wörter vorherzusagen. Dadurch kann es schreiben, übersetzen, zusammenfassen, programmieren und Gespräche führen.
So funktioniert es: Das Modell wandelt Text in Token um und sagt basierend auf dem Kontext das wahrscheinlichste nächste Token voraus, wiederholt dies bis zur vollständigen Antwort.
Beispiel: ChatGPT, Claude und Gemini sind Schnittstellen zu großen Sprachmodellen.
Zeit vom Absenden der Anfrage bis zum Erhalt der Modellantwort.
Latenz ist die Verzögerung: wie lange man warten muss, bis das Modell zu antworten beginnt und fertig ist. Sie hängt von Modellgröße, Antwortlänge, Serverauslastung und Netzwerkentfernung ab.
Warum wichtig: In Live-Anwendungen (Chat, Sprache) entscheidet niedrige Latenz über den Komfort; oft wird sie durch Token-für-Token-Streaming verbessert.
Maschinelles Lernen - Programme, die aus Daten lernen, statt manuell programmiert zu werden.
Maschinelles Lernen ist ein Teilgebiet der KI, bei dem man dem Programm statt starrer Regeln viele Beispiele zeigt, aus denen es selbst Muster ableitet. Je besser und zahlreicher die Daten, desto treffender die Vorhersagen.
Beispiel: Ein Spamfilter lernt aus Tausenden markierten E-Mails, was Spam ist, und wendet dieses Wissen auf neue Nachrichten an.
Architektur, bei der für jede Anfrage nur ein Teil des Modells aktiviert wird - günstiger bei großer Kapazität.
MoE (Mixture of Experts) ist ein Modellaufbau aus vielen spezialisierten Teilnetzen („Experten"), von denen für ein gegebenes Token nur einige aktiviert werden. Dadurch kann das Modell sehr viele Parameter haben und trotzdem relativ kostengünstig Antworten berechnen.
Wie es funktioniert: Ein Gating-Mechanismus entscheidet, welche Experten ein Fragment bearbeiten, sodass nur ein Teil des gesamten Netzwerks aktiv ist.
Die Fähigkeit eines Modells, mit mehreren Inhaltstypen gleichzeitig zu arbeiten: Text, Bild, Audio, Video.
Ein multimodales Modell versteht und kombiniert verschiedene Datentypen an einem Ort: Es kann z. B. ein Foto ansehen und es in Worten beschreiben oder eine Aufnahme anhören und zusammenfassen. Das ist ein Schritt näher an der Art, wie Menschen die Welt mit mehreren Sinnen wahrnehmen.
Beispiel: Sie laden ein Foto einer Tafel mit Notizen hoch, und das Modell transkribiert und ordnet den Inhalt, während es Fragen dazu beantwortet.
Verarbeitung natürlicher Sprache - das Feld, durch das Computer menschliche Sprache verstehen.
NLP (Natural Language Processing) ist der KI-Bereich, der sich mit dem Verstehen und Generieren menschlicher Sprache befasst: Übersetzung, Stimmungsanalyse, Informationssuche oder Absichtserkennung. Große Sprachmodelle sind heute das mächtigste NLP-Werkzeug.
Beispiel: Automatische Erkennung, dass eine Kundenmeinung negativ ist, und Weiterleitung an den Support.
Vom Gehirn inspirierte Struktur, die lernt, Muster in Daten zu erkennen. Fundament der heutigen KI.
Ein neuronales Netz ist ein Modell aus Schichten einfacher Einheiten (Neuronen), die durch Gewichte verbunden sind. Während des Trainings werden die Gewichte so angepasst, dass das Netz Eingaben immer besser auf gewünschte Ausgaben abbildet, z. B. Bilder auf Labels.
Wie es funktioniert: Daten durchlaufen aufeinanderfolgende Schichten, von denen jede zunehmend komplexere Muster erkennt. Tiefe Netze sind die Grundlage des Deep Learning und der modernen KI.
Modell, dessen Gewichte öffentlich verfügbar sind - man kann es lokal ausführen und modifizieren (z. B. Llama, Mistral).
