Künstliche Intelligenz (KI) ist in aller Munde. Tools wie ChatGPT, Midjourney oder Gemini tauchen in Schlagzeilen und Gesprächen immer häufiger auf. Doch für Einsteiger ist die Fachsprache voller Stolperfallen. Was bedeutet eigentlich Prompt? Was steckt hinter dem Begriff Kontextfenster? Und warum ist von Halluzinationen oder Bias die Rede?
Dieser Leitfaden führt Schritt für Schritt durch die zentralen Begriffe, die jeder kennen sollte, um KI-Systeme souverän zu nutzen. Verständlich, praxisnah und ohne Vorkenntnisse.
Prompt: Die Anweisung an die KI
Ein Prompt ist die Eingabe, die Sie einer KI geben – eine Frage, ein Auftrag oder eine Beschreibung. Der Prompt ist so etwas wie das Briefing für einen Experten. Je präziser er formuliert ist, desto besser und relevanter die Antwort.
Beispiel:
Kontextfenster: Das Kurzzeitgedächtnis der KI
Das Kontextfenster beschreibt, wie viel Text oder Gesprächsverlauf ein Modell gleichzeitig berücksichtigen kann. Alles, was darüber hinausgeht, „vergisst“ es.
Das Fenster wird in Tokens gemessen. Ein Token kann ein Wort, ein Wortteil oder ein Satzzeichen sein. Als Faustregel entspricht ein deutsches Wort etwa 1,3 bis 1,5 Tokens.
Beispiel:
Wenn ein Modell ein Kontextfenster von 8.000 Tokens hat, kann es rund 5.000 Wörter im Blick behalten. Wird der Text länger, fallen die ersten Teile aus dem Gedächtnis.
Tokens: Die Bausteine von Text
Ein Token ist die kleinste Verarbeitungseinheit für ein Sprachmodell. Statt ganze Wörter zu lesen, zerlegt die KI den Text in Tokens. Diese „Bausteine“ bestimmen, wie viel die KI gleichzeitig verarbeiten kann und wie hoch die Kosten einer Anfrage sind.
Das ist wichtig zu wissen, weil zu viele Tokens bei langen Dokumenten schnell das Limit sprengen können.
KI-Modell: Das trainierte Kernstück
Ein KI-Modell ist der algorithmische Kern, der durch Training Muster erkennt und Vorhersagen trifft. Ein Sprachmodell wie GPT-4 wurde mit Milliarden Beispielen gefüttert, um Texte zu verstehen und zu erzeugen.
Wichtig ist die Unterscheidung:
- Das Modell ist das „Gehirn“.
- Das System ist die Anwendung, die das Modell in eine nutzerfreundliche Form bringt.
Beispiel: ChatGPT ist nicht das KI-Modell, sondern das System oder eben die Anwendung, die wir gemütlich nutzen können, ohne überhaupt Ahnung von IT und Programmierung haben zu müssen. Ein Modell, dass du z.B. in ChatGPT nutzen kannst ist aktuell GPT-5 oder früher GPT-4o. Die Anwendung, das System bleibt meist das gleiche, jedoch die Modelle ändern sich über die Zeit und werden Schritt für Schritt schlauer.
LLM: Large Language Model
Ein LLM ist ein großes Sprachmodell, das mit riesigen Mengen an Text trainiert wurde. Diese Modelle können Konversationen führen, Texte zusammenfassen, übersetzen oder programmieren. ChatGPT-5 oder Gemini 2.5 Pro sind Beispiele für LLMs.
LLMs haben KI für breite Nutzer zugänglich gemacht, weil man kein Fachwissen braucht, sondern einfach in normaler Sprache Fragen stellen kann.
Generative KI: Inhalte auf Knopfdruck
Generative KI ist ein Teilgebiet der KI. KI kann per se super viel – heißt, Wetter vorhersagen, Hunde und Katzen unterscheiden, teilweise auch schon Auto fahren oder eben auch Schach spielen. Generative KI ist ein Spezialgebiet der Künstlichen Intelligenz, wobei es ausschließlich darum geht “Neues” zu erschaffen – sei es Text, Bilder, Video oder sogar Musik!
Beispiele sind ChatGPT für Text, Midjourney für Bilder oder Suno für Musik.
Seit den 1950er-Jahren gibt es den Oberbegriff AI, ab den 1980ern spezialisierte Machine-Learning-Modelle, seit den 2010ern Deep Learning, und in den 2020ern schließlich Generative AI, die eigenständig neue Inhalte erzeugt. Das verdeutlicht also die zunehmende Spezialisierung und Leistungsfähigkeit von KI-Systemen.
Neuronale Netze: Inspiration aus dem Gehirn
- Links (a) sieht man ein stilisiertes Gehirn mit vielen Punkten und Verbindungen, das steht für Nervenzellen und ihre Vernetzung.
- Rechts (b und c) ist dargestellt, wie ein künstliches neuronales Netz funktioniert: Daten (x₁, x₂, …) fließen von links nach rechts durch verschiedene „Schichten“ von Knoten, die ähnlich wie Nervenzellen arbeiten.
Diese Verbindungen werden beim Lernen angepasst (die roten Pfeile zeigen, wo die KI nachjustiert), sodass das Netz am Ende bessere Ergebnisse liefert.
Kurz gesagt: Das Bild veranschaulicht, dass Künstliche Intelligenz versucht, die Arbeitsweise des Gehirns nachzuahmen.
Neuronale Netze sind die technische Grundlage vieler KI-Modelle. Sie sind inspiriert vom menschlichen Gehirn und bestehen aus Schichten von künstlichen „Neuronen“. Jede Schicht verarbeitet Daten weiter, bis komplexe Muster erkannt werden.
Deep Learning, eine Form des maschinellen Lernens, baut auf besonders tiefen neuronalen Netzen auf.
Halluzination: Wenn KI erfindet
Eine Halluzination liegt vor, wenn ein KI-Modell eine Antwort erzeugt, die zwar überzeugend klingt, aber falsch oder frei erfunden ist. Das passiert, weil die KI Muster fortsetzt, ohne Fakten prüfen zu können.
Deshalb ist es wichtig, Ergebnisse kritisch zu hinterfragen oder mit Quellen abzusichern.
Bias: Verborgene Verzerrungen
Bias bedeutet, dass eine KI verzerrte oder einseitige Ergebnisse liefert. Das passiert, wenn die Daten, mit denen sie trainiert wurde, schon Vorurteile enthalten. Ein bekanntes Beispiel ist Amazons Recruiting-Tool. Es sollte Bewerbungen automatisch bewerten, stufte jedoch Frauen schlechter ein, weil in den Trainingsdaten überwiegend Männer vertreten waren. Ein anderes Beispiel ist die Immobilienplattform Zillow. Ihre KI sollte Hauspreise vorhersagen, konnte die Marktschwankungen während der Pandemie aber nicht richtig einschätzen. Dadurch entstanden Verluste in Milliardenhöhe. Diese Fälle zeigen, dass KI weder neutral noch unfehlbar ist. Deshalb ist es wichtig, sich möglicher Verzerrungen bewusst zu sein und Systeme fair und verantwortungsvoll einzusetzen.
Chatbot: Der digitale Gesprächspartner
Ein Chatbot ist ein Programm, das mit Menschen in Alltagssprache kommuniziert. Früher konnten diese Systeme nur einfache Antworten geben, wie etwa ein Chatfenster, das bei „Passwort vergessen“ automatisch einen Standardtext anzeigt. Auch Sprachassistenten wie Alexa gehören dazu, sie reagieren auf Befehle und wirken eher mechanisch. Moderne Chatbots wie ChatGPT verstehen dagegen viel mehr, können flexibel reagieren und klingen fast wie ein echter Gesprächspartner.
Automatisierung: Arbeit von der Maschine erledigen lassen
Automatisierung bedeutet, dass Aufgaben von einer Maschine übernommen werden. Das gibt es schon seit Jahrzehnten, zum Beispiel bei Fließbändern in Fabriken oder beim Online-Banking, wenn eine Überweisung automatisch ausgeführt wird. Mit KI geht jedoch noch mehr, weil die Systeme flexibler reagieren können. Sie beantworten E-Mails, analysieren Daten oder passen Preise an, ohne dass jemand ständig nachsteuern muss. So spart man Zeit und macht Abläufe effizienter. Genau deshalb bekommt Automatisierung mit KI eine neue Bedeutung.
Tipps für den Alltag
- Formulieren Sie Prompts klar und präzise.
- Behalten Sie das Kontextfenster im Blick, besonders bei langen Texten.
- Nutzen Sie verschiedene Modelle je nach Aufgabe, kein Modell ist in allem führend.
- Prüfen Sie Ergebnisse kritisch, um Halluzinationen oder Bias zu erkennen.
- Probieren Sie aus: Nur durch praktische Anwendung entwickeln Sie ein Gefühl für die Stärken und Grenzen von KI.
FAQ
Wie viele Tokens hat ein Modell?
Das hängt vom Modell ab. Neuere Varianten wie GPT-4o oder Claude 3.5 können über 100.000 Tokens verarbeiten, andere nur ein paar Tausend.
Was ist der Unterschied zwischen Modell und System?
Das Modell ist der trainierte Kern. Das System ist die fertige Anwendung, die Nutzer verwenden, inklusive Oberfläche und Zusatzlogik.
Sind Halluzinationen vermeidbar?
Ganz verhindern lassen sie sich nicht. OpenAI zeigt in einem aktuellen Paper, dass Sprach-KIs immer wieder Antworten erfinden, weil sie so trainiert sind, das nächste Wort vorherzusagen. Sie geben lieber etwas aus, auch wenn es falsch ist. Darum bleibt immer ein Restrisiko.
Warum gibt es so viele Fachbegriffe?
Weil KI ein komplexes Feld ist. Viele Begriffe stammen aus Informatik und Statistik. Wer die Basics kennt, kann KI jedoch deutlich besser einschätzen.
Fazit
Mit diesen Begriffen verfügen Sie über das wichtigste Grundwissen, um KI souverän zu nutzen.
Wer diese Vokabeln versteht, erkennt Grenzen, vermeidet Fehler und kann KI gezielt im Alltag und im Beruf einsetzen. Statt Unsicherheit wächst Klarheit und genau das ist der Schlüssel für einen kompetenten Umgang mit künstlicher Intelligenz.
