Künstliche Intelligenz (KI) findet in immer mehr Bereichen unseres Alltags Anwendung. Daher lohnt es sich, den Überblick über die vielen Fachbegriffe und Konzepte zu behalten. Unser KI-Glossar von A bis Z bietet Ihnen eine verständliche und umfassende Ressource, um sich in der Welt der Generativen KI (GenAI) zurechtzufinden.
Egal, ob Sie ein Experte auf diesem Gebiet sind oder gerade erst Ihr Interesse an KI entdeckt haben: Dieses Glossar ist dazu gedacht, Ihr Wissen zu vertiefen. Wir aktualisieren es wöchentlich.
Fehlen Ihnen Begriffe? Gerne per Mail bei uns melden!
„KI-Agenten“ sind Werkzeuge, die komplexe Aufgaben automatisieren, für die sonst menschliche Ressourcen erforderlich wären. Anders als KI-„Assistenten“ wie die bekannten Chatbots erledigen sie nicht nur reaktiv einzelne Aufgaben, die User vorgeben. Statt dessen sind sie in der Lage, eine Reihe diverser Aufgaben nacheinander abzuarbeiten und dabei selbständig Entscheidungen zu treffen. Das wirtschaftliche Potenzial von Agentic AI erscheint enorm – Google hat, passend dazu, das Jahr 2025 bereits als Beginn eines „Age of Agents“ ausgerufen.
Im Sommer 2025 haben die großen Chatbots wie ChatGPT oder Gemini auch jeweils eigene „Agent Modes“ eingeführt – welche Kinderkrankheiten die teilweise noch hatten, hat unser Geschäftsführer Timm Rotter auf recht kuriose Weise selbst erlebt.
GenAI-Reifegrad-Analyse zur Frage, wie weit Unternehmen im deutschsprachigen Raum bei der Nutzung von GenAI sind. Das Ergebnis der Umfrage von disruptive und dem KI-Spezialisten Retresco zeigt, dass die meisten Firmen noch in den Startlöchern stehen. Hier kostenlos downloaden!
Gesetzgebung der EU, die damit als erster Staatenbund rechtlich bindende und auf definierten Risikoklassen basierende Vorgaben für die Entwicklung und den Einsatz von Künstlicher Intelligenz erlässt. Der AI Act wurde im Mai 2024 beschlossen, die Regelungen treten seither sukzessive in Kraft. Bei uns im Blog steht, was das für den Einsatz von Generativer KI in Unternehmen bedeutet.
Deutsches KI-Unternehmen, das zwischenzeitlich einmal KI-Sprachmodelle in vergleichbarer Qualität entwickelte wie OpenAI. Schließlich verloren die Heidelberger vermutlich auch deswegen den Anschluss, weil sie nicht über ähnlich milliardenschwere Finanzierungen verfügten wie die US-Konkurrenz.
Algorithmen werden oft mit KI verwechselt. Ein Algorithmus ist eine klar definierte Anleitung, die Schritt für Schritt vorgibt, wie eine Aufgabe oder ein Problem zu lösen ist. Im Sinne eines Entscheidungsbaumes liefert ein Algorithmus regelbasiert auf jeden ihm bekannten Status (etwa „Ich möchte mich bei disruptive bewerben“ oder „Ich möchte einen Workshop buchen“) eine vorher definierte Antwort. Algorithmen sind per se zunächst keine KI – wenn die Systeme nicht in der Lage sind, Daten sukzessive besser zu verarbeiten und dazuzulernen.
Altman, CEO des ChatGPT-Erfinders OpenAI, ist das prominenteste Gesicht in der GenAI-Welt. Dies gilt mehr denn je seit November 2023, als OpenAI die wohl meistbeachte Management-Posse in der Tech-Welt aufführte: Erst wurde Altman völlig überraschend vom Verwaltungsrat gefeuert. Die Karriere des 38-Jährigen, der OpenAI mitgegründet hatte und schon in einem Atemzug mit IT-CEOs wie Mark Zuckerberg (siehe unten) genannt worden war und mit dem sich Politiker wie US-Präsident Joe Biden und Bundeskanzler Olaf Scholz hatten fotografieren lassen, schien abrupt zu enden.
Doch keine Woche später inthronisierte OpenAI seinen Chef wieder. Zwischendrin hatte Microsoft-CEO Satya Nadella damit geliebäugelt, Altman in sein Unternehmen zu holen. Anschließend war OpenAI-Verwaltungsrat Ilya Sutskever, offenbar der Chef-Gegenspieler Altmans, öffentlich bei „X“ nach Canossa gezogen und hatte sein Verhalten dort „zutiefst bedauert“. Danach gab es in sechs Tagen zwei Interims-CEO. Und schließlich hatten noch 500 von 700 OpenAI-Mitarbeiter:innen angedroht, aus Loyalität zu Altman zu kündigen. Kurzerhand war der alte CEO sechs Tage später wieder der neue.
Hörenswert dazu: der Podcast „Godcode: Macht. KI. Drama” von FUNK.
… ist Europas führende KI-Initiative, der wir mit disruptive und unserer Mutterfirma In A Nutshell als einer der ersten Mittelständler in Deutschland beigetreten sind. Das Ziel: Wissenaustausch mit den führenden Tech-Unternehmen in Deutschland und unsere Kunden noch besser bei strategischen, Governance- und Change-Fragen beraten zu können.
Artificial General Intelligence (AGI) bezeichnet eine neue Qualität von Künstlicher Intelligenz. AGI ist erreicht, wenn die KI ähnlich wie ein Mensch die unterschiedlichsten Probleme und Fragestellungen bearbeiten kann und das in der gleichen Qualität wie wir. Bei KI-Skeptikern werden AGIs kritisch gesehen, da ihnen das Potenzial zugeschrieben wird, sich selbst, von uns Menschen unkontrollierbar, weiterzuentwickeln.
Erinnern Sie sich noch an Googles ersten GenAI-Chatbot „Bard“? Der hatte einen schweren Start, nachdem er im Frühjahr 2023 bei der ersten öffentlichen Präsentation Fakten verdreht hatte. Sogar der Google-Aktienkurs brach daraufhin ein. Und obwohl einer der größten Tech-Giganten hinter dem Tool stand, schaffte Bard es zunächst nicht, zu ChatGPT und Co aufzuschließen. Zu schlecht war vor allem das sprachliche Ausdrucksvermögen.
Später wurde der Bot in „Gemini“ umbenannt – übernahm also den Namen des damals neuen KI-Modells von Google. Seit Frühjahr 2025 ist Gemini auf Augenhöhe mit OpenAIs ChatGPT und wird damit gerade für Mittelständler zur KI-Basistechnologie der Wahl (siehe unten beim Eintrag zu „Google“),
Unser erstes CustomGPT! Lesen Sie Ihren Kindern persönliche und interaktive Gute-Nacht-Geschichten vor, inspiriert von modernen Märchen und mit Ihrem Kind als Held! „Bedtime Stories” ist ein von uns entwickeltes CustomGPT“ in ChatGPT. Den Link gibt’s bei uns im Blog – ebenso weitere Infos zu CustomGPTs, einer Vorstufe von AI Agents.
Von uns bei disruptive 2024 verliehener Sonderpreis im Rahmen von Deutschlands größtem Content-Marketing-Award, dem BCM. Gewinner wurde ein Projekt, das mithilfe von GenAI auf eine bemerkenswerte Art und Weise eine der größten Herausforderungen der Menschheit angeht.
Die Bundesnetzagentur wird die zentrale Behörde zur KI-Aufsicht in Deutschland. Damit ist sie auch dafür zuständig, dass Unternehmen den AI Act einhalten. Für einzelne, branchen- oder themenbezogenen Aspekte bei der KI-Gesetzgebung werden nachgeordnet spezialisierte Behörden zuständig sein. Drei Beispiele: Für den Finanzbereich ist dies die Bundesanstalt für Finanzdienstleistungen (BaFin), für Automotive-Themen das Kraftfahrtbundesamt und für den Datenschutz die Datenschutzbehörden.
Hochleistungs-KI-Modell, im Dezember 2024 herausgebracht. Mit ChatGPT Pro hat OpenAI eine neue Dimension in der KI-Entwicklung erreicht – zumindest preislich. Was es kann, wer es (nicht!) braucht, steht bei uns im Blog
Das amerikanische KI-Forschungsunternehmen Anthropic hat mit Claude einen direkten Konkurrenten zu ChatGPT auf den Markt gebracht. Anthropic wurde von ehemaligen OpenAI-Forschenden gegründet und hat, finanziert von Amazon, zu einem ernsthaften ChatGPT-Konkurrenten entwickelt. Wenn es um sprachlich elaborierte deutsche Texte geht, ist es den Modellen von OpenAI sogar meist überlegen.
LinkedIn hat das „Content Credentials“-Label eingeführt, das KI-erzeugte Bilder als solche kennzeichnet. Nutzer sehen ein „cr“-Symbol in der oberen linken Ecke, das auf den Urheber verweist. Dieses Update greift die bevorstehenden Kennzeichnungspflicht laut EU-„AI Act“ auf, die professionelle Anwenderverpflichtet, transparent zu machen, ob Inhalte mit KI erstellt oder bearbeitet wurden. Neben der Kennzeichnung von KI-Inhalten müssen auch KI-Systeme ausgewiesen und Mitarbeitende geschult werden.
Die Einführung von Labeln wie diesem ist wichtig, um Unsicherheiten bezüglich der Kennzeichnungspflicht zu klären und Vertrauen in soziale Medien zu schaffen. Aktuell erfasst das Label nur Bilder und Videos; Textinhalte sind nicht betroffen, da es an Metadaten mangelt. Die Funktion ist (Stand 09/24) noch nicht mit allen Tools kompatibel, z. B. hat Midjourney keine „cr“-Kennzeichnung.