Ein offenes Modell ist eines, dessen Gewichte (gelernte Parameter) öffentlich verfügbar sind, sodass man es herunterladen, auf eigener Hardware betreiben, feinabstimmen und einsetzen kann, ohne von einem Anbieter abhängig zu sein. Das Gegenteil sind geschlossene Modelle, die nur über API verfügbar sind.
Vorteile: Datenschutz, Kontrolle und keine Gebühren pro Anfrage. Kosten: Eigene Hardware und Know-how für den Betrieb erforderlich.
Overfitting - das Modell paukt Trainingsdaten auswendig statt daraus zu lernen und kommt mit neuen schlecht zurecht.
Overfitting (Überanpassung) ist eine Situation, in der sich das Modell zu genau an die Trainingsdaten anpasst und sogar deren zufällige Merkmale erfasst, wodurch es bei neuen, zuvor ungesehenen Beispielen schlechter funktioniert. Dies ist eines der Hauptprobleme im maschinellen Lernen.
Gegenmaßnahmen: mehr vielfältige Daten, einfachere Architektur und Prüfung des Modells an einem separaten Testdatensatz.
Die Anzahl der „Stellschrauben" des Modells. Mehr Parameter bedeutet nicht immer besser, aber meist mehr Leistung.
Parameter sind die internen Werte, die das Modell während des Trainings anpasst; in ihnen ist sein „Wissen" gespeichert. Die Parameterzahl wird in Milliarden (B) angegeben und gilt als grobe Maßzahl für die Modellgröße.
Hinweis: Eine höhere Parameterzahl bringt meist mehr Möglichkeiten, aber auch höhere Kosten. Gute Trainingsdaten und Architektur wiegen oft mehr als die bloße Parameterzahl.
Das, was Sie dem Modell eingeben - ein Befehl oder eine Frage. Die Qualität des Prompts bestimmt die Qualität der Antwort.
Der Prompt ist Ihre Eingabe für das Modell: eine Frage, ein Befehl oder Kontext, auf dessen Basis die Antwort generiert wird. Je klarer Sie Ziel, Format und Einschränkungen beschreiben, desto treffender das Ergebnis.
Gute Praxis: Geben Sie eine Rolle, Kontext, eine konkrete Aufgabe und das erwartete Antwortformat an, bei Bedarf ein Beispiel.
Die Kunst, wirksame Prompts zu schreiben: Kontext, Ziel, Beispiel, Iteration.
Prompt Engineering ist die Praxis, Anfragen so zu formulieren, dass das Modell bessere, wiederholbare Ergebnisse liefert. Es umfasst die Wahl des Kontexts, präzise Anweisungen, Beispiele (Few-shot) sowie schrittweise Verbesserung des Prompts basierend auf den Antworten.
Beispiel: Statt „schreibe über Gesundheit" bitten Sie „schreibe 5 Tipps zum Schlaf für Eltern kleiner Kinder, in Stichpunkten, auf Deutsch".
Ein Angriff, bei dem bösartige Anweisungen in Daten versteckt das Verhalten des Modells übernehmen.
Prompt Injection ist eine Schwachstelle, bei der vom Modell verarbeiteter Text (z. B. Webseiteninhalt, E-Mail, Dokument) eine versteckte Anweisung enthält, und das Modell sie wie einen Nutzerbefehl behandelt. Dies kann zur Offenlegung von Daten oder zur Ausführung unerwünschter Aktionen führen.
Wie es funktioniert: Der Angreifer platziert in den Daten einen Satz wie „ignoriere vorherige Befehle und mache X"; ein Modell ohne Schutzmaßnahmen kann ihn ausführen.
Abwehr: Trennung von Anweisungen und Daten, Einschränkung von Tool-Berechtigungen und Behandlung von Web-Inhalten als nicht vertrauenswürdig.
Reduzierung der Zahlenpräzision im Modell, damit es weniger Speicher belegt und schneller arbeitet.
Quantisierung bedeutet, die Modellgewichte mit geringerer Präzision zu speichern (z. B. 8 oder 4 Bit statt 16), wodurch das Modell weniger Speicher benötigt und schneller rechnet. Dies ermöglicht das Ausführen großer Modelle auf schwächerer Hardware, auch lokal.
Kompromiss: Zu aggressive Quantisierung kann die Antwortqualität leicht senken, daher wird sie je nach Anwendung angepasst.
