Die wichtigsten KI-Begriffe
In den ersten drei Folgen hast du schon viele Fachwörter gehört: KI, neuronale Netze, Prompt, Halluzination … Hier ordnen wir die wichtigsten Grundbegriffe kurz, bildhaft und verständlich ein. Keine Sorge: Du musst nichts auswendig lernen. Aber wenn du diese Wörter in Nachrichten, bei der Arbeit oder im Gespräch triffst, weißt du sofort, was dahintersteckt — und kannst fundiert mitreden. Alle Begriffe findest du zum Nachschlagen auch in unserem Glossar.
Du verstehst die zehn häufigsten Fachwörter rund um moderne Sprach-KIs, kannst ihre Alltagsmetaphern einordnen und weißt genau, welcher Begriff welchen Teil des KI-Erlebnisses steuert.
Der Koch und seine Küche — Modell, Training & Temperatur
Um die ersten drei zentralen Begriffe greifbar zu machen, hilft ein anschaulicher Vergleich aus der Küche: Stell dir einen professionellen Koch in einem Restaurant vor.
Modell
In einfacher Sprache: Der fertig ausgebildete Koch am Herd.
Das fertig gelernte KI-System (z. B. moderne Spitzenmodelle wie OpenAI GPT-5.3, Claude 5.0 oder Gemini 3.x). Wenn du mit einer KI chattest, sprichst du mit einem spezifischen Modell. Es ist das greifbare Software-Produkt, das nach Abschluss des Lernprozesses Fragen beantworten und Aufgaben lösen kann.
Unser Koch steht fertig in der Restaurantküche und kann sofort loslegen. Aber bevor er dort stehen konnte, musste er sein Handwerk jahrelang erlernen. Das bringt uns direkt zum nächsten Begriff:
Training
In einfacher Sprache: Die Kochschule, in der Millionen von Rezepten geübt wurden.
Der gigantische Lernvorgang, bei dem ein KI-Modell mit unzähligen Texten, Büchern, Codezeilen und Beispielen gefüttert wird, um Sprachmuster und Zusammenhänge zu verinnerlichen. Wie dieser Prozess im Detail funktioniert und wie dabei Daten verarbeitet werden, lernst du ganz genau in Folge 05: Wie KI lernt – Daten und Training.
Unser Koch hat also die Kochschule absolviert und unzählige Male geübt. Doch selbst ein Meisterkoch kann auf zwei Arten kochen: An einem stressigen Werktag kocht er exakt nach bewährter Rezeptur — sicher, berechenbar und ohne jedes Risiko. Am kreativen Gourmet-Abend hingegen improvisiert er und probiert überraschende Gewürzkombinationen aus. Genau diesen Unterschied regelt bei der KI die Temperatur:
Temperatur
In einfacher Sprache: Die Experimentierlust oder der Gewürz-Regler des Kochs.
Ein Einstellwert (meist eine Zahl zwischen 0 und 1 oder 2), der bestimmt, wie berechenbar oder wie fantasievoll eine KI antwortet. Eine niedrige Temperatur (z. B. 0.2) zwingt das Modell zu konservativen, sachlichen und erwartbaren Antworten. Eine hohe Temperatur (z. B. 0.8 oder 1.0) fördert Kreativität und Wortwitz, erhöht aber gleichzeitig das Risiko von Halluzinationen.
In normalen Chat-Apps (wie der Standard-Oberfläche von ChatGPT oder Copilot) gibt es keinen sichtbaren Schieberegler für die Temperatur. Du kannst denselben Effekt aber ganz einfach über deine Sprache steuern! Schreibe für niedrige Temperatur: „Antworte sachlich, präzise und halte dich strikt an Fakten.“ Schreibe für hohe Temperatur: „Sei kreativ, denke quer und schlage mir 5 unkonventionelle, humorvolle Ideen vor.“ Die KI passt ihr Antwortverhalten sofort an.
Was passiert bei einer Anfrage? — Tokens & Kontextfenster
Jetzt wissen wir, wer antwortet (Modell), wie es gelernt hat (Training) und wie experimentierfreudig es eingestellt ist (Temperatur). Doch wie liest und verarbeitet eine KI eigentlich deinen Text? Hier kommen zwei Begriffe ins Spiel, die du ständig hören wirst:
Token
In einfacher Sprache: Die Silben oder Lego-Bausteine der Computersprache.
Die kleinste Sinneinheit, in die eine KI Wörter und Sätze zerlegt. Ein Token ist meist kein ganzes Wort, sondern eine Silbe oder ein Wortteil (im Deutschen entsprechen 1.000 Tokens etwa 750 Wörtern). Eine KI liest und schreibt nicht in Buchstaben, sondern reiht mathematisch berechnete Tokens aneinander.
Wenn du einen Satz eingibst, zerschneidet die KI ihn zuerst in Tokens, wandelt diese in Zahlen um und berechnet dann Token für Token die plausibelste Fortsetzung. Tokens sind zugleich die weltweite Währung der KI-Industrie: Wer Schnittstellen (APIs) nutzt, bezahlt exakt nach der Anzahl verbrauchter Tokens.
Doch wie viele Tokens kann eine KI gleichzeitig im Gedächtnis behalten? Das entscheidet das Kontextfenster:
Kontextfenster
In einfacher Sprache: Die Schreibtischgröße oder das Arbeitsgedächtnis der KI.
Die maximale Menge an Tokens, die ein Modell in einer einzigen Unterhaltung gleichzeitig im Blick behalten kann. Es umfasst deine aktuelle Frage, alle vorangegangenen Nachrichten im Chatverlauf sowie zusätzlich hochgeladene PDFs oder Notizen. Wie du das Kontextfenster optimal nutzt, ohne dass Details verloren gehen, zeigen wir dir in Folge 06: Texte schreiben mit KI.
Ist das Kontextfenster klein, verhält sich die KI wie ein Mensch mit winzigem Schreibtisch: Legst du neue Blätter auf den Stapel, fallen die alten Blätter auf der Rückseite herunter und sind vergessen. Heutige Spitzenmodelle haben riesige Schreibtische (oft 128.000 bis über eine Million Tokens) und können problemlos ganze Handbücher auf einmal erfassen.
Wie die Begriffe zusammenhängen (Überblick)
Damit du siehst, wie diese Bausteine im Alltag ineinandergreifen, zeigt das folgende Diagramm den Weg von deiner Eingabe bis zur fertigen Antwort:
Die KI aktualisieren — RAG vs. Fine-Tuning
Wie du aus Folge 03 weißt, hat jedes Modell einen festen Wissens-Stichtag. Doch was tut man, wenn ein Unternehmen möchte, dass die KI aktuelle Produktkataloge, neue Gesetze oder interne Firmenunterlagen kennt? Dafür gibt es zwei grundverschiedene Ansätze:
RAG (Retrieval-Augmented Generation)
In einfacher Sprache: Die Prüfung mit aufgeschlagenem Nachschlagewerk (Open-Book-Klausur).
Ein Verfahren, bei dem die KI vor dem Verfassen der Antwort in einer externen Wissensquelle (z. B. einer Dokumentenablage, PDFs oder im Live-Web) gezielt nachschlägt. Die gefundenen Fakten werden direkt in das Kontextfenster gelegt. Das Modell muss dafür nicht neu trainiert werden, bleibt tagesaktuell und halluziniert deutlich seltener. Mehr zu Werkzeugen mit RAG-Anbindung findest du in Folge 11: KI-Werkzeuge und Apps im Überblick.
Fine-Tuning
In einfacher Sprache: Die gezielte Zusatzausbildung oder Umschulung des Meisters.
Das nachträgliche, vertiefende Training eines bereits fertigen Modells mit einem spezialisierten Datensatz. Dadurch lernt das Modell keine riesigen Faktenmengen auswendig, sondern passt seine Sprechweise, sein Verhalten oder spezifische Fachsprachen (z. B. juristische Gutachten oder medizinisches Vokabular) dauerhaft an. Wie man dies in der Praxis einsetzt, wird in Folge 14: Eigene kleine Projekte umsetzen thematisiert.
Ein Blick unter die Motorhaube — LLM, Parameter & Embeddings
Zum Abschluss werfen wir noch einen kurzen Blick auf drei Fachbegriffe, die in Tech-Nachrichten und Artikeln häufig für Verwirrung sorgen:
LLM (Large Language Model)
In einfacher Sprache: Die riesige Sprachmaschine.
Ein sehr großes KI-Sprachmodell, das aus Milliarden von Wörtern gelernt hat, wie menschliche Sprache aufgebaut ist. Berühmte Beispiele für LLMs sind ChatGPT (OpenAI), Claude (Anthropic), Gemini (Google) oder das quelloffene Llama (Meta).
Parameter
In einfacher Sprache: Die feinen Stellschrauben im Gedankengebäude der KI.
Die internen mathematischen Verbindungsgewichte eines neuronalen Netzes. Beim Training werden diese Werte milliardenfach feinjustiert. Wenn ein Modell „70 Milliarden Parameter“ besitzt, bedeutet das: Es hat 70 Milliarden Stellschrauben, die gemeinsam bestimmen, wie fein und vielschichtig es Zusammenhänge begreifen kann.
Embedding
In einfacher Sprache: Die Bedeutungs-Landkarte, auf der ähnliche Wörter nebeneinander wohnen.
Die Übersetzung von Texten in lange Zahlenreihen (sogenannte Vektoren). Dadurch kann der Computer die inhaltliche Bedeutung messen: Auf dieser Zahlen-Landkarte liegen „Hund“ und „Welpe“ ganz dicht beieinander, während „Hund“ und „Kühlschrank“ meilenweit voneinander entfernt sind. Embeddings sind das Fundament moderner semantischer Suchen und von RAG.
Übung und Merkhilfe
Nimm dir heute 5 Minuten Zeit, um die Begriffe zu verankern:
- Notiere dir auf einem Notizzettel die 4 wichtigsten Begriffe: Modell, Token, Kontextfenster, RAG.
- Erkläre jemandem am Küchentisch oder dir selbst laut in eigenen Worten die Küchenmetapher: Wer ist der Koch? Was war die Kochschule? Was ist das aufgeschlagene Rezeptbuch?
Teste dein Verständnis an drei typischen Praxissituationen. Welcher Fachbegriff aus dieser Lektion erklärt das beschriebene Phänomen am treffendsten?
- Situation A: Du fütterst eine KI mit einem 80-seitigen Geschäftsbericht. Bei Frage 10 am Ende des Chats scheint die KI plötzlich vergessen zu haben, was auf Seite 2 stand. Welches Phänomen ist hier am Werk?
- Situation B: Eine Anwaltskanzlei möchte, dass die KI neue Urteile von letzter Woche berücksichtigt, will aber nicht Hunderttausende Euro für ein mehrmonatiges Nachtraining ausgeben. Welches Verfahren ist die ideale Lösung?
- Situation C: Du bittest die KI um Ideen für ein Kinderbuch. Die ersten Entwürfe klingen dir viel zu trocken, brav und sachlich. Welche Eigenschaft oder Prompt-Regelung musst du verändern?
Musterlösung anzeigen (nach dem eigenen Überlegen aufklappen)
Auflösung der Praxissituationen:
- Situation A = Das Kontextfenster (oder Token-Limit): Wenn ein Text zu lang wird oder der Chatverlauf viele Seiten umfasst, fallen die ersten Informationen aus dem aktiven Arbeitsgedächtnis (Kontextfenster) der KI heraus.
- Situation B = RAG (Retrieval-Augmented Generation): Statt das Modell aufwendig neu zu trainieren, legt man ihm die neuen Urteile als externes Nachschlagewerk daneben. Die KI durchsucht die Dokumente bei jeder Frage frisch.
- Situation C = Die Temperatur (Kreativität): Das Modell ist zu konservativ eingestellt. Du erhöhst entweder die Temperatur im Menü oder formulierst im Prompt: „Sei mutig, humorvoll und fantasievoll — überrasche mich mit unkonventionellen Wendungen!“
Gratulation: Wenn du diese drei Situationen richtig zuordnen konntest, hast du das technische Grundgerüst moderner KI meisterhaft verstanden!
Wissens-Check: Teste dein Wissen
Nachdem du die Lektion durchgearbeitet und den Deep Dive Podcast gehört hast: Wie gut beherrschst du die wichtigsten KI-Begriffe? Teste dein Wissen in diesem interaktiven Quiz mit 10 Fragen:
Fazit
Fachbegriffe sind keine Barrieren, sondern praktisches Handwerkszeug. Das Modell ist der fertige Denker, der im Training gelernt hat und dessen Kreativität du über die Temperatur steuerst. Texte werden in Tokens zerlegt und im Kontextfenster wie auf einem Schreibtisch bereitgehalten. Wenn du aktuelles Wissen brauchst, greifst du zu RAG, statt das Modell per Fine-Tuning mühsam umzuschulen. Mit diesem soliden Wortschatz bist du bestens gerüstet. In der nächsten Folge tauchen wir tiefer in die Kochschule der KI ein und schauen uns an, wie Maschinen tatsächlich lernen: durch Daten, Training und Mustererkennung.
Weiter geht es mit Folge 5: Wie KI lernt — Daten und Training.