„Copilot“ heißt die KI-Integration, mit der Microsoft das neue Windows 11 ausstattet. Bei uns im Blog steht, wieso Copilot aus Unternehmsssicht so wichtig ist – obwohl die Microsoft-KI noch einige Mängel hat.
Vor allem Mitarbeitende in Konzernen, deren Datenschutzabteilungen viele der neuen Tools bisher verboten hatten, profitieren.
„CustomGPTs“ (im Detail erklärt bei uns im Blog) sind eigene Chatbots, die man direkt im Tool erstellen kann – entweder für die eigene Nutzung oder zugänglich für alle Nutzer. Mit den „Gems“ hat Google Gemini inzwischen ein ähnliches Feature gestartet.
Erstes chinesisches KI-Modell, das den US-Platzhirschen Konkurrenz gemacht hat. Was DeepSeek wirklich kann, steht bei uns im Blog. Kurz gesagt: Vor allem bei Reasoning-Problemen hat das Ende 2024 gelaunchte Open-Source-Modell gezeigt, dass es sogar mit ChatGPT, Gemini und Llama mithalten kann – bei geringerem Verbrauch von Energie und Rechenpower. Das unerwartete Aufkommen eines scheinbar gleichstarken chinesischen Konkurrenten hat die Börsen im Januar 2025 so in Aufruhr versetzt, dass kurzfristig 1,3 Billionen (!) Dollar Aktienwert von US-Tech-Firmen vernichtet wurden.
Hier lesen Sie, wie Sie mit DeepSeek sicher arbeiten und was Sie zur Zensur wissen sollten.
… hat mit KI eher wenig zu tun, allerdings ist unser Geschäftsführer VfB-Stuttgart-Fan. Daher gebührt dem deutschen Nationalstürmer ein Platz in diesem Glossar. Wie Sie selbst Undav & Kollegen Konkurrenz machen können, zumindest als Panini-Bild, lesen Sie bei uns im Blog.
KI-Detektoren sind Programme, die KI-generierten Text von menschengemachten Text unterscheiden. Hierbei analysieren sie die Texte anhand ihres Aufbaus und vergleichen ihn mit den Texten, die Sprachmodelle erstellen. Stand Q1/2026 gibt es keinen Detektor, der in der Lage ist, KI-Text sicher zu erkennen.
Unter Edge AI versteht man den Einsatz von KI-Algorithmen oder -Sprachmodellen direkt auf lokalen Geräten (etwa Smartphones, Laptops, Sensoren, …) statt zentralisiert in der Cloud. Da Daten direkt dort verarbeitet werden, wo sie entstehen, profitieren User von schneller oder sogar Echtzeit-Datenverarbeitung, besserem Datenschutz und Offline-Nutzbarkeit der KI.
Die Aufregung um Gemini Nano 2026 zeigt, dass auch vermeintlich gut gemeinte Edge AI auf Widerstand stoßen kann.
„Erdős-Probleme“ sind besonders schwierige oder noch ungelöste mathematische Fragestellungen, benannt nach dem ungarischen Mathematiker Paul Erdős. Was das mit KI zu tun hat?
Fragt mal OpenAI, die sich im Herbst 2025 arg blamierten mit der Behauptung, GPT-5 habe zehn dieser Probleme gelöst. In Wahrheit hatte das Modell nur bereits bekannte Arbeiten wiederentdeckt. Der Vorfall zeigt, wie leicht KI-Output mit wissenschaftlichem Fortschritt verwechselt werden kann.
Forschungszweig, der die diversen moralischen und gesellschaftlichen Fragen rund um KI zu beantworten möcht. Vor dem Aufkommen von Generativer KI vor allem mit den Konsequenzen von „Singularität“ verbunden – also der Frage, wie wir damit umgehen, wenn Künstliche Intelligenz dem Menschen irgendwann überlegen ist. Mit GenAI kamen diverse neue Themen dazu, bspw. Biases der Chathots, (unrechtmäßige) Nutzung der Trainingsdaten und Umgang mit Nutzerdaten. Aus Corporate-Sicht ist aus ethischer Sicht vor allem die Frage wichtig, wie es gelingt, dass möglichst wenige Mitarbeitende abgehängt werden.
Adobe verfügt über einen eigenen KIBild-Generator mit dem Namen Firefly. Es gilt als rechtssicherer als Alternativen wie Midjourney, Flux oder Nano Banana, da Adobe das Tool mit lizenzierten Bildern aus der eigenen Bilddatenbank trainiert hat. Firefly kann somit kommerziell genutzt werden, ohne dass eine Verletzung des Urheberrechts befürchtet werden muss.
Qualitativ allerdings sind die oben genannten Tools Firefly allesamt überlegen – auch in der KI-Welt geht eben nicht immer alles …
ist der Überbegriff für die KI-Technologie von Google und zudem einer der weltweit führenden KI-Chatbots. Sukzessive hat der Suchmaschinen-Riese Gemini-KI in die gesamte Google Suite eingebaut und macht damit Microsofts Unternehmenslösung Copilot (mehr dazu hier im Blog) Konkurrenz. Seit 2025 holt Google im KI-Wettrennen gegenüber OpenAI deutlich auf – was auch die Marktanteile der weltweiten Chatbot-Nutzung zeigen: Während ChatGPT hier deutlich verlor (01/25: 60 %, 05/26: 47%), konnte Gemini seinen Anteil von 15 auf 27 % im gleichen Zeitraum fast verdoppeln. Quelle: sensortower.com
… ist die ausgeschriebene Form der vielfach genutzten Abkürzung GPT. „Generative vortrainierte Transformer” sind Sprachmodelle für die Nutzung in GenAI. Den ersten GPT hat OpenAI entwickelt und im Jahr 2018 vorgestellt. GPT-Modelle sind mit großen Text-Datensätzen trainiert und in der Lage, durch die Verknüpfung dieser Inhalte neuartigen, menschlich klingenden Content zu generieren. Heute werden Large Language Models, also die großen Sprachmodelle, und GPTs oft gleich gesetzt.
Manchmal wird GPT auch mit „General purpose technology“ übersetzt – also als Allzwecktechnologie, die wirtschaftliche und soziale Strukturen drastisch verändern kann. Dieses Synonym soll auf die disruptiven Potenziale von GenAI hinweisen.
General-Purpose AI Models (GPAI) sind KI-Systeme, die verschiedene Aufgaben bewältigen können. Während manche GenAI-Tools spezielle Zwecke erfüllen, bspw. die Übersetzung von Text, sind GPAI breiter angelegt und komplexer in der Entwicklung. Das bekannteste GPAI ist ChatGPT, das zum einen diverse Importe verarbeiten kann – von Text bis zu Sprache – und zugleicb auch unterschiedliche Medien ausgibt – seit der Integration von Dall-E auch Bilder.
Im AI Act der EU sind GPAIs explizit als regulierenswert erwähnt und werden auch strenger behandelt als „normale“ GenAI. Mehr dazu bei uns im Blog zum AI Act.
Der 2024 gestartete GPT-Store von OpenAI erlaubt es Nutzer:innen und Entwickler:innen, eigene GPT-basierte Apps, sogenannte „CustomGPTs“, zu vermarkten. Experten verglichen den Launch des Stores mit der Einführung des App Stores von Apple in 2008 – und der beschleunigte damals massiv den Siegeszug des iPhones. Mehr dazu bei uns im Blog.
GPUs (Graphics Processing Units) sind Computerprozessoren, die vor allem für Grafikkarten genutzt werden. Im Gegensatz zu den üblichen Prozessoren, den CPUs (Central Processing Units), sind sie besonders gut in der parallelen Berechnungen großer Datenmengen. Ohne sie wäre Deep Learning, also der Ausbildung tiefer neuronaler Netzwerke, kaum möglich. Entsprechend groß ist aktuell bei KI-Firmen die Nachfrage nach diesen Prozessoren. Die größten GPU-Hersteller sind Firmen wie AMD oder NVIDIA (unten), die daher auch entsprechend vom GenAI-Boom profitieren. In China ist Huawai ein wichtiger Hersteller.
Partei in Deutschland, die ChatGPT wählen würde. Das hat zumindest das Experiment unseres Gründers Timm Rotter ergeben, der den KI-Bot über die Thesen in der Wahlentscheidungshilfe Wahl-o-mat abstimmen ließ. Darüber berichtete sogar die BILD-Zeitung. Das gleiche Experiment wiederholten wir für Österreich – auch dort lagen die Grünen vorne und auch hier berichteten große Medien darüber.
In der KI-Sprache bezeichnet der Begriff „Halluzinationen“ die Tendenz eines Modells, Informationen zu erzeugen, die nicht korrekt oder nicht in den Trainingsdaten enthalten sind. Das Modell generiert manchmal Antworten oder Daten, die irreführend, falsch oder einfach erfunden sind.
Diese Halluzinationen können durch verschiedene Faktoren verursacht werden, darunter unzureichende Trainingsdaten, Überanpassung an bestimmte Daten oder inhärente Unsicherheiten in der Modellarchitektur. Bei der Arbeit mit Large Language Models ist es daher wichtig, Antworten kritisch zu überprüfen.
Aktuell (Q1/2026) das am weitesten entwickelte Text-to-Video-Tool auf dem Markt. HeyGen wurde vor allem durch seine sehr realistisch agierenden Avatare bekannt. Wir nutzen es bei disruptive aktuell, um Avatar-basierte Erklär- und Schulungsfilme zu erstellen. Im Blog zur disruptive AI Academy findet sich ein aktuelles Beispiel.
Mittelfristig wird Video-KI einen ähnlich großen Sprung nach vorne darstellen, wie es GenAI-Chatbots in 2023 getan haben: Künftig wird man mit wenigen Änderungen im Skript in wenigen Minuten ein komplettes Video aktualisieren oder erweitern können – ein Aufwand, für den man früher Tage brauchte.
Inferenz ist jener Prozess, bei dem ein KI-Modell auf unsere Prompts hin eine Antwort/ein Ergebnis erzeugt, indem es sein Wissen aus dem Training nutzt.
… sollte für KI-Tools selbstverständlich sein – lange war das allerdings nicht der Fall. Perplexity und Google Gemini konnten für ihre Antworten von Beginn an das Netz durchsuchen, ChatGPT hingegen in der Grundversion 3.5 nicht. Erst die Bezahlversion ChatGPT 4 ermöglichte, zunächst über Plugins wie Webpilot, die Abfrage einzelner URLs.
Im Herbst 2023 kam mit „Browse with Bing“ eine neue Funktion hinzu, die laut OpenAI selbständigen „Internetzugriff“ ermöglichte. Auch dieser war jedoch noch sehr begrenzt – teilweise wurde ChatGPT sogar schlechter. Wieso, das haben wir hier im Blog beschrieben. Inzwischen ist die Limitation bei allen führenen Chatbots Geschichte.
Das Kontextfenster eines Sprachmodells bestimmt, wie viel Text es auf einmal verarbeiten kann. Es ist quasi eine Art Kurzzeitgedächtnis. ChatGPT hatte lange ein Kontextfenster von 4096 „Tokens“ (siehe unten), was etwa 3000 Wörtern entspricht. Anthropic erweiterte im Sommer 2023 das Kontextfenster seines ChatGPT-Konkurrenten Claude auf viel bestaunte 100.000 Tokens.
Seitdem folgen monatlich neue Rekorde, die jedoch eher statistischen Wert haben, denn bereits 100.000 Tokens entsprechen etwa 120 Seiten eines Standardbuchs. Das Wettrennen macht zudem zwei Probleme erkennbar:
Mitte 2026 lag der Rekord bei 10 Millionen Tokens. Bei der Menge an Tokens könnte die KI den „Zauberberg“ von Thomas Mann leicht in einem Schwung einlesen – und das gleich 20-mal in Serie.
… sind die Basis, damit Mitarbeitende in Firmen oder Organisatione KI-Tools sicher und professionell nutzen können. In unserem Blog zu KI-Guidelines für Unternehmen erklären wir, worauf es ankommt.
Large Language Models (LLMs) sind maschinelle Lernmodelle, die darauf spezialisiert sind, Texte zu verstehen und zu generieren. Sie werden mittels enormer Datenmengen, insbesondere Texten, trainiert, um menschlich klingende Texte verfassen zu können. LLMs können Fragen beantworten, Texte schreiben, Übersetzungen durchführen und viele andere textbasierte Aufgaben erledigen. Beispiele für LLMs sind GPT von OpenAI oder Gemini von Google.
Eine der führenden Plattformen zum Vibe Coding (siehe unten). Dieses kleine Wörterquiz beispielsweise haben wir in drei Iterationen mit der KI erstellt – ohne eine Zeile Code zu erstellen. Dauer: 5 Minuten. Programmiererfahrung zuvor: 0 Stunden. Viel Spaß damit!
Machine Learning (kurz „ML“) ist eine Anwendungsform von KI. Das Ziel ist es, dass Maschinen ihre Leistung verbessern, indem sie aus eigenen Daten Muster und entsprechende Optimierungspotenziale erkennen. Anstatt die Maschine also einmalig zu programmieren, erlernt sie das bestmögliche Verhalten auf Basis eigener Erfahrungswerte. Je umfassender dabei die Datenmenge (Stichwort Big Data), desto höher das Lernpotenzial.
MCPs (Model Context Protocol), oft auch als Multi-Context-Plattformen bezeichnet, sind ein standardisiertes Framework, das als eine Brücke zwischen künstlicher Intelligenz, insbesondere großen Sprachmodellen (LLMs), und externen Datenquellen, Anwendungen sowie Software-Tools dient. Ähnlich einer spezialisierten API für KI-Systeme, vereinfacht das MCP die Integration von externen Diensten maßgeblich.
Dies erlaubt es der KI, über ihre statischen Trainingsdaten hinaus in Echtzeit mit diversen Systemen wie Datenbanken oder APIs zu interagieren, wodurch sie Aktionen ausführen und einen Kontext über mehrere Plattformen hinweg verstehen kann.
… ist längst ein international wichtiger KI-Standort. Und das nicht nur, weil disruptive hier seinen Hauptsitz hat ;-). Firmen wie Google oder Microsoft sitzen schon lange in München, und seit 2025 eröffnete OpenAI hier auch sein erstes Deutschland-Büro. Insofern: Wer bei uns arbeitet, arbeitet dort, wo KI-Evolution stattfindet – da lohnt ein Blick auf unsere aktuellen Jobangebote!
NVIDIA ist ein amerikanisches Technologieunternehmen, das ursprünglich für die Entwicklung von Grafikprozessoreinheiten (GPUs) im Gaming- und Videospielmarkt bekannt wurde. Mit der Zeit stellten Forscher und Entwickler fest, dass GPUs aufgrund ihrer parallelen Verarbeitungsfähigkeiten hervorragend für Deep Learning und komplexe KI-Aufgaben geeignet sind. Daher hat NVIDIA seine Technologie und Produkte weiterentwickelt, um den wachsenden Bedarf bei KI und maschinellem Lernen zu decken, wodurch das Unternehmen zu einem Schlüsselakteur in diesem Sektor geworden ist.
Ende 2025 vorgestelltes Open-Source-Framework, das KI-Modelle in autonome Agenten verwandelt, die eigenständig komplexe Aufgaben direkt auf Betriebssystemebene ausführen. In China hat das Tool einen Hype ausgelöst, da es dort als Motor für eine neue Generation von „KI-Kleinstunternehmern“ dient, die Geschäftsprozesse vollautomatisiert über Messenger wie WeChat steuern. Strategisch interessant ist der OpenClaw-Ansatz, weil er die Abhängigkeit von den BigTechs reduzieren kann. Da das System jedoch tiefgreifende Zugriffsrechte benötigt, erfordert der Einsatz professionelles IT-Knowhow, um Missbrauch der eigenen Infrastruktur und Daten zu verhindern.
Perplexity ist eine KI-gestützte Konversations-Suchmaschine, die entwickelt wurde, um Anfragen in natürlicher Sprache mit Quellenangaben zu beantworten. Das 2023 veröffentlichte Tool kombinierte dabei die Stärken von großen Sprachmodellen (LLMs) mit einer Echtzeit-Websuche. Gibt man eine Frage ein, durchsucht das System das Internet nach relevanten Informationen, analysiert diese und generiert eine zusammenfassende Antwort.
Gerade in der „Frühzeit“ von GenAI 2023/24 war die transparente Nennung und funktionierende Verlinkung von Quellen in der generierten Antwort ein USP, weil dies eine einfachere Überprüfung der Fakten ermöglichte. Mit „Comet“ hat Perplexity als bisher einzige KI-Plattform einen eigenen Webbrowser entwickelt.
Klingt nicht nach Künstlicher Intelligenz, allerdings steckt in der neuen Version dank Microsofts neuem KI-Produkt „Copilot“ sehr viel GenAI drin. Was der Copilot leistet und wieso er für Unternehmen sogar relevanter werden wird als ChatGPT, lesen Sie bei uns im Blog.
„Prompten“ bezeichnet den Vorgang, einem Computerprogramm oder speziell einem Language Model eine Eingabeaufforderung (englisch „prompt“) zu geben, um eine bestimmte Antwort oder Aktion zu erhalten. In Bezug auf Language Models wird ein „prompt“ oft als kurzer Text oder eine Frage verwendet, um das Modell dazu zu veranlassen, relevante Informationen oder Antworten zu generieren.
Das Eingeben eines Prompts dient als Startschuss für die KI, um ihre Antwort zu formulieren. Prompts können offen, spezifisch, kreativ oder leitend sein, je nachdem, welches Ergebnis der Benutzer erzielen möchte. In vielen Anwendungen von Large Language Models, wie Chatbots oder in der Textgenerierung, sind Prompts ein zentraler Bestandteil der Interaktion.
Reasoning, auf Deutsch „Schlussfolgern“ oder „Argumentieren“, bezeichnet die Fähigkeit von KI-Modellen, Informationen logisch zu verarbeiten und daraus fundierte Entscheidungen abzuleiten. Aktuelle KI-Modelle wie DeepSeek R1 und ChatGPT o1 haben hier bedeutende Fortschritte gemacht. Sie zerlegen Aufgaben in kleinere Schritte und durchdenken zunächst Schritt für Schritt verschiedene Lösungswege, bevor sie eine Antwort präsentieren. So können sie v. a. komplexe Probleme in Mathematik oder Physik besser bewältigen.
Diese Fähigkeit ist ein Meilenstein, da sie KIs näher an menschliches Denken heranführt und ihre Einsatzmöglichkeiten erweitert. Statt durch mehr Daten werden die Modelle besser, indem sie besser nachdenken. Allerdings gibt es Grenzen: Die Modelle können zwar logisch argumentieren, aber echtes Verständnis, geschweige denn Bewusstsein, fehlt ihnen nach wie vor. Zudem basieren ihre Schlussfolgerungen auf den in den Daten enthaltenen Mustern und können bei ungewöhnlichen Situationen „halluzinieren“.
Social-News-Plattform und Diskussionsforum, das durch KI stark an Bedeutung gewinnt. Wieso, steht hier bei uns im Blog.
Auf der 2005 gegründeten Plattform können registrierte Nutzer Inhalte wie Links, Bilder, Videos und Texte erstellen und teilen. Reddit ist unterteilt in tausende themenspezifische Communities, auch „Subreddits“ genannt, in denen Nutzer zu bestimmten Interessen oder Hobbys diskutieren. Durch ein Upvote/Downvote-System bestimmt die Community, welche Beiträge am relevantesten sind und im Feed angezeigt werden.
