KI-Glossar: die Begriffe, die in Angeboten stehen

Die förmliche Erklärung des Auftraggebers, dass eine Leistung vertragsgemäß erbracht ist. Sie ist der wichtigste Termin im Projekt: Mit ihr geht die Gefahr über, die Vergütung wird fällig und die Gewährleistungsfrist beginnt. Bei KI-Systemen ist die Abnahme heikler als bei klassischer Software, weil sich die Güte eines Modells nicht binär prüfen lässt. Vereinbaren Sie deshalb vor Projektbeginn messbare Kriterien, etwa eine Trefferquote auf einem festgelegten Testdatensatz.

Ein KI-System, das ein Ziel in mehreren Schritten selbstständig verfolgt, statt auf jede einzelne Anweisung zu warten. Ein Agent darf Werkzeuge aufrufen, Zwischenergebnisse bewerten und seinen Weg korrigieren. Der praktische Unterschied zum Chatbot: Sie beschreiben das Ergebnis, nicht den Weg dorthin.

Die Verordnung (EU) 2026/1744, die die KI-Verordnung ändert und seit dem 27. Juli 2026 gilt. Sie verschiebt die Pflichten für Hochrisiko-Systeme auf den 2. Dezember 2027 und den 2. August 2028, ergänzt zwei Verbote und macht aus der Pflicht zur KI-Kompetenz eine Pflicht zur Förderung. Verbote, Transparenzpflichten und Pflichten für allgemeine Modelle gelten unverändert.

Der Zeitraum, nach dem sich eine Investition aus eingesparten Kosten selbst getragen hat. Rechnerisch: Investition geteilt durch monatliche Einsparung. Unser Ziel sind zwölf Monate. Länger darf es dauern, wenn ein Vorhaben mehr hinterlässt als eine niedrigere Kostenzeile, etwa dauerhaft digitalisierte Abläufe, auf denen die nächsten Schritte aufbauen.

Wer ein KI-System entwickelt oder entwickeln lässt und es unter eigenem Namen auf den Markt bringt oder in Betrieb nimmt. Auf Anbieter entfallen die meisten Pflichten der KI-Verordnung. Auch ein Unternehmen, das einen eigenen Chatbot für Kunden baut, kann für dieses System Anbieter sein.

Der vereinbarte Weg, auf dem zwei Programme Daten austauschen. Über eine KI-API binden Sie ein Modell in eigene Anwendungen ein, ohne es selbst zu betreiben. Abgerechnet wird meist je verarbeitetem Token, nicht je Benutzer, was die Kosten an die tatsächliche Nutzung koppelt.

Der Rechenschritt, der die Transformer-Architektur ausmacht: Für jedes Wort bewertet das Modell, wie stark jedes andere Wort im Text dazu beiträgt. So entsteht Bezug über Satzgrenzen hinweg. Weil der Aufwand mit der Textlänge überproportional wächst, ist Attention der Grund, warum lange Eingaben teuer sind.

Verarbeitet ein Dienstleister personenbezogene Daten im Auftrag und nach Weisung, verlangt Artikel 28 DSGVO einen Vertrag zur Auftragsverarbeitung. Er regelt Zweck, Dauer, Löschung, Unterauftragnehmer und technische Schutzmaßnahmen. Jeder Cloud-Anbieter, dessen Modell Ihre Kundendaten sieht, ist ein Auftragsverarbeiter. Wer ein Modell im eigenen Haus betreibt, braucht dafür keinen solchen Vertrag, weil die Daten das Haus nicht verlassen.

Der Anteil der Vorgänge, die ohne Handgriff eines Menschen vollständig durchlaufen. Sie zeigt, wie viel ein System im Alltag tatsächlich übernimmt, und wächst mit jeder Runde, in der Ausnahmen ausgewertet werden. Aussagekräftig wird sie zusammen mit der Erstlösungsquote, die zeigt, ob das Ergebnis auch stimmt.

Systeme, die Entscheidungen ohne Rückfrage treffen und ausführen. Der Begriff beschreibt einen Grad, keinen Zustand: Zwischen „schlägt vor“ und „handelt allein“ liegen mehrere Stufen. In Unternehmen ist fast immer eine mittlere Stufe richtig, in der das System vorbereitet und ein Mensch freigibt.

Berufsverband der Unternehmensberatung in Deutschland. Die Mitgliedschaft setzt eine Prüfung der Beratungspraxis voraus und verpflichtet auf Berufsgrundsätze zu Unabhängigkeit und Vertraulichkeit.

Ein standardisierter Test, mit dem Modelle verglichen werden. Nützlich für die Vorauswahl, wenig aussagekräftig für Ihren Fall: Ein Modell, das in Prüfungsaufgaben führt, kann bei Ihren Lieferantenrechnungen schlechter abschneiden als ein kleineres. Deshalb gehört zu jedem Projekt eine eigene Messung.

Wer ein KI-System in eigener Verantwortung beruflich einsetzt. Fast jedes Unternehmen, das KI nutzt, ist Betreiber. Seine Pflichten setzen am Verwendungszweck an: KI-Kompetenz fördern, bei Deepfakes und bestimmten Texten offenlegen und bei Hochrisiko-Systemen für Aufsicht, Protokolle und Information sorgen.

Systematische Schieflagen in den Ergebnissen, die aus den Trainingsdaten stammen. Ein Modell, das aus vergangenen Entscheidungen lernt, reproduziert deren Muster, auch die unerwünschten. Relevant überall dort, wo über Menschen entschieden wird: Bewerbungen, Kreditwürdigkeit, Priorisierung von Anliegen.

Die Aufforderung an ein Modell, den Lösungsweg auszuschreiben, statt sofort zu antworten. Bei mehrschrittigen Aufgaben steigt die Trefferquote damit deutlich. Neuere Modelle tun das von sich aus und weisen den Denkschritt getrennt aus.

Der Chat-Dienst von OpenAI und für die meisten der erste Kontakt mit generativer KI. Wichtig für die betriebliche Einordnung: ChatGPT ist die Oberfläche, das Modell dahinter ist ein anderes Produkt. Wer KI in eigene Abläufe einbaut, nutzt in der Regel die Schnittstelle, nicht den Chat.

Ein Abschnitt, in den ein Dokument für die Suche zerlegt wird. Ein guter Chunk enthält einen Gedanken vollständig und trägt Angaben zu Herkunft, Stand und Berechtigung. Die Suche eines RAG-Systems findet Chunks, deshalb bestimmt ihr Zuschnitt die Qualität der Antworten.

Die Modellfamilie von Anthropic. In der Praxis gefragt für lange Dokumente, sorgfältiges Befolgen von Vorgaben und Programmierarbeit. Wie bei allen großen Anbietern verschiebt sich die Rangfolge mit jeder Modellgeneration, ein Vergleich lohnt sich pro Anwendungsfall.

Ein Modell bedient eine Oberfläche wie ein Mensch: Es sieht den Bildschirm, bewegt den Zeiger, tippt. Damit lassen sich Altsysteme ohne Schnittstelle einbinden. Der Weg ist langsamer und fehleranfälliger als eine echte Anbindung und deshalb die zweitbeste Lösung, aber manchmal die einzige.

Verfahren, mit denen ein System Bilder und Videos auswertet: Objekte erkennen, Fehler finden, Text lesen, Szenen beschreiben. In der Fertigung prüft es Teile, im Lager liest es Etiketten, in der Schadenbearbeitung ordnet es Fotos zu.

Die Auswahl und der Zuschnitt dessen, was ein Modell zu einer Aufgabe zu sehen bekommt: Anweisung, gefundene Dokumente, Gesprächsverlauf, Werkzeuge. Weil das Kontextfenster begrenzt ist und jede Zeile Kosten verursacht, entscheidet der Zuschnitt oft mehr über die Qualität als die Wahl des Modells.

Microsofts KI-Assistenz in Office, Windows und Entwicklerwerkzeugen. Der Reiz liegt in der Nähe zu vorhandenen Daten, der Aufwand in deren Vorbereitung: Copilot antwortet aus den Dateien und Postfächern, auf die ein Benutzer Zugriff hat. Ungepflegte Berechtigungen fallen damit sofort auf.

Die Verordnung (EU) 2023/2854 über den Zugang zu Daten und ihre Nutzung. Sie regelt unter anderem, dass Nutzer vernetzter Produkte an die dabei entstehenden Daten kommen und dass der Wechsel zwischen Cloud-Anbietern leichter wird; ab dem 12. Januar 2027 dürfen Anbieter dafür kein Entgelt mehr verlangen.

Der abgegrenzte Bestand an Dokumenten und Datensätzen, auf den ein KI-System zugreifen darf. Ihn zu bestimmen ist die erste Arbeit jedes Projekts und meist die unterschätzte: Wer alles freigibt, bekommt Antworten aus Entwürfen, Altständen und fremden Abteilungen.

Eine Prüfung nach Artikel 35 DSGVO, bevor eine Verarbeitung beginnt, die voraussichtlich ein hohes Risiko für die Rechte der Betroffenen birgt. Bei KI mit Personal- oder Gesundheitsdaten gehört sie in aller Regel dazu. Sie beschreibt Zweck, Risiken und Schutzmaßnahmen und wird an den Anfang des Vorhabens gestellt.

Künstlich erzeugte Bild-, Ton- oder Videoaufnahmen, die echte Personen zeigen. Für Unternehmen ist weniger die Öffentlichkeit das Problem als der Zahlungsbetrug: Eine nachgebildete Stimme am Telefon genügt, um eine Überweisung anzustoßen. Schutz ist organisatorisch, nicht technisch, etwa über feste Rückrufwege.

Ein Teilgebiet des Machine Learning, das mit neuronalen Netzen aus vielen Schichten arbeitet. Jede Schicht erkennt etwas abstraktere Muster als die davor. Sprachmodelle, Bilderkennung und Spracherkennung beruhen heute auf Deep Learning.

Chinesischer Anbieter, der mit offen verfügbaren Modellen bekannt wurde. Bemerkenswert war weniger die Leistung als der Nachweis, dass sich konkurrenzfähige Modelle mit erheblich geringerem Aufwand trainieren lassen. Für den betrieblichen Einsatz ist die Frage nach dem Serverstandort vorab zu klären.

Ein großes Modell bringt einem kleinen bei, seine Aufgaben zu erfüllen. Das Ergebnis läuft mit einem Bruchteil der Rechenleistung, oft auf eigener Hardware. Der Weg, auf dem aus einem Modell für den Rechenzentrumsbetrieb eines wird, das in Ihrer Serverecke arbeitet.

Ein Vertrag über eine Tätigkeit, nicht über ein Ergebnis, geregelt in Paragraf 611 BGB. Geschuldet ist die fachgerechte Arbeit für die vereinbarte Zeit. Für Beratung, Betrieb und laufende Weiterentwicklung ist das die passende Form, weil sich das Ergebnis vorab nicht beschreiben lässt. Für eine abgrenzbare Umsetzung passt der Werkvertrag besser, dort schuldet der Auftragnehmer den Erfolg.

Die Bauart hinter den meisten Bild- und Videogeneratoren. Das Modell beginnt mit Rauschen und entfernt es schrittweise, bis das beschriebene Bild übrig bleibt. Erklärt zwei Eigenheiten: dass derselbe Prompt nie zweimal dasselbe Bild liefert, und dass die Erzeugung Zeit braucht.

Die Verordnung (EU) 2022/2554 über die digitale operationale Resilienz im Finanzsektor, anwendbar seit dem 17. Januar 2025. Sie verlangt IKT-Risikomanagement, Vorfallmeldungen, Tests und die Steuerung von Drittanbietern. KI-Systeme gehören in diesen Rahmen; die BaFin hat dazu im Dezember 2025 eine Orientierungshilfe veröffentlicht.

Die europäische Datenschutz-Grundverordnung. Für KI-Vorhaben sind vier Fragen entscheidend: Welche personenbezogenen Daten fließen ins Modell, auf welcher Rechtsgrundlage, wo werden sie verarbeitet, und wie lange bleiben sie dort. Ein Auftragsverarbeitungsvertrag mit dem Anbieter ist die Regel, kein Sonderfall.

Modelle laufen dort, wo die Daten entstehen: an der Maschine, im Fahrzeug, im Gerät. Keine Übertragung, keine Wartezeit über das Netz, Betrieb auch ohne Verbindung. Machbar geworden durch kleine Modelle und Quantisierung.

Die Übersetzung von Text in eine Zahlenfolge, die seine Bedeutung abbildet. Zwei Texte mit ähnlichem Inhalt ergeben ähnliche Zahlenfolgen, auch wenn kein Wort übereinstimmt. Darauf beruht die Suche nach Sinn statt nach Schreibweise, die Grundlage jeder Wissensdatenbank mit KI.

KI, die aus biometrischen Daten wie Gesicht oder Stimme auf Gefühle oder Absichten schließt. Am Arbeitsplatz und in Bildungseinrichtungen ist sie seit dem 2. Februar 2025 verboten, außer aus medizinischen oder Sicherheitsgründen. Eine Auswertung von Texten nach Themen fällt nicht darunter.

Eine Rechnung in einem strukturierten elektronischen Format nach der europäischen Norm EN 16931, die eine Software direkt lesen kann. Seit dem 1. Januar 2025 müssen inländische Unternehmen E-Rechnungen empfangen können; die Pflicht zum Versand zwischen Unternehmen folgt 2027 und 2028 in zwei Stufen. Eine reine PDF-Datei gilt als sonstige Rechnung.

Nach § 2 Nr. 11 BSIG ein Vorfall, der schwerwiegende Betriebsstörungen oder finanzielle Verluste verursacht hat oder verursachen kann, oder andere durch erhebliche materielle oder immaterielle Schäden beeinträchtigt. Für NIS-2-betroffene Unternehmen löst er eine dreistufige Meldepflicht aus: frühe Erstmeldung binnen 24 Stunden, Folgemeldung binnen 72 Stunden, Abschlussmeldung nach spätestens einem Monat. Ein Datenabfluss über einen manipulierten KI-Assistenten kann darunterfallen, ein abgestürzter Chatbot ohne Datenabfluss in der Regel nicht.

Der Anteil der Vorgänge, die beim ersten Mal vollständig richtig erledigt sind. Im Kundenservice heißt das: Anliegen im ersten Kontakt gelöst. Sie ist die Kennzahl, die am meisten über Qualität aussagt, und gehört deshalb zu den Werten, die vor dem Start eines Vorhabens erhoben werden.

Die KI-Verordnung der Europäischen Union. Sie sortiert Anwendungen nach Risiko und knüpft daran Pflichten: Verbotenes, Hochrisiko-Anwendungen mit Auflagen zu Dokumentation und Aufsicht, Transparenzpflichten, freier Bereich. Die Einstufung hängt am Einsatzzweck, nicht am Modell, dasselbe Modell kann in einem Fall streng geregelt und im anderen frei sein.

Ein eigener Testsatz aus Ihren Fällen mit den erwarteten Ergebnissen, an dem sich jede Änderung messen lässt. Ohne Evals ist jede Aussage über Qualität ein Eindruck. Mit Evals sehen Sie, ob ein neues Modell, eine geänderte Anweisung oder ein anderer Schwellwert wirklich besser ist.

Der Anweisung ein paar gelöste Beispiele voranstellen, damit das Modell das Muster übernimmt. Bei Formatvorgaben und Einordnungsaufgaben oft wirksamer als jede Beschreibung in Worten und ungleich billiger als Fine-Tuning.

Ein vortrainiertes Modell mit eigenen Beispielen nachtrainieren, damit es Tonfall, Format oder Fachsprache trifft. Sinnvoll für die Art der Antwort, ungeeignet für ihren Inhalt: Wissen, das sich ändert, gehört nicht ins Modell, sondern in eine angebundene Quelle.

Ein großes, allgemein trainiertes Modell, das als Grundlage für viele Anwendungen dient, statt für eine gebaut zu sein. Die wirtschaftliche Folge: Das teure Training übernimmt der Anbieter, Sie zahlen für die Anpassung und den Betrieb.

Googles Modellfamilie, von Beginn an auf mehrere Eingabearten ausgelegt und eng mit Google Workspace und der Google Cloud verzahnt. Für Unternehmen, deren Daten dort ohnehin liegen, der Weg mit dem geringsten Integrationsaufwand.

Systeme, die Neues erzeugen, statt Vorhandenes einzuordnen: Text, Bild, Ton, Programmcode. Der Unterschied zur klassischen Auswertung ist grundsätzlich. Ein Klassifizierer wählt aus bekannten Antworten, ein generatives Modell formuliert eine, die es so noch nicht gab, mit allen Vorteilen und dem bekannten Risiko.

Die Arbeit daran, in den Antworten von KI-Assistenten vorzukommen. Andere Mittel als bei der Suchmaschine: Es zählen klar beantwortete Fragen, belegte Aussagen, saubere strukturierte Daten und ein eindeutiges Unternehmensprofil über alle Quellen hinweg. Verwiesen wird auf das, was sich zitieren lässt.

Kurz für Generative Pre-trained Transformer und zugleich die Bezeichnung der OpenAI-Modellreihe. Die drei Teile beschreiben das Verfahren: erzeugend, im Voraus auf großen Textmengen trainiert, auf der Transformer-Architektur aufgebaut.

Eine Form von RAG, die neben Textabschnitten auch die Beziehungen zwischen Dingen nutzt, etwa welcher Vertrag zu welchem Kunden und welchem Produkt gehört. Das hilft bei Fragen, deren Antwort über viele Dokumente verteilt ist. Der Aufbau ist aufwendiger als bei klassischem RAG und lohnt sich bei stark vernetzten Beständen.

Die Bindung einer Antwort an belegte Quellen, etwa gefundene Dokumente oder Daten aus einem System. Ein verankertes System antwortet nur aus dem, was es belegen kann, und sagt, wenn es keine Stelle findet. Das ist das wirksamste Mittel gegen erfundene Angaben.

Eine Prüfung nach Artikel 27 der KI-Verordnung, die bestimmte Betreiber vor dem Einsatz eines Hochrisiko-Systems durchführen: öffentliche Stellen, Anbieter öffentlicher Dienste und Betreiber von Systemen zur Kreditwürdigkeit oder zur Preisbildung in Lebens- und Krankenversicherung. Sie beschreibt, wen das System betrifft und welche Risiken bestehen.

Regeln, die vor und nach dem Modell greifen: Was darf hineingehen, was darf herauskommen, wo ist Schluss. Sperrlisten, Prüfung auf personenbezogene Daten, Schwellwerte, ab denen ein Mensch entscheidet. Ohne Leitplanken ist ein Modell im Betrieb ein Versprechen, kein System.

Eine erfundene Angabe, die richtig klingt. Kein Fehler im engeren Sinn, sondern die Kehrseite des Verfahrens: Das Modell setzt fort, was wahrscheinlich ist, und Wahrscheinlichkeit ist nicht Wahrheit. Wirksam dagegen sind belegte Quellen, Rückverweise auf die Fundstelle und Stichproben, nicht die Bitte, nichts zu erfinden.

KI-Systeme, die die KI-Verordnung wegen ihres Einsatzzwecks besonders streng regelt: als Sicherheitsbauteil in regulierten Produkten oder in Bereichen wie Personal, Bildung, Kreditwürdigkeit und Versicherungspreisen. Die Pflichten gelten nach dem AI Omnibus ab dem 2. Dezember 2027, für Produkte ab dem 2. August 2028.

Ein Ablauf, in dem das System vorbereitet und ein Mensch entscheidet. Der Regelfall in Unternehmen, weil er die Zeitersparnis mitnimmt, ohne die Verantwortung abzugeben. Die Kunst liegt im Zuschnitt: Prüfen, was unsicher ist, durchlaufen lassen, was eindeutig ist.

Lokale Modelle und Cloud-Modelle nebeneinander, je nach Aufgabe. Personenbezogenes und Massenhaftes läuft lokal, das fachlich Schwierige geht an ein großes Modell. In der Praxis die häufigste Bauform, weil sie Datenschutz und Leistung nicht gegeneinander ausspielen muss.

Die Verbindung von Suche nach Bedeutung und Suche nach Stichworten. Die Bedeutungssuche findet Umschreibungen, die Stichwortsuche findet Artikelnummern, Normen und Eigennamen exakt. Zusammen decken sie die Fragen ab, die im Alltag an Unternehmensunterlagen gestellt werden.

Der Betrieb eines fertig trainierten Modells, also jede einzelne Antwort. Kostenseitig der Posten, der bleibt: Training fällt einmal an, Inferenz mit jeder Anfrage. Wer die laufenden Kosten senken will, arbeitet hier, über kleinere Modelle, kürzere Eingaben oder eigene Hardware.

Die durchgängige Verarbeitung von Dokumenten mit KI: erkennen, auslesen, prüfen, zuordnen und an das führende System übergeben. Im Unterschied zur reinen Texterkennung versteht IDP den Inhalt, etwa welche Zahl der Rechnungsbetrag ist und ob er zur Bestellung passt.

Der Versuch, ein Modell durch geschickte Formulierung zu Ausgaben zu bringen, die es verweigern soll. Für Unternehmen zählt vor allem der eigene Fall: Ein öffentlich erreichbarer Assistent wird ausprobiert. Was er nicht sagen soll, muss außerhalb des Modells abgesichert sein.

Die Transparenzpflichten der KI-Verordnung, seit dem 2. August 2026. Chatbots geben sich als Maschine zu erkennen, Anbieter generativer Systeme markieren erzeugte Inhalte maschinenlesbar, und Betreiber legen Deepfakes und bestimmte Texte zu Angelegenheiten von öffentlichem Interesse offen, sofern kein Mensch sie inhaltlich geprüft und verantwortet hat.

Ein Verzeichnis aller KI-Systeme im Unternehmen, auch der KI-Funktionen in Standardsoftware, mit Zweck, Rolle und Risikoklasse. Es ist der erste Schritt, um die Pflichten aus der KI-Verordnung zu bestimmen, und deckt nebenbei auf, wo Schatten-KI im Einsatz ist.

Die Fähigkeiten, Kenntnisse und das Verständnis, die einen sachkundigen Einsatz von KI ermöglichen. Artikel 4 des EU AI Act verpflichtet Anbieter und Betreiber, den Aufbau dieser Kompetenz bei ihren Beschäftigten zu unterstützen. Seit dem AI Omnibus ist das eine Bemühenspflicht; der Nachweis der Maßnahmen ist der Kern.

Ein kurzes internes Regelwerk für den Einsatz von KI: welche Werkzeuge freigegeben sind, welche Daten in welches Werkzeug gehören, wie Ergebnisse geprüft werden und wer Ansprechperson ist. Sie gibt Mitarbeitenden Sicherheit im Alltag und belegt die Bemühungen um KI-Kompetenz. Zwei bis vier Seiten genügen.

Die Festlegung, welche Abläufe in welcher Reihenfolge mit KI bearbeitet werden und woran der Erfolg gemessen wird. Der Nutzen liegt weniger in der Auswahl der Vorhaben als im begründeten Nein zu allem übrigen.

Ein Wissensbestand, der Fragen in Alltagssprache aus den eigenen Unterlagen beantwortet und die Fundstelle nennt. Technisch beruht sie meist auf RAG. Entscheidend für den Erfolg sind gepflegte Quellen, klare Zuständigkeiten und Rechte, die schon bei der Suche gelten.

Wie viel Text ein Modell in einer Anfrage gleichzeitig überblickt, gemessen in Token. Alles darüber hinaus existiert für das Modell nicht. Große Fenster ersparen Zerlegen, kosten aber je Anfrage: Sie zahlen für jedes mitgeschickte Token, auch für das, was nichts beiträgt.

Ein großes Sprachmodell, trainiert darauf, den jeweils nächsten Textbaustein vorherzusagen. Aus dieser einen Fähigkeit ergibt sich alles Weitere: zusammenfassen, übersetzen, einordnen, formulieren. Wer das Grundprinzip kennt, versteht sowohl die Stärken als auch die Halluzination.

Die Beschreibung dessen, was Sie erreichen wollen, aus Ihrer Sicht und in Ihrer Sprache. Es nennt Anforderungen und Rahmenbedingungen, nicht die technische Lösung. Ein brauchbares Lastenheft für ein KI-Vorhaben beantwortet drei Fragen: Welcher Ablauf soll sich ändern, welche Daten liegen dafür vor, und woran messen wir den Erfolg? Wer das nicht schriftlich hat, vergleicht Angebote, die verschiedene Dinge meinen.

Die Zeit bis zur Antwort. Im Chat verschmerzbar, im Ablauf entscheidend: Ein Schritt, der acht Sekunden braucht, ist in einer Kette aus zwanzig Schritten das Ende der Sache. Kleine Modelle nahe an den Daten schlagen hier große Modelle in der Ferne.

Eine Kennung, mit der öffentliche Auftraggeber eingehende E-Rechnungen der zuständigen Stelle zuordnen. Wer an Behörden liefert, erhält sie vom Auftraggeber und trägt sie in jede Rechnung ein. Im Stammdatensatz des Kunden hinterlegt, wird sie automatisch übernommen.

Eine der Risikomanagementmaßnahmen aus NIS-2: Die Sicherheit der eigenen Dienste hängt an den Dienstleistern, die daran mitwirken. Für KI heißt das konkret, dass ein Cloud-Modell ein Glied dieser Kette ist. Zu beantworten ist, welcher Anbieter welche Daten verarbeitet, an welchem Ort, und was geschieht, wenn er ausfällt. Ein Zertifikat des Anbieters ist dabei ein Baustein, aber kein Ersatz für die eigene Bewertung.

Metas Modellfamilie mit offen verfügbaren Gewichten. Sie hat den praktischen Unterschied gemacht, dass leistungsfähige Modelle auch auf eigener Hardware laufen. Die Lizenz ist offen, aber nicht voraussetzungslos, ein Blick hinein gehört vor jedes Vorhaben.

Ein sparsames Verfahren zum Nachtrainieren: Statt das ganze Modell zu verändern, wird eine kleine Zusatzschicht gelernt. Das Ergebnis ist wenige Megabyte groß, lässt sich zu- und abschalten und macht mehrere Anpassungen desselben Grundmodells praktikabel.

Der Oberbegriff für Verfahren, die Regeln aus Daten ableiten, statt sie vorgeschrieben zu bekommen. Sprachmodelle sind ein Zweig davon, und nicht immer der passende: Für Mengengerüste, Vorhersagen und Klassifizierung sind ältere, kleinere Verfahren oft genauer, schneller und billiger.

Ein offener Standard dafür, wie ein Modell an Werkzeuge und Datenquellen kommt. Der Zweck ist Wiederverwendung: Eine einmal gebaute Anbindung an Ihr ERP steht jedem Modell zur Verfügung, das den Standard spricht, statt je Anbieter neu geschrieben zu werden.

Ein festgelegter Punkt im Projekt, an dem ein prüfbares Zwischenergebnis vorliegt. Meilensteine taugen nur, wenn sie an ein Ergebnis gekoppelt sind und nicht an ein Datum. Bei KI-Vorhaben empfiehlt sich ein früher Meilenstein mit echten Daten, damit sich Machbarkeit und Datenqualität zeigen, bevor das Budget gebunden ist. Koppeln Sie Zahlungen an Meilensteine, nicht an Kalendermonate.

Französischer Anbieter mit offenen und geschlossenen Modellen. Für europäische Unternehmen aus zwei Gründen im Blick: Verarbeitung innerhalb der EU und Modellgrößen, die sich auf überschaubarer eigener Hardware betreiben lassen.

Eine Bauart, bei der ein Modell aus vielen Teilnetzen besteht, von denen je Anfrage nur wenige rechnen. So bleibt die Antwortzeit im Rahmen, obwohl das Modell insgesamt sehr groß ist. Erklärt, warum Parameterzahlen zwischen Modellen nicht mehr vergleichbar sind.

