KI-Glossar: 93 Begriffe, kurz erklärt

Prompt Engineering, KI-Modelle und SEO ohne Fachchinesisch. Zum Nachschlagen, wenn ein Tutorial von „Few-Shot“ spricht oder ein Formular nach „rel=sponsored“ fragt.

Jean sagt: SEO-Sprech ist wie Simson-Schrauber-Sprech: klingt kompliziert, ist es aber selten.

🤖 KI & Prompt Engineering (79)

Prompt: Die Eingabe an eine KI: Frage, Aufgabe oder Anweisung, am besten mit Ziel, Kontext und Format. Beispiel und Praxis-Tipp →
Prompt Engineering: Das gezielte Formulieren von Prompts mit Rolle, Kontext, Format und Techniken wie Beispielen oder Rückfragen, um verlässlich gute Ergebnisse zu bekommen. Beispiel und Praxis-Tipp →
System-Prompt: Feste Anweisungen, die vor jedem Gespräch gelten, etwa Rolle, Ton und Regeln eines Assistenten. Nutzer sehen sie meist nicht. Beispiel und Praxis-Tipp →
Rollen-Prompt: Prompt, der der KI eine Rolle gibt („Du bist erfahrener Steuerberater“). Das steuert Fachwissen, Wortwahl und Tiefe. Beispiel und Praxis-Tipp →
Zero-Shot: Die KI löst eine Aufgabe ohne Beispiel, nur anhand der Beschreibung. Beispiel und Praxis-Tipp →
Few-Shot: Der Prompt enthält ein oder mehrere Beispiele, an denen sich die KI für Stil, Länge und Format orientiert. Beispiel und Praxis-Tipp →
Chain of Thought: Technik, bei der die KI Schritt für Schritt vorgeht und Zwischenschritte zeigt. Senkt Denkfehler bei mehrstufigen Aufgaben. Beispiel und Praxis-Tipp →
Prompt-Kette: Mehrere Prompts hintereinander, bei denen jeder Schritt auf dem Ergebnis des vorherigen aufbaut. Zuverlässiger als ein Riesen-Prompt. Beispiel und Praxis-Tipp →
Meta-Prompt: Ein Prompt, der die KI bittet, einen anderen Prompt zu verbessern oder zu schreiben. Beispiel und Praxis-Tipp →
Large Language Model (LLM): Großes Sprachmodell, das auf riesigen Textmengen trainiert wurde und Text fortsetzt, zusammenfasst, übersetzt oder Fragen beantwortet. Beispiele: die Modelle hinter ChatGPT, Claude und Gemini. Beispiel und Praxis-Tipp →
Token: Die Einheit, in die Sprachmodelle Text zerlegen: ein Wort, Wortteil oder Satzzeichen. Bei englischem Text entspricht ein Token laut OpenAI grob 4 Zeichen, andere Sprachen wie Deutsch brauchen oft mehr Tokens für dieselbe Textmenge. API-Kosten werden pro Token berechnet. Beispiel und Praxis-Tipp →
Kontextfenster: Wie viel Text ein Modell auf einmal berücksichtigen kann, gemessen in Tokens: Prompt, Dateien, bisheriger Chat und die erzeugte Antwort zusammen. Beispiel und Praxis-Tipp →
Temperatur: Einstellung, die steuert, wie zufällig die Antworten sind. Niedrig: vorhersehbar und sachlich; hoch: kreativer und abwechslungsreicher. Beispiel und Praxis-Tipp →
Top-p: Weitere Einstellung für die Zufälligkeit (Nucleus Sampling): Das Modell wählt das nächste Token nur aus der kleinsten Gruppe der wahrscheinlichsten Tokens, deren Wahrscheinlichkeiten zusammen mindestens p erreichen. Beispiel und Praxis-Tipp →
Halluzination: Eine überzeugend formulierte, aber falsche oder erfundene Antwort, etwa eine Studie oder ein Zitat, das es nicht gibt. Beispiel und Praxis-Tipp →
Grounding: Antworten an überprüfbare Quellen binden, etwa an Suchergebnisse oder eigene Dokumente. Senkt Halluzinationen. Beispiel und Praxis-Tipp →
RAG (Retrieval-Augmented Generation): Verfahren, bei dem vor der Antwort passende Textstellen aus eigenen Daten gesucht und dem Modell mitgegeben werden. Beispiel und Praxis-Tipp →
Embedding: Darstellung eines Textes als Zahlenreihe (Vektor), sodass ähnliche Bedeutungen ähnliche Zahlen haben. Grundlage für semantische Suche. Beispiel und Praxis-Tipp →
Vektordatenbank: Datenbank, die Embeddings speichert und ähnliche Inhalte schnell findet. Häufig Teil von RAG-Systemen. Beispiel und Praxis-Tipp →
Fine-Tuning: Nachtrainieren eines fertigen Modells mit eigenen Beispielen, damit es eine Aufgabe oder einen Stil besonders gut beherrscht. Beispiel und Praxis-Tipp →
Inferenz: Das Ausführen eines trainierten Modells, also das Erzeugen einer Antwort. Kosten und Geschwindigkeit der Inferenz entscheiden über den Preis. Beispiel und Praxis-Tipp →
Parameter: Die gelernten Zahlenwerte eines Modells. Mehr Parameter bedeuten nicht automatisch bessere Antworten, aber meist mehr Rechenaufwand. Beispiel und Praxis-Tipp →
Trainingsdaten: Die Texte, Bilder oder anderen Daten, aus denen ein Modell gelernt hat. Beispiel und Praxis-Tipp →
Wissensstand (Knowledge Cutoff): Zeitpunkt, bis zu dem die Trainingsdaten eines Modells reichen. Neueres weiß es nur über Websuche oder mitgegebene Informationen. Beispiel und Praxis-Tipp →
Multimodal: Ein Modell, das mehrere Arten von Eingaben versteht oder erzeugt, etwa Text, Bilder, Audio und Video. Beispiel und Praxis-Tipp →
KI-Agent: KI, die eine Aufgabe selbstständig in Schritte zerlegt, Werkzeuge nutzt und mehrere Schritte nacheinander abarbeitet. Beispiel und Praxis-Tipp →
Tool Use (Function Calling): Fähigkeit eines Modells, externe Werkzeuge aufzurufen, etwa eine Suche, einen Rechner oder eine Schnittstelle, und das Ergebnis weiterzuverwenden. Beispiel und Praxis-Tipp →
MCP (Model Context Protocol): Offener Standard, über den KI-Assistenten an externe Werkzeuge und Datenquellen angebunden werden. Anthropic hat MCP 2024 veröffentlicht und im Dezember 2025 an die Agentic AI Foundation der Linux Foundation übergeben; ChatGPT, Claude, Gemini und viele Coding-Tools unterstützen es. Beispiel und Praxis-Tipp →
API: Programmierschnittstelle. Über die API eines Anbieters nutzen Apps ein KI-Modell direkt und zahlen pro Token. Beispiel und Praxis-Tipp →
Prompt-Injection: Angriff, bei dem versteckte Anweisungen in Texten, Webseiten oder Dateien eine KI dazu bringen sollen, ihre eigentlichen Regeln zu ignorieren. Beispiel und Praxis-Tipp →
Jailbreak: Versuch, die Sicherheitsregeln eines Modells mit geschickten Prompts zu umgehen. Beispiel und Praxis-Tipp →
Guardrails: Schutzregeln und Filter rund um ein Modell, die unerwünschte oder gefährliche Ausgaben verhindern sollen. Beispiel und Praxis-Tipp →
Custom GPT: Eigener Assistent in ChatGPT mit festen Anweisungen und eigenem Wissen. OpenAI schaltet Custom GPTs am 11. Dezember 2026 ab, Nachfolger sind Plugins. In Claude kommen Projects dem am nächsten, in Gemini heißen solche Assistenten Gems. Beispiel und Praxis-Tipp →
Diffusionsmodell: Bauart vieler Bildgeneratoren: Das Modell erzeugt aus Rauschen Schritt für Schritt ein Bild passend zum Prompt. Beispiel und Praxis-Tipp →
Text-to-Speech (TTS): Sprachausgabe: KI liest Text mit einer natürlichen Stimme vor. Beispiel und Praxis-Tipp →
Speech-to-Text: Spracherkennung: KI wandelt gesprochene Sprache in Text um, etwa für Transkripte und Untertitel. Beispiel und Praxis-Tipp →
Open-Weight-Modell: Modell, dessen Gewichte veröffentlicht sind. Es lässt sich selbst betreiben, oft auch lokal ohne Cloud. Beispiel und Praxis-Tipp →
Benchmark: Standardisierter Test, mit dem Modelle verglichen werden. Gute Benchmark-Werte garantieren nicht, dass ein Modell deine Aufgaben am besten löst. Beispiel und Praxis-Tipp →
Batch-Verarbeitung: Viele Anfragen gesammelt und zeitversetzt verarbeiten. Bei mehreren Anbietern deutlich günstiger als Einzelanfragen. Beispiel und Praxis-Tipp →
Prompt Caching: Wiederkehrende Teile eines Prompts werden zwischengespeichert, sodass sie bei der nächsten Anfrage günstiger und schneller verarbeitet werden. Beispiel und Praxis-Tipp →
KI-Detektor: Werkzeug, das einschätzen soll, ob ein Text von einer KI stammt. Die Ergebnisse sind unzuverlässig und taugen nicht als Beweis. Beispiel und Praxis-Tipp →
Transformer: Die Modellarchitektur hinter fast allen modernen Sprachmodellen. Ein Mechanismus namens Attention gewichtet, welche Teile des Textes für das nächste Token wichtig sind. Beispiel und Praxis-Tipp →
Reasoning-Modell: Sprachmodell, das vor der Antwort länger „nachdenkt“ und Zwischenschritte durchrechnet. Stärker bei Logik, Mathematik und Code, dafür langsamer und oft teurer. Beispiel und Praxis-Tipp →
Kontext-Engineering: Die Kunst, einer KI genau die Informationen mitzugeben, die sie für eine Aufgabe braucht: Anweisungen, Beispiele, Dokumente, Werkzeuge und Gesprächsverlauf, nicht mehr und nicht weniger. Beispiel und Praxis-Tipp →
Vibe Coding: Programmieren, bei dem man der KI in natürlicher Sprache beschreibt, was entstehen soll, und den erzeugten Code vor allem nach dem Ergebnis beurteilt statt Zeile für Zeile. Beispiel und Praxis-Tipp →
Inpainting: Bildbearbeitung mit KI, bei der ein markierter Bereich neu erzeugt oder ersetzt wird, etwa ein störendes Objekt entfernt oder ein Kleidungsstück verändert. Beispiel und Praxis-Tipp →
Upscaling: Vergrößern eines Bildes oder Videos mit KI, wobei fehlende Details berechnet werden, damit es auch in höherer Auflösung scharf wirkt. Beispiel und Praxis-Tipp →
Deepfake: Mit KI erzeugtes oder verändertes Bild, Video oder Audio, das eine echte Person täuschend echt etwas sagen oder tun lässt, das sie nie gesagt oder getan hat. Beispiel und Praxis-Tipp →
C2PA: Offener technischer Standard der Coalition for Content Provenance and Authenticity für Herkunftsangaben bei Bildern, Videos und Audio. Signierte „Content Credentials“ können zeigen, mit welchem Gerät oder Programm ein Bild entstanden ist und ob KI beteiligt war. Beispiel und Praxis-Tipp →
LoRA: Verfahren, mit dem sich große Modelle mit wenig Rechenaufwand anpassen lassen. Statt das ganze Modell neu zu trainieren, werden nur kleine Zusatzgewichte gelernt. Beispiel und Praxis-Tipp →
Quantisierung: Verkleinern eines Modells, indem seine Zahlenwerte mit weniger Genauigkeit gespeichert werden. Das spart Speicher und macht lokale Nutzung möglich, kostet aber etwas Qualität. Beispiel und Praxis-Tipp →
VRAM: Der Grafikspeicher einer GPU. Er bestimmt, wie große KI-Modelle lokal laufen können, weil die Modellgewichte während der Nutzung dort liegen. Beispiel und Praxis-Tipp →
Latenz: Die Zeit zwischen Anfrage und Antwort eines KI-Modells. Wichtig für Chatbots, Sprachassistenten und alle Anwendungen, bei denen Nutzer warten. Beispiel und Praxis-Tipp →
Rate Limit: Obergrenze, wie viele Anfragen oder Tokens man in einem Zeitraum an eine KI-API oder einen Chatbot schicken darf. Beispiel und Praxis-Tipp →
Bias: Verzerrung in den Antworten eines Modells, die aus einseitigen Trainingsdaten oder Annahmen entsteht, etwa Klischees bei Berufen, Geschlechtern oder Herkunft. Beispiel und Praxis-Tipp →
Alignment: Ausrichtung eines KI-Modells an menschlichen Werten und Absichten, damit es hilfreich, ehrlich und sicher antwortet und Schaden vermeidet. Beispiel und Praxis-Tipp →
Open Source: Software, deren Quellcode offen einsehbar und unter einer freien Lizenz nutzbar ist. Bei KI-Modellen wird oft zwischen offenem Code, offenen Gewichten und offenen Trainingsdaten unterschieden. Beispiel und Praxis-Tipp →
Text-to-Image: Erzeugen von Bildern aus einer Textbeschreibung. Viele Bildgeneratoren nutzen dafür Diffusionsmodelle, die Bildgenerierung in ChatGPT arbeitet laut OpenAI dagegen autoregressiv. Beispiel und Praxis-Tipp →
Text-to-Video: Erzeugen kurzer Videoclips aus einer Textbeschreibung oder aus einem Startbild. Beispiel und Praxis-Tipp →
Agentischer Workflow: Arbeitsablauf, in dem KI nicht nur antwortet, sondern Teilschritte selbst plant, Werkzeuge nutzt und Ergebnisse prüft, oft mit mehreren spezialisierten Agenten. Beispiel und Praxis-Tipp →
Model Card: Steckbrief eines KI-Modells, in dem Anbieter Zweck, Fähigkeiten, Grenzen, Trainingsdaten und bekannte Risiken beschreiben. Beispiel und Praxis-Tipp →
Agent Skills: Offenes Format, mit dem KI-Agenten Fachwissen und Arbeitsabläufe nachladen: ein Ordner mit einer SKILL.md-Datei aus Name, Beschreibung und Anweisungen, optional mit Skripten und Vorlagen. Der Agent liest zuerst nur Name und Beschreibung und lädt den Rest erst, wenn eine Aufgabe ihn braucht. Beispiel und Praxis-Tipp →
Tokenizer: Baustein, der Text vor der Verarbeitung in Tokens zerlegt und jedem Token eine Nummer zuordnet. Jede Modellfamilie hat ihren eigenen Tokenizer, deshalb ergibt derselbe Text je nach Modell unterschiedlich viele Tokens und Kosten. Beispiel und Praxis-Tipp →
SynthID: Wasserzeichen-Technik von Google DeepMind, die unsichtbare Markierungen in KI-generierte Bilder, Videos, Audio und Texte von Google-Modellen einbettet. Ob ein Inhalt ein solches Wasserzeichen trägt, prüfen der SynthID Detector, die Gemini-App und die Google-Suche. Beispiel und Praxis-Tipp →
Digital Omnibus: Kurzname der Verordnung (EU) 2026/1744, die den EU AI Act geändert hat. Sie verschiebt die Pflichten für Hochrisiko-KI auf den 2. Dezember 2027 (Anhang III) und den 2. August 2028 (Anhang I) und verlangt bei der KI-Kompetenz nach Art. 4 nur noch Fördermaßnahmen ohne festes Niveau. Beispiel und Praxis-Tipp →
Computer Use: Fähigkeit eines KI-Modells, einen Computer wie ein Mensch zu bedienen: Es wertet Screenshots aus und steuert Maus und Tastatur, um Programme oder Webseiten zu nutzen. Wegen möglicher Fehlklicks und Prompt-Injection gehört das in eine kontrollierte Umgebung. Beispiel und Praxis-Tipp →
Reasoning Effort: Einstellung, die festlegt, wie viel Denkaufwand und damit Tokens ein Modell in eine Antwort steckt, meist in Stufen wie low, medium und high. Mehr Aufwand hilft bei schwierigen Aufgaben, kostet aber Zeit und Geld. Beispiel und Praxis-Tipp →
Destillation: Trainingsverfahren, bei dem ein kleineres Schülermodell lernt, die Ausgaben eines größeren Lehrermodells nachzuahmen. So entstehen schnellere und günstigere Modelle, die einen Großteil der Fähigkeiten behalten. Beispiel und Praxis-Tipp →
Mixture of Experts (MoE): Modellarchitektur, bei der ein Router jedes Token nur an wenige von vielen spezialisierten Teilnetzen, den Experten, weiterleitet. Das Modell hat dadurch sehr viele Parameter, nutzt pro Token aber nur einen kleinen Teil davon und rechnet entsprechend günstiger. Beispiel und Praxis-Tipp →
KI-Kompetenz (AI Literacy): Pflicht aus Art. 4 EU AI Act seit Februar 2025: Wer KI-Systeme anbietet oder einsetzt, muss Maßnahmen treffen, um die KI-Kompetenz der Beschäftigten und anderer Personen zu fördern, die in seinem Auftrag KI nutzen. Seit dem Digital Omnibus ist kein bestimmtes Kompetenzniveau mehr vorgeschrieben. Beispiel und Praxis-Tipp →
Hochrisiko-KI-System: KI-System, das der EU AI Act wegen möglicher Folgen für Gesundheit, Sicherheit oder Grundrechte strengen Pflichten unterwirft, etwa bei Bewerberauswahl, Bildung oder Kreditwürdigkeit. Für die Bereiche aus Anhang III gelten diese Pflichten ab 2. Dezember 2027. Beispiel und Praxis-Tipp →
Auto-Modus: Arbeitsweise von KI-Agenten, bei der nicht jede Aktion einzeln freigegeben werden muss. Eine automatische Prüfung lässt sichere Schritte durch und blockt riskante. In Claude Code ist er seit August 2026 Standard, in den Claude-Apps laut Anthropic ab Ende Oktober 2026. Beispiel und Praxis-Tipp →
Abkündigung (Deprecation): Ankündigung eines Anbieters, ein Modell oder eine Funktion zu einem festen Termin abzuschalten. Bis dahin läuft es weiter, danach liefern Anfragen nur noch Fehler. Automationen mit fest eingetragenem Modellnamen müssen vorher umgestellt werden. Beispiel und Praxis-Tipp →
Plugin (ChatGPT): Paket in ChatGPT aus wiederverwendbaren Anweisungen (als Skill), verbundenen Apps und Referenzdateien. Laut OpenAI der Nachfolger der Custom GPTs, die am 11. Dezember 2026 abgeschaltet werden. Beispiel und Praxis-Tipp →
Deep Research: Recherche-Modus in KI-Chats, bei dem das Modell viele Webseiten selbstständig liest und daraus einen Bericht mit Quellen schreibt. Dauert Minuten statt Sekunden und ist je nach Anbieter und Tarif begrenzt. Beispiel und Praxis-Tipp →
Projekte (KI-Chat): Ordner in ChatGPT oder Claude, in dem Chats, Dateien und feste Anweisungen zusammenliegen. Jeder neue Chat im Projekt startet mit diesen Anweisungen und Dateien. Beispiel und Praxis-Tipp →
Gedächtnis (Memory): Funktion, mit der ein KI-Assistent sich Angaben über dich über einzelne Chats hinaus merkt, etwa Beruf oder bevorzugten Stil. Gespeichertes lässt sich in den Einstellungen ansehen, löschen oder ganz abschalten. Beispiel und Praxis-Tipp →
Sprechererkennung (Diarisierung): Teil der Transkription, der erkennt, wer wann spricht, und den Text den Personen zuordnet. Ohne sie ist ein Meeting-Protokoll ein langer Block ohne Namen. Beispiel und Praxis-Tipp →
Auftragsverarbeitungsvertrag (AVV): Vertrag nach Art. 28 DSGVO, den du mit einem Dienstleister schließt, der personenbezogene Daten in deinem Auftrag verarbeitet, etwa ein Transkriptions-Tool für Meetings. Er regelt Zweck, Dauer, Schutzmaßnahmen und Unterauftragnehmer. Beispiel und Praxis-Tipp →

🔗 KI-Verzeichnisse & SEO (14)

Domain Rating (DR): Kennzahl von Ahrefs von 0 bis 100 für die Linkstärke einer Domain. Je höher, desto stärker das Linkprofil. Ab etwa 50 gilt eine Domain für junge Tools als stark.
Authority Score (AS): Kennzahl von Semrush von 0 bis 100, die Linkprofil, Traffic und Spam-Signale kombiniert. Nicht direkt mit dem Domain Rating vergleichbar.
Jean-Score: Eigene Bewertung dieser Seite von 0 bis 100. Setzt sich zusammen aus Domain Rating (bis 45 Punkte), Traffic (bis 25), Preis (bis 20) und Einreichung (bis 10).
Backlink: Ein Link von einer fremden Website auf deine. Backlinks sind eines der wichtigsten Signale für Suchmaschinen.
dofollow: Ein normaler Link ohne Einschränkung. Suchmaschinen werten ihn als Empfehlung.
nofollow: Ein Link mit dem Attribut rel="nofollow". Die verlinkende Seite signalisiert, dass sie den Link nicht ausdrücklich empfiehlt.
sponsored: Kennzeichnung für bezahlte Links, rel="sponsored". Pflicht für gekaufte Einträge.
UTM-Parameter: Anhänge an eine URL wie utm_source oder utm_medium, mit denen Webanalyse-Tools erkennen, woher ein Besucher kam.
Referring Domains: Anzahl der verschiedenen Domains, die auf eine Seite verlinken. Aussagekräftiger als die reine Zahl der Backlinks.
Linkfriedhof: Liebevoller Ausdruck für ein Verzeichnis ohne Pflege, ohne Besucher und mit Tausenden ungeprüften Einträgen. Kostet Zeit, bringt nichts.
Launch-Plattform: Seite wie Product Hunt, auf der neue Produkte an einem bestimmten Tag vorgestellt werden und um Aufmerksamkeit konkurrieren.
AVV: Auftragsverarbeitungsvertrag nach DSGVO. Deutsche Unternehmen brauchen ihn, wenn ein Tool personenbezogene Daten verarbeitet. Mehrere deutsche Verzeichnisse fragen danach.
GEO (Generative Engine Optimization): Optimierung dafür, in Antworten von KI-Assistenten und KI-Suchen genannt zu werden. Konsistente Beschreibungen in Verzeichnissen helfen dabei.
llms.txt: Textdatei im Stammverzeichnis einer Website, die KI-Assistenten eine kompakte Übersicht der Inhalte gibt. Diese Seite hat eine.

← Zu den Ratgebern

Weiter geht's 🧭

Thematisch verwandt, handverlesen von einem Skript mit gutem Geschmack.

Passt dazu 2

Wer hierher verlinkt 106

Herzstück: 106 Seiten zeigen auf diese hier. Die passendsten:

Warum so kurz erklärt?

Weil ein Glossar zum Nachschlagen da ist. Wer tiefer will, findet unten die Seiten, auf denen der Begriff in der Praxis vorkommt.

Heute bei mentat.codes

Gratis-Perle des Tages

Jeden Tag eine handverlesene Gratis-Perle mit Dofollow-Link. Alle Gratis-Portale

Prompt des Tages

Jeden Tag eine andere Vorlage zum Kopieren. Zur Prompt-Bibliothek

Tool des Tages

Jeden Tag ein anderes KI-Tool mit Preisen laut Anbieter. Alle Steckbriefe

Hat dir die Seite geholfen?Bleibt nur in deinem Browser, wir zählen nichts.

Jeans Senf zu dieser Seite

Begriffe aus KI, Prompt Engineering und SEO, übersetzt in normales Deutsch. Ideal, wenn ein Tutorial plötzlich von Few-Shot redet oder ein Formular nach rel=sponsored fragt. Mein Tipp: Lies nicht von vorne nach hinten, sondern spring gezielt zum Begriff, über den du gerade gestolpert bist. Der Teil zu Verzeichnissen und SEO ist kleiner, spart beim Eintragen aber am meisten Zeit.

Fachchinesisch ist meistens nur Deutsch mit Krawatte.

Fragen, Tool eintragen lassen oder einen Fehler gefunden?