Glossar

Anteil der korrekten Vorhersagen an allen geprüften Fällen; bei ungleichen Klassen allein oft wenig aussagekräftig.

KI-Komponente, die ein Ziel über mehrere Schritte verfolgt und dabei Datenquellen oder Werkzeuge einsetzen kann.

KI-Anwendung, die Ziele in Teilschritte zerlegt, Werkzeuge nutzt und Handlungen mit begrenzter Autonomie ausführt.

Die Fähigkeit, KI-Systeme kompetent, kritisch und verantwortungsvoll zu verstehen, einzusetzen und zu beurteilen.

Organisatorisches Managementsystem für den verantwortlichen Umgang mit KI, etwa nach ISO/IEC 42001.

Massenhaft erzeugter, inhaltlich schwacher KI-Content mit geringem Informations- oder Gestaltungswert.

Eine eindeutige Folge von Regeln oder Rechenschritten, mit der ein Problem bearbeitet wird.

Ausrichtung des Verhaltens eines KI-Systems an vorgegebenen Zielen, Regeln und menschlichen Wertvorstellungen.

Eine freigegebene Liste von KI-Werkzeugen oder Nutzungsszenarien, die unter festgelegten Bedingungen verwendet werden dürfen.

Im EU AI Act die Stelle, die ein KI-System entwickelt oder entwickeln lässt und unter eigenem Namen in Verkehr bringt.

Kennzeichnung von Daten mit Labels oder Zusatzinformationen, damit Modelle daraus lernen oder geprüft werden können.

Informationen, die keiner identifizierten oder identifizierbaren Person mehr zugeordnet werden können.

Dauerhafte Veränderung personenbezogener Daten, sodass eine Reidentifizierung praktisch ausgeschlossen ist.

Programmierschnittstelle, über die Softwarekomponenten nach festgelegten Regeln Daten und Funktionen austauschen.

Entlastung von Routinetätigkeiten oder Teilaufgaben durch automatisierte und KI-gestützte Unterstützung.

Interdisziplinäres Hochschulgremium, das Regeln, Wissen und Entscheidungen zum KI-Einsatz koordiniert.

Verpflichtet Anbieter und Betreiber dazu, ein ausreichendes Maß an KI-Kompetenz bei beteiligten Personen sicherzustellen.

Regelt Transparenzpflichten, unter anderem für die Interaktion mit KI und bestimmte KI-generierte oder manipulierte Inhalte.

Mechanismus in neuronalen Netzen, der gewichtet, welche Teile einer Eingabe für die aktuelle Verarbeitung besonders relevant sind.

Organisation, die personenbezogene Daten nach Weisung und im Auftrag eines Verantwortlichen verarbeitet.

Vertrag, der Zwecke, Weisungen und Schutzpflichten bei einer Datenverarbeitung im Auftrag regelt.

Risiko unfairer Arbeitsbedingungen, etwa bei niedrig bezahlter Datenannotation oder belastender Inhaltsmoderation.

Begehren einer Person zu erfahren, welche personenbezogenen Daten über sie verarbeitet werden.

Entscheidung, die ganz oder wesentlich durch ein technisches System ohne menschliche Einzelfallprüfung entsteht.

Modell, das eine Sequenz schrittweise erzeugt und dabei jeweils die bereits erzeugten Elemente berücksichtigt.

Verfahren, das Fehler rückwärts durch ein neuronales Netz überträgt, um seine Gewichte anzupassen.

Einfaches Referenzmodell, gegen das die Leistung eines komplexeren Modells verglichen wird.

Standardisierter Test, mit dem Leistungsfähigkeit, Qualität oder Effizienz von Modellen vergleichbar gemacht werden sollen.

Bidirektionale Transformer-Architektur, die besonders zur Analyse und Einordnung von Text eingesetzt wird.

Im EU AI Act eine Person oder Organisation, die ein KI-System in eigener Verantwortung verwendet – außer rein privat.

Datenschutzrechte wie Auskunft, Berichtigung, Löschung, Widerspruch und Datenübertragbarkeit.

