Themenwelt
Cloud und Infrastruktur verstehen
Wo Software heute läuft – und warum das entscheidend ist.
Ob eine Anwendung im eigenen Rechenzentrum, in der Cloud oder in einer Mischform läuft, entscheidet über Kosten, Tempo und Kontrolle. Diese Themenwelt ordnet die Begriffe rund um Betrieb und Architektur ein.
127 Begriffe
- 127
- Begriffe
- 1
- Guide
- 7
- Vergleiche
- 31.08.2026
- zuletzt aktualisiert
01Überblick
Was gehört zu Cloud und Infrastruktur?
Cloud-Modelle
IaaS, PaaS, SaaS, Serverless
Container und Orchestrierung
Docker, Kubernetes, Deployments
Architektur
Monolith, Microservices, Schnittstellen
Betrieb
CI/CD, Monitoring, Skalierung
02Empfohlener Einstieg
Neu im Thema? Starte hier.
Cloud Computing
Was es bedeutet, Rechenleistung zu mieten statt zu besitzen.
API
Wie Systeme miteinander sprechen.
Container und Docker
Wie eine Anwendung samt Umgebung transportabel wird.
CI/CD
Wie Änderungen geprüft und automatisiert ausgeliefert werden.
Kubernetes
Wie viele Container im Betrieb koordiniert werden.
MLOps verstehen
Dasselbe für Modelle statt für Anwendungen.
03Verzeichnis
Alle 127 Begriffe dieser Welt
A
7 Begriffe
↑ Alphabet- A/B Rolloutauch: Gradual Rollout
- Schrittweises Ausrollen neuer Features an Nutzergruppen.
- Cloud
- Fortgeschritten
- Aktivierungsfunktionauch: Activation Function
- Funktionen, die Nicht-Linearität in neuronalen Netzen ermöglichen.
- Cloud
- Fortgeschritten
- API Gateway
- Zentraler Einstiegspunkt für API-Anfragen mit Routing und Sicherheit.
- Cloud
- Fortgeschritten
- Application Programming Interfaceauch: API
- Schnittstelle zur Kommunikation zwischen Softwaresystemen.
- Cloud
- Einsteiger
- Autoscalingauch: Autoscaling / Auto Scaling
- Automatische Anpassung von Ressourcen basierend auf Auslastung.
- Cloud
- Fortgeschritten
B
3 Begriffe
↑ Alphabet- Beam Search
- Decoding-Algorithmus, der mehrere Kandidaten parallel verfolgt.
- Künstliche Intelligenz
- Experte
- Blue-Green Deployment
- Zwei Umgebungen für risikoärmere Deployments und schnelles Rollback.
- Cloud
- Fortgeschritten
C
15 Begriffe
↑ Alphabet- Cache-Augmented Generationauch: CAG
- Wissensbasis komplett in den gecachten Kontext laden statt Retrieval.
- Künstliche Intelligenz
- Fortgeschritten
- Canary Deploymentauch: Canary Release
- Neue Versionen erst für wenige Nutzer, dann schrittweise ausrollen.
- Cloud
- Fortgeschritten
- CLIPauch: CLIP (Contrastive Language-Image Pretraining)
- OpenAI-Modell, das Text und Bilder in einem gemeinsamen Vektorraum verbindet.
- Künstliche Intelligenz
- Experte
- Cloud Computing
- IT-Ressourcen flexibel über das Internet nutzen statt eigener Hardware.
- Cloud
- Einsteiger
- Cold Start
- Verzögerung beim ersten Request, wenn Ressourcen erst hochgefahren werden müssen.
- Cloud
- Fortgeschritten
- Container (Docker)auch: Container / Docker
- Technologie zur Isolation und Portabilität von Anwendungen.
- Cloud
- Fortgeschritten
- Content Delivery Networkauch: CDN
- Ein Netzwerk von Servern liefert Inhalte schnell aus.
- Cloud
- Einsteiger
- Context Caching
- Zwischenspeichern von LLM-Kontexten für geringere Kosten und Latenz.
- Künstliche Intelligenz
- Fortgeschritten
- Continual Learningauch: Lifelong Learning
- Modelle lernen kontinuierlich, ohne Altes zu vergessen.
- Cloud
- Experte
- Continuous Integration / Continuous Deploymentauch: CI/CD
- Automatisierte Prozesse für kontinuierliche Software-Entwicklung.
- Cloud
- Fortgeschritten
- Convolutional Neural Networkauch: CNN
- Neurales Netzwerk zur Verarbeitung von Bilddaten.
- Cloud
- Fortgeschritten
- CQRSauch: Command Query Responsibility Segregation
- Trennung von Lese- und Schreibmodellen für gezielte Optimierung.
- Cloud
- Experte
- Cross-Entropyauch: Cross-Entropy Loss
- Loss Function für Klassifikation und Sprachmodelle.
- Cloud
- Fortgeschritten
D
12 Begriffe
↑ Alphabet- Data Mesh
- Dezentrales Datenmodell: Teams besitzen ihre Daten als Produkt statt zentralem Warehouse.
- Daten
- Experte
- Data Residencyauch: Data Localization
- Anforderung, Daten in bestimmten geografischen Regionen zu speichern.
- Sicherheit
- Fortgeschritten
- Data Warehouse
- Ein System zur schnellen Analyse strukturierter Daten aus verschiedenen Quellen.
- Daten
- Fortgeschritten
- Design Patterns
- Bewährte Lösungen für häufige Probleme in der Softwareentwicklung.
- Cloud
- Fortgeschritten
- Diffusionsmodellauch: Diffusion Model
- Ein Modell, das Bilder durch Rauschreduzierung generiert.
- Künstliche Intelligenz
- Experte
- Distillation (Knowledge Distillation)auch: Knowledge Distillation
- Ein kleines Modell lernt, ein großes Modell zu imitieren.
- Cloud
- Experte
- Drift (Data Drift / Model Drift)auch: Data Drift
- Die langsame Verschlechterung eines Modells durch veränderte Daten.
- Cloud
- Fortgeschritten
E
6 Begriffe
↑ Alphabet- Edge Computing
- Datenverarbeitung erfolgt nah am Entstehungsort für bessere Latenz.
- Cloud
- Fortgeschritten
- ETL / ELTauch: ETL
- ETL transformiert Daten vor dem Laden, ELT danach im Zielsystem.
- Daten
- Fortgeschritten
- Event-Driven Architectureauch: Event-Driven Architecture (EDA)
- Komponenten kommunizieren über Ereignisse statt direkte Aufrufe – lose Kopplung.
- Cloud
- Fortgeschritten
F
3 Begriffe
↑ Alphabet- Feature Flagsauch: Feature Flags (Feature Toggles)
- Konfigurationsschalter zum Ein-/Ausschalten von Features ohne neues Deployment.
- Cloud
- Fortgeschritten
G
5 Begriffe
↑ Alphabet- Generative Adversarial Networkauch: GAN
- Zwei neuronale Netze konkurrieren zur Datengenerierung.
- Künstliche Intelligenz
- Experte
- Greedy Decoding
- Wählt immer das wahrscheinlichste nächste Token.
- Künstliche Intelligenz
- Fortgeschritten
- gRPCauch: gRPC (gRPC Remote Procedure Calls)
- Hochperformantes RPC-Framework für Microservices-Kommunikation.
- Cloud
- Experte
I
4 Begriffe
↑ Alphabet- IAM (Identity and Access Management)auch: Identity and Access Management
- Verwaltung von Identitäten und Zugriffsrechten in IT-Systemen.
- Sicherheit
- Fortgeschritten
- Image Segmentation
- Jeder Pixel wird einer Klasse zugeordnet – präziser als Bounding Boxes.
- Künstliche Intelligenz
- Experte
- Infrastructure as Codeauch: Infrastructure as Code (IaC)
- Infrastruktur wird als versionierter Code definiert und automatisch bereitgestellt.
- Cloud
- Fortgeschritten
J
1 Begriff
↑ Alphabet- JSON Web Tokenauch: JWT
- Signierte Tokens für sichere Authentifizierung und Informationsübertragung.
- Sicherheit
- Fortgeschritten
K
5 Begriffe
↑ Alphabet- Key Rotationauch: Credential Rotation
- Risikobasierter Austausch von Schlüsseln und Credentials für mehr Sicherheit.
- Sicherheit
- Fortgeschritten
- KI-Orchestrierungauch: AI Orchestration
- Koordination mehrerer KI-Komponenten zu automatisierten Workflows.
- Cloud
- Fortgeschritten
- Kubernetesauch: Kubernetes (K8s)
- Plattform zur Automatisierung von Container-Anwendungen.
- Cloud
- Experte
- KV-Cacheauch: KV-Cache (Key-Value Cache)
- Caching von Attention-Berechnungen für schnellere Inferenz.
- Künstliche Intelligenz
- Experte
L
7 Begriffe
↑ Alphabet- Latency vs. Throughput
- Latenz = wie schnell eine Anfrage. Throughput = wie viele Anfragen pro Zeit.
- Cloud
- Fortgeschritten
- Latent Diffusionauch: Latent Diffusion Model (LDM)
- Diffusion im komprimierten latenten Raum statt auf Pixeln.
- Künstliche Intelligenz
- Experte
- LLM Evaluationauch: LLM Evaluation (Evals)
- Systematische Bewertung von LLM-Qualität, Zuverlässigkeit und Sicherheit.
- Künstliche Intelligenz
- Fortgeschritten
- LLM Router
- Verteilt LLM-Anfragen automatisch ans optimale Modell – nach Komplexität und Kosten.
- Künstliche Intelligenz
- Experte
- Load Balancing
- Eingehende Anfragen werden auf mehrere Server verteilt, um Überlastung zu vermeiden.
- Cloud
- Fortgeschritten
- Long Short-Term Memoryauch: LSTM
- Eine RNN-Architektur, die Langzeitabhängigkeiten besser erfasst.
- Cloud
- Experte
M
15 Begriffe
↑ Alphabet- Mixture of Experts (MoE)auch: Mixture of Experts
- Modellarchitektur, die nur einige Parameter pro Eingabe aktiviert.
- Künstliche Intelligenz
- Experte
- MLflow
- Open-Source MLOps-Plattform für Experiment-Tracking und Modell-Management.
- Cloud
- Fortgeschritten
- MLOpsauch: Machine Learning Operations
- Effiziente Bereitstellung und Betrieb von Machine-Learning-Modellen.
- Cloud
- Fortgeschritten
- Model Context Protocolauch: MCP
- Ein Protokoll für den standardisierten Zugriff auf externe Datenquellen.
- Künstliche Intelligenz
- Fortgeschritten
- Model Governanceauch: AI Governance
- Richtlinien zur verantwortungsvollen Entwicklung von KI-Modellen.
- Sicherheit
- Fortgeschritten
- Model Risk Managementauch: Model Risk Management (MRM)
- Systematisches Management von Risiken durch ML-Modelle in Produktion.
- Cloud
- Fortgeschritten
- Model Versioning
- Systematische Verwaltung von ML-Modell-Versionen für Reproduzierbarkeit.
- Cloud
- Fortgeschritten
- Monolithauch: Monolithic Architecture
- Eine Anwendung als einzelne, zusammenhängende Einheit.
- Cloud
- Einsteiger
- Multi-Agent Systemsauch: Multi-Agent Systems (MAS)
- Mehrere spezialisierte KI-Agenten arbeiten zusammen.
- Künstliche Intelligenz
- Experte
- Multimodalität (Multimodale KI)auch: Multimodal AI
- KI die Text, Bilder, Audio und Video gleichzeitig versteht.
- Künstliche Intelligenz
- Fortgeschritten
N
2 Begriffe
↑ Alphabet- Nucleus Sampling (Top-p Sampling)auch: Nucleus Sampling
- Sampling-Methode, die nur die wahrscheinlichsten Tokens bis zum Schwellenwert p nutzt.
- Künstliche Intelligenz
- Experte
O
5 Begriffe
↑ Alphabet- Object Detection
- KI erkennt und lokalisiert Objekte in Bildern mit Bounding Boxes.
- Künstliche Intelligenz
- Fortgeschritten
- Observability
- Fähigkeit, den Zustand eines Systems durch Logs, Metrics und Traces zu verstehen.
- Cloud
- Fortgeschritten
- ONNXauch: Open Neural Network Exchange
- Ein Format, das ML-Modelle zwischen Frameworks portabel macht.
- Cloud
- Fortgeschritten
- OpenAPI / Swaggerauch: OpenAPI Specification (OAS) / Swagger
- Standard für maschinenlesbare API-Dokumentation.
- Cloud
- Fortgeschritten
- OWASPauch: Open Web Application Security Project
- Organisation für Web-Sicherheitsstandards und die berühmte Top 10 Liste.
- Sicherheit
- Fortgeschritten
P
4 Begriffe
↑ Alphabet- Positional Encodingauch: Positional Embedding
- Gibt Transformern Information über Token-Positionen.
- Cloud
- Experte
- Prompt Caching
- Wiederkehrende Prompt-Teile werden gecacht um Kosten und Latenz zu senken.
- Cloud
- Fortgeschritten
Q
1 Begriff
↑ Alphabet- Quantisierungauch: Quantization
- Gewichte eines KI-Modells werden zur Effizienz reduziert.
- Cloud
- Experte
R
8 Begriffe
↑ Alphabet- RBAC und ABACauch: Role-Based / Attribute-Based Access Control
- Zugriffssteuerung: RBAC (rollenbasiert) vs. ABAC (attributbasiert).
- Sicherheit
- Fortgeschritten
- Reasoning-Modelleauch: Reasoning Models
- KI-Modelle die durch mehrstufiges Nachdenken komplexe Probleme lösen.
- Künstliche Intelligenz
- Fortgeschritten
- Recurrent Neural Networkauch: RNN
- Neuronales Netzwerk mit Gedächtnis für sequenzielle Datenverarbeitung.
- Cloud
- Fortgeschritten
- Redisauch: Redis (Remote Dictionary Server)
- Blitzschnelle In-Memory-Datenbank für Caching und Echtzeit-Daten.
- Cloud
- Fortgeschritten
- Reproducibility
- Gleiche Inputs, gleiche Ergebnisse – Grundprinzip für vertrauenswürdiges ML.
- Cloud
- Fortgeschritten
- REST (Representational State Transfer)auch: Representational State Transfer
- Architekturstil für Web-APIs basierend auf HTTP-Methoden.
- Cloud
- Einsteiger
- Reverse Proxy
- Vermittler zwischen Clients und Backend-Servern für Security und Performance.
- Cloud
- Fortgeschritten
S
11 Begriffe
↑ Alphabet- SaaS, PaaS und IaaSauch: SaaS / PaaS / IaaS
- SaaS = fertige Software, PaaS = Entwicklungsplattform, IaaS = virtuelle Infrastruktur – alle als Cloud-Service.
- Cloud
- Einsteiger
- Secrets Management
- Sichere Speicherung von API-Keys, Passwörtern und anderen Credentials.
- Sicherheit
- Fortgeschritten
- Serverlessauch: Serverless Computing
- Der Cloud-Anbieter verwaltet die Infrastruktur, Entwickler laden nur Code hoch.
- Cloud
- Fortgeschritten
- Service Mesh
- Infrastrukturschicht für sichere, beobachtbare Kommunikation zwischen Microservices.
- Cloud
- Experte
- Shadow Deploymentauch: Shadow Mode
- Neue Version läuft parallel mit echtem Traffic, aber ohne Nutzer-Impact.
- Cloud
- Fortgeschritten
- SLA, SLO, SLIauch: Service Level Agreement / Objective / Indicator
- SLI misst Performance, SLO setzt Ziele, SLA ist der Vertrag mit Kunden.
- Cloud
- Fortgeschritten
- Softmaxauch: Softmax Function
- Wandelt Zahlen in Wahrscheinlichkeiten um (Summe = 1).
- Cloud
- Fortgeschritten
- Software Development Kitauch: SDK
- Paket zur Unterstützung der API-Integration in Anwendungen.
- Cloud
- Einsteiger
- SOLID-Prinzipienauch: SOLID Principles
- Fünf Prinzipien, die die Wartbarkeit und Erweiterbarkeit von Code fördern.
- Cloud
- Fortgeschritten
- Speculative Decoding
- Kleines Modell schlägt vor, großes verifiziert – schnellere Inferenz.
- Künstliche Intelligenz
- Experte
- SQL vs. NoSQL
- SQL nutzt feste Strukturen, während NoSQL flexible, schema-lose Datenbanken bietet.
- Daten
- Einsteiger
T
4 Begriffe
↑ Alphabet- Test-Time Computeauch: Test-Time Compute (TTC)
- KI-Modelle nutzen zur Anfragezeit mehr Rechenleistung für bessere Ergebnisse.
- Künstliche Intelligenz
- Experte
- Threat Modeling
- Systematische Identifikation von Sicherheitsbedrohungen in Systemen.
- Sicherheit
- Fortgeschritten
- Transformer
- Neuronale Netzwerk-Architektur, die moderne Sprachmodelle unterstützt.
- Künstliche Intelligenz
- Experte
V
5 Begriffe
↑ Alphabet- VAE (Variational Autoencoder)auch: Variational Autoencoder
- Generatives Modell, das Daten komprimiert und neu generiert.
- Cloud
- Experte
- Vector Searchauch: Nearest Neighbor Search
- Daten werden als Vektoren dargestellt, um ähnliche zu finden.
- Daten
- Fortgeschritten
- Vektordatenbankauch: Vector Database
- Eine Datenbank für die Speicherung hochdimensionaler Vektoren.
- Daten
- Fortgeschritten
- Vision Transformer (ViT)
- Transformer-Modell für Bildverarbeitung ohne CNNs.
- Künstliche Intelligenz
- Experte
W
3 Begriffe
↑ Alphabet- WebSockets
- Protokoll für dauerhafte Echtzeit-Verbindungen zwischen Client und Server.
- Cloud
- Fortgeschritten
- Weights & Biasesauch: W&B
- MLOps-Plattform für Experiment-Tracking, Visualisierung und Team-Kollaboration.
- Cloud
- Fortgeschritten
Z
1 Begriff
↑ Alphabet- Zero Trustauch: Zero Trust Architecture
- Sicherheitsmodell, das jeden Zugriff individuell verifiziert.
- Sicherheit
- Fortgeschritten
04Guides
Wissen, das du anwenden kannst
MLOps verstehen: Vom Notebook zum Modell in Produktion
Der Weg vom Jupyter-Notebook in den produktiven Betrieb – Lebenszyklus, Deployment und Monitoring von ML-Modellen.
Verstehen, warum sich MLOps von klassischem DevOps unterscheidet (Code + Daten + Modell)
05Vergleiche
Technologien richtig einordnen
Convolutional Neural Network Vision Transformer (ViT)
Dateneffizienz oder Skalierung?
CNNs bleiben die erste Wahl bei kleinen bis mittleren Datensätzen, knappen Rechenbudgets und Edge-Deployments – ihre eingebauten Annahmen über Bilder machen sie dateneffizient und schnell. Vision Transformer gewinnen, sobald große Datenmengen oder starkes Pretraining verfügbar sind, und sind der Standard-Bildencoder in multimodalen Foundation Models. In der Praxis verschwimmen die Grenzen: Hybride Architekturen kombinieren Faltungen mit Attention und holen oft das Beste aus beiden Welten.
Data Warehouse Data Lake
Verlässliche Kennzahlen oder günstiger Rohdatenspeicher?
Für Business Intelligence, Reporting und verlässliche Kennzahlen führt kein Weg am Data Warehouse vorbei. Wer Rohdaten aller Formate günstig sammeln und für Machine Learning nutzen will, braucht einen Data Lake. Die meisten datengetriebenen Unternehmen betreiben beides – oder setzen auf ein Lakehouse, das beide Ansätze zusammenführt.
Kubernetes Serverless
Kontrolle oder kein Betrieb?
Serverless gewinnt bei ereignisgesteuerten, kurzlebigen Workloads mit schwankender Last – kein Betrieb, keine Idle-Kosten. Kubernetes gewinnt bei dauerhaften, komplexen oder GPU-intensiven Workloads, wo Kontrolle und Portabilität zählen. Viele Teams fahren zweigleisig: Kubernetes für die Kernservices, Serverless für Event-Handler und Glue-Code.
Retrieval Augmented Generation Cache-Augmented Generation
Wissensbasis abrufen oder komplett in den Kontext laden?
CAG ist die pragmatische Wahl, wenn die gesamte Wissensbasis bequem ins Kontextfenster passt und sich selten ändert – weniger Infrastruktur, keine Retrieval-Fehler. RAG bleibt gesetzt, sobald der Korpus groß ist, häufig aktualisiert wird oder Zugriffsrechte pro Nutzer nötig sind. Viele Teams starten mit CAG und wechseln zu RAG, wenn die Wissensbasis wächst.
REST (Representational State Transfer) GraphQL
Einfachheit und Caching oder flexible Abfragen?
REST ist der pragmatische Standard für öffentliche APIs, Microservices und alles, was von HTTP-Caching profitiert. GraphQL lohnt sich, wenn viele unterschiedliche Clients flexibel auf verschachtelte Daten zugreifen müssen. Für einfache CRUD-APIs ist GraphQL meist Overkill – für datenhungrige Frontends mit vielen Ansichten oft ein Gewinn.
SQL-Datenbank Vektordatenbank
Exakte Abfrage oder semantische Ähnlichkeit?
Kein Entweder-oder: SQL-Datenbanken sind unschlagbar für strukturierte Daten, Transaktionen und exakte Abfragen, Vektordatenbanken für semantische Ähnlichkeitssuche auf Embeddings. In der Praxis ergänzen sich beide – und mit Erweiterungen wie pgvector kann eine relationale Datenbank beides abdecken, solange die Vektormengen moderat bleiben.
PyTorch TensorFlow
Forschung oder etablierte Produktion?
Für Forschung und LLMs: PyTorch. Für Mobile und etablierte Produktion: TensorFlow. Für Einsteiger: PyTorch (oder Keras auf TensorFlow).
06FAQ
Häufige Fragen
Was ist der Unterschied zwischen IaaS, PaaS und SaaS?
Die drei Stufen unterscheiden sich darin, wie viel der Anbieter übernimmt. Bei IaaS mietest du Rechner und kümmerst dich um alles darüber. Bei PaaS bringst du nur die Anwendung mit, die Laufzeitumgebung stellt der Anbieter. Bei SaaS nutzt du fertige Software und verwaltest nur noch Zugänge und Daten.
Ist die Cloud günstiger als eigene Server?
Nicht grundsätzlich. Die Cloud ersetzt hohe Anfangsinvestitionen durch laufende Kosten und ist stark, wenn die Last schwankt. Bei gleichmäßiger, gut vorhersagbarer Last kann Eigenbetrieb über Jahre günstiger sein. Ausschlaggebend sind meist Personalkosten und Tempo, nicht der Serverpreis.
Brauche ich Kubernetes?
Nur wenn du viele Dienste gleichzeitig betreiben, automatisch skalieren und ohne Ausfall ausrollen musst. Für eine einzelne Anwendung ist Kubernetes deutlich mehr Aufwand als Nutzen – dort reichen ein verwalteter Dienst oder ein einzelner Container.
Wo läuft ein KI-Modell am besten?
Das hängt an der Aufgabe. Große Sprachmodelle über eine API zu nutzen ist am schnellsten und braucht keine eigene Hardware. Eigener Betrieb lohnt sich, wenn Daten das Haus nicht verlassen dürfen, die Last vorhersagbar hoch ist oder sehr niedrige Antwortzeiten nötig sind.