Retrieval Augmented Generation (RAG) ist eine Technik, die Large Language Models (LLM) durch eine intelligente Suche in Datenquellen wie Dokumentensammlungen oder Datenbanken ergänzt, um die Zuverlässigkeit und Effizienz der Textgenerierung zu erhöhen. RAG hat sich bei der Unterstützung von Chatbots und Q&A-Systemen bewährt, bei GenAI, aber auch im Nicht-KI-Bereich. Gerade bei Themen, zu denen nicht ausreichend spezifisches Wissen vorhanden ist, ermöglicht RAG genauere und kontextbezogene Antworten, ohne dass man das Modell neu aufsetzen oder trainieren muss.
Punkt, an dem ein KI-System anfängt, an seinem eigenen Nachfolger mitzubauen. Populär wurde der Begriff „rekursive Selbstverbesserung“ im Sommer 2026, als Anthropic die Modelle Mythos und Fable vorstellte, die angeblich so leistungsstark waren, dass sie ganz oder teilweise zu gefährlich für die Öffentlichkeit seien.
„Return on Token“ (RoT) oder „Tokenomics“ bezeichnet die wirtschaftliche Rendite, die ein Unternehmen aus den Tokens erzielt, die es für KI-Abfragen bezahlt. Die Kennzahl zur Kosten-Nutzen-Analyse von KI-Ausgaben gewinnt seit 2026 massiv an Bedeutung, seitdem immer mehr Modelle keine all-inclusive Pakete mehr anbieten, sondern man – gerade für Workflows oder Coding-Funktionen – nach Verbrauch bezahlt.
„Schöpfungshöhe“ ist das zentrale Kriterium für urheberrechtlichen Schutz von Texten, Bildern, Videos und anderen Werken. Das Aufkommen von GenAI hat den Begriff für Unternehmen, Kreative und die Rechtswelt sehr relevant gemacht – weil die Schöpfungshöhe entscheidenden Einfluss hat, wer welche Rechte am KI-Output hat. Mehr dazu bei uns im Blog.
Ein Begriff aus dem Bereich der Verarbeitung von natürlicher Sprache (Natural Language Processing, NLP). Beim Single Shot Prompting enthält die Eingabeaufforderung (der Prompt) neben der Aufgabenstellung ein konkretes Beispiel, das das gewünschte To Do und die Antwort verdeutlicht. Andere Ansätze sind das „Few Shot Prompting“ oder das „Zero Shot Prompting“, wo man der KI mehrere oder auch gar keine Beispiele nennt. In unserer KI-Akademie zeigen wir, welche Prompttechnik sich wofür am besten eignet.
Sprachmodelle sind Datenbanken, die auf großen Mengen von Textdaten trainiert werden, um menschliche Sprache zu verstehen und zu generieren. Sie können Aufgaben wie Textübersetzung, Frage-Antwort-Systeme und Textgenerierung durchführen. Moderne Modelle, wie GPT-4 oder Googles Gemini, basieren auf mehrschichtigen künstlichen neuronalen Netzwerke, die tatsächlich Strukturen im menschlichen Gehirn gleichen. Die damit verbundene Fähigkeit zur Kombinatorik sorgt für die beeindruckende Genauigkeit und Vielseitigkeit.
hieß das einst weltbeste KI-Video-Modell – 2024 gelauncht von OpenAI. Die Ergebnisse waren beeindruckend, nachzuschauen hier bei uns im Blog. Mangels Wirtschaftlichkeit wurde Sora allerdings im März 2026 abgeschaltet. Warum das notwendig wurde und wieso das so große Wellen schlug, lesen Sie ebenso bei uns im Blog.
… ist eine der großen Herausforderungen, wenn es um den Siegeszug der Künstlichen Intelligenz geht. Vor allem in den USA und Asien entstehen immer größere Rechenzentren, aber auch hierzulande sind diverse „AI Gigafactories“ in Planung.
Aktuell (Q4/25) benötigen Rechenzentren weltweit bereits mehr Strom, als ganz Deutschland insgesamt verbraucht. Bis 2035 könnte sich dieser Bedarf sogar verdreifachen, schätzt die IEA im „Report Energy and AI (PDF)“.
… bezeichnet die in den vergangenen Jahren gängige Praxis, den Verbrauch von KI-Tokens (siehe unten) bewusst zu maximieren, da ein hoher Token-Konsum als vermeintliche Metrik für Produktivität galt.
Inzwischen dreht sich der Trend um, denn Token-Maxxing führt zu explodierenden Kosten, da immer mehr KI-Anbieter exakt nach verbrauchtem Token-Volumen abrechnen. Zudem bedeuten mehr Tokens nicht unbedingt besseren Output. Überladene Chat-Historien und zu lange Prompts verwässern den Fokus des Modells sogar. Das Resultat ist oft fehlerhafter, aufgeblähter Code und ein verlangsamter Workflow.
In KI und Sprachmodellen werden Tokens als die kleinste Dateneinheit verwendet, um Texte zu verarbeiten. Diese Tokens repräsentieren normalerweise einzelne Wörter oder Subwörter, die dann von Modellen analysiert und verstanden werden können. Sie ermöglichen es den Modellen, Sprache effizient zu zerlegen und zu interpretieren, was wichtig ist für Aufgaben wie Übersetzung, Textgenerierung und Sentimentanalyse.
Im Englischen besteht ein Wort im Schnitt aus 1,3 Token – im Deutschen, wo viele Wörter länger sind, aus 1,8.
Außerdem entwickeln sich Tokens inzwischen zur neuen Abrechnungseinheit bei KI-Tools, die nicht mehr nur über reine Full-Flat-Abomodelle funktionieren, sondern den tatsächlichen Datenverbrauch messen und verrechnen.
„Tool Calling” (auch „Function Calling” genannt) bezeichnet die Fähigkeit von GenAI-Tools, andere Softwareanwendungen über Schnittstellen (APIs) anzusprechen, um spezifische Aufgaben zu erfüllen oder Daten zu liefern, die sie für ihre eigentliche Aufgabe benötigt. So kann die KI auf die Stärken anderer Programme zugreifen und ihre effizienter arbeiten oder ganz neue Aufgaben erledigen, an denen sie bisher gescheitert war. Die Fähigkeit zum Tool Calling in Verbindung mir der Fähigkeit der Modelle zum reflektierten Nachdenken („Reasoning”) markiert den Übergang von KI-Assistenten zu KI-Agenten.
KI kann auch helfen, wenn man mal nix von der Arbeit wissen möchte – und zwar bei der Planung für den nächsten Urlaub. Es gibt dazu sowohl eigene Tools wie Tripclub als auch KI-Apps im GPT-Store (siehe Blog). Man gibt jeweils nur Reisedaten und -ziel ein und bekommt dann Tipps und Vorschläge zur Reiseroute. Die Ergebnisse sind klassisch GenAI: großteils richtig und als erster Impulsgeber interessant, im Detail muss man aber noch nachbessern.
Vibe Coding ist ein KI-gestützter Ansatz zur Softwareentwicklung, bei der man nicht mehr manuell Code erstellt, sondern sie in natürlicher Sprache beschreibt und ein LLM den Code generiert. Dadurch verlagert sich der Fokus vom technischen Programmieren auf das kreative Konzept. Vibe Coding beschleunigt dadurch das Prototyping erheblich und ermöglicht es auch Menschen ohne tiefe Programmierkenntnisse, grundlegend funktionierende Software zu erstellen. Bekannte Tools sind Lovable oder Replit.
Mit steigender Verbreitung wächst auch die Kritik an Vibe Coding: Denn der von KI generierte Code kann Sicherheitslücken und Ineffizienzen enthalten, die nur schwer zu erkennen sind. Die Abhängigkeit von der KI kann zudem das technische Verständnis für die Codebasis verringern, was die Wartung und Weiterentwicklung erschwert. Einfache Anwendungen oder Prototypen lassen sich daher leicht vibecoden, bei komplexen Projekten stößt die Technik schnell an seine Grenzen.
… hat längst auch KI integriert – in Form des Chatbots „Meta AI“. Damit haben die User die Qual der KI-Wahl, denn seit Dezember 2024 ist auch ChatGPT über den Messenger-Dienst erreichbar (Details: siehe Blog).
Um „Wort des Jahres“ zu werden, muss eine Wendung das Leben in Deutschland „in besonderer Weise bestimmt haben“, schreibt die verleihende Gesellschaft für deutsche Sprache. KI hat das 2025 erstmals geschafft: „KI-Ära“ wurde Wort des Jahres. Auf jeden Fall zukunftsweisender als die Worte der Vorjahre, namentlich „Ampel-Aus“ und „Krisenmodus“.
Wort des Jahres der Oxford University Press, der Publishing-Einheit der Universität von Oxford ist übrigens „Rage bait“ – also die Erstellung von Online-Contents, die nur dazu dient, durch Provokation Interaktion zu forcieren. In Zeiten von Deepfakes durchaus auch ein KI-Wort.
Erfinder des früher in Westeuropa (und heute noch in vielen anderen Teilen der Welt) sehr populären Social Networks Facebook. Im KI-Business war der Facebook-Mutterkonzern Meta, den Zuckerberg leitet, lange überraschend unauffällig. Für Aufsehen sorgte dann seine Ankündigung, das eigene Large Language Model LLaMA unter eine Open-Source-Lizenz zu stellen und damit der Öffentlichkeit einen kostenlosen, freien Zugang zu der KI-Technologie zu gewähren.
Llama 4, die neueste Version (mit diversen Unterversionen 4.x), soll den Weg weisen in Richtung einer Artificial General Intelligence – mehr dazu siehe oben unter „A“. Die Einbindung als „Meta AI“ in WhatsApp, Instagram und Facebook Messenger trägt sicherlich dazu bei. Denn seitdem erhält Meta ein Vielfaches an KI-User-Daten.