Systematische Verzerrung in Daten, Modellen oder Entscheidungen, die zu unfairen oder sachlich falschen Ergebnissen führen kann.

System, dessen innerer Entscheidungsweg für Betroffene oder Prüfende nur schwer nachvollziehbar ist.

Software, die festgelegte Aufgaben automatisiert und dabei mit oder ohne KI arbeiten kann.

Hochschulprojekt in Baden-Württemberg für einen datenschutzorientierten Zugang zu generativer KI.

Zwischenschritte einer modellinternen oder ausgegebenen Herleitung, die komplexe Aufgaben strukturieren können.

Dialogsystem, das über Text oder Sprache mit Menschen kommuniziert und dabei regel- oder KI-basiert arbeiten kann.

Dialogdienst von OpenAI, der je nach Produktvariante unterschiedliche generative KI-Modelle verwendet.

Abgegrenzter Text- oder Datenabschnitt, der separat gespeichert, gesucht oder verarbeitet wird.

Aufteilung größerer Dokumente in passende Abschnitte, etwa für Suche, Embeddings oder RAG.

Maschinelles Zuordnen einer Eingabe zu einer oder mehreren vorgegebenen Klassen.

KI-Teilgebiet zur Analyse und Erzeugung visueller Informationen aus Bildern oder Videos.

Fachgebiet an der Schnittstelle von Sprachwissenschaft und Informatik zur computergestützten Verarbeitung natürlicher Sprache.

Die begrenzte Menge an Tokens, die ein Sprachmodell bei einer Anfrage gleichzeitig berücksichtigen kann.

Neuronale Architektur, die lokale Muster erkennt und besonders häufig Bilddaten verarbeitet.

Lizenzprinzip, das Weitergabe und Bearbeitung erlaubt, abgeleitete Werke aber an gleiche Freiheiten bindet.

Rollen, Regeln und Kontrollen für Qualität, Zugriff, Schutz und verantwortliche Nutzung von Daten.

Unbeabsichtigtes Offenlegen sensibler Informationen oder Vermischen von Trainings- und Testwissen.

Systematische Analyse großer Datenbestände, um Muster, Zusammenhänge oder Auffälligkeiten zu entdecken.

Manipulation von Trainings- oder Wissensdaten, um das Verhalten eines KI-Systems gezielt zu verfälschen.

Interdisziplinäre Gewinnung von Erkenntnissen aus Daten mithilfe von Statistik, Informatik und Fachwissen.

Geplanter Prozess, Daten aus definierten Quellen zu erfassen und für weitere Zwecke bereitzustellen.

Strukturierte Sammlung zusammengehöriger Daten, die zum Trainieren, Prüfen oder Betreiben eines Modells verwendet wird.

Schutz von Menschen und ihren Rechten bei der Verarbeitung personenbezogener Informationen.

Strukturierte Prüfung hoher Datenschutzrisiken und der Maßnahmen zu ihrer Begrenzung.

Rechtsgebiet, das die zulässige Verarbeitung personenbezogener Daten und Rechte Betroffener regelt.

Technische und organisatorische Maßnahmen für Vertraulichkeit, Integrität und Verfügbarkeit von Daten.

Modellkomponente, die aus einer internen Repräsentation eine Ausgabe erzeugt, etwa die nächsten Texttokens.

Teilgebiet des maschinellen Lernens, das mehrschichtige neuronale Netze zum Erkennen komplexer Muster nutzt.

Mit KI erzeugter oder veränderter Medieninhalt, der reale Personen oder Ereignisse glaubhaft nachahmt.

Kommerzieller Onlinedienst für maschinelle Übersetzung und weitere KI-gestützte Sprachfunktionen.

Lehre vom planvollen Gestalten von Lern- und Lehrprozessen, einschließlich Zielen, Methoden und Prüfungsformen.

Digitales Abbild eines realen Objekts oder Prozesses, das Daten für Analyse und Simulation verbindet.

Ungerechtfertigte Benachteiligung von Personen oder Gruppen, die auch durch KI verstärkt werden kann.

Veränderung von Daten, Nutzung oder Zusammenhängen, durch die die Qualität eines KI-Systems mit der Zeit nachlassen kann.

Übermittlung personenbezogener Daten in ein Land außerhalb des Europäischen Wirtschaftsraums.

EU-Verordnung zum Schutz personenbezogener Daten und zur Regelung ihrer Verarbeitung.

Verarbeitung mit so geringer Verzögerung, dass ein System auf Ereignisse unmittelbar reagieren kann.

Numerische Repräsentation von Inhalten als Vektor, sodass semantische Ähnlichkeiten mathematisch vergleichbar werden.

Modellkomponente, die Eingaben in eine interne numerische Repräsentation überführt.

Architektur, die Eingaben zunächst repräsentiert und daraus anschließend eine neue Ausgabe erzeugt.

Definierte Netzwerkadresse, über die eine Anwendung Funktionen oder Modelle per Schnittstelle anspricht.

Automatisches Erkennen und Klassifizieren benannter Einheiten wie Personen, Orte oder Organisationen in Texten.

Ein vollständiger Durchlauf des Trainingsalgorithmus durch den verfügbaren Trainingsdatensatz.

EU-Verordnung für künstliche Intelligenz, die Pflichten vor allem nach Risiko, Rolle und Nutzungskontext ordnet.

Systematische Prüfung eines KI-Systems anhand definierter Kriterien, Testfälle und Erfolgsschwellen.

Gezielt veränderte Eingabe, die ein trainiertes System bei der Erkennung oder Klassifikation täuschen soll.

Vorbereiteter Plan, um einen KI-Dienst geordnet zu wechseln oder außer Betrieb zu nehmen.

Nutzung externer Funktionen, Datenbanken oder Programme durch ein KI-System.

Fehler, bei dem ein tatsächlich vorhandener Fall vom System nicht erkannt wird.

Fehler, bei dem das System einen Fall meldet, der tatsächlich nicht vorliegt.

Messbares Merkmal oder Eingabewert, den ein Modell für seine Berechnung verwendet.

Falsche oder irreführende Angaben, die unbeabsichtigt oder absichtlich verbreitet werden können.

Prompttechnik, bei der wenige Beispiele das gewünschte Muster für die aktuelle Antwort zeigen.

Weiteres Training eines vortrainierten Modells mit ausgewählten Daten, um Verhalten oder Fachleistung gezielt anzupassen.

Breit vortrainiertes Basismodell, das für viele nachgelagerte Aufgaben angepasst oder in Anwendungen eingebunden werden kann.

Strukturierte Anforderung eines Modells, eine externe Funktion mit bestimmten Parametern aufzurufen.

Vielseitig einsetzbares KI-Modell, das für zahlreiche nachgelagerte Aufgaben angepasst werden kann.

KI, die aus erlernten Mustern neue Inhalte wie Text, Bilder, Audio, Video oder Programmcode erzeugt.

Deutsches Gesetz zum Schutz von Geschäftsgeheimnissen vor unerlaubter Erlangung, Nutzung und Offenlegung.

Dateiformat zur Speicherung und effizienten Ausführung von Sprachmodellen, das unterschiedliche Datentypen und Quantisierungsstufen unterstützt und häufig mit llama.cpp oder LM Studio verwendet wird.

Regeln, Rollen, Entscheidungswege und Kontrollen, mit denen eine Organisation den KI-Einsatz steuert und verantwortet.

Grafikprozessor, dessen parallele Rechenleistung Training und Betrieb vieler KI-Modelle beschleunigt.

Optimierungsverfahren, das Modellparameter schrittweise in Richtung eines geringeren Fehlers verändert.

Verknüpfung einer KI-Ausgabe mit überprüfbaren Kontextinformationen oder Quellen, um Relevanz und Verlässlichkeit zu erhöhen.

Technische oder organisatorische Leitplanken, die unerwünschte Eingaben, Ausgaben oder Nutzungen begrenzen.

Plausibel klingende, aber unbelegte oder falsche Ausgabe eines generativen KI-Modells.

Inhalte, die Menschen gefährden, diskriminieren, täuschen oder zu schädlichem Verhalten anleiten können.

KI-System in einem sensiblen Einsatzbereich, für das der EU AI Act besondere Anforderungen vorsieht.

Plattform und Open-Source-Ökosystem für Modelle, Datensätze und Anwendungen des maschinellen Lernens.

Organisierte menschliche Aufsicht, die Fehlentwicklungen erkennen und KI-Entscheidungen übersteuern kann.

Verfahren, bei dem Menschen einzelne KI-Ergebnisse prüfen, korrigieren oder freigeben.

Aufsichtsmodell, bei dem Menschen einen weitgehend automatisierten Prozess überwachen und eingreifen können.

Kombination lokaler und zentral bereitgestellter KI-Komponenten mit geregeltem Daten- und Aufgabenfluss.

Vor dem Training festgelegte Einstellung wie Lernrate, Batch-Größe oder Zahl der Schichten.

Zuordnung eines Bildes zu einer oder mehreren vorgegebenen Kategorien.

Datensatz, in dem bestimmte Klassen deutlich häufiger vorkommen als andere.

Anwendung eines trainierten Modells auf neue Eingaben, um eine Vorhersage oder Ausgabe zu erzeugen.

Übermaß an minderwertigen, irrelevanten oder falschen Inhalten, das Orientierung und Vertrauen erschwert.

Daten oder Anweisungen, die einem System zur Verarbeitung übergeben werden.

Prüfung von Eingaben auf Format, Zulässigkeit und mögliche Sicherheitsrisiken.

Nachtraining mit Anweisungs-Antwort-Paaren, damit ein Modell Aufgaben zuverlässiger befolgt.

Netz verknüpfter Geräte und Sensoren, die Daten erfassen, austauschen und Aktionen auslösen.

Grad, in dem sich interne Modellzusammenhänge und Ursachen eines Ergebnisses untersuchen lassen.

Internationaler Standard für ein Managementsystem zur Informationssicherheit.

Internationaler Standard für Aufbau, Betrieb und kontinuierliche Verbesserung eines KI-Managementsystems.

Eingabestrategie, die Schutzregeln eines KI-Systems umgehen und unerlaubte Ausgaben provozieren soll.

Zeitliche und ressourcenbezogene Steuerung wiederkehrender Arbeitsschritte in ML-Prozessen.

Lernverfahren, das neue Fälle anhand der ähnlichsten bekannten Datenpunkte einordnet.

Wissen und praktische Fähigkeit, KI ihrem Kontext und Risiko angemessen auszuwählen, zu nutzen und kritisch zu prüfen.

Trainierte mathematische Struktur, die Muster auf neue Eingaben anwendet und daraus Ergebnisse berechnet.

Technisches Gesamtsystem, das ein oder mehrere Modelle, Daten, Schnittstellen und Bedienfunktionen verbindet.

Strukturierter Wissensbestand, den Anwendungen durchsuchen oder zur Beantwortung von Fragen heranziehen können.

Wissensstruktur, die Entitäten und ihre Beziehungen als verknüpftes Netz abbildet.

Maximale Tokenmenge, die ein Sprachmodell in einem Verarbeitungsschritt berücksichtigen kann.

Auswahl, Ordnung und Begrenzung der Informationen, die einem Modell für eine Aufgabe bereitgestellt werden.

Messgröße zur Bewertung etwa von Qualität, Nutzen, Sicherheit, Kosten oder Akzeptanz eines KI-Systems.

Fähigkeit, neue und angemessene Ideen oder Werke hervorzubringen; bei KI ist ihre Zuschreibung umstritten.

Plattform zur automatisierten Bereitstellung und Skalierung containerisierter KI-Dienste.

Sammelbegriff für Computersysteme, die Aufgaben bearbeiten, für die üblicherweise menschliche Wahrnehmung, Sprache, Lernen oder Entscheiden erforderlich ist.

Trainierbares Rechenmodell aus verbundenen Knoten, das komplexe Muster in Daten abbilden kann.

Zielwert oder Kategorie, die einem Datenbeispiel für Training oder Auswertung zugeordnet wird.

Software-Framework zum Verbinden von Sprachmodellen mit Datenquellen, Werkzeugen und Abläufen.

Großes, auf umfangreichen Textmengen trainiertes neuronales Sprachmodell, das sprachliche Muster verarbeitet und Text erzeugt.

Zeitspanne zwischen einer Anfrage und der Reaktion eines Systems.

Verarbeitungsschicht eines neuronalen Netzes, die Eingaben mathematisch transformiert.

Hyperparameter, der bestimmt, wie stark Modellgewichte bei einem Trainingsschritt verändert werden.

Statistisches Lernverfahren, das einen linearen Zusammenhang zwischen Variablen modelliert.

Familie großer Sprachmodelle von Meta, deren Gewichte für verschiedene Nutzungsformen bereitgestellt werden.

Anwendung, die ein großes Sprachmodell mit Bedienoberfläche, Daten und weiteren Funktionen verbindet.

Zentrale Vermittlungsschicht für Zugriff, Kontrolle und Protokollierung verschiedener Sprachmodelle.

Schutzmechanismen, die Ein- und Ausgaben einer Sprachmodellanwendung prüfen und begrenzen.

Methoden und Werkzeuge für Bereitstellung, Überwachung und Weiterentwicklung von LLM-Anwendungen.

Desktop-Anwendung zum Herunterladen, Ausführen und Vergleichen kompatibler Sprachmodelle auf dem eigenen Rechner.

Unnormierte Modellwerte, aus denen Wahrscheinlichkeiten für mögliche Ausgaben berechnet werden.

Ausführung eines Modells direkt auf dem Endgerät statt auf einem entfernten Server.

Antrag einer betroffenen Person, ihre personenbezogenen Daten unter bestimmten Voraussetzungen zu löschen.

Fehlerfunktion, deren Wert beim Training möglichst verringert wird.

Speichersparende Methode, die nur kleine zusätzliche Gewichtsmatrizen eines Modells trainiert.

Teilgebiet der KI, in dem Systeme Muster aus Daten lernen, statt ausschließlich mit festen Regeln programmiert zu werden.

Gezielte Beeinflussung von Wahrnehmung oder Verhalten, die durch personalisierte KI-Systeme verstärkt werden kann.

Offenes Protokoll, über das KI-Anwendungen standardisiert Werkzeuge und Datenquellen einbinden.

Zusätzlich gespeicherte Information über frühere Interaktionen; sie liegt außerhalb der trainierten Modellgewichte und ist nicht mit dem Kontextfenster identisch.

Bezeichnung für KI-Forschung und KI-Assistenten des Unternehmens Meta.

Anweisung, die das Erstellen, Prüfen oder Verbessern eines anderen Prompts zum Gegenstand hat.

Nachdenken über das eigene Denken, Lernen und Entscheiden – einschließlich der bewussten Prüfung KI-gestützter Ergebnisse.

Markenfamilie von Microsoft für KI-Assistenten in Produkten und Arbeitsanwendungen.

Architektur, die je Eingabe nur ausgewählte spezialisierte Teilnetze aktiviert.

Durch maschinelles Lernen aus Daten abgeleitete mathematische Funktion für Vorhersagen oder Generierung.

Von Apple entwickeltes Framework für maschinelles Lernen, das Berechnungen auf Apple-Silicon-Geräten effizient ausführt.

Leistungsverschlechterung, weil sich Daten oder reale Zusammenhänge gegenüber dem Training verändert haben.

Gelernter numerischer Parameter, der die Verarbeitung innerhalb eines Modells beeinflusst.

Durch Training entstandene mathematische Struktur, die aus Eingaben Wahrscheinlichkeiten, Vorhersagen oder neue Inhalte ableitet.

Prüfung der Qualität und Grenzen eines Modells anhand fachlicher, technischer, ethischer und rechtlicher Kriterien.

Optimierungsprozess, bei dem ein Modell seine Parameter anhand von Daten anpasst.

Fortlaufende Beobachtung eines KI-Systems, seiner Nutzung, Qualität, Risiken und Veränderungen im Betrieb.

KI, die mehrere Datentypen wie Text, Bild, Audio oder Video gemeinsam verarbeiten oder erzeugen kann.

Automatische Erzeugung sprachlicher Ausgaben aus Daten oder internen Repräsentationen.

Methoden zur automatischen Analyse, Verarbeitung und Erzeugung menschlicher Sprache.

Zugriffsprinzip, nach dem Personen nur die Informationen erhalten, die sie für ihre Aufgabe benötigen.

Von biologischen Nervennetzen inspirierte Rechenstruktur aus verbundenen künstlichen Neuronen, deren Parameter durch Training angepasst werden.

Freiwilliger Risikomanagement-Rahmen des US-amerikanischen NIST mit den Funktionen Govern, Map, Measure und Manage.

Software zum lokalen Bereitstellen und Ausführen kompatibler Sprachmodelle.

Darstellung einer Kategorie als Vektor, in dem genau eine Position den Wert eins trägt.

Software, deren Quellcode unter einer Lizenz eingesehen, genutzt und je nach Lizenz verändert und weitergegeben werden darf.

KI, deren relevante Bestandteile unter offenen Bedingungen nutzbar und prüfbar bereitgestellt werden.

Modell, dessen trainierte Gewichte verfügbar sind; Trainingsdaten, Quellcode und Lizenz müssen deshalb nicht vollständig offen sein.

Automatische Umwandlung von Text in Bildern oder Scans in maschinenlesbare Zeichen.

Ergebnis, das ein System nach der Verarbeitung einer Eingabe ausgibt.

Automatisierte Prüfung und gegebenenfalls Sperrung unerwünschter Modellausgaben.

Vom KI-System erzeugte oder abgeleitete Informationen.

Überanpassung an Trainingsdaten, durch die ein Modell bei neuen Daten schlechter arbeitet.

Transformationsmodell, das Kompetenzen und Kultur, Abläufe und Regeln sowie technische Lösungen gemeinsam betrachtet.

Kennzahl dafür, wie unsicher ein Sprachmodell bei der Vorhersage einer Tokenfolge ist; niedrigere Werte bedeuten im gleichen Test meist bessere Vorhersagen.

Informationen, die sich auf eine identifizierte oder identifizierbare natürliche Person beziehen.

Verkettete Folge technischer Verarbeitungsschritte vom Eingang bis zum Ergebnis.

Technische Durchsetzung festgelegter Regeln für Zugriffe, Daten oder zulässige KI-Nutzung.

Anteil der tatsächlich relevanten Fälle unter allen Fällen, die ein Modell als positiv eingestuft hat.

Breites Vortraining eines Modells auf großen Datenmengen vor einer möglichen Spezialisierung.

Abgegrenzte Cloud-Umgebung, die unter den Vertrags- und Verwaltungsregeln einer Hochschule betrieben wird.

Verdichtetes Zukunftsbild eines Produkts, das Zielgruppe, Problem, Nutzen und strategische Richtung beschreibt.

Eingabe oder Anweisung, mit der eine Person das Verhalten und die Ausgabe eines generativen KI-Systems steuert.

Systematisches Entwickeln, Testen und Verbessern von Prompts für möglichst geeignete und überprüfbare Ergebnisse.

Manipulative Eingabe, die Anweisungen einer KI-Anwendung überschreiben oder Daten offenlegen soll.

Wiederverwendbare Promptstruktur mit festen Regeln und variablen Platzhaltern.

Gestaltung von Eingaben, Kontext und Beispielen zur Steuerung eines generativen KI-Systems.

Technischer Anbieter, der Modelle oder KI-Dienste bereitstellt; nicht immer identisch mit der Rechtsrolle im EU AI Act.

Extern betriebener Cloud-Dienst, der als Anwendung oder Programmierschnittstelle genutzt wird.

Verringerung der numerischen Genauigkeit von Modellgewichten, um Speicherbedarf und Rechenaufwand zu reduzieren.

Such- oder Datenbankanfrage, mit der gezielt Informationen abgerufen werden.

Erweiterung einer Suchanfrage um verwandte Begriffe, um mehr passende Treffer zu finden.

Verfahren, bei dem vor der Textgenerierung passende externe Informationen gesucht und dem Modell als Kontext bereitgestellt werden.

Risiko einer verzerrten Wirklichkeitswahrnehmung durch übermäßiges Vertrauen in synthetische oder fehlerhafte Inhalte.

Anteil der korrekt erkannten positiven Fälle an allen tatsächlich positiven Fällen.

Gezieltes, adversariales Testen eines KI-Systems, um Schwachstellen, Missbrauchsmöglichkeiten und unerwartetes Verhalten aufzudecken.

Lernverfahren, bei dem ein System Handlungsstrategien durch Rückmeldungen in Form von Belohnungen oder Strafen verbessert.

Modell, das bereits gefundene Treffer nach ihrer Relevanz neu sortiert.

Ansatz, KI rechtmäßig, sicher, fair, transparent und am menschlichen Wohlergehen orientiert zu gestalten.

Komponente, die zu einer Anfrage passende Inhalte aus einem Wissensbestand auswählt.

Vereinfachende Bezeichnung für die risikobasierte Einordnung von KI. Der EU AI Act unterscheidet unter anderem verbotene Praktiken, Hochrisiko-KI, Transparenzpflichten und besondere Regeln für GPAI-Modelle.

Struktur zur systematischen Einordnung von Eintrittswahrscheinlichkeit, Schadenshöhe und Schutzmaßnahmen.

Anpassung eines Modells mithilfe menschlicher Präferenzurteile und bestärkenden Lernens.

Neuronale Architektur mit Rückkopplungen zur Verarbeitung zeitlicher oder sequenzieller Daten.

Programmierbare physische Maschine, die Aufgaben gesteuert oder teilweise autonom ausführt.

Prompttechnik, bei der dem Modell eine Perspektive, Aufgabe oder Fachrolle zugewiesen wird.

Isolierte Ausführungsumgebung, die mögliche Schäden durch Code oder Werkzeuge begrenzt.

Nutzung von KI-Werkzeugen außerhalb freigegebener, dokumentierter oder kontrollierter Strukturen einer Organisation.

Übergreifende Fähigkeit, die Menschen für Lernen, Arbeit und gesellschaftliche Teilhabe benötigen.

Schutz von KI-Systemen, Modellen und Daten gegen Angriffe, Manipulation und unbefugten Zugriff.

Attention-Mechanismus, der Beziehungen zwischen Elementen derselben Eingabe berechnet.

Betriebsform, bei der eine Organisation Software auf selbst kontrollierter Infrastruktur ausführt.

Suche, die Bedeutungsähnlichkeit statt ausschließlich identischer Schlüsselwörter verwendet.

Kompakteres Sprachmodell mit geringerem Ressourcenbedarf als typische LLMs.

Funktion, die Modellwerte in eine Wahrscheinlichkeitsverteilung umwandelt.

Unbefugte Beschaffung vertraulicher Informationen, bei der KI Angriff und Auswertung beschleunigen kann.

System, das Inhalte indexiert und zu Suchanfragen möglichst relevante Treffer liefert.

Überwachtes Lernen aus Beispielen, bei denen die gewünschten Zielwerte oder Klassen bekannt sind.

Schwachstelle in einer abhängigen Bibliothek, einem Modell oder Dienst innerhalb der Lieferkette.

Künstlich erzeugte Daten, die reale Trainingsdaten ergänzen oder ersetzen sollen.

Übergeordnete Anweisung, die Rolle, Regeln und Verhalten eines Sprachmodells für eine Anwendung festlegt.

Einstellung, die beeinflusst, wie vorhersehbar oder vielfältig eine Modellausgabe ausfällt.

Mehrdimensionales Zahlenfeld, das Daten und Rechenzustände in neuronalen Netzen repräsentiert.

Verarbeitungseinheit eines Sprachmodells; sie kann einem Wort, Wortteil, Satzzeichen, Zeichen oder einer Bytefolge entsprechen.

Umwandlung einer Eingabe in Tokens anhand des erlernten Vokabulars und der Regeln eines Tokenizers.

Komponente, die Text in die Verarbeitungseinheiten eines Sprachmodells zerlegt.

Technische und organisatorische Maßnahmen zum Schutz personenbezogener Daten.

Auswahlverfahren, das bei jedem Schritt nur die k wahrscheinlichsten Tokens berücksichtigt.

Auswahlverfahren aus der kleinsten Tokenmenge, deren gemeinsame Wahrscheinlichkeit einen Grenzwert erreicht.

Getrennte Datensätze zum Lernen eines Modells und zur unabhängigen Prüfung seiner Leistung.

Daten, anhand derer ein Modell seine Parameter und Muster lernt.

Übertragung eines vortrainierten Modells auf eine neue, verwandte Aufgabe.

Neuronale Modellarchitektur, die mithilfe von Attention Beziehungen zwischen Elementen einer Sequenz verarbeitet.

Nachvollziehbare Information darüber, wo und wie KI eingesetzt wird, welche Grenzen bestehen und wer verantwortlich ist.

Übertragung sprachlicher Inhalte in eine andere Sprache unter Beachtung von Bedeutung und Kontext.

Zu geringe Modellanpassung, bei der selbst grundlegende Muster der Daten nicht erfasst werden.

Unüberwachtes Lernen, bei dem ein Verfahren ohne vorgegebene Zielwerte Strukturen oder Gruppen in Daten erkennt.

Rechtsgebiet zum Schutz persönlicher geistiger Schöpfungen und ihrer zulässigen Nutzung.

Konkret beschriebener Anwendungsfall mit Zielgruppe, Bedarf, Ablauf, Nutzen, Daten, Risiken und Erfolgskriterien.

Konkrete Eingabe einer nutzenden Person innerhalb der übergeordneten Regeln einer Anwendung.

Vom eigentlichen Training getrennte Daten zur Abstimmung von Modelleinstellungen und zur Kontrolle der Generalisierung.

Datenbank, die Vektoren speichert und Inhalte über mathematische Ähnlichkeit auffindbar macht.

KI-Gestaltung und -Nutzung, die Sicherheit, Fairness, Transparenz und menschliche Verantwortung verbindet.

Programmieren mit starkem Einsatz generativer KI, bei dem Ergebnisse iterativ über natürliche Sprache gesteuert werden.

Digitale Anwendung, die Anfragen versteht und bei Aufgaben oder Informationssuche unterstützt.

Multimodales Modell, das visuelle und sprachliche Informationen gemeinsam verarbeitet.

Open-Source-Software zur effizienten Bereitstellung und Verarbeitung großer Sprachmodelle.

Ensembleverfahren, das Vorhersagen mehrerer Modelle durch Abstimmung zusammenführt.

Automatisiertes Auslesen strukturierter Informationen aus Webseiten.

Gelernte Zahlenwerte, die bestimmen, wie stark Signale innerhalb eines Modells wirken.

Übertragung von Verhalten oder Wissen eines größeren Lehrermodells auf ein kleineres Schülermodell.

Koordination mehrerer automatisierter Schritte, Dienste und Abhängigkeiten zu einem Gesamtprozess.

Aufgabenstellung ohne mitgelieferte Lösungsbeispiele, die sich auf die bereits erlernten Fähigkeiten des Modells stützt.

Wert oder Klasse, die ein überwachtes Lernverfahren aus Eingabedaten vorhersagen soll.