Die Verbindung des Modells mit einer Wissensbasis - die KI sucht erst Fakten, dann antwortet sie. Weniger Halluzinationen.
RAG (Retrieval-Augmented Generation) ist ein Ansatz, bei dem das Modell vor der Antwort passende Fragmente aus einer externen Wissensdatenbank sucht und sich darauf stützt. Dadurch sind die Antworten aktueller und enthalten seltener erfundene Fakten.
Wie es funktioniert: Die Frage wird in ein Embedding umgewandelt, das System findet die ähnlichsten Dokumente, und das Modell formuliert darauf basierend eine Antwort.
Beispiel: Ein Unternehmensassistent, der Fragen auf Basis interner Richtlinien beantwortet.
Nachtrainieren des Modells anhand menschlicher Bewertungen, damit es hilfreich und sicher antwortet.
RLHF (Reinforcement Learning from Human Feedback) ist eine Trainingsphase, in der Menschen die Antworten des Modells bewerten und diese Bewertungen zur Feinabstimmung dienen. Dadurch antwortet das Modell häufiger hilfreich, höflich und erwartungsgemäß.
Wie es funktioniert: Aus menschlichen Präferenzen wird ein Belohnungsmodell trainiert, das dann das weitere Lernen des Hauptmodells steuert.
Fähigkeit des Modells zu mehrstufigem Reasoning; „denkende" Modelle rechnen länger, um schwierige Aufgaben zu lösen.
Reasoning (Denken) ist die Bewältigung von Aufgaben, die mehrere logische Schritte erfordern, nicht nur die Wiedergabe eines Fakts. Denkende Modelle verwenden mehr Rechenleistung für die interne Aufschlüsselung des Problems, bevor sie das Ergebnis liefern.
Wie es funktioniert: Das Modell generiert Zwischenschritte (ähnlich wie bei Chain-of-Thought), überprüft sie und formuliert erst dann die Antwort, was die Genauigkeit in Mathematik, Logik und Programmierung verbessert.
Kosten: Längeres Reasoning bedeutet mehr Tokens und höhere Latenz.
Modelle zur Videogenerierung aus Text (OpenAI / Google).
Sora (OpenAI) und Veo (Google) sind Modelle, die Textbeschreibungen in kurze Videoaufnahmen umwandeln. Sie gehören zur generativen KI und erweitern auf Bewegung, was Text-to-Image-Modelle für statische Bilder leisten.
Anwendung: Schnelle Prototypen von Szenen, Konzeptmaterialien und Visualisierungen, unter Vorbehalt von Rechte- und Glaubwürdigkeitsfragen.
Die versteckte Anweisung, die dem Modell Rolle und Regeln für das gesamte Gespräch vorgibt.
Der System-Prompt ist eine übergeordnete Anweisung, die vom Anwendungsentwickler festgelegt wird und dem Modell für das gesamte Gespräch Rolle, Ton und Grenzen vorgibt. Der Nutzer sieht sie normalerweise nicht, aber sie beeinflusst jede Antwort.
Beispiel: „Sie sind ein höflicher Steuerberater, antworten auf Deutsch und geben keine Rechtsberatung" ist ein typischer System-Prompt.
Text-to-Speech (Text→Stimme) und Speech-to-Text (Sprache→Text). Sprecher und Transkription.
TTS (Text-to-Speech) wandelt geschriebenen Text in natürlich klingende Sprache um, und STT (Speech-to-Text) macht das Gegenteil - es transkribiert Aufnahmen in Text. Das ist die Grundlage für Sprachassistenten, Vorleser und automatische Transkriptionen.
Beispiel: STT erstellt Untertitel für eine Meeting-Aufnahme, und TTS liest einen Artikel in einer App vor.
Einstellung der „Kreativität" des Modells. Niedrig = vorhersehbar, hoch = zufällig und kreativ.
Die Temperatur ist ein Parameter, der die Zufälligkeit der Antworten steuert. Bei niedrigem Wert wählt das Modell die wahrscheinlichsten Wörter, ist also kohärent und wiederholbar; bei hohem Wert greift es häufiger zu weniger offensichtlichen Optionen, was kreativere, aber auch weniger vorhersehbare Ergebnisse liefert.
Wann wie: Für Fakten und Code niedrige Temperatur einstellen, für Brainstorming oder kreative Texte höhere.
Bildgenerierung aus Textbeschreibung (Midjourney, DALL·E, Nano Banana).
Text-to-Image ist die Umwandlung einer Textbeschreibung in ein Bild. Das Modell, meist ein Diffusionsmodell, übersetzt Worte in visuelle Merkmale der Szene: Objekte, Stil, Farbgebung und Komposition.
Best Practice: Je konkreter die Beschreibung (Thema, Stil, Bildausschnitt, Licht), desto treffender das Bild. Es lohnt sich, zu iterieren und den Prompt zu präzisieren.
Ein Textstück (Wortteil), mit dem das Modell arbeitet. Limits und Preise werden in Token berechnet.
Ein Token ist die kleinste Texteinheit, die das Modell verarbeitet - meist ein kurzes Wort oder ein Fragment davon. Das Modell sieht nicht direkt Buchstaben oder Sätze, sondern eine Token-Sequenz, und in Tokens werden Prompt-Länge, Kontextfenster sowie Kosten gemessen.
Grob: Für Deutsch ist ein Token oft mehrere Zeichen, und ein Wort kann in mehrere Tokens aufgeteilt werden.
Aufteilung des Textes in Tokens, also Einheiten, mit denen das Modell arbeitet.
Tokenisierung ist der erste Schritt der Textverarbeitung: Umwandlung einer Zeichenkette in eine Token-Liste gemäß dem Modellvokabular. Davon hängt ab, wie viele Token ein Text belegt und damit auch Kosten und Kontextfenster-Nutzung.
Interessant: Sprachen mit reicher Flexion werden oft in mehr Token aufgeteilt als Englisch, was die Kosten für denselben Inhalt erhöht.
Die Architektur, auf der moderne Sprachmodelle basieren. Das „T" in GPT.
Der Transformer ist eine neuronale Netzarchitektur, die dank des Attention-Mechanismus entfernte Textfragmente miteinander verknüpfen und Sequenzen parallel verarbeiten kann. Sie ermöglichte den Qualitätssprung bei Sprachmodellen.
Warum ein Durchbruch: Der Attention-Mechanismus erlaubt dem Modell, den gesamten Kontext auf einmal zu „betrachten", was das Verständnis von Abhängigkeiten in langen Texten verbessert.
Anwendungen durch Gespräch mit KI erstellen, ohne den gesamten Code manuell zu schreiben.
Vibe Coding ist ein Arbeitsstil, bei dem Sie dem Modell beschreiben, was entstehen soll, und es generiert und korrigiert Code, während Sie hauptsächlich steuern und das Ergebnis testen. Es beschleunigt das Prototyping und senkt die Einstiegshürde ins Programmieren.
Achtung: Bei größeren Projekten ist weiterhin eine menschliche Überprüfung von Sicherheit und Codequalität erforderlich.
Unsichtbares Zeichen in KI-generierten Inhalten, das ihre Erkennung ermöglicht.
Ein Watermark (Wasserzeichen) in KI-Inhalten ist ein verstecktes Muster, das in Text, Bild oder Ton eingewoben wird und später erkennen lässt, dass das Material maschinell erstellt wurde. Es soll bei der Bekämpfung von Desinformation und der Kennzeichnung synthetischer Inhalte helfen.
Einschränkung: Wasserzeichen sind manchmal entfernbar oder nicht immer erkennbar, daher bieten sie allein keine vollständige Gewissheit über die Herkunft.
Das Modell um eine Aufgabe bitten, ohne jegliches Beispiel - „mach es sofort".
Zero-Shot ist eine Situation, in der das Modell eine Aufgabe ausschließlich auf Basis der Anweisung ausführt, ohne dass ihm ein Beispiel gezeigt wird. Große Modelle kommen damit oft überraschend gut zurecht, dank des im Training erworbenen Wissens.
Wann Beispiele hinzufügen: Wenn Format oder Stil ungewöhnlich sind, lohnt es sich, auf Few-Shot zu wechseln und ein Muster zu zeigen.
keine Ergebnisse - versuchen Sie es anders