Nachschlagewerk · 100 Begriffe · Praxisnah
KI-Glossar: 100 Begriffe für den Mittelstand
KI-Glossar mit 100 Begriffen rund um Künstliche Intelligenz, erklärt für den deutschen MittelstandVon Agent bis Zero-Shot Learning. Jeder Begriff verständlich erklärt — ohne Informatik-Studium, mit Praxisbezug für Ihr Unternehmen.
100Begriffe
A–ZAlphabetisch
B2BMittelstand-Fokus
100 Begriffe angezeigt
Kein Begriff gefunden. Versuchen Sie einen anderen Suchbegriff.
A
Ein KI-Agent ist ein autonomes Software-System, das eigenständig Aufgaben ausführt, Entscheidungen trifft und mit seiner Umgebung interagiert. Im Unternehmenskontext übernehmen KI-Agenten wiederkehrende Prozesse wie Terminplanung, E-Mail-Beantwortung oder Dokumentenverarbeitung — rund um die Uhr, ohne Pause.
Application Programming Interface — eine standardisierte Schnittstelle, über die Software-Systeme miteinander kommunizieren. APIs ermöglichen es, KI-Funktionen in bestehende Unternehmenssoftware einzubinden, ohne alles neu programmieren zu müssen. Die meisten KI-Anbieter stellen ihre Modelle über APIs bereit.
Der Einsatz von Software und KI, um manuelle, wiederkehrende Arbeitsschritte ohne menschliches Eingreifen auszuführen. Im Mittelstand betrifft das häufig Rechnungsverarbeitung, Kundenkommunikation und Datenpflege. KI-gestützte Automatisierung geht über einfache Regeln hinaus und kann auch unstrukturierte Aufgaben bewältigen.
Eine eindeutige Abfolge von Rechenregeln, die ein definiertes Problem löst. KI-Algorithmen lernen aus Daten und verbessern ihre Ergebnisse über die Zeit — anders als klassische Programme, die starren Regeln folgen. Jedes KI-System basiert auf einem oder mehreren Algorithmen.
KI-gestützte Methode, um ungewöhnliche Muster in Daten automatisch zu identifizieren. Wird eingesetzt für Betrugserkennung, Qualitätskontrolle in der Produktion oder zur Erkennung von IT-Sicherheitsvorfällen. Das System lernt, was „normal" ist, und schlägt bei Abweichungen Alarm.
Ein Ansatz, bei dem KI den Menschen unterstützt statt ihn zu ersetzen. Die KI liefert Analysen und Empfehlungen, die finale Entscheidung trifft weiterhin der Mensch. Besonders relevant für Branchen, in denen Erfahrung und Urteilsvermögen entscheidend sind.
Ein Kernkonzept der Transformer-Architektur, das dem Modell ermöglicht, relevante Teile der Eingabe stärker zu gewichten. Der Attention-Mechanismus ist der Grund, warum moderne Sprachmodelle lange Texte sinnvoll verarbeiten und Zusammenhänge über große Distanzen erkennen können.
B
Bidirectional Encoder Representations from Transformers — ein Sprachmodell von Google, das Texte in beide Richtungen analysiert. BERT bildet die Grundlage vieler heutiger Suchmaschinen und Textverständnis-Anwendungen. Es versteht den Kontext eines Wortes, nicht nur das Wort selbst.
Systematische Verzerrung in KI-Modellen, die durch einseitige Trainingsdaten entsteht. Ein KI-System, das nur mit Daten einer bestimmten Branche trainiert wurde, kann für andere Branchen unzuverlässige Ergebnisse liefern. Bias-Bewusstsein ist essenziell für faire und zuverlässige KI-Entscheidungen.
Ein Software-Programm, das automatisiert Aufgaben erledigt. Im Geschäftsumfeld sind das häufig Chatbots für den Kundenservice oder RPA-Bots für die Sachbearbeitung. Moderne Bots kombinieren regelbasierte Logik mit KI-gestütztem Sprachverständnis.
Sammelbegriff für Methoden und Werkzeuge, die Geschäftsdaten analysieren und aufbereiten. KI-gestützte BI geht über klassische Dashboards hinaus und erkennt eigenständig Trends, Muster und Handlungsempfehlungen in Ihren Unternehmensdaten.
Ein standardisierter Test, mit dem die Leistung verschiedener KI-Modelle verglichen wird. Benchmarks messen Fähigkeiten wie Textverständnis, logisches Schließen oder Code-Generierung. Sie helfen Unternehmen, das richtige Modell für ihren Anwendungsfall zu wählen.
C
Ein KI-Chatbot von OpenAI, der auf dem GPT-Sprachmodell basiert. ChatGPT kann Texte verfassen, Fragen beantworten und bei Recherchen unterstützen — ein häufiger Einstiegspunkt für Unternehmen in die KI-Nutzung. Die Profi-Varianten bieten Datenschutz-Optionen für den Geschäftseinsatz.
Ein KI-Assistent von Anthropic, der besonderen Wert auf Sicherheit und Zuverlässigkeit legt. Claude eignet sich für anspruchsvolle Aufgaben wie Dokumentenanalyse, Code-Erstellung und komplexe Geschäftsprozesse. Gilt als besonders präzise bei der Verarbeitung langer Texte und Dokumente.
Ein KI-gestütztes Dialogsystem, das natürlichsprachliche Konversationen mit Nutzern führt. Moderne Chatbots verstehen Kontext, beantworten komplexe Fragen und können Aktionen in Drittsystemen auslösen — etwa Termine buchen oder Bestellstatus abfragen.
Teilgebiet der KI, das Maschinen befähigt, Bilder und Videos zu verstehen. Anwendungen reichen von Qualitätskontrolle in der Fertigung über Dokumentenerkennung bis zur automatischen Inventur. Die Technologie erkennt Objekte, Defekte und Muster in visuellen Daten.
KI-Technologie, die natürliche Gespräche mit Menschen ermöglicht — per Text oder Sprache. Umfasst Chatbots, Telefonassistenten und Sprachsteuerungen, die über einfache Ja/Nein-Abfragen hinausgehen und echte Dialoge mit Kontext und Rückfragen führen.
Eine Prompting-Technik, bei der das KI-Modell aufgefordert wird, Schritt für Schritt zu denken. Chain-of-Thought verbessert die Ergebnisqualität bei komplexen Aufgaben erheblich, weil das Modell seinen Denkprozess offenlegt und Fehler früher erkennt.
Die automatische Einordnung von Daten in vordefinierte Kategorien. KI-basierte Klassifizierung sortiert E-Mails nach Dringlichkeit, ordnet Rechnungen dem richtigen Projekt zu oder kategorisiert Kundenanfragen nach Themengebiet — schneller und konsistenter als manuell.
D
Eine fortgeschrittene Form des maschinellen Lernens mit künstlichen neuronalen Netzen aus vielen Schichten. Deep Learning steckt hinter Spracherkennung, Bildanalyse und modernen Sprachmodellen wie GPT und Claude. Je mehr Daten zur Verfügung stehen, desto besser werden die Ergebnisse.
Die strukturierte Abbildung von Daten und ihren Beziehungen zueinander. Ein sauberes Datenmodell ist die Voraussetzung dafür, dass KI-Systeme zuverlässig arbeiten können. Ohne klare Datenstruktur liefert auch die beste KI schlechte Ergebnisse.
Die Datenschutz-Grundverordnung regelt den Umgang mit personenbezogenen Daten in der EU. Für KI-Projekte bedeutet das: Transparenz über automatisierte Entscheidungen, Recht auf Erklärung und Datensparsamkeit. Server-Standort Deutschland und DSGVO-konforme Anbieter sind Pflicht.
KI-Systeme, die Dokumente automatisch erfassen, klassifizieren und verarbeiten. Rechnungen, Verträge, Lieferscheine oder Formulare werden erkannt, ausgelesen und in bestehende Systeme überführt — was vorher Stunden dauerte, erledigt Document AI in Sekunden.
Ein KI-Agent, der typische Sachbearbeiter-Aufgaben eigenständig übernimmt: Dokumente prüfen, Daten erfassen, Bescheide erstellen, Akten pflegen. Besonders relevant für Hausverwaltungen, Kanzleien und Behörden, wo repetitive Verwaltungsaufgaben den Großteil der Arbeitszeit beanspruchen.
E
Eine mathematische Darstellung von Text, Bildern oder Daten als Zahlenvektor. Embeddings ermöglichen es KI-Systemen, Ähnlichkeiten zu erkennen und semantische Suchen durchzuführen. Zwei ähnliche Texte haben ähnliche Vektoren — auch wenn sie völlig andere Wörter verwenden.
Automatische Erkennung und Zuordnung von benannten Entitäten in Texten — etwa Personen, Orte, Unternehmen oder Beträge. Wird eingesetzt bei der automatischen Dokumentenverarbeitung und E-Mail-Analyse, um relevante Informationen strukturiert zu extrahieren.
Extract, Transform, Load — ein Prozess, bei dem Daten aus verschiedenen Quellen extrahiert, aufbereitet und in ein Zielsystem geladen werden. KI-gestütztes ETL erkennt Datenqualitätsprobleme automatisch und bereinigt Inkonsistenzen ohne manuellen Eingriff.
KI-Verarbeitung direkt auf dem Endgerät statt in der Cloud. Relevant für Echtzeitanwendungen in der Produktion, wo Latenz kritisch ist oder Daten das Firmengelände nicht verlassen sollen. Edge AI ermöglicht KI-Funktionen auch ohne permanente Internetverbindung.
Erklärbare KI — Methoden und Techniken, die KI-Entscheidungen für Menschen nachvollziehbar machen. Besonders wichtig in regulierten Branchen, wo Unternehmen erklären müssen, warum eine KI eine bestimmte Entscheidung getroffen hat.
F
Anpassung eines vortrainierten KI-Modells an eine spezifische Aufgabe oder Branche. Statt ein Modell von Grund auf zu trainieren, wird ein bestehendes Modell mit eigenen Daten nachgeschärft. So wird ein allgemeines Sprachmodell zum Branchenexperten.
Ein großes, auf breiten Datensätzen vortrainiertes KI-Modell, das als Basis für spezialisierte Anwendungen dient. GPT, Claude und Gemini sind Foundation Models, die per Feintuning oder Prompting an spezifische Unternehmensaufgaben angepasst werden.
Die Fähigkeit eines KI-Modells, aus sehr wenigen Beispielen zu lernen. Statt tausender Trainingsdaten reichen wenige Beispiele im Prompt, damit das Modell eine neue Aufgabe versteht. Praktisch für Unternehmen, die keine großen Trainingsdatensätze aufbauen können.
G
KI-Systeme, die neue Inhalte erzeugen: Texte, Bilder, Code, Audio oder Video. Im Geschäftsumfeld eingesetzt für Content-Erstellung, Angebotsgenerierung, Produktbeschreibungen und automatisierte Kommunikation. Der Motor hinter dem aktuellen KI-Boom.
Generative Pre-trained Transformer — die Modellarchitektur hinter ChatGPT. GPT-Modelle werden auf großen Textmengen vortrainiert und können danach vielfältige Sprachaufgaben bewältigen. GPT-4 und seine Nachfolger zählen zu den leistungsfähigsten Sprachmodellen.
Die Optimierung von Inhalten für KI-gestützte Suchsysteme wie Google AI Overviews, ChatGPT Search oder Perplexity. GEO ist der Nachfolger der klassischen SEO und wird zunehmend wichtiger, weil immer mehr Nutzer Antworten direkt von KI-Systemen erhalten.
Ein neuronales Netz, das auf Graphstrukturen arbeitet — also auf Daten mit Beziehungen zwischen Knoten. Wird eingesetzt für Empfehlungssysteme, Betrugserkennung und Wissensnetze. Ideal, wenn Beziehungen zwischen Datenpunkten genauso wichtig sind wie die Daten selbst.
Googles multimodales KI-Modell, das Text, Bilder, Audio und Video verarbeiten kann. Gemini ist in Google-Produkte integriert und über API für Unternehmen verfügbar. Einer der drei großen Anbieter neben OpenAI und Anthropic.
H
Wenn ein KI-Modell überzeugend klingende, aber faktisch falsche Informationen generiert. Ein zentrales Risiko beim Einsatz von Sprachmodellen, das durch RAG, Faktenprüfung und Human-in-the-Loop-Prozesse minimiert wird. Darum ist Kontrolle bei KI-generierten Texten Pflicht.
Ein Systemdesign, bei dem ein Mensch in kritischen Schritten eingebunden bleibt — zur Kontrolle, Freigabe oder Korrektur. Empfohlen für Prozesse mit rechtlichen oder finanziellen Konsequenzen. Die KI arbeitet vor, der Mensch entscheidet.
Einstellungen, die vor dem Training eines KI-Modells festgelegt werden — etwa Lernrate, Batchgröße oder Modelltiefe. Die richtige Wahl der Hyperparameter beeinflusst maßgeblich, wie gut das Modell lernt und wie effizient das Training abläuft.
I
Die Anwendungsphase eines KI-Modells, in der es Vorhersagen oder Antworten auf neue Daten generiert. Inference-Kosten bestimmen maßgeblich die laufenden Betriebskosten einer KI-Lösung. Ein schnelles Modell spart Geld und liefert bessere Nutzererfahrung.
Die automatische Erkennung der Absicht hinter einer Nutzeranfrage. Ein Telefonassistent erkennt zum Beispiel, ob ein Anrufer einen Termin vereinbaren, eine Beschwerde melden oder eine Auskunft einholen möchte — und leitet den Anruf entsprechend weiter.
KI-gestützte Verarbeitung unstrukturierter Dokumente: Erkennung, Klassifizierung, Datenextraktion und Weiterleitung. Ersetzt manuelle Dateneingabe bei Rechnungen, Verträgen und Formularen. Die Fehlerrate liegt typischerweise unter der manueller Erfassung.
Automatische Erkennung und Klassifizierung von Objekten in Bildern durch KI. Wird in der Industrie für Qualitätskontrolle eingesetzt, im Handel für Produkterkennung und in der Logistik für die automatische Paketsortierung. Die Erkennungsgenauigkeit übertrifft oft das menschliche Auge.
K
Oberbegriff für Software-Systeme, die kognitive Aufgaben übernehmen: Sprache verstehen, Muster erkennen, Entscheidungen treffen. Für den Mittelstand bedeutet KI vor allem Automatisierung von Routineaufgaben und bessere Entscheidungsgrundlagen auf Basis von Daten.
Eine strukturierte Wissensdatenbank, die als Grundlage für KI-Systeme dient. Enthält Unternehmenswissen, FAQs, Prozessdokumentationen oder Produktinformationen, auf die ein KI-Agent zugreift. Je besser die Knowledge Base, desto präziser die KI-Antworten.
Ein vernetztes Wissensmodell, das Entitäten und ihre Beziehungen abbildet. Google nutzt Knowledge Graphs für die Suche; Unternehmen können damit ihr internes Wissen für KI zugänglich machen. Die vernetzte Struktur ermöglicht KI-Systemen, Zusammenhänge zu verstehen.
L
Large Language Model — ein großes Sprachmodell, das auf Milliarden von Texten trainiert wurde. LLMs wie GPT-4, Claude oder Gemini bilden die Grundlage für Chatbots, Textgenerierung und Analyse. Sie verstehen und erzeugen natürliche Sprache auf einem Niveau, das vor wenigen Jahren undenkbar war.
Low-Rank Adaptation — eine effiziente Methode zum Feintuning großer Sprachmodelle. Statt das gesamte Modell anzupassen, werden nur kleine Adapter-Schichten trainiert, was Kosten und Aufwand deutlich reduziert. Macht Feintuning auch für kleinere Unternehmen erschwinglich.
Ein Open-Source-Framework zum Bau von KI-Anwendungen mit Sprachmodellen. LangChain vereinfacht die Verkettung von Prompts, Datenbankzugriffen und Werkzeugen zu komplexen KI-Workflows. Eines der populärsten Werkzeuge in der KI-Entwicklung.
M
Maschinelles Lernen — KI-Systeme, die aus Daten lernen, statt explizit programmiert zu werden. Der Algorithmus erkennt Muster und verbessert sich mit mehr Daten. Grundlage fast aller modernen KI-Anwendungen, von Spamfiltern bis zur Umsatzprognose.
Model Context Protocol — ein offener Standard, der KI-Modellen den strukturierten Zugriff auf externe Datenquellen und Werkzeuge ermöglicht. MCP macht KI-Agenten leistungsfähiger, indem sie auf Echtzeitdaten aus CRM, ERP und anderen Systemen zugreifen können.
Im KI-Kontext ein trainiertes System, das Eingaben verarbeitet und Ausgaben erzeugt. Ein Modell enthält die gelernten Muster und Parameter, die bei der Inference angewendet werden. Unterschiedliche Modelle eignen sich für unterschiedliche Aufgaben.
KI-Systeme, die mehrere Datentypen gleichzeitig verarbeiten: Text, Bilder, Audio und Video. Multimodale Modelle können zum Beispiel ein Foto eines Schadens analysieren und einen Bericht dazu verfassen — alles in einem Schritt.
