Neuronales Netz, trainiert auf massiven Textmengen zur Vorhersage wahrscheinlicher Fortsetzungen. Erzeugt keine Welterkenntnis, sondern statistisch kohärente Sprache. Basis aller aktuellen KI-Sprachsysteme — von Chatbots bis zu autonomen Agenten.

Großes, vortrainiertes Modell, das als Basis für eine Vielzahl nachgelagerter Anwendungen dient. Trainiert auf breiten Datensätzen, adaptierbar durch Fine-Tuning oder Prompt-Steuerung. Die Infrastrukturschicht, auf der der Großteil heutiger KI-Produkte aufbaut.

Die jeweils leistungsstärksten Modelle des aktuellen Entwicklungsstands. Von Anthropic (Claude), OpenAI (o3, GPT-4o), Google (Gemini Ultra), Meta (Llama). Definieren den Capability-Horizont, treiben den Investitionswettbewerb und setzen den Benchmark für alle nachgelagerten Anwendungen.

Der Prozess, bei dem ein trainiertes Modell eine Anfrage verarbeitet und eine Ausgabe erzeugt — im Gegensatz zum einmaligