<EbeneX/>
KI-GLOSSAR

Alle Begriffe

KI-Begriffe verständlich erklärt – von Machine Learning, Transformer und Large Language Models über RAG, Prompt Engineering und Vektordatenbanken bis zu KI-Agenten und Diffusionsmodellen. Ohne Vorkenntnisse, mit praktischen Beispielen und Querverweisen zu verwandten Konzepten.

219 Begriffe ·11 Themengebiete
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

Praxis Daten

A/B Testing

A/B Testing

Eine Methode zum Vergleich zweier Varianten (A und B) durch zufällige Aufteilung der Nutzer – der Goldstandard für datengetriebene Entscheidungen.

Einsteiger Mehr erfahren →
Web Digital

Accessibility

Accessibility (a11y)

Digitale Barrierefreiheit – das Prinzip, dass Websites, Apps und digitale Inhalte für alle Menschen nutzbar sein sollen, unabhängig von Behinderungen, Einschränkungen oder genutzten Hilfsmitteln.

Fortgeschritten Mehr erfahren →
Sicherheit Grundlagen

Adversarial Attacks

Adversarial Attacks

Gezielte Manipulationen von Eingabedaten, die KI-Modelle zu falschen Vorhersagen verleiten – oft für Menschen unsichtbar, aber für das Modell verheerend.

Experte Mehr erfahren →
LLM Praxis

Agent

AI Agent

Ein KI-System, das eigenständig Aufgaben plant, Entscheidungen trifft und Tools nutzt, um komplexe Ziele zu erreichen – über einfache Frage-Antwort-Interaktion hinaus.

Fortgeschritten Mehr erfahren →
LLM Praxis

Agentic Workflows

Agentic Workflows

KI-Systeme, in denen LLMs autonom planen, Entscheidungen treffen und Tools nutzen um komplexe Aufgaben mehrstufig zu lösen – der nächste Schritt nach einfachen Chat-Antworten.

Fortgeschritten Mehr erfahren →
Sicherheit Grundlagen

AI Act (EU)

EU AI Act

Die weltweit erste umfassende KI-Regulierung – das EU-Gesetz klassifiziert KI-Systeme nach Risiko und stellt Anforderungen an Transparenz, Sicherheit und menschliche Aufsicht.

Einsteiger Mehr erfahren →
Praxis Grundlagen

AI Readiness

AI Readiness

Der Grad der Bereitschaft eines Unternehmens, KI erfolgreich einzusetzen – umfasst Daten, Technologie, Prozesse, Kultur und Kompetenzen.

Einsteiger Mehr erfahren →
Praxis

AI Use Case

AI Use Case

Ein konkreter Anwendungsfall, in dem Künstliche Intelligenz einen messbaren Mehrwert für ein Unternehmen oder einen Prozess liefert.

Einsteiger Mehr erfahren →
Grundlagen Architektur

Aktivierungsfunktion

Activation Function

Mathematische Funktionen in neuronalen Netzen, die Nicht-Linearität einführen – ohne sie könnte ein Netz nur lineare Zusammenhänge lernen, egal wie viele Layers es hat.

Fortgeschritten Mehr erfahren →
Grundlagen

Algorithmus

Algorithm

Eine eindeutige, schrittweise Anleitung zur Lösung eines Problems oder zur Durchführung einer Berechnung – das Grundprinzip hinter jeder Software und KI.

Einsteiger Mehr erfahren →
LLM Sicherheit

Alignment

AI Alignment

Der Prozess, KI-Systeme so auszurichten, dass sie menschliche Werte, Absichten und Sicherheitsanforderungen zuverlässig befolgen.

Fortgeschritten Mehr erfahren →
Sicherheit Daten

Anonymisierung / Pseudonymisierung

Anonymization / Pseudonymization

Techniken zum Schutz personenbezogener Daten: Anonymisierung entfernt den Personenbezug unwiderruflich, Pseudonymisierung ersetzt ihn durch Kennzeichen.

Fortgeschritten Mehr erfahren →
Web DevOps

API (Application Programming Interface)

Application Programming Interface

Eine definierte Schnittstelle, über die Softwaresysteme miteinander kommunizieren können – der Standard für die Integration von KI-Diensten in Anwendungen.

Einsteiger Mehr erfahren →
Web DevOps

API Gateway

API Gateway

Ein zentraler Einstiegspunkt für API-Anfragen, der Routing, Authentifizierung, Rate Limiting und andere Querschnittsfunktionen übernimmt.

Fortgeschritten Mehr erfahren →
Architektur Grundlagen

Attention Mechanism

Attention Mechanism

Der Kernmechanismus moderner KI-Modelle – ermöglicht es einem Modell, sich auf die relevantesten Teile der Eingabe zu konzentrieren, statt alles gleich zu gewichten.

Experte Mehr erfahren →
Praxis Grundlagen

Automation vs. Augmentation

Automation vs. Augmentation

Zwei grundlegende Strategien für den KI-Einsatz: Automation ersetzt menschliche Arbeit vollständig, Augmentation unterstützt und verstärkt menschliche Fähigkeiten.

Einsteiger Mehr erfahren →
Praxis Grundlagen

AutoML

AutoML

Automatisiertes Machine Learning – Tools und Techniken die den ML-Workflow automatisieren: von Feature Engineering über Modellauswahl bis Hyperparameter-Tuning.

Fortgeschritten Mehr erfahren →

C

Web DevOps

Caching

Caching

Das Zwischenspeichern von häufig angefragten Daten oder Berechnungsergebnissen, um wiederholte Anfragen schneller und günstiger zu beantworten.

Einsteiger Mehr erfahren →
DevOps Praxis

Canary Deployment

Canary Deployment / Canary Release

Eine Deployment-Strategie, bei der neue Modellversionen zunächst nur einem kleinen Teil der Nutzer ausgeliefert werden, um Probleme früh zu erkennen.

Fortgeschritten Mehr erfahren →
Web DevOps

CDN (Content Delivery Network)

Content Delivery Network

Ein globales Netzwerk von Servern, das Inhalte von geografisch nahen Standorten ausliefert – für schnellere Ladezeiten und bessere Verfügbarkeit.

Einsteiger Mehr erfahren →
LLM Praxis

Chain-of-Thought

Chain-of-Thought Prompting

Eine Prompting-Technik, bei der das Modell aufgefordert wird, Schritt für Schritt zu denken – verbessert die Reasoning-Fähigkeiten von LLMs dramatisch.

Einsteiger Mehr erfahren →
LLM Grundlagen

ChatGPT / GPT

ChatGPT / GPT

Eine Familie von Large Language Models von OpenAI – GPT steht für 'Generative Pre-trained Transformer'. ChatGPT ist die Chat-optimierte Version, die KI für Millionen Menschen zugänglich gemacht hat.

Einsteiger Mehr erfahren →
LLM Praxis

Chunking & Reranking

Chunking & Reranking

Zwei Schlüsseltechniken für RAG-Systeme: Chunking teilt Dokumente in suchbare Abschnitte, Reranking sortiert die Ergebnisse nach Relevanz.

Fortgeschritten Mehr erfahren →
Web DevOps

CI/CD (Continuous Integration / Continuous Deployment)

Continuous Integration / Continuous Deployment

Automatisierte Prozesse, die Code-Änderungen kontinuierlich testen (CI) und in Produktion bringen (CD) – für schnellere und zuverlässigere Software-Releases.

Fortgeschritten Mehr erfahren →
LLM Grundlagen

Claude (Anthropic)

Claude

Claude ist die KI-Modell-Familie von Anthropic – entwickelt mit besonderem Fokus auf Sicherheit, Ehrlichkeit und hilfreiche Interaktion. Claude konkurriert direkt mit GPT-5 und Gemini 3.

Einsteiger Mehr erfahren →
Praxis Architektur

Clean Code

Clean Code

Prinzipien und Praktiken für lesbaren, wartbaren und verständlichen Quellcode – Code, der sich wie gut geschriebene Prosa liest.

Einsteiger Mehr erfahren →
Architektur Bild-KI

CLIP

CLIP (Contrastive Language-Image Pretraining)

Ein multimodales Modell von OpenAI, das Text und Bilder in einen gemeinsamen Vektorraum einbettet – die Grundlage für Bild-Suche, DALL-E und viele Vision-Language-Modelle.

Experte Mehr erfahren →
Architektur Grundlagen

CNN (Convolutional Neural Network)

Convolutional Neural Network

Eine neuronale Netzwerk-Architektur, die speziell für die Verarbeitung von Bildern und räumlichen Daten entwickelt wurde und lokale Muster durch Filter erkennt.

Fortgeschritten Mehr erfahren →
Grundlagen Daten

Confusion Matrix

Confusion Matrix

Eine Tabelle, die zeigt wie oft ein Klassifikationsmodell richtig und falsch lag – aufgeschlüsselt nach True/False Positives und Negatives.

Einsteiger Mehr erfahren →
Grundlagen Sicherheit

Constitutional AI

Constitutional AI (CAI)

Eine von Anthropic entwickelte Methode, KI-Modelle durch ein Set von Prinzipien (eine 'Verfassung') sicher und hilfreich zu machen – ohne ausschließlich auf menschliches Feedback angewiesen zu sein.

Experte Mehr erfahren →
Web DevOps

Container (Docker)

Container / Docker

Eine Technologie, die Anwendungen mit allen Abhängigkeiten in isolierte, portable Pakete verpackt – damit sie überall gleich laufen.

Fortgeschritten Mehr erfahren →
LLM Praxis

Context Engineering

Context Engineering

Die Kunst, das begrenzte Kontextfenster eines LLMs optimal zu nutzen – durch Priorisierung, Kompression und intelligente Auswahl relevanter Informationen.

Fortgeschritten Mehr erfahren →
Grundlagen Architektur

Continual Learning

Continual Learning / Lifelong Learning

Ein Paradigma, bei dem ML-Modelle kontinuierlich aus neuen Daten lernen, ohne das zuvor Gelernte zu vergessen – eine der größten Herausforderungen in der KI.

Experte Mehr erfahren →
Digital Marketing Daten

Cookieless Tracking

Cookieless Tracking

Methoden zur Messung von Nutzerverhalten und Marketing-Performance ohne Third-Party Cookies – als Reaktion auf Browser-Einschränkungen, DSGVO und das Ende des klassischen Retargetings.

Fortgeschritten Mehr erfahren →
Web Marketing

Core Web Vitals

Core Web Vitals

Googles Messgrößen für die Nutzererfahrung einer Webseite – bestehend aus Largest Contentful Paint (LCP), Cumulative Layout Shift (CLS) und Interaction to Next Paint (INP).

Einsteiger Mehr erfahren →
Web

CORS

Cross-Origin Resource Sharing (CORS)

Ein Browser-Sicherheitsmechanismus, der kontrolliert, welche Webseiten Anfragen an eine andere Domain stellen dürfen – und wie Server diese Anfragen erlauben oder ablehnen.

Fortgeschritten Mehr erfahren →
Daten Grundlagen

Cosine Similarity

Cosine Similarity

Ein Ähnlichkeitsmaß, das den Winkel zwischen zwei Vektoren misst – der Standard für den Vergleich von Embeddings in der semantischen Suche und RAG-Systemen.

Fortgeschritten Mehr erfahren →
Grundlagen Architektur

Cross-Entropy

Cross-Entropy Loss

Eine Loss Function, die misst, wie gut eine vorhergesagte Wahrscheinlichkeitsverteilung mit der tatsächlichen Verteilung übereinstimmt – Standard für Klassifikation und LLMs.

Fortgeschritten Mehr erfahren →

D

Daten Grundlagen

Data Augmentation

Data Augmentation

Techniken zur künstlichen Vergrößerung von Trainingsdatensätzen durch Transformationen – Rotation, Spiegelung, Rauschen oder semantische Variationen.

Fortgeschritten Mehr erfahren →
Daten Praxis

Data Governance

Data Governance

Ein Framework aus Richtlinien, Prozessen und Standards zur Verwaltung von Daten – stellt Qualität, Sicherheit, Compliance und Nutzbarkeit von Daten sicher.

Fortgeschritten Mehr erfahren →
Daten DevOps

Data Lake

Data Lake

Ein zentraler Speicher, der große Mengen an Rohdaten in ihrem ursprünglichen Format aufnimmt – strukturiert, semi-strukturiert und unstrukturiert.

Fortgeschritten Mehr erfahren →
Daten DevOps

Data Mesh

Data Mesh

Ein Architekturansatz, bei dem Dateneigentum und -verantwortung dezentralisiert werden – jedes Team besitzt und verwaltet seine eigenen Daten als Produkt, statt alles in einem zentralen Data Warehouse zu bündeln.

Experte Mehr erfahren →
Daten DevOps

Data Pipeline

Data Pipeline

Eine automatisierte Abfolge von Schritten, die Daten von der Quelle über Transformation bis zum Ziel transportiert und verarbeitet.

Fortgeschritten Mehr erfahren →
Daten DevOps

Data Warehouse

Data Warehouse

Ein zentrales Datenspeichersystem, das strukturierte, aufbereitete Daten aus verschiedenen Quellen für schnelle analytische Abfragen optimiert bereitstellt.

Fortgeschritten Mehr erfahren →
Daten Grundlagen

Dataset

Dataset

Eine strukturierte Sammlung von Daten, die für das Training, die Evaluation oder das Testen von KI-Modellen verwendet wird.

Einsteiger Mehr erfahren →
Daten Praxis

Datenannotation

Data Annotation

Der Prozess, Rohdaten mit zusätzlichen Informationen (Labels, Tags, Markierungen) zu versehen, damit KI-Modelle daraus lernen können.

Einsteiger Mehr erfahren →
Sicherheit Grundlagen

Datenschutz (DSGVO-Kontext)

Data Privacy / GDPR

Der Schutz personenbezogener Daten bei der Entwicklung und dem Einsatz von KI-Systemen – mit besonderem Fokus auf die europäische Datenschutz-Grundverordnung.

Fortgeschritten Mehr erfahren →
Grundlagen

Deep Learning

Deep Learning

Ein Teilbereich des Machine Learning, der tiefe künstliche neuronale Netze mit vielen Schichten nutzt, um komplexe Muster in großen Datenmengen zu erkennen.

Fortgeschritten Mehr erfahren →
Web Praxis

Dependency Injection

Dependency Injection (DI)

Ein Entwurfsmuster, bei dem Abhängigkeiten einer Klasse nicht intern erstellt, sondern von außen übergeben werden – für bessere Testbarkeit, Flexibilität und lose Kopplung.

Fortgeschritten Mehr erfahren →
Architektur Praxis

Design Patterns

Design Patterns

Bewährte Lösungsschablonen für wiederkehrende Probleme in der Softwareentwicklung – von Singleton über Observer bis Factory.

Fortgeschritten Mehr erfahren →
Digital Praxis

Design Thinking

Design Thinking

Eine iterative Innovationsmethode, die Empathie für Nutzer, kreative Ideenfindung und schnelles Prototyping kombiniert – um Probleme zu lösen, die noch nicht klar definiert sind.

Einsteiger Mehr erfahren →
Web DevOps

DevOps

DevOps

Eine Kultur und Praxis, die Softwareentwicklung (Dev) und IT-Betrieb (Ops) vereint, um Software schneller, zuverlässiger und automatisierter zu liefern.

Einsteiger Mehr erfahren →
Sicherheit Daten

Differential Privacy

Differential Privacy

Ein mathematisches Framework, das garantiert, dass die Analyse eines Datensatzes keine Rückschlüsse auf einzelne Personen zulässt – durch kontrolliertes Hinzufügen von Rauschen.

Experte Mehr erfahren →
Bild-KI Architektur

Diffusionsmodell

Diffusion Model

Eine generative KI-Architektur, die Bilder erzeugt, indem sie schrittweise Rauschen entfernt – die Technologie hinter Stable Diffusion, DALL-E und Midjourney.

Experte Mehr erfahren →
Digital Praxis

Digitale Transformation

Digital Transformation

Der grundlegende Wandel von Unternehmen, Organisationen und Gesellschaft durch den Einsatz digitaler Technologien – nicht nur Prozesse digitalisieren, sondern Geschäftsmodelle, Kultur und Strukturen neu denken.

Einsteiger Mehr erfahren →
Grundlagen DevOps

Distillation (Knowledge Distillation)

Knowledge Distillation

Eine Technik, bei der ein kleines 'Schüler'-Modell trainiert wird, das Verhalten eines großen 'Lehrer'-Modells nachzuahmen – für effizientere Inferenz bei ähnlicher Qualität.

Experte Mehr erfahren →
LLM Grundlagen

DPO (Direct Preference Optimization)

Direct Preference Optimization

Eine Trainingsmethode für LLMs, die menschliche Präferenzen direkt in das Modell einbettet – einfacher und stabiler als RLHF, ohne separates Reward Model.

Experte Mehr erfahren →
DevOps Grundlagen

Drift (Data Drift / Model Drift)

Data Drift / Model Drift / Concept Drift

Die schleichende Verschlechterung eines ML-Modells in Produktion, weil sich die Eingabedaten oder die Zusammenhänge zwischen Eingabe und Ausgabe über die Zeit verändern.

Fortgeschritten Mehr erfahren →

E

Web DevOps

Edge Computing

Edge Computing

Die Verarbeitung von Daten nahe am Entstehungsort (am 'Rand' des Netzwerks) statt in einem zentralen Rechenzentrum – für niedrigere Latenz und besseren Datenschutz.

Fortgeschritten Mehr erfahren →
Daten Grundlagen

Embedding Space

Embedding Space

Der hochdimensionale mathematische Raum, in dem Embeddings leben – semantisch ähnliche Konzepte liegen nahe beieinander, verschiedene weit auseinander.

Fortgeschritten Mehr erfahren →
Daten LLM

Embeddings

Embeddings

Numerische Vektordarstellungen von Text, Bildern oder anderen Daten, die semantische Bedeutung in einem hochdimensionalen Raum abbilden.

Fortgeschritten Mehr erfahren →
Grundlagen Architektur

Entropy

Entropy

Ein Maß für Unsicherheit oder Informationsgehalt einer Wahrscheinlichkeitsverteilung – fundamental für Informationstheorie, Entscheidungsbäume und Sprachmodelle.

Fortgeschritten Mehr erfahren →
Grundlagen

Epoch / Batch / Iteration

Epoch / Batch / Iteration

Die drei Zeiteinheiten des Machine-Learning-Trainings: Eine Epoch ist ein kompletter Durchlauf aller Daten, ein Batch ist eine Teilmenge, und eine Iteration ist ein Trainingsschritt.

Einsteiger Mehr erfahren →
Daten DevOps

ETL / ELT

ETL / ELT

Zwei Muster für Datenpipelines: ETL transformiert Daten vor dem Laden, ELT lädt Rohdaten zuerst und transformiert sie im Zielsystem.

Fortgeschritten Mehr erfahren →
Web DevOps

Event-Driven Architecture

Event-Driven Architecture (EDA)

Ein Architekturmuster, bei dem Komponenten über Ereignisse (Events) kommunizieren statt direkt miteinander – für lose Kopplung, Skalierbarkeit und Reaktionsfähigkeit.

Fortgeschritten Mehr erfahren →
DevOps Praxis

Experiment Tracking

Experiment Tracking

Die systematische Dokumentation von ML-Experimenten – Hyperparameter, Metriken, Code-Versionen und Artefakte, um Ergebnisse reproduzierbar und vergleichbar zu machen.

Fortgeschritten Mehr erfahren →
Sicherheit Grundlagen

Explainability (XAI)

Explainability / Explainable AI (XAI)

Die Fähigkeit, Entscheidungen und Vorhersagen von KI-Systemen für Menschen nachvollziehbar und verständlich zu machen.

Fortgeschritten Mehr erfahren →
Grundlagen Sicherheit

Explainable AI (XAI)

Explainable AI (XAI)

Methoden und Techniken, die KI-Entscheidungen für Menschen nachvollziehbar machen – von SHAP-Werten bis zu Attention-Visualisierungen.

Fortgeschritten Mehr erfahren →

F

Sicherheit Grundlagen

Fairness

Fairness

Das Prinzip, dass KI-Systeme alle Personen und Gruppen gleich und gerecht behandeln sollten – ohne systematische Bevorzugung oder Benachteiligung.

Fortgeschritten Mehr erfahren →
Daten DevOps

Feature Drift

Feature Drift / Data Drift

Eine Veränderung in der statistischen Verteilung der Eingabe-Features eines ML-Modells über Zeit – kann zu Leistungseinbußen führen, auch wenn das Modell selbst unverändert ist.

Fortgeschritten Mehr erfahren →
Daten Grundlagen

Feature Engineering

Feature Engineering

Der Prozess, aus Rohdaten aussagekräftige Merkmale (Features) zu extrahieren oder zu erstellen, die einem ML-Modell helfen, bessere Vorhersagen zu treffen.

Fortgeschritten Mehr erfahren →
DevOps Web

Feature Flags

Feature Flags (Feature Toggles)

Konfigurationsschalter, die es ermöglichen, Features im laufenden Betrieb ein- und auszuschalten – ohne neues Deployment. Ermöglichen Canary Releases, A/B-Tests und sofortige Rollbacks.

Fortgeschritten Mehr erfahren →
Daten DevOps

Feature Store

Feature Store

Eine zentrale Plattform zur Speicherung, Verwaltung und Bereitstellung von ML-Features, die Konsistenz zwischen Training und Produktion sicherstellt.

Experte Mehr erfahren →
Daten Sicherheit

Federated Learning

Federated Learning

Eine Trainingsmethode, bei der das Modell zu den Daten kommt statt umgekehrt – Daten bleiben lokal, nur Modell-Updates werden geteilt.

Experte Mehr erfahren →
LLM Grundlagen

Few-Shot / Zero-Shot Learning

Few-Shot / Zero-Shot Learning

Die Fähigkeit von KI-Modellen, Aufgaben mit nur wenigen Beispielen (Few-Shot) oder ganz ohne Beispiele (Zero-Shot) zu lösen.

Einsteiger Mehr erfahren →
LLM Praxis

Fine-Tuning

Fine-Tuning

Das gezielte Nachtrainieren eines vortrainierten KI-Modells auf spezifische Daten oder Aufgaben, um es für einen bestimmten Einsatzzweck zu optimieren.

Fortgeschritten Mehr erfahren →
Digital Marketing Daten

First-Party Data vs. Third-Party Data

First-Party Data vs. Third-Party Data

First-Party Data sind Daten, die ein Unternehmen direkt von seinen Nutzern erhebt. Third-Party Data werden von Dritten gesammelt und verkauft. Mit dem Ende der Third-Party-Cookies wird First-Party Data zum strategischen Asset.

Fortgeschritten Mehr erfahren →
LLM Grundlagen

Foundation Model

Foundation Model

Große, auf breiten Daten vortrainierte KI-Modelle, die als Grundlage für viele verschiedene Anwendungen dienen – durch Fine-Tuning oder Prompting anpassbar.

Einsteiger Mehr erfahren →
LLM Praxis

Function Calling

Function Calling

Eine Fähigkeit moderner LLMs, strukturierte Funktionsaufrufe zu generieren, die externe Tools, APIs oder Datenbanken ansprechen können.

Fortgeschritten Mehr erfahren →

I

Web Praxis

Idempotenz

Idempotency

Eine Operation ist idempotent, wenn sie beliebig oft ausgeführt werden kann und immer dasselbe Ergebnis liefert wie beim ersten Mal – entscheidend für robuste APIs und verteilte Systeme.

Fortgeschritten Mehr erfahren →
Bild-KI Architektur

Image Segmentation

Image Segmentation

Eine Computer-Vision-Aufgabe, bei der jeder Pixel eines Bildes einer Klasse oder Instanz zugeordnet wird – präziser als Object Detection und Grundlage für medizinische Bildgebung, autonomes Fahren und Bildbearbeitung.

Experte Mehr erfahren →
Daten Grundlagen

Imbalanced Data

Imbalanced Data / Class Imbalance

Ein häufiges Problem in ML, wenn Klassen im Datensatz sehr ungleich verteilt sind – z.B. 99% normale Transaktionen, 1% Betrug. Erfordert spezielle Techniken.

Fortgeschritten Mehr erfahren →
Architektur Praxis

Inference Optimization

Inference Optimization

Techniken, die die Ausführung von KI-Modellen schneller und günstiger machen – von KV-Cache über Batching bis Speculative Decoding.

Experte Mehr erfahren →
Grundlagen

Inferenz

Inference

Die Anwendung eines trainierten KI-Modells auf neue Daten, um Vorhersagen oder Ausgaben zu generieren – der produktive Einsatz nach dem Training.

Einsteiger Mehr erfahren →
DevOps

Infrastructure as Code

Infrastructure as Code (IaC)

Das Prinzip, IT-Infrastruktur (Server, Netzwerke, Datenbanken) nicht manuell zu konfigurieren, sondern als versionierten Code zu definieren und automatisch bereitzustellen.

Fortgeschritten Mehr erfahren →
LLM Grundlagen

Instruction Tuning

Instruction Tuning / Instruction Fine-Tuning

Eine Fine-Tuning-Methode, bei der LLMs lernen, natürlichsprachliche Anweisungen zu befolgen – der Schlüssel zu hilfreichen, interaktiven KI-Assistenten.

Fortgeschritten Mehr erfahren →

L

Daten Grundlagen

Labeling

Labeling / Data Labeling

Das Zuweisen von Kategorien oder Tags zu Datenpunkten – der spezifische Akt des Beschriftens, der Datenannotation erst ermöglicht.

Einsteiger Mehr erfahren →
Praxis LLM

LangChain / LlamaIndex

LangChain / LlamaIndex

Die zwei populärsten Frameworks für LLM-Anwendungen – LangChain für Chains und Agents, LlamaIndex für RAG und Daten-Indexierung.

Fortgeschritten Mehr erfahren →
LLM Grundlagen

Large Language Model (LLM)

Large Language Model

Ein KI-Modell, das auf riesigen Textmengen trainiert wurde und menschenähnliche Sprache verstehen und generieren kann.

Einsteiger Mehr erfahren →
Bild-KI Architektur

Latent Diffusion

Latent Diffusion Model (LDM)

Eine Variante von Diffusionsmodellen, die im komprimierten latenten Raum arbeitet statt auf Pixel-Ebene – die Grundlage von Stable Diffusion und deutlich effizienter.

Experte Mehr erfahren →
Grundlagen Architektur

Latent Space

Latent Space

Ein komprimierter, gelernter Repräsentationsraum, in dem ein Modell die wesentlichen Merkmale von Daten kodiert – die 'innere Vorstellung' eines neuronalen Netzes.

Experte Mehr erfahren →
LLM DevOps

LLM Evaluation

LLM Evaluation (Evals)

Methoden und Metriken zur systematischen Bewertung der Qualität, Zuverlässigkeit und Sicherheit von Large Language Models und KI-Anwendungen – von automatisierten Benchmarks bis zu menschlichem Feedback.

Fortgeschritten Mehr erfahren →
LLM DevOps

LLM Router

LLM Router

Ein System, das eingehende LLM-Anfragen basierend auf Komplexität, Kosten oder Anforderungen automatisch an das optimale Modell weiterleitet – für bessere Performance bei geringeren Kosten.

Experte Mehr erfahren →
Web DevOps

Load Balancing

Load Balancing

Das Verteilen von eingehenden Anfragen auf mehrere Server oder Instanzen, um Überlastung zu vermeiden, Ausfallsicherheit zu erhöhen und die Performance zu optimieren.

Fortgeschritten Mehr erfahren →
LLM Grundlagen

Logits

Logits

Die rohen, unnormalisierten Ausgabewerte eines neuronalen Netzes, bevor sie durch Softmax in Wahrscheinlichkeiten umgewandelt werden.

Fortgeschritten Mehr erfahren →
LLM Praxis

LoRA / QLoRA

LoRA / QLoRA

Effiziente Fine-Tuning-Methoden, die nur einen Bruchteil der Modellparameter anpassen – LoRA (Low-Rank Adaptation) macht Fine-Tuning auf Consumer-Hardware möglich.

Experte Mehr erfahren →
Grundlagen

Loss Function

Loss Function

Eine mathematische Funktion, die misst, wie weit die Vorhersage eines Modells von der tatsächlichen Antwort entfernt ist – das zentrale Optimierungsziel beim Training.

Fortgeschritten Mehr erfahren →
Architektur Grundlagen

LSTM (Long Short-Term Memory)

Long Short-Term Memory

Eine erweiterte RNN-Architektur mit speziellen Gate-Mechanismen, die Langzeitabhängigkeiten in Sequenzen besser erfassen kann als einfache RNNs.

Experte Mehr erfahren →

M

Grundlagen

Machine Learning (ML)

Grundlagen

Ein Teilbereich der KI, bei dem Algorithmen aus Daten lernen und Vorhersagen treffen, ohne explizit programmiert zu werden.

Einsteiger Mehr erfahren →
Web DevOps

Message Queue

Message Queue

Ein Kommunikationsmuster, bei dem Nachrichten in einer Warteschlange zwischengespeichert werden – ermöglicht asynchrone, entkoppelte Kommunikation zwischen Services.

Fortgeschritten Mehr erfahren →
Web DevOps

Microservices

Microservices

Ein Architekturmuster, bei dem eine Anwendung aus vielen kleinen, unabhängigen Services besteht, die jeweils eine spezifische Aufgabe erfüllen.

Fortgeschritten Mehr erfahren →
Architektur LLM

Mixture of Experts (MoE)

Mixture of Experts

Eine Modellarchitektur, bei der nur ein Teil der Parameter pro Eingabe aktiviert wird – ermöglicht riesige Modelle bei moderatem Rechenaufwand.

Experte Mehr erfahren →
DevOps Praxis

MLflow

MLflow

Eine Open-Source-Plattform für den gesamten ML-Lifecycle: Experiment-Tracking, Modell-Registry, Deployment und Reproduzierbarkeit von ML-Projekten.

Fortgeschritten Mehr erfahren →
DevOps Praxis

MLOps

MLOps (Machine Learning Operations)

Die Praxis, Machine-Learning-Modelle zuverlässig und effizient in Produktion zu bringen und zu betreiben – die Verbindung von ML, DevOps und Data Engineering.

Fortgeschritten Mehr erfahren →
Architektur LLM Praxis

Model Context Protocol (MCP)

Model Context Protocol

Ein offenes Protokoll von Anthropic, das KI-Modellen standardisierten Zugriff auf externe Datenquellen, Tools und Systeme ermöglicht – wie ein universeller USB-C-Anschluss für KI-Anwendungen.

Fortgeschritten Mehr erfahren →
DevOps Praxis

Model Deployment

Model Deployment

Der Prozess, ein trainiertes ML-Modell in eine Produktionsumgebung zu bringen, wo es Vorhersagen für echte Nutzer und Anwendungen liefert.

Fortgeschritten Mehr erfahren →
Sicherheit DevOps

Model Governance

Model Governance / AI Governance

Richtlinien, Prozesse und Kontrollen für die verantwortungsvolle Entwicklung, Bereitstellung und Überwachung von KI-Modellen über ihren gesamten Lebenszyklus.

Fortgeschritten Mehr erfahren →
DevOps Praxis

Model Registry

Model Registry

Ein zentrales Repository zur Versionierung, Speicherung und Verwaltung von Machine-Learning-Modellen – mit Metadaten, Lineage und Deployment-Status.

Fortgeschritten Mehr erfahren →
Grundlagen

Modell

Model

Eine mathematische Repräsentation, die aus Daten gelernte Muster enthält und Vorhersagen oder Entscheidungen für neue Eingaben treffen kann.

Einsteiger Mehr erfahren →
DevOps Praxis

Monitoring

Monitoring

Die kontinuierliche Überwachung von KI-Systemen in Produktion, um Performance-Probleme, Datenänderungen und Modellverschlechterung frühzeitig zu erkennen.

Fortgeschritten Mehr erfahren →
LLM Architektur

Multi-Agent Systems

Multi-Agent Systems (MAS)

Architekturen, in denen mehrere spezialisierte KI-Agenten zusammenarbeiten, um komplexe Aufgaben zu lösen – jeder Agent hat eine Rolle und kommuniziert mit anderen.

Experte Mehr erfahren →
LLM Grundlagen

Multimodalität

Multimodality

Die Fähigkeit eines KI-Modells, verschiedene Datentypen wie Text, Bilder, Audio und Video gleichzeitig zu verstehen und zu verarbeiten.

Fortgeschritten Mehr erfahren →
Praxis

MVP (Minimum Viable Product)

Minimum Viable Product

Die einfachste Version eines KI-Produkts, die echten Nutzern einen Mehrwert liefert – der nächste Schritt nach einem erfolgreichen Proof of Concept.

Einsteiger Mehr erfahren →

O

Sicherheit Praxis

OAuth

OAuth 2.0

Ein offenes Autorisierungsprotokoll, das Anwendungen begrenzten Zugriff auf Nutzerkonten ermöglicht – ohne dass der Nutzer sein Passwort teilen muss.

Fortgeschritten Mehr erfahren →
Bild-KI Architektur

Object Detection

Object Detection

Eine Computer-Vision-Aufgabe, bei der KI-Modelle Objekte in Bildern oder Videos erkennen und mit Bounding Boxes lokalisieren – Grundlage für autonomes Fahren, Videoüberwachung und Robotik.

Fortgeschritten Mehr erfahren →
DevOps

Observability

Observability

Die Fähigkeit, den internen Zustand eines Systems anhand seiner externen Ausgaben zu verstehen – bestehend aus den drei Säulen Logs, Metrics und Traces.

Fortgeschritten Mehr erfahren →
Daten

OLAP vs. OLTP

OLAP vs. OLTP

OLTP (Online Transaction Processing) ist für schnelle, häufige Einzeltransaktionen optimiert. OLAP (Online Analytical Processing) für komplexe Analysen über große Datenmengen.

Fortgeschritten Mehr erfahren →
Praxis Architektur

ONNX

Open Neural Network Exchange

Ein offenes Format für ML-Modelle, das Portabilität zwischen Frameworks ermöglicht – ein Modell in PyTorch trainieren und in TensorFlow oder auf Edge-Geräten ausführen.

Fortgeschritten Mehr erfahren →
Daten Grundlagen

Ontologie

Ontology

Eine formale Beschreibung von Konzepten, deren Eigenschaften und Beziehungen innerhalb einer Wissensdomäne – die Grundlage für strukturiertes Wissensmanagement in KI-Systemen.

Experte Mehr erfahren →
Grundlagen

Overfitting / Underfitting

Overfitting / Underfitting

Zwei fundamentale Probleme beim Machine Learning: Overfitting bedeutet, das Modell lernt Trainingsdaten auswendig; Underfitting bedeutet, es lernt zu wenig.

Einsteiger Mehr erfahren →

P

Grundlagen

Parameter

Parameters

Die internen Zahlenwerte eines KI-Modells, die während des Trainings gelernt werden und das 'Wissen' des Modells repräsentieren.

Einsteiger Mehr erfahren →
Grundlagen LLM

Perplexity

Perplexity

Eine Metrik die misst, wie 'überrascht' ein Sprachmodell von einem Text ist – niedrigere Perplexity bedeutet besseres Sprachverständnis.

Experte Mehr erfahren →
Digital Praxis

Platform Economy

Platform Economy

Ein Wirtschaftsmodell, bei dem digitale Plattformen Anbieter und Nachfrager zusammenbringen und dabei Netzwerkeffekte nutzen – je mehr Teilnehmer, desto wertvoller die Plattform.

Einsteiger Mehr erfahren →
Architektur Grundlagen

Positional Encoding

Positional Encoding / Positional Embedding

Eine Technik, die Transformern die Position von Tokens in einer Sequenz mitteilt – notwendig, weil Attention allein keine Reihenfolge kennt.

Experte Mehr erfahren →
Grundlagen Daten

Precision, Recall & F1-Score

Precision, Recall & F1-Score

Die drei wichtigsten Metriken zur Bewertung von Klassifikationsmodellen – Precision misst Genauigkeit, Recall misst Vollständigkeit, F1 kombiniert beide.

Einsteiger Mehr erfahren →
Web

Progressive Web App

Progressive Web App (PWA)

Eine Webanwendung, die durch moderne Browser-APIs native App-Funktionen bietet – Offline-Nutzung, Installation auf dem Homescreen, Push-Benachrichtigungen – ohne App Store.

Fortgeschritten Mehr erfahren →
Praxis DevOps

Prompt Caching

Prompt Caching

Eine Optimierungstechnik bei LLM-APIs, bei der wiederkehrende Teile eines Prompts (z.B. System-Prompts oder lange Dokumente) gecacht werden, um Latenz und Kosten zu reduzieren.

Fortgeschritten Mehr erfahren →
LLM Praxis

Prompt Chaining

Prompt Chaining

Eine Technik, bei der komplexe Aufgaben in mehrere aufeinanderfolgende LLM-Aufrufe zerlegt werden – die Ausgabe eines Prompts wird zur Eingabe des nächsten.

Fortgeschritten Mehr erfahren →
LLM Praxis

Prompt Compression

Prompt Compression

Techniken, um Prompts zu verkürzen ohne wesentliche Informationen zu verlieren – für geringere Token-Kosten, niedrigere Latenz und bessere Nutzung des Kontextfensters.

Experte Mehr erfahren →
LLM Praxis

Prompt Engineering

Prompt Engineering

Die Kunst und Technik, Anweisungen für KI-Sprachmodelle so zu formulieren, dass sie optimale und zielgerichtete Ergebnisse liefern.

Einsteiger Mehr erfahren →
Sicherheit LLM

Prompt Injection

Prompt Injection

Ein Sicherheitsangriff, bei dem bösartige Eingaben ein LLM dazu bringen, seine Anweisungen zu ignorieren und unerwünschte Aktionen auszuführen.

Fortgeschritten Mehr erfahren →
Praxis

Proof of Concept (PoC)

Proof of Concept

Ein schneller, begrenzter Test, der zeigt, ob eine KI-Idee technisch machbar ist und das gewünschte Ergebnis liefern kann – bevor größere Investitionen getätigt werden.

Einsteiger Mehr erfahren →
Architektur DevOps

Pruning

Pruning

Eine Optimierungstechnik, bei der unwichtige Gewichte oder Neuronen aus einem trainierten Modell entfernt werden – für kleinere, schnellere Modelle mit minimaler Qualitätseinbuße.

Experte Mehr erfahren →
DevOps Praxis

PyTorch

PyTorch

Ein Open-Source Deep Learning Framework von Meta, das für seine Flexibilität, dynamische Graphen und Python-native Entwicklung bekannt ist – der Standard in Forschung und zunehmend in Produktion.

Fortgeschritten Mehr erfahren →

R

LLM Daten

RAG (Retrieval Augmented Generation)

Retrieval Augmented Generation

Eine Technik, die Large Language Models mit externen Wissensdatenbanken verbindet, um präzisere und faktenbasierte Antworten zu generieren.

Fortgeschritten Mehr erfahren →
Web DevOps

Rate Limiting

Rate Limiting

Eine Technik zur Begrenzung der Anzahl von API-Anfragen pro Zeiteinheit – schützt vor Überlastung, Missbrauch und hilft bei der Kostenkontrolle.

Fortgeschritten Mehr erfahren →
LLM Praxis

ReAct Prompting

ReAct (Reasoning + Acting)

Ein Prompting-Framework, das Reasoning (Denken) und Acting (Handeln) kombiniert – das LLM denkt laut nach, führt Aktionen aus und beobachtet die Ergebnisse.

Experte Mehr erfahren →
LLM Architektur

Reasoning-Modelle

Reasoning Models

Eine neue Klasse von KI-Modellen, die komplexe Probleme durch explizites mehrstufiges Denken lösen – GPT-5 Thinking, Claude Opus 4.6 und DeepSeek R1 sind prominente Beispiele.

Fortgeschritten Mehr erfahren →
Sicherheit Praxis

Red Teaming

Red Teaming

Ein systematischer Ansatz, bei dem Experten versuchen, Schwachstellen in KI-Systemen zu finden – durch Simulation von Angriffen, Missbrauch und Edge Cases.

Fortgeschritten Mehr erfahren →
Grundlagen

Regularisierung

Regularization

Techniken, die verhindern, dass ein KI-Modell Trainingsdaten auswendig lernt (Overfitting), indem sie die Modellkomplexität einschränken.

Fortgeschritten Mehr erfahren →
Grundlagen

Reinforcement Learning

Reinforcement Learning

Eine Machine-Learning-Methode, bei der ein Agent durch Versuch und Irrtum lernt, indem er für gute Aktionen belohnt und für schlechte bestraft wird.

Fortgeschritten Mehr erfahren →
Sicherheit Grundlagen

Responsible AI

Responsible AI

Ein übergreifendes Framework für die ethische, faire und transparente Entwicklung und Nutzung von KI-Systemen – von Bias-Erkennung bis Umweltauswirkungen.

Einsteiger Mehr erfahren →
Web DevOps

REST (Representational State Transfer)

Representational State Transfer

Ein Architekturstil für Web-APIs, der auf HTTP-Methoden und Ressourcen basiert – der De-facto-Standard für die meisten Web-Schnittstellen und KI-APIs.

Einsteiger Mehr erfahren →
LLM Grundlagen

Reward Model

Reward Model

Ein Modell, das menschliche Präferenzen gelernt hat und vorhersagen kann, welche Ausgabe ein Mensch bevorzugen würde – zentrale Komponente von RLHF.

Experte Mehr erfahren →
LLM Grundlagen

RLHF (Reinforcement Learning from Human Feedback)

Reinforcement Learning from Human Feedback

Eine Trainingsmethode, bei der ein KI-Modell durch menschliches Feedback lernt, hilfreiche, harmlose und ehrliche Antworten zu generieren.

Experte Mehr erfahren →
Architektur Grundlagen

RNN (Recurrent Neural Network)

Recurrent Neural Network

Eine neuronale Netzwerk-Architektur mit internem Gedächtnis, die sequenzielle Daten wie Text oder Zeitreihen verarbeiten kann – weitgehend durch Transformer ersetzt.

Fortgeschritten Mehr erfahren →

S

DevOps Digital

SaaS, PaaS und IaaS

SaaS / PaaS / IaaS

Die drei grundlegenden Cloud-Servicemodelle: Software as a Service (fertige Anwendungen), Platform as a Service (Entwicklungsplattform) und Infrastructure as a Service (virtuelle Infrastruktur).

Einsteiger Mehr erfahren →
LLM Grundlagen

Scaling Laws

Scaling Laws

Empirische Gesetzmäßigkeiten, die beschreiben, wie die Leistung von LLMs mit Modellgröße, Datenmenge und Rechenleistung skaliert – Grundlage für Trainings-Entscheidungen.

Experte Mehr erfahren →
Web DevOps

SDK (Software Development Kit)

Software Development Kit

Ein Paket aus Bibliotheken, Tools und Dokumentation, das Entwicklern die Integration einer API oder Plattform in ihre Anwendung erleichtert.

Einsteiger Mehr erfahren →
Grundlagen LLM

Self-Supervised Learning

Self-Supervised Learning

Eine Lernmethode, bei der das Modell sich selbst Trainingsaufgaben aus ungelabelten Daten erstellt – die Grundlage für das Pre-Training moderner LLMs.

Fortgeschritten Mehr erfahren →
Daten Praxis

Semantische Suche

Semantic Search

Eine Suchmethode, die die Bedeutung einer Anfrage versteht statt nur nach exakten Keywords zu suchen – ermöglicht durch Embeddings und Vektordatenbanken.

Fortgeschritten Mehr erfahren →
Marketing Web

SEO

Search Engine Optimization (SEO)

Search Engine Optimization – alle Maßnahmen, die dazu beitragen, dass eine Website in Suchmaschinen wie Google besser gefunden wird: technische Optimierung, Inhalte und Verlinkung.

Fortgeschritten Mehr erfahren →
Web

Server-Sent Events

Server-Sent Events (SSE)

Ein Web-Standard, der es einem Server ermöglicht, kontinuierlich Daten an einen Browser zu senden – über eine einzige HTTP-Verbindung, ohne dass der Client erneut anfragen muss.

Fortgeschritten Mehr erfahren →
Web DevOps

Serverless

Serverless Computing

Ein Cloud-Computing-Modell, bei dem der Cloud-Anbieter die Server-Infrastruktur vollständig verwaltet – Entwickler deployen nur ihren Code, der bei Bedarf ausgeführt wird.

Fortgeschritten Mehr erfahren →
DevOps Web

Service Mesh

Service Mesh

Eine dedizierte Infrastrukturschicht, die die Kommunikation zwischen Microservices übernimmt – inklusive Load Balancing, Verschlüsselung, Observability und Traffic-Management.

Experte Mehr erfahren →
Grundlagen Architektur

Softmax

Softmax Function

Eine mathematische Funktion, die einen Vektor von Zahlen in eine Wahrscheinlichkeitsverteilung umwandelt – zentral für Klassifikation und Attention in neuronalen Netzen.

Fortgeschritten Mehr erfahren →
Architektur Praxis

SOLID-Prinzipien

SOLID Principles

Fünf fundamentale Designprinzipien der objektorientierten Programmierung, die zu wartbarem, erweiterbarem und testbarem Code führen.

Fortgeschritten Mehr erfahren →
LLM Architektur

Speculative Decoding

Speculative Decoding

Eine Optimierungstechnik, bei der ein kleines Modell Tokens vorschlägt und ein großes Modell sie parallel verifiziert – für deutlich schnellere Inferenz.

Experte Mehr erfahren →
Daten Architektur

SQL vs. NoSQL

SQL vs. NoSQL

Zwei grundlegend verschiedene Ansätze zur Datenspeicherung: relationale Datenbanken mit fester Struktur (SQL) versus flexible, schema-lose Datenbanken (NoSQL).

Einsteiger Mehr erfahren →
Bild-KI Praxis

Stable Diffusion

Stable Diffusion

Ein Open-Source Bildgenerierungsmodell, das aus Textbeschreibungen fotorealistische Bilder erzeugt – basierend auf der Diffusions-Architektur.

Fortgeschritten Mehr erfahren →
LLM Praxis

Structured Output

Structured Output

Eine Technik, bei der LLMs ihre Antworten in einem vordefinierten Format (meist JSON) ausgeben, statt freiem Text – für zuverlässige Integration in Anwendungen.

Fortgeschritten Mehr erfahren →
Grundlagen

Supervised Learning

Supervised Learning

Eine Machine-Learning-Methode, bei der ein Modell aus gelabelten Beispieldaten lernt – also aus Eingaben mit bekannter korrekter Ausgabe.

Einsteiger Mehr erfahren →
Daten Praxis

Synthetische Daten

Synthetic Data

Künstlich generierte Trainingsdaten, die echte Daten ergänzen oder ersetzen – von LLM-generierten Texten bis zu simulierten Sensordaten.

Fortgeschritten Mehr erfahren →
LLM Praxis

System Prompt

System Prompt

Eine versteckte Anweisung an ein Sprachmodell, die dessen Rolle, Verhalten und Einschränkungen für eine gesamte Konversation definiert.

Einsteiger Mehr erfahren →

T

LLM Praxis

Temperatur

Temperature

Ein Parameter bei der Textgenerierung, der steuert, wie kreativ oder deterministisch die Ausgabe eines Sprachmodells ist.

Einsteiger Mehr erfahren →
DevOps Praxis

TensorFlow

TensorFlow

Ein Open-Source Deep Learning Framework von Google, bekannt für Produktion, Mobile Deployment und das Keras-API – historisch das erste große DL-Framework.

Fortgeschritten Mehr erfahren →
LLM Architektur

Test-Time Compute

Test-Time Compute (TTC) / Inference-Time Compute

Eine Strategie, bei der KI-Modelle zur Inferenzzeit mehr Rechenkapazität nutzen, um durch längeres Nachdenken, Selbstkorrektur oder mehrfache Versuche bessere Ergebnisse zu erzielen.

Experte Mehr erfahren →
LLM Praxis

Text-to-Image

Text-to-Image (T2I)

KI-Systeme, die aus natürlichsprachlichen Beschreibungen Bilder generieren – von DALL-E über Midjourney bis Stable Diffusion.

Einsteiger Mehr erfahren →
LLM Grundlagen

Tokenisierung

Tokenization

Der Prozess, bei dem Text in kleinere Einheiten (Tokens) zerlegt wird, bevor ein Sprachmodell ihn verarbeiten kann – der erste und entscheidende Schritt jeder NLP-Pipeline.

Fortgeschritten Mehr erfahren →
Grundlagen LLM

Tokenizer (BPE / SentencePiece)

Tokenizer (BPE / SentencePiece)

Algorithmen die Text in Tokens zerlegen – BPE (Byte Pair Encoding) und SentencePiece sind die Standards hinter GPT, LLaMA und den meisten modernen LLMs.

Fortgeschritten Mehr erfahren →
Grundlagen LLM

Tokens

Tokens

Die kleinsten Texteinheiten, in die ein Sprachmodell Text zerlegt – Wörter, Wortteile oder einzelne Zeichen, die das Modell verarbeiten kann.

Einsteiger Mehr erfahren →
LLM Praxis

Tool Use / Function Calling

Tool Use / Function Calling

Die Fähigkeit von Sprachmodellen, externe Werkzeuge und Funktionen aufzurufen – von Websuche über Code-Ausführung bis zu API-Aufrufen.

Fortgeschritten Mehr erfahren →
LLM Praxis

Top-p (Nucleus Sampling)

Top-p / Nucleus Sampling

Eine Sampling-Methode bei der Textgenerierung, die nur die wahrscheinlichsten Tokens berücksichtigt, deren kumulative Wahrscheinlichkeit einen Schwellenwert p erreicht.

Fortgeschritten Mehr erfahren →
Grundlagen Daten

Trainingsdaten

Training Data

Die Datensätze, mit denen KI-Modelle trainiert werden – sie bestimmen maßgeblich, was ein Modell lernt, wie gut es funktioniert und welche Verzerrungen es aufweist.

Einsteiger Mehr erfahren →
Grundlagen Praxis

Transfer Learning

Transfer Learning

Eine Technik, bei der ein auf großen Datenmengen vortrainiertes Modell für eine neue, spezifische Aufgabe angepasst wird – spart enorm Zeit, Daten und Rechenleistung.

Fortgeschritten Mehr erfahren →
Architektur LLM

Transformer

Transformer

Eine revolutionäre neuronale Netzwerk-Architektur, die auf dem Attention-Mechanismus basiert und die Grundlage für moderne Sprachmodelle wie GPT und BERT bildet.

Experte Mehr erfahren →

V

Architektur Grundlagen

VAE (Variational Autoencoder)

Variational Autoencoder

Eine generative Modellarchitektur, die Daten in einen latenten Raum komprimiert und daraus neue, ähnliche Daten generieren kann – Grundlage für viele generative KI-Systeme.

Experte Mehr erfahren →
Daten DevOps

Vector Search

Vector Search / Nearest Neighbor Search

Eine Suchmethode, die Daten als hochdimensionale Vektoren darstellt und die ähnlichsten Vektoren zu einer Anfrage findet – die Grundlage für semantische Suche und RAG.

Fortgeschritten Mehr erfahren →
Daten DevOps

Vektordatenbank

Vector Database

Eine spezialisierte Datenbank, die hochdimensionale Vektoren (Embeddings) speichert und effiziente Ähnlichkeitssuchen ermöglicht.

Fortgeschritten Mehr erfahren →
Sicherheit Grundlagen

Verschlüsselung

Encryption

Die Umwandlung von lesbaren Daten in einen unlesbaren Code, der nur mit dem richtigen Schlüssel wieder entschlüsselt werden kann – Grundlage jeder digitalen Sicherheit.

Fortgeschritten Mehr erfahren →
Praxis Web

Vibe Coding

Vibe Coding

Ein Programmierparadigma, bei dem Entwickler hauptsächlich in natürlicher Sprache mit KI-Assistenten kommunizieren und den generierten Code übernehmen, statt ihn Zeile für Zeile selbst zu schreiben.

Einsteiger Mehr erfahren →
Architektur Bild-KI

Vision Transformer (ViT)

Vision Transformer (ViT)

Eine Transformer-Architektur für Computer Vision, die Bilder in Patches aufteilt und wie Tokens verarbeitet – ohne Convolutional Layers.

Experte Mehr erfahren →