Eine Software-Architektur, bei der eine Anwendung aus vielen kleinen, unabhängigen Diensten besteht. KI-Funktionen werden oft als Microservices bereitgestellt — einzeln skalierbar, wartbar und austauschbar, ohne das Gesamtsystem zu beeinflussen.
N
Verarbeitung natürlicher Sprache — das Teilgebiet der KI, das sich mit dem Verstehen und Erzeugen menschlicher Sprache befasst. Grundlage für Chatbots, Übersetzungen, Textanalyse und Sprachassistenten. NLP macht die Mensch-Maschine-Kommunikation natürlich.
Neuronales Netz — ein KI-Modell, dessen Architektur dem menschlichen Gehirn nachempfunden ist. Besteht aus miteinander verbundenen Knoten (Neuronen) in mehreren Schichten, die Muster in Daten erkennen. Die Tiefe des Netzes bestimmt die Komplexität der erkennbaren Muster.
Plattformen, die das Erstellen von Software und Automatisierungen ohne oder mit minimaler Programmierung ermöglichen. No-Code-Tools demokratisieren den Zugang zu KI: Fachabteilungen können selbst Workflows bauen, ohne auf die IT-Abteilung warten zu müssen.
Eine Open-Source-Plattform für Workflow-Automatisierung mit visuellem Editor. n8n verbindet Hunderte von Apps und Diensten und ermöglicht die Integration von KI-Modellen in Geschäftsprozesse ohne Programmierung. Kann lokal gehostet werden — wichtig für datensensible Unternehmen.
Die automatische Erkennung und Klassifizierung von Eigennamen, Orten, Daten und Beträgen in Texten. Zentrale Technik bei der automatischen Dokumentenverarbeitung und Informationsextraktion. Macht unstrukturierte Texte maschinenlesbar und durchsuchbar.
O
Optical Character Recognition — optische Zeichenerkennung, die gedruckten oder handgeschriebenen Text in maschinenlesbaren Text umwandelt. KI-gestützte OCR erkennt auch schwierige Layouts, Tabellen und Formulare mit hoher Genauigkeit. Erster Schritt der Dokumentendigitalisierung.
KI-Modelle und -Werkzeuge, deren Quellcode frei verfügbar ist. Open-Source-Modelle wie Llama oder Mistral bieten Unternehmen Unabhängigkeit von einzelnen Anbietern und volle Kontrolle über ihre Daten. Ideal für datensensible Branchen und langfristige Investitionssicherheit.
Eine formale Beschreibung von Begriffen und ihren Beziehungen innerhalb einer Domäne. Ontologien helfen KI-Systemen, Fachsprache einer Branche zu verstehen und korrekt einzuordnen. Besonders wertvoll, wenn branchenspezifisches Vokabular eindeutig interpretiert werden muss.
P
Die Eingabe oder Anweisung, die an ein KI-Modell gesendet wird. Die Qualität des Prompts bestimmt maßgeblich die Qualität der KI-Antwort — präzise Anweisungen mit Kontext und Beispielen liefern deutlich bessere Ergebnisse als vage Fragen.
Die systematische Gestaltung von Prompts, um optimale Ergebnisse aus KI-Modellen zu erhalten. Umfasst Techniken wie Rollenanweisungen, Beispiele, Formatvorgaben und schrittweises Vorgehen. Eine der wichtigsten Fähigkeiten für den professionellen KI-Einsatz.
Die erste Trainingsphase eines KI-Modells, in der es auf großen Datenmengen grundlegende Sprachmuster und Wissen lernt. Auf Pre-Training folgt typischerweise Feintuning für spezifische Aufgaben. Pre-Training kostet Millionen und wird von den großen KI-Anbietern durchgeführt.
Eine automatisierte Abfolge von Verarbeitungsschritten, die Daten von der Eingabe bis zum Ergebnis durchlaufen. KI-Pipelines verbinden Datenaufbereitung, Modellverarbeitung und Ausgabe zu einem Gesamtprozess. Gut geplante Pipelines sind zuverlässig, wartbar und skalierbar.
Ein Datenschutzverfahren, bei dem personenbezogene Daten so verarbeitet werden, dass sie ohne zusätzliche Informationen nicht mehr einer Person zugeordnet werden können. Wichtig für DSGVO-konforme KI-Projekte, die mit Kundendaten arbeiten.
KI-gestützte Vorhersageanalysen, die auf Basis historischer Daten zukünftige Entwicklungen prognostizieren. Anwendungen: Umsatzprognosen, Kundenabwanderung vorhersagen, Lagerbestände optimieren oder Maschinenausfälle frühzeitig erkennen.
Q
Eine Anfrage an ein Datenbank- oder KI-System. Im KI-Kontext bezeichnet Query oft die Nutzeranfrage, auf die ein Retrieval-System relevante Dokumente oder ein Sprachmodell eine Antwort liefert. Gute Queries führen zu präzisen Ergebnissen.
Die Reduktion der Rechengenauigkeit eines KI-Modells, um es kleiner und schneller zu machen. Quantisierte Modelle laufen auf günstigerer Hardware, was den Betrieb von KI deutlich kosteneffizienter macht — bei oft nur minimal geringerem Qualitätsverlust.
R
Ein Ansatz, bei dem ein Sprachmodell vor der Antwort relevante Dokumente aus einer Wissensdatenbank abruft. RAG reduziert Halluzinationen und liefert aktuelle, quellenbasierte Antworten. Die wichtigste Methode, um Unternehmens-KI mit eigenem Wissen auszustatten.
Bestärkendes Lernen — ein Trainingsansatz, bei dem ein KI-Agent durch Belohnungen und Bestrafungen lernt. Wird eingesetzt für Optimierungsaufgaben, Robotersteuerung und die Verbesserung von Sprachmodellen. Die KI lernt durch Versuch und Irrtum die beste Strategie.
Robotic Process Automation — Software-Roboter, die regelbasierte Aufgaben am Bildschirm automatisieren. RPA ist der Vorgänger KI-gestützter Automatisierung und wird oft als Einstieg genutzt. Gut für einfache, vorhersehbare Prozesse mit klaren Regeln.
Die deutsche Bezeichnung für RPA. Software-Bots simulieren Mausklicks und Tastatureingaben, um repetitive Büroaufgaben zu automatisieren — von der Dateneingabe bis zur Rechnungsprüfung. Der Einstieg in die Automatisierung, bevor KI-Agenten übernehmen.
S
Überwachtes Lernen — ein Trainingsverfahren, bei dem das KI-Modell aus Beispielen mit bekannten Ergebnissen lernt. Das Modell erkennt Muster zwischen Eingabe und gewünschter Ausgabe. Die am häufigsten eingesetzte Trainingsmethode in der Praxis.
Automatische Erkennung der Stimmung oder Meinung in Texten — positiv, negativ oder neutral. Wird eingesetzt für Kundenfeedback-Auswertung, Social-Media-Monitoring und Support-Priorisierung. Hilft Unternehmen, die Kundenzufriedenheit systematisch zu erfassen.
KI-gestützte Umwandlung gesprochener Sprache in geschriebenen Text. Grundlage für Telefonassistenten, Diktier-Software, Meeting-Protokolle und barrierefreie Angebote. Moderne Systeme erkennen auch Dialekte und Fachbegriffe zuverlässig.
Ein standardisiertes Vokabular für strukturierte Daten im Web. Suchmaschinen und KI-Systeme nutzen Schema.org-Markup, um Inhalte besser zu verstehen und in Ergebnissen prominent darzustellen. Wichtig für die Sichtbarkeit in KI-gestützten Suchergebnissen.
Die Fähigkeit eines KI-Systems, mit wachsender Datenmenge und Nutzerzahl umzugehen, ohne an Leistung zu verlieren. Gut skalierbare KI-Lösungen wachsen mit dem Unternehmen mit — ohne dass die Architektur komplett neu aufgebaut werden muss.
T
Ein Werkzeug, das Text in Token — einzelne Wortteile oder Zeichen — zerlegt. Die Tokenisierung bestimmt, wie ein Sprachmodell Text verarbeitet, und beeinflusst Kosten und Geschwindigkeit. Ein deutscher Text verbraucht typischerweise mehr Token als ein englischer.
Ein Ansatz, bei dem ein auf einer Aufgabe trainiertes Modell auf eine verwandte Aufgabe übertragen wird. Spart erhebliche Trainingszeit und -kosten, weil nicht bei null begonnen werden muss. Der Grund, warum KI auch für kleinere Unternehmen zugänglich geworden ist.
Die grundlegende Architektur hinter modernen Sprachmodellen wie GPT und BERT. Transformer verarbeiten Text parallel statt sequenziell, was sie schneller und leistungsfähiger macht als frühere Ansätze. Die Erfindung des Transformers 2017 war der Startschuss für die aktuelle KI-Revolution.
KI-gestützte Umwandlung von geschriebenem Text in natürlich klingende Sprache. Wird eingesetzt für Telefonassistenten, Barrierefreiheit, E-Learning und automatisierte Kundeninteraktion. Moderne TTS-Stimmen sind kaum noch von menschlichen Stimmen zu unterscheiden.
U
Unüberwachtes Lernen — ein Trainingsverfahren, bei dem das KI-Modell eigenständig Muster und Strukturen in Daten erkennt, ohne vorgegebene Labels. Wird für Kundensegmentierung, Anomalie-Erkennung und die Entdeckung versteckter Zusammenhänge eingesetzt.
Die gezielte Weiterbildung von Mitarbeitern im Umgang mit KI-Werkzeugen. Erfolgreiches Upskilling ist oft der entscheidende Faktor, ob ein KI-Projekt im Unternehmen angenommen wird. Technologie allein bringt wenig, wenn das Team sie nicht nutzen kann.
Ein konkreter Anwendungsfall, für den eine KI-Lösung eingesetzt wird. Erfolgreiche KI-Projekte starten mit einem klar definierten Use Case statt mit der Technologie. Typische Use Cases im Mittelstand: Dokumentenverarbeitung, Kundenservice-Automatisierung und Angebotserstellung.
V
KI-Systeme, die Sprache verstehen und darauf reagieren. Umfasst Telefonassistenten, Sprachsteuerung und Voice-Bots, die natürliche Dialoge mit Kunden oder Mitarbeitern führen. Voice AI wird zunehmend zum Standard im Kundenservice und Empfang.
Eine Suchmethode, die Inhalte nach semantischer Ähnlichkeit statt nach exakten Schlüsselwörtern findet. Grundlage für intelligente Unternehmenssuche, RAG-Systeme und Empfehlungssysteme. Findet relevante Ergebnisse, auch wenn die Suchbegriffe nicht wörtlich vorkommen.
Die deutsche Bezeichnung für Natural Language Processing (NLP). Ermöglicht KI-Systemen, menschliche Sprache zu lesen, zu verstehen und zu erzeugen — in allen Varianten von formell bis umgangssprachlich. Die Grundtechnologie hinter jedem textbasierten KI-System.
W
Die Automatisierung von mehrstufigen Geschäftsprozessen mit Software-Tools. KI-gestützte Workflow Automation geht über einfache Wenn-Dann-Regeln hinaus und trifft eigenständig Entscheidungen. Verbindet verschiedene Systeme zu einem nahtlosen Ablauf.
Ein Mechanismus, bei dem ein System automatisch ein anderes System über Ereignisse benachrichtigt. Webhooks verbinden KI-Agenten mit CRM, E-Mail, Buchhaltung und anderen Geschäftsanwendungen. Das Rückgrat moderner Automatisierungen und Integrationen.
Systematische Erfassung, Strukturierung und Bereitstellung von Unternehmenswissen. KI-gestütztes Wissensmanagement macht implizites Expertenwissen für alle Mitarbeiter zugänglich und durchsuchbar. Verhindert Wissensverlust bei Personalwechsel.
Eine Software-Schicht, die eine komplexe API oder ein KI-Modell mit einer vereinfachten Oberfläche umhüllt. Viele KI-Tools für Unternehmen sind Wrapper um Foundation Models, die den Zugang vereinfachen und branchenspezifische Funktionen hinzufügen.
Z
Die Fähigkeit eines KI-Modells, Aufgaben zu lösen, für die es kein einziges Trainingsbeispiel gesehen hat. Moderne LLMs können dank Zero-Shot Learning ad hoc neue Aufgabentypen bearbeiten — ohne vorheriges Training auf exakt diese Aufgabe.
Die Analyse von Daten, die über einen Zeitraum gesammelt wurden — etwa Umsätze, Maschinenauslastung oder Kundenanfragen. KI erkennt Trends, Saisonmuster und Anomalien für bessere Vorhersagen. Essenziell für Bedarfsplanung und vorausschauende Wartung.
KI in der Praxis erleben
Vom Glossar zur Anwendung: Entdecken Sie, wie KI in Ihrem Unternehmen konkret Mehrwert schafft.