Mehrere spezialisierte KI-Agenten, die eine Aufgabe gemeinsam erledigen, etwa einer recherchiert, einer schreibt, einer prüft. Eine übergeordnete Steuerung verteilt die Arbeit und führt die Ergebnisse zusammen. Das erhöht die Leistungsfähigkeit, aber auch den Bedarf an klaren Rechten und Protokollen.

Die Fähigkeit, mehrere Eingabearten in einem Modell zu verarbeiten: Text, Bild, Ton, Video. Im Betrieb der Unterschied zwischen „Rechnung abtippen“ und „Rechnung fotografieren“.

Ein Rechenmodell aus vielen verbundenen Einheiten, deren Verbindungen beim Training so eingestellt werden, dass das Netz aus Eingaben die gewünschten Ausgaben erzeugt. Die Stärke der Verbindungen sind die Parameter. Große Sprachmodelle sind neuronale Netze mit sehr vielen Parametern.

Europäische Richtlinie zur Netzwerk- und Informationssicherheit, in Deutschland umgesetzt durch das NIS-2-Umsetzungsgesetz. Es gilt seit dem 6. Dezember 2025 ohne Übergangsfrist. Betroffen ist, wer in einem der regulierten Sektoren tätig ist und die Größenschwellen überschreitet; Zulieferer regulierter Unternehmen trifft es mittelbar über den Vertrag. NIS-2 regelt nicht das Risiko einer KI-Anwendung, sondern die Sicherheit ihres Betriebs: Lieferkette, Zugriffe, Protokollierung, Schulung und Meldewege.

Das Fachgebiet der maschinellen Sprachverarbeitung, älter als die heutigen Sprachmodelle. Übersetzung, Erkennung von Eigennamen, Einordnung von Anliegen, Stimmungsanalyse, alles Aufgaben, für die es vor den großen Modellen eigene, kleine Werkzeuge gab, die sich vielfach weiter lohnen.

Zwei Schritte, die oft in einen Topf geworfen werden. OCR löst den Text aus dem Bild, die Erkennung ordnet Werte den Feldern zu: Rechnungsnummer, Datum, Positionen, Steuersätze. Am zweiten Schritt scheitern starre Regeln, weil jedes Lieferantenformular anders aussieht, und genau dort trägt ein Modell.

Lokale Modelle auf eigener Hardware im eigenen Haus. Aufwendiger in der Einrichtung, dafür ohne Datenabfluss, ohne Kosten je Anfrage und ohne Abhängigkeit von der Verfügbarkeit eines Anbieters. Die Rechnung geht meist dort auf, wo dauerhaft viele Anfragen anfallen oder die Daten das Haus nicht verlassen dürfen.

Modelle, deren Gewichte frei verfügbar sind. Zu unterscheiden von quelloffener Software im strengen Sinn: Offene Gewichte heißen nicht offene Trainingsdaten und nicht uneingeschränkte Nutzung. Für die meisten betrieblichen Zwecke reicht es, für manche Lizenzfragen nicht.

Die Steuerung mehrerer Modell- und Systemaufrufe zu einem Ablauf: Was läuft nacheinander, was parallel, was passiert bei einem Fehler, wo wird abgebrochen. In Projekten steckt hier der größere Teil der Arbeit, nicht im Modell selbst.

Ein Modell hat die Trainingsbeispiele auswendig gelernt, statt die Regel dahinter. Auf bekannten Daten glänzend, auf neuen unbrauchbar. Der Grund, warum ein Testsatz getrennt gehalten wird, den das Modell nie gesehen hat.

Die im Training gelernten Stellgrößen eines Modells, angegeben in Milliarden. Lange galt: mehr Parameter, bessere Ergebnisse. Diese Faustregel trägt nicht mehr. Trainingsqualität, Bauart und Zuschnitt auf die Aufgabe schlagen die reine Größe regelmäßig.

Die Antwort des Auftragnehmers auf Ihr Lastenheft: wie er die Anforderungen umsetzen wird. Es beschreibt Architektur, Schnittstellen, Datenflüsse, Zuständigkeiten und Abnahmekriterien. Erst wenn Sie es gelesen und verstanden haben, wissen Sie, ob Ihr Anliegen angekommen ist. Ein Pflichtenheft, das Ihr Lastenheft nur umformuliert, ist ein Warnsignal.

Die Eingabe an ein Modell. Anweisung, Zusammenhang, Beispiele und Frage in einem. Wie viel davon Sie mitgeben, entscheidet über die Antwort und über den Preis, denn abgerechnet wird nach Umfang.

Anweisungen so zu bauen, dass ein Modell verlässlich das Gewünschte liefert. Handwerk, kein Beiwerk: Rolle, Zusammenhang, Beispiele, Ausgabeformat. Der Unterschied zwischen zwei Formulierungen derselben Aufgabe ist im Ergebnis oft größer als der zwischen zwei Modellen.

Ein Angriff, bei dem Anweisungen in Daten versteckt werden, die das Modell verarbeitet: in einer E-Mail, einem Dokument, auf einer Webseite. Das Modell unterscheidet Anweisung und Inhalt nicht von selbst. Die Abwehr liegt außerhalb: begrenzte Rechte, Bestätigung vor wirksamen Schritten.

Ein kleiner, befristeter Nachweis, dass ein Vorhaben trägt, bevor es gebaut wird. Sinnvoll mit vorab festgelegtem Abbruchkriterium. Ohne dieses wird aus dem Nachweis ein Dauerzustand, der weder produktiv geht noch beendet wird.

Eine feste Sammlung echter Fälle mit der Antwort, die der Fachbereich für richtig hält. Vor jeder Änderung an Modell, Anweisung oder Daten läuft das System diese Fälle erneut, und der Vergleich zeigt, ob die Änderung geholfen hat. Der Prüfsatz ist Grundlage für Abnahme und Betrieb und bleibt im eigenen Haus.

Die Gewichte eines Modells werden gröber gespeichert, etwa mit vier statt sechzehn Bit. Der Speicherbedarf sinkt um ein Vielfaches, die Qualität nur wenig. Das Verfahren, das große Modelle auf bezahlbare Hardware bringt und damit den eigenen Betrieb überhaupt ermöglicht.

Der Quellcode wird bei einer neutralen dritten Stelle hinterlegt und an Sie herausgegeben, wenn festgelegte Fälle eintreten, etwa die Insolvenz des Dienstleisters. Das ist die Absicherung für den Fall, dass Sie eine Individuallösung betreiben, deren Code Ihnen nicht gehört. Die einfachere Variante: Sie lassen sich die Rechte am Quellcode gleich im Vertrag einräumen. Wir übergeben den Quellcode grundsätzlich, eine Hinterlegung erübrigt sich damit.

Vor der Antwort werden passende Stellen aus Ihren Dokumenten gesucht und dem Modell mitgegeben. Es antwortet aus Belegen statt aus Erinnerung, mit Quellenangabe und ohne Nachtraining. Der übliche Weg, wenn ein Assistent Ihr Haus kennen soll und Ihr Wissen sich ändert.

Ein Modell, das vor der Antwort erkennbar rechnet: Es arbeitet den Lösungsweg aus, verwirft und beginnt neu. Bei mehrschrittigen Aufgaben deutlich stärker, dafür langsamer und teurer. Für Einordnen und Zusammenfassen ist es die falsche Wahl.

Eine zweite Sortierung der Suchergebnisse. Ein spezialisiertes Modell ordnet die gefundenen Abschnitte noch einmal nach ihrer Passung zur Frage und hebt die beste Stelle nach oben. Das verbessert die Antworten eines RAG-Systems spürbar, weil das Sprachmodell die treffendsten Stellen zuerst liest.

Bestärkendes Lernen aus menschlicher Rückmeldung. Menschen bewerten Antworten, das Modell lernt daraus, welche Art zu antworten erwünscht ist. Der Schritt, der aus einem Textfortsetzer einen brauchbaren Gesprächspartner macht.

Software-Roboter, die Programme über ihre Oberfläche bedienen, so wie ein Mensch es mit Maus und Tastatur tun würde. RPA ist die bewährte Brücke zu Systemen, die keine Schnittstelle anbieten. In Kombination mit KI, die Texte versteht, und Workflows, die Systeme verbinden, lassen sich auch gewachsene Abläufe automatisieren.

Die Nutzung privater KI-Zugänge für dienstliche Aufgaben. Sie zeigt, dass Mitarbeitende einen Bedarf haben. Die wirksamste Antwort ist ein gutes eigenes Angebot: freigegebene Werkzeuge mit Unternehmenskonto und eine Richtlinie, die den sicheren Weg beschreibt.

Die maschinelle Einordnung von Texten nach Stimmung. Im Betrieb genutzt für Bewertungen, Beschwerden und Servicetickets, meist nicht als Selbstzweck, sondern um Dringendes nach vorn zu holen.

Die vertraglich zugesicherte Dienstgüte: Verfügbarkeit, Reaktionszeit bei Störungen, Wartungsfenster und die Folgen bei Nichteinhaltung. Ohne SLA gibt es keinen belastbaren Anspruch auf Erreichbarkeit. Bei KI-Diensten lohnt der Blick auf zwei Größen, die häufig fehlen: die zugesicherte Antwortzeit unter Last und die Ankündigungsfrist für Modellwechsel. Ein Modellwechsel kann Ergebnisse verändern, ohne dass sich an Ihrem System etwas ändert.

Ein bewusst kleines Sprachmodell, das auf gewöhnlicher Hardware läuft. Für abgegrenzte Aufgaben, Einordnen, Umformen, Feldzuordnung, oft genauso gut wie ein großes und um Größenordnungen billiger. In Automatisierungen sitzen kleine Modelle dort, wo eine feste Regel nicht reicht, und sonst nirgends.

OpenAIs Videogenerator. Für Unternehmen mit Vorsicht zu betrachten: Die Frage nach Rechten an Vorlagen und die Kennzeichnungspflicht für künstlich erzeugte Inhalte sind vor der Veröffentlichung zu klären, nicht danach.

Ein KI-Assistent, der am Telefon oder per Sprache antwortet. Er nimmt Anliegen auf, gibt Auskünfte aus Unterlagen und Systemen, vereinbart Termine und leitet mit einer Zusammenfassung an Menschen weiter. Zu Beginn des Gesprächs wird gesagt, dass eine KI spricht.

Die Umwandlung gesprochener Sprache in Text, im Englischen Automatic Speech Recognition. Sie ist die Grundlage für Transkription, Telefonassistenten und Protokolle aus Besprechungen. Bei guter Tonqualität ist sie sehr zuverlässig; Namen, Fachbegriffe und Zahlen werden gegengelesen.

Das Modell wird auf ein festes Ausgabeformat verpflichtet, damit die Antwort ohne Nachbearbeitung in ein anderes System läuft. Der Schritt, der aus einem Assistenten einen Bestandteil eines Ablaufs macht: Was nicht maschinenlesbar herauskommt, muss jemand abtippen.

Auszeichnungen im Quelltext einer Seite, die maschinenlesbar erklären, was dort steht: Unternehmen, Leistung, Begriff, Frage und Antwort. Suchmaschinen und KI-Assistenten stützen sich darauf, wenn sie eine Quelle einordnen und zitieren.

Künstlich erzeugte Daten, die die Eigenschaften echter Daten nachbilden, ohne echte Personen oder Vorgänge zu enthalten. Sie helfen beim Testen und Trainieren, wenn echte Daten knapp oder vertraulich sind. Ihre Qualität wird gegen echte Stichproben geprüft.

Die feste Anweisung, die ein Modell vor jeder Unterhaltung erhält: Rolle, Ton, Regeln, erlaubte Quellen, Umgang mit Unsicherheit. Nutzer sehen sie meist nicht. Ein guter Systemprompt ist kurz, eindeutig und wird wie Code versioniert und getestet.

Total Cost of Ownership: alle Kosten eines Systems über seine Nutzungsdauer, nicht nur die Einführung. Dazu gehören Lizenzen oder Modellnutzung, Hardware, Betrieb, Pflege, Schulung und Wechselkosten. Erst die Gesamtkosten zeigen, ob Cloud oder eigener Betrieb günstiger ist.

Eine Einstellung, die bestimmt, wie stark ein Modell bei der Wahl des nächsten Wortes vom Wahrscheinlichsten abweicht. Niedrige Werte liefern gleichbleibende, nüchterne Antworten und passen zu Auskunft und Auslesen; höhere Werte bringen Abwechslung für Ideen und Entwürfe.

Die Einheit, in der ein Modell Text zerlegt und abrechnet, ein Wortstück von durchschnittlich vier Zeichen. Deutsche Texte brauchen mehr Token als englische, weil zusammengesetzte Wörter zerfallen. Kontextfenster, Preise und Geschwindigkeit sind alle in dieser Einheit angegeben.

Das Modell erhält eine Liste verfügbarer Funktionen und entscheidet selbst, welche es mit welchen Werten aufruft: Bestand abfragen, Termin anlegen, Rechnung suchen. Der Übergang vom Antworten zum Handeln, und der Punkt, ab dem Rechte und Bestätigungen zu regeln sind.

Der Bestand, aus dem ein Modell seine Regeln ableitet. Zwei Dinge folgen daraus unmittelbar: Was nicht in den Daten war, kann das Modell nicht wissen, und was schief in den Daten lag, liegt schief im Modell.

Ein für eine Aufgabe trainiertes Modell für eine verwandte weiterverwenden. Der Grund, warum kein Unternehmen mehr bei null anfängt: Das allgemeine Sprachverständnis ist da, angepasst wird nur der letzte Teil.

Die Architektur, auf der praktisch alle heutigen Sprachmodelle aufbauen. Ihr Kern ist die Aufmerksamkeit: Jedes Wort wird im Verhältnis zu allen anderen bewertet, statt der Reihe nach gelesen. Das macht sie parallel berechenbar und war die Voraussetzung für Modelle dieser Größe.

Ein Speicher für Embeddings, der zu einer Anfrage die inhaltlich nächsten Einträge findet. Das Gedächtnis hinter jedem Assistenten, der Ihre Dokumente kennt. Die Qualität hängt weniger an der Datenbank als am Zuschnitt der abgelegten Abschnitte.

Die Abhängigkeit von einem Anbieter, die einen Wechsel teuer oder unmöglich macht. Sie entsteht selten durch eine Entscheidung, sondern durch viele kleine: eigene Datenformate, anbietereigene Schnittstellen, Daten, die nur dort liegen. Bei KI kommt eine eigene Form hinzu, die Abhängigkeit von Formulierungen: Prompts, die für ein bestimmtes Modell abgestimmt sind, wirken bei einem anderen nicht gleich. Gegenmittel sind offene Formate, ein jederzeit exportierbarer Datenbestand und eine Zwischenschicht vor dem Modell.

Software entwickeln, indem man beschreibt, was herauskommen soll, und das Modell den Code schreiben lässt. Für Prototypen und kleine Werkzeuge erstaunlich weit tragfähig. Für Systeme, die Geld bewegen oder personenbezogene Daten verarbeiten, ersetzt es weder Prüfung noch Verantwortung.

Ein Vertrag über ein Ergebnis, geregelt in Paragraf 631 BGB. Geschuldet ist nicht die Arbeit, sondern das funktionierende Werk, mit Abnahme, Gewährleistung und Mängelhaftung. Für abgrenzbare Umsetzungen mit klaren Kriterien ist das die richtige Form. Für offene Erkundung, laufenden Betrieb und Beratung passt er nicht, weil sich der geschuldete Erfolg nicht beschreiben lässt.

Wiederkehrende Abläufe ohne manuelle Zwischenschritte durchlaufen lassen. Mit KI erweitert sich der Kreis dessen, was sich automatisieren lässt, auf Fälle ohne feste Regel. Die wirtschaftlich ergiebigsten Stellen sind selten die auffälligen, sondern die vielen kleinen Übergaben zwischen zwei Systemen.

Ein deutsches Format der E-Rechnung: eine reine XML-Datei nach der europäischen Norm EN 16931. Sie ist der gewohnte Weg für Rechnungen an öffentliche Auftraggeber und eignet sich für die vollautomatische Verarbeitung. Für Menschen wird sie über eine Ansicht lesbar gemacht.

Eine Aufgabe lösen lassen, ohne ein einziges Beispiel mitzugeben. Bei geläufigen Aufgaben genügt das. Sobald ein bestimmtes Format oder eine hauseigene Abgrenzung gefragt ist, sind ein paar Beispiele die billigste Verbesserung, die es gibt.

Ein hybrides Format der E-Rechnung: ein lesbares PDF mit eingebetteter XML-Datei. Ab Version 2.0.1 erfüllt es die umsatzsteuerlichen Anforderungen, mit Ausnahme der Profile MINIMUM und BASIC-WL. Maßgeblich ist der strukturierte Teil; beide Teile sollten deshalb aus derselben Quelle stammen.