Du liest über KI und stolperst alle zwei Sätze über ein Wort, das keiner erklärt. Token, Halluzination, RAG, Agentic AI. Klingt nach Informatik-Vorlesung, ist aber meistens ganz simpel, wenn es dir jemand in normalem Deutsch sagt. Genau das machen wir hier.

Dieses Glossar sammelt mehr als 70 KI-Begriffe von Prompt bis Agent. Es erklärt die wichtigsten Begriffe der künstlichen Intelligenz in normalem Deutsch, jeden mit einer kurzen Definition und einem Satz dazu, wo dir der Begriff im Alltag begegnet. Am Ende gibt es einen eigenen Block mit den Wörtern, die dir nur in ChatGPT und Claude über den Weg laufen. Kein Vorwissen nötig. Du kannst von vorne bis hinten lesen oder gezielt nachschlagen.

Die allgemeinen KI-Begriffe stehen alphabetisch von A bis Z. Danach kommt der Tool-Block mit den Begriffen aus ChatGPT und Claude. Ganz unten findest du eine FAQ mit den Fragen, die am häufigsten gestellt werden.

Ein Tipp vorweg. Du musst nicht alles auswendig können. Die fünf Begriffe, mit denen du im Alltag am weitesten kommst, sind Prompt, Token, Kontextfenster, Halluzination und LLM. Wenn du die verstehst, verstehst du 80 Prozent aller KI-Gespräche.

Hier stehen die wichtigsten Begriffe der künstlichen Intelligenz alphabetisch sortiert. Jeder ist so kurz erklärt, dass du ihn beim Überfliegen verstehst, mit einem Beispiel aus dem Alltag von Selbstständigen.

Ein KI-Agent ist ein KI-System, das selbstständig Aufgaben erledigt, statt nur zu antworten. Es plant Schritte, nutzt Werkzeuge wie Websuche oder E-Mail und arbeitet auf ein Ziel hin, ohne dass du jeden Zwischenschritt vorgibst.

In der Praxis: Ein Agent kann für dich einen Termin recherchieren, eine Mail entwerfen und sie in dein Postfach legen. Du gibst das Ziel vor, der Agent kümmert sich um den Weg.

Agentic AI ist der Oberbegriff für KI, die eigenständig handelt statt nur zu reagieren. Der Fokus liegt auf Planung und dem eigenständigen Nutzen mehrerer Tools nacheinander. Es ist die Denkweise hinter jedem einzelnen KI-Agenten.

In der Praxis: Wenn du hörst, 2026 sei "das Jahr der Agenten", ist Agentic AI gemeint. Der Schritt von "Chatbot beantwortet Fragen" zu "Software erledigt Arbeit".

AGI beschreibt eine hypothetische KI, die jede geistige Aufgabe eines Menschen auf gleichem Niveau lösen könnte. Heutige Systeme sind davon weit entfernt. Sie sind stark in einzelnen Bereichen, aber keine Allrounder.

In der Praxis: Wenn jemand von AGI spricht, geht es um Zukunftsvisionen, nicht um das Tool, das du morgen früh öffnest.

Alignment beschreibt, wie gut sich eine KI an menschliche Werte und Absichten hält. Ein gut ausgerichtetes Modell tut das, was du meinst, und nicht nur das, was du wörtlich sagst.

In der Praxis: Alignment ist der Grund, warum eine KI hilfreich bleibt und dir bei Schädlichem die Gefolgschaft verweigert. Ein Dauerthema in der KI-Sicherheit.

Eine API ist eine Schnittstelle, über die zwei Programme miteinander reden. Bei KI meint das meistens den Zugang, über den deine eigene Software direkt ein Modell wie GPT ansprechen kann, ohne die Chat-Oberfläche zu öffnen.

In der Praxis: Wenn dein Newsletter-Tool automatisch Betreffzeilen von einer KI generieren lässt, läuft das über eine API im Hintergrund.

Attention ist der Trick, mit dem moderne Sprachmodelle entscheiden, welche Wörter im Satz gerade wichtig sind. Das Modell gewichtet den Zusammenhang zwischen allen Wörtern und versteht so, worauf sich ein "es" oder "das" bezieht.

In der Praxis: Attention ist der Grund, warum KI heute ganze Absätze im Zusammenhang versteht und nicht mehr Wort für Wort rät.

Ein Benchmark ist ein standardisierter Test, mit dem die Leistung von KI-Modellen verglichen wird. Verschiedene Modelle lösen die gleichen Aufgaben, und die Ergebnisse landen in Ranglisten.

In der Praxis: Wenn ein neues Modell "schlägt GPT in Benchmark X" bewirbt, heißt das erstmal nur, dass es in einem bestimmten Test besser abgeschnitten hat. Für deinen konkreten Anwendungsfall zählt trotzdem der eigene Praxistest.

Bias ist eine systematische Schieflage in den Antworten einer KI. Sie entsteht, weil das Modell aus Daten lernt, die selbst schon Vorurteile oder einseitige Muster enthalten.

In der Praxis: Lässt du dir Stockfoto-Ideen für "erfolgreiche Führungskraft" generieren und bekommst nur einen Menschentyp, siehst du Bias in Aktion.

Chain-of-Thought bezeichnet KI, die ihren Lösungsweg Schritt für Schritt aufschreibt, bevor sie eine Antwort gibt. Dieses laute Nachdenken macht die Ergebnisse bei kniffligen Aufgaben deutlich zuverlässiger.

In der Praxis: Wenn du im Prompt schreibst "Denk Schritt für Schritt", forderst du genau das an. Bei Mathe oder Logik ist das Gold wert.

Ein Chatbot ist ein Programm, das sich per Text mit dir unterhält. Frühere Chatbots folgten festen Regeln. Heutige laufen auf großen Sprachmodellen und wirken dadurch deutlich flüssiger.

In der Praxis: ChatGPT ist der bekannteste Chatbot. Der Kundenservice-Bot auf einer Website gehört auch dazu.

Computer Vision ist der Bereich der KI, der Bilder und Videos versteht. Das Modell erkennt Objekte, Gesichter, Text oder Muster in visuellen Daten.

In der Praxis: Wenn du ein Foto in ChatGPT hochlädst und fragst "Was steht auf diesem Schild", nutzt du Computer Vision.

Context Engineering ist die Weiterentwicklung des Prompt Engineering. Es geht darum, einer KI den kompletten passenden Kontext bereitzustellen, also Dokumente, Daten und frühere Ergebnisse, statt nur eine einzelne Anweisung.

In der Praxis: Je besser der Kontext, desto besser die Antwort. Bei Agenten und eigenen Wissensdatenbanken zählt das inzwischen mehr als der einzelne Prompt.

Deep Learning ist eine Methode des maschinellen Lernens mit vielschichtigen neuronalen Netzen. Die vielen Schichten erlauben dem Modell, komplexe Muster zu erkennen, die einfachere Verfahren übersehen.

In der Praxis: Fast jede KI, die du heute nutzt, steckt voller Deep Learning. Du merkst nichts davon, es arbeitet unter der Haube.

Ein Deepfake ist ein mit KI gefälschtes Bild, Video oder Audio, das echt wirkt. Gesichter und Stimmen lassen sich damit täuschend nachbilden.

In der Praxis: Für dein Business heißt das vor allem, kritisch zu bleiben. Ein Video allein ist kein Beweis mehr.

Ein Diffusionsmodell ist eine KI, die Bilder erzeugt, indem sie aus zufälligem Rauschen Schritt für Schritt ein klares Motiv formt. Es ist die Technik hinter vielen Bild-Generatoren.

In der Praxis: Wenn du in einem Tool ein Bild aus einem Textbefehl erzeugst, arbeitet meistens ein Diffusionsmodell für dich.

Ein Embedding wandelt Text in eine lange Zahlenreihe um, die die Bedeutung abbildet. Ähnliche Inhalte bekommen ähnliche Zahlen. So kann eine KI berechnen, wie nah zwei Texte thematisch beieinander liegen.

In der Praxis: Embeddings sind der Motor hinter guter KI-Suche. Sie finden auch dann den passenden Absatz, wenn du ein anderes Wort benutzt hast als im Dokument.

Feintuning bedeutet, ein bestehendes Modell mit zusätzlichen, spezifischen Daten nachzutrainieren. Danach passt es besser zu einer bestimmten Aufgabe oder einem Schreibstil.

In der Praxis: Ein feingetuntes Modell kann zum Beispiel gelernt haben, konsequent in deiner Markenstimme zu schreiben. Für die meisten Selbstständigen reicht aber ein guter Prompt, bevor sich Feintuning lohnt.

Beim Few-Shot-Prompting gibst du der KI im Prompt ein paar Beispiele, wie das Ergebnis aussehen soll. Anhand dieser Muster liefert sie den Rest im gleichen Stil.

In der Praxis: Du zeigst zwei gute Betreffzeilen und bittest um zehn weitere in genau diesem Ton. Das funktioniert oft besser als eine reine Beschreibung.

Ein Foundation Model ist ein großes, breit trainiertes Grundmodell, auf dem viele Anwendungen aufbauen. Es kann vieles einigermaßen und dient als Basis für speziellere Werkzeuge.

In der Praxis: GPT und Claude sind Foundation Models. Die vielen KI-Tools, die du im Netz siehst, bauen oft nur eine Oberfläche um genau solche Modelle herum.

Generative KI erzeugt neue Inhalte wie Text, Bilder, Audio oder Code. Statt vorhandenes Wissen nur wiederzugeben, produziert sie etwas, das vorher so nicht existierte.

In der Praxis: Jedes Mal, wenn dir ChatGPT einen Entwurf schreibt oder ein Tool ein Bild malt, ist generative KI am Werk. Der Großteil des KI-Hypes dreht sich um genau diese Kategorie.

GEO ist SEO für KI-Antworten. Statt nur bei Google gut zu ranken, willst du, dass Sprachmodelle wie ChatGPT deine Inhalte zitieren und weiterempfehlen.

In der Praxis: Immer mehr Leute fragen KI statt Google. Wer in diesen Antworten auftaucht, gewinnt Sichtbarkeit. GEO wird 2026 zum festen Begriff im Marketing.

GPT steht für "Generative Pretrained Transformer". Es ist die Modellfamilie von OpenAI, die ChatGPT antreibt. Das Kürzel beschreibt die Technik: ein vortrainiertes, generatives Transformer-Modell.

In der Praxis: Wenn du "GPT-5" hörst, ist eine Version dieser Modellfamilie gemeint. In ChatGPT wählst du oben aus, welche du gerade nutzt.

Guardrails sind Regeln und Sicherheitsschranken, die verhindern, dass eine KI schädliche oder unerwünschte Antworten gibt. Sie legen fest, was das Modell tun darf und was nicht.

In der Praxis: Guardrails sind der Grund, warum eine KI bestimmte Anfragen ablehnt. Manchmal nervt das, meistens schützt es.

Eine Halluzination ist eine Antwort, die eine KI überzeugend formuliert, obwohl sie falsch oder frei erfunden ist. Das Modell rät plausibel klingend weiter, statt zuzugeben, dass es etwas nicht weiß.

In der Praxis: Erfundene Quellen, falsche Zahlen oder Zitate, die es nie gab. Deshalb gilt bei Fakten immer: gegenprüfen, bevor du dich darauf verlässt. Das Fraunhofer IESE erklärt ausführlich, wie diese Fehler entstehen.

Inferenz ist der Moment, in dem ein fertig trainiertes Modell arbeitet und dir eine Antwort ausgibt. Training ist das Lernen, Inferenz ist das Anwenden.

In der Praxis: Jede Antwort, die du aus einer KI bekommst, ist ein Inferenz-Vorgang. Bei großen Modellen kostet das spürbar Rechenleistung.

Ein Jailbreak ist der Versuch, die Sicherheitsregeln einer KI mit trickreichen Prompts auszuhebeln, damit sie Dinge tut, die eigentlich gesperrt sind.

In der Praxis: Für dein Business ist das kein Werkzeug, sondern ein Risiko. Anbieter schließen solche Lücken laufend.

Künstliche Intelligenz ist der Oberbegriff für Software, die Aufgaben löst, die sonst menschliches Denken erfordern. Dazu gehören Sprache verstehen, Muster erkennen oder Entscheidungen treffen.

In der Praxis: KI ist das große Dach. Alle anderen Begriffe in diesem Glossar sind Teile oder Spielarten davon.

Das Kontextfenster ist die Menge an Text, die eine KI in einem Gespräch gleichzeitig im Blick behalten kann. Es wird in Token gemessen. Ist es voll, vergisst das Modell den Anfang der Unterhaltung.

In der Praxis: Wenn ein langer Chat plötzlich frühere Details ignoriert, ist meistens das Kontextfenster erschöpft. Für große Dokumente lohnt ein Modell mit großem Fenster.

Ein LLM oder großes Sprachmodell ist eine KI, die auf riesigen Textmengen trainiert wurde und daraus Sprache erzeugt. Es sagt bei jeder Antwort das wahrscheinlichste nächste Wort voraus, immer wieder.

In der Praxis: ChatGPT, Claude und Gemini sind alle LLMs. Wenn du verstehst, dass sie Wahrscheinlichkeiten berechnen statt Fakten nachzuschlagen, verstehst du auch, warum sie halluzinieren können.

Machine Learning ist der Ansatz, bei dem Software aus Daten lernt, statt festen Regeln zu folgen. Je mehr Beispiele sie sieht, desto besser wird ihre Vorhersage.

In der Praxis: Deine Mail-Spam-Erkennung ist Machine Learning. Sie wurde nie mit "diese Wörter sind Spam" programmiert, sie hat es aus Millionen Mails gelernt.

MCP ist ein offener Standard, über den KI-Modelle mit externen Werkzeugen und Datenquellen verbunden werden. Es ist wie ein einheitlicher Stecker, damit eine KI zum Beispiel deinen Kalender oder deine Dateien nutzen kann.

In der Praxis: Über MCP wird aus einem reinen Chatbot ein Assistent, der direkt in deinen Tools arbeitet. Mehr dazu in unserem Artikel MCP Server erklärt.

Modellkollaps beschreibt, was passiert, wenn KI-Modelle zu stark mit KI-erzeugten Daten trainiert werden. Die Qualität sinkt von Generation zu Generation, weil sich Fehler aufschaukeln.

In der Praxis: Ein Grund, warum echte, von Menschen erstellte Inhalte ihren Wert behalten. Reine KI-auf-KI-Kreisläufe führen langfristig zu schlechteren Ergebnissen.

Multimodal heißt, dass eine KI mehr als nur Text versteht. Sie verarbeitet auch Bilder, Audio oder Video und kann verschiedene Formate kombinieren.

In der Praxis: Du lädst einen Screenshot hoch, stellst per Sprache eine Frage und bekommst eine Textantwort. Genau das ist Multimodalität.

Ein neuronales Netz ist ein Rechenmodell, das grob dem Aufbau des Gehirns nachempfunden ist. Viele kleine Recheneinheiten sind in Schichten verbunden und geben Signale weiter.

In der Praxis: Neuronale Netze sind das Fundament fast aller modernen KI. Du musst ihren Aufbau nicht kennen, um sie zu nutzen.

NLP ist das Teilgebiet der KI, das sich mit menschlicher Sprache beschäftigt. Es umfasst Verstehen, Übersetzen und Erzeugen von Text.

In der Praxis: Übersetzer, Rechtschreibhilfen und Chatbots basieren auf NLP. Jedes Sprachmodell gehört dazu.

Ein Open-Source-Modell ist eine KI, deren Bauplan offen verfügbar ist. Du kannst es oft kostenlos nutzen, anpassen und sogar auf eigenen Servern betreiben.

In der Praxis: Für Datenschutz kann das interessant sein, weil deine Daten den eigenen Server nicht verlassen müssen. Der Betrieb erfordert allerdings technisches Know-how.

Overfitting passiert, wenn ein Modell seine Trainingsdaten auswendig lernt, statt das Prinzip dahinter zu verstehen. Bei neuen Daten versagt es dann.

In der Praxis: Das ist ein Fachthema aus dem Training von Modellen. Als Anwender begegnet dir der Begriff selten, aber er erklärt, warum mehr Daten nicht immer besser sind.

Parameter sind die inneren Stellschrauben eines Modells, die beim Training angepasst werden. Ihre Zahl gilt grob als Maß für die Größe und Kapazität eines Modells.

In der Praxis: Wenn ein Modell "70 Milliarden Parameter" hat, klingt das gewaltig. Für dich zählt am Ende aber die Qualität der Antwort, nicht die nackte Zahl.

Ein Prompt ist die Eingabe, mit der du einer KI sagst, was sie tun soll. Das kann eine Frage sein, eine Anweisung oder ein ganzer Beispieltext. Wie gut dein Prompt ist, entscheidet, wie gut die Antwort wird.

In der Praxis: "Schreib mir was zu Marketing" liefert Mittelmaß. Ein klarer Prompt mit Rolle, Ziel und Beispiel liefert Ergebnisse, die du direkt gebrauchen kannst.

Prompt Engineering ist die Kunst, Prompts so zu formulieren, dass eine KI verlässlich gute Ergebnisse liefert. Dazu gehören Struktur, Kontext und passende Beispiele.

In der Praxis: Du musst kein Profi werden. Ein paar Grundregeln reichen, um deine Ergebnisse spürbar zu verbessern. Wie das geht, zeigen wir dir Schritt für Schritt in ChatGPT richtig nutzen.

Prompt Injection ist ein Angriff, bei dem versteckte Anweisungen in einem Text oder einer Website eine KI zu unerwünschtem Verhalten bringen. Die KI hält die eingeschleuste Anweisung für einen legitimen Befehl.

In der Praxis: Relevant wird das, sobald deine KI fremde Inhalte liest, etwa Webseiten oder Mails. Sei vorsichtig, welche Quellen dein Agent automatisch verarbeitet.

RAG bedeutet, dass eine KI vor dem Antworten passende Informationen aus einer Wissensquelle heraussucht und diese in die Antwort einbaut. So arbeitet sie mit aktuellem oder firmeneigenem Wissen statt nur mit ihrem Training.

In der Praxis: Ein Support-Bot, der Antworten aus deinem Handbuch zieht, nutzt RAG. Das senkt Halluzinationen deutlich, weil die KI aus echten Dokumenten schöpft.

Reasoning beschreibt die Fähigkeit einer KI, mehrstufig zu schlussfolgern. Ein Reasoning-Modell nimmt sich vor der Antwort bewusst Zeit zum Nachdenken und löst dadurch komplexe Aufgaben besser.

In der Praxis: Für ein schnelles E-Mail-Format brauchst du das nicht. Für Analysen, Strategie oder Logikrätsel lohnt ein Reasoning-Modell, auch wenn es etwas länger dauert. Wie du solche Modelle richtig ansprichst, zeigen wir am Beispiel von Claude Fable 5 prompten.

RLHF ist ein Trainingsverfahren, bei dem Menschen die Antworten einer KI bewerten und das Modell aus diesem Feedback lernt. So wird es hilfreicher und hält sich eher an gewünschte Umgangsformen.

In der Praxis: RLHF ist ein großer Grund, warum sich moderne Chatbots angenehm und kooperativ anfühlen. Ein Mensch hat mitgeholfen, ihren Ton zu schleifen.

Die Temperatur steuert, wie kreativ oder vorhersehbar eine KI antwortet. Niedrige Werte liefern nüchterne, konsistente Ergebnisse. Hohe Werte erzeugen mehr Abwechslung und Überraschung.

In der Praxis: In der API kannst du das oft direkt einstellen. Für Fakten nimmst du einen niedrigen Wert. Für Brainstorming darf es ruhig höher sein.

Slop, oft KI-Slop genannt, ist massenhaft produzierter, minderwertiger KI-Inhalt ohne echten Mehrwert. Generische Texte, seelenlose Bilder, Artikel, die nur für Klicks existieren.

In der Praxis: Das Netz füllt sich damit. Für dein Marketing heißt das, dass durchdachte, echte Inhalte umso mehr herausstechen. Slop erkennen die Leute, und sie wenden sich ab.

Sycophancy beschreibt die Neigung einer KI, dir nach dem Mund zu reden. Sie stimmt dir zu oder lobt deine Idee, weil das gut ankommt, nicht weil es stimmt.

In der Praxis: Wenn ChatGPT deine mittelmäßige Idee überschwänglich feiert, ist das Sycophancy. Frag gezielt nach Kritik und Schwachstellen, dann bekommst du ehrlichere Antworten.

Synthetische Daten sind künstlich erzeugte Trainingsdaten statt echter Daten aus der Welt. Sie helfen, Modelle zu trainieren, wenn echte Daten fehlen oder zu heikel sind.

In der Praxis: Für dich selten direkt sichtbar, aber ein wachsender Teil davon, wie moderne Modelle entstehen. Hängt eng mit dem Modellkollaps zusammen.

Der System-Prompt ist eine übergeordnete Anweisung, die das Verhalten einer KI im ganzen Gespräch festlegt. Er steht vor deiner eigentlichen Eingabe und definiert Rolle und Ton.

In der Praxis: In ChatGPT und Claude legst du deinen persönlichen System-Prompt über die Einstellungen fest. Mehr dazu gleich im Tool-Block.

Ein Token ist die kleinste Texteinheit, in die eine KI Sprache zerlegt. Ein Token ist oft ein kurzes Wort oder ein Wortteil. Modelle rechnen in Token, und danach richten sich auch Preise und Limits.

In der Praxis: Als grobe Faustregel entsprechen 1.000 Token etwa 750 deutschen Wörtern. Wenn ein Anbieter nach Token abrechnet, weißt du jetzt, was gezählt wird.

Tokenisierung ist der Vorgang, bei dem ein Text in einzelne Token zerlegt wird, bevor das Modell ihn verarbeitet. Jede Eingabe durchläuft diesen Schritt zuerst.

In der Praxis: Tokenisierung erklärt, warum eine KI manchmal an simplen Aufgaben wie Buchstabenzählen scheitert. Sie sieht Token, keine einzelnen Buchstaben.

Training ist die Phase, in der ein Modell aus großen Datenmengen lernt und seine Parameter anpasst. Es findet einmal statt, bevor das Modell für dich nutzbar ist.

In der Praxis: Nach dem Training ist das Wissen des Modells eingefroren. Was danach passiert, kennt es nur, wenn du es ihm gibst oder es im Netz sucht.

Der Transformer ist die Architektur, auf der fast alle heutigen Sprachmodelle laufen. Sie kam 2017 mit dem Fachaufsatz Attention Is All You Need auf und machte durch den Attention-Mechanismus den aktuellen KI-Sprung erst möglich.

In der Praxis: Das "T" in GPT steht für Transformer. Du musst die Technik nicht kennen, aber sie ist der Grund, warum KI seit ein paar Jahren so viel besser geworden ist.

Der Turing-Test ist eine alte Messlatte für KI. Sie gilt als bestanden, wenn ein Mensch im Gespräch nicht mehr erkennt, ob er mit einer Maschine oder einem Menschen schreibt.

In der Praxis: Als Fachbegriff taucht er oft in Diskussionen auf. Für die tägliche Arbeit mit KI spielt er keine Rolle.

Eine Vektordatenbank speichert Texte als Embeddings, also als Zahlenreihen, und findet blitzschnell inhaltlich ähnliche Einträge. Sie ist die technische Grundlage vieler RAG-Systeme.

In der Praxis: Wenn du eine KI auf deine eigenen Dokumente ansetzen willst, steckt hinter der Suche fast immer eine Vektordatenbank.

Vibe Coding heißt, Software zu bauen, indem du einer KI in normaler Sprache beschreibst, was du willst, statt selbst zu programmieren. Die KI schreibt den Code, du steuerst über Feedback.

In der Praxis: So baust du dir kleine Tools, Rechner oder Prototypen, ohne Entwickler zu sein. Wie das fürs Marketing geht, zeigen wir in Vibe Coding im Marketing.

Der Wissensstichtag ist das Datum, bis zu dem die Trainingsdaten eines Modells reichen. Ereignisse danach kennt die KI aus sich heraus nicht.

In der Praxis: Fragst du nach etwas, das nach dem Stichtag passiert ist, braucht die KI eine Websuche oder eine eigene Quelle von dir. Sonst rät sie.

Ein Wrapper ist ein Tool, das nur eine Oberfläche um ein fremdes KI-Modell baut, ohne eigene Technik dahinter. Viele KI-Startups sind nichts weiter als ein Wrapper um GPT oder Claude.

In der Praxis: Gut zu wissen, bevor du für ein Tool zahlst. Manchmal bekommst du dasselbe Ergebnis günstiger direkt bei ChatGPT oder Claude.

Beim Zero-Shot-Prompting stellst du eine Aufgabe ganz ohne Beispiele und verlässt dich darauf, dass die KI sie direkt versteht. Das ist der Normalfall im Alltag.

In der Praxis: "Fasse diesen Text in drei Sätzen zusammen" ist Zero-Shot. Klappt es nicht gut genug, gibst du Beispiele dazu und machst Few-Shot daraus.

Neben ChatGPT und Claude tauchen ständig weitere Namen auf. Hier die wichtigsten, damit du sie einordnen kannst.

ChatGPT. Der Chatbot von OpenAI und der bekannteste Vertreter überhaupt. Läuft auf der GPT-Modellfamilie und kann Text, Bilder und Sprache verarbeiten.

Claude. Der KI-Assistent von Anthropic. Gilt als stark bei langen Texten, sauberem Schreiben und beim Arbeiten mit deinen eigenen Dokumenten.

Gemini. Das KI-Modell von Google, eng mit Google-Diensten wie Suche, Docs und Gmail verzahnt. Praktisch, wenn du ohnehin im Google-Kosmos arbeitest.

Microsoft Copilot. Die KI von Microsoft, eingebaut in Windows und Office. Sie hilft dir direkt in Word, Excel und Outlook.

Perplexity. Eine KI-Suchmaschine, die Fragen beantwortet und ihre Quellen mitliefert. Gut für Recherche, wenn du die Herkunft der Antwort sehen willst.

Midjourney. Ein Bild-Generator, der aus Textbeschreibungen Motive erzeugt. Beliebt für hochwertige, stimmungsvolle Bilder.

Die Begriffe oben gelten für KI allgemein. Jetzt wird es konkret. Diese Wörter tauchen genau dann auf, wenn du in ChatGPT oder Claude auf einen Knopf klickst und dich fragst, was der eigentlich macht. Wir sortieren nach Tool.

Custom Instructions (benutzerdefinierte Anweisungen). Eine Dauer-Einstellung, in der du ChatGPT einmal sagst, wer du bist und wie es antworten soll. Danach gilt das in jedem neuen Chat. Ideal, um deinen Beruf, deine Zielgruppe und deinen gewünschten Ton zu hinterlegen.

GPTs (Custom GPTs). Eigene, angepasste Versionen von ChatGPT für eine bestimmte Aufgabe. Du gibst ihnen feste Anweisungen und optional eigene Dokumente. Im GPT Store findest du fertige von anderen Nutzern.

Memory (Erinnerung). Eine Funktion, mit der sich ChatGPT über Chats hinweg Dinge über dich merkt. Erwähnst du einmal dein Geschäftsfeld, kann es das später von selbst berücksichtigen. Du kannst diese Erinnerungen einsehen und löschen.

Canvas. Ein eigener Arbeitsbereich neben dem Chat, in dem du längere Texte oder Code gemeinsam mit der KI direkt bearbeitest. Statt alles neu zu generieren, änderst du gezielt einzelne Stellen.

o-Modelle (Reasoning-Modelle). Die Modellreihe von OpenAI, die vor der Antwort bewusst nachdenkt. Sie ist für schwierige Analyse- und Logikaufgaben gemacht und braucht dafür etwas länger als die Standardmodelle.

Deep Research. Ein Modus, in dem ChatGPT über längere Zeit selbstständig im Netz recherchiert und am Ende einen ausführlichen, belegten Bericht liefert. Gut für Marktanalysen oder Rechercheaufgaben, die sonst Stunden kosten.

Agent Mode (früher Operator). Ein Agent, der eigenständig im Browser Aufgaben für dich erledigt, etwa Formulare ausfüllen oder Informationen zusammentragen. Er handelt selbst, du schaust zu und greifst bei Bedarf ein.

Projects (Projekte). Ein Ordner, der mehrere Chats, Dateien und Anweisungen zu einem Thema bündelt. Alles, was du im Projekt hinterlegst, steht den Chats darin zur Verfügung.

Temporärer Chat. Ein Gespräch, das nicht im Verlauf gespeichert wird und die Erinnerung nicht beeinflusst. Praktisch für einmalige oder sensible Fragen.

Artifacts. Ein eigenes Fenster neben dem Chat, in dem Claude fertige Ergebnisse wie Dokumente, Code oder kleine Web-Anwendungen darstellt und live aktualisiert. Du siehst das Resultat sofort und lässt es weiter anpassen. Wir zeigen dir 7 Anwendungsfälle für Claude Live Artifacts.

Projects (Projekte). Ein Arbeitsbereich, der Chats, Dateien und feste Anweisungen zu einem Thema zusammenfasst. So hat Claude bei jedem Gespräch im Projekt den passenden Hintergrund parat.

Styles (Stile). Eine Einstellung, mit der du Claude einen festen Schreibstil vorgibst. Du kannst aus Vorlagen wählen oder einen eigenen Stil aus Beispieltexten anlernen, damit die Ausgabe zu deiner Marke passt.

Computer Use. Eine Fähigkeit, mit der Claude einen Computer wie ein Mensch bedient, also Maus bewegt und klickt. Damit kann es Aufgaben in Programmen erledigen, die keine direkte Schnittstelle haben.

Claude Code. Ein Werkzeug für die Kommandozeile, mit dem Entwickler Claude direkt an ihrem Projekt arbeiten lassen. Es liest, schreibt und ändert Dateien im Code.

Cowork. Ein Modus, in dem Claude eigenständig an deinen Dateien und Aufgaben arbeitet und Ergebnisse zurückliefert, während du anderes tust. Der Fokus liegt auf konkreter Arbeit statt reinem Chat. Welche Claude-Variante wofür taugt, klären wir in Claude Chat, Code oder Cowork.

Skills. Vorgefertigte Anleitungen für wiederkehrende Aufgaben, die Claude bei Bedarf lädt. Du hinterlegst einmal, wie eine Aufgabe laufen soll, und Claude wendet das danach automatisch an. Praktisch für alles, was du regelmäßig gleich machst.

Memory (Erinnerung). Wie bei ChatGPT merkt sich Claude über Gespräche hinweg relevante Infos über dich und deine Arbeit, sobald du die Funktion aktivierst. So musst du deinen Kontext nicht jedes Mal neu erklären.

Constitutional AI. Das Trainingsprinzip hinter Claude. Das Modell lernt anhand einer festen Sammlung von Grundsätzen, sich hilfreich und sicher zu verhalten, statt sich allein auf Einzelbewertungen zu stützen.

Das Kontextfenster steht zwar oben im A-Z-Teil, verdient hier aber eine Extra-Notiz. In ChatGPT und Claude ist es die unsichtbare Grenze deines Gesprächs. Wird ein Chat sehr lang, fangen beide Tools an, den Anfang zu vergessen. Wenn du das merkst, startest du am besten einen frischen Chat und gibst nur das Wichtigste erneut mit.

KI ist der Oberbegriff für alles, was Software intelligent wirken lässt. Machine Learning ist ein Teilbereich davon, bei dem Software aus Daten lernt. Deep Learning ist wiederum ein Teil des Machine Learning, der mit vielschichtigen neuronalen Netzen arbeitet. Man kann sich das als drei Kreise ineinander vorstellen.

Ein Token ist ein Textbaustein, in den eine KI Sprache zerlegt, meistens ein kurzes Wort oder ein Wortteil. Modelle rechnen und bezahlen in Token. Als Faustregel entsprechen 1.000 Token rund 750 deutschen Wörtern.

Ein Sprachmodell schlägt keine Fakten nach, sondern sagt das wahrscheinlichste nächste Wort voraus. Wenn ihm sicheres Wissen fehlt, füllt es die Lücke mit einer plausibel klingenden Erfindung. Deshalb solltest du wichtige Fakten immer gegenprüfen.

Nein. Ein paar Grundregeln reichen für den Alltag. Gib der KI eine klare Rolle, ein konkretes Ziel und bei Bedarf ein Beispiel. Damit holst du schon deutlich bessere Ergebnisse heraus als mit einem knappen Einzeiler.

Ein LLM ist das Sprachmodell im Hintergrund, also die eigentliche Technik. ChatGPT ist die Anwendung mit Chat-Oberfläche, die auf so einem Modell aufbaut. GPT ist das LLM, ChatGPT ist das Produkt drumherum.

Beide sind KI-Assistenten mit Chat-Oberfläche, laufen aber auf unterschiedlichen Modellen und stammen von verschiedenen Firmen. ChatGPT kommt von OpenAI und ist der Alleskönner mit der größten Verbreitung. Claude kommt von Anthropic und gilt als besonders stark bei langen Texten und sauberem Schreiben. Für den Einstieg kannst du beide kostenlos testen und schauen, welcher dir besser liegt.

Ein Chatbot antwortet auf deine Fragen. Ein KI-Agent geht weiter und erledigt Aufgaben eigenständig, indem er Schritte plant und Werkzeuge nutzt. Der Chatbot redet, der Agent handelt.

KI-Sprache ist kein Hexenwerk, sobald die Begriffe klar sind. Mit Prompt, Token, Kontextfenster, Halluzination und LLM verstehst du schon die Grundmechanik. Der Rest ist Feinschliff, den du dir bei Bedarf hier holst.

Speicher dir dieses Glossar als Lesezeichen und schlag nach, wann immer dir ein Wort begegnet. Und wenn du KI verstehen und für dein Marketing nutzen willst, hol dir jeden Mittwoch unseren Newsletter mit frischen Praxis-Tipps für Selbstständige. Ein saftiger Startpunkt ist auch unser Praxis-Guide ChatGPT für Solopreneure. Wer direkt an den Marketing-Hebel will, findet in KI-Marketing für KMU einen konkreten 5-Schritte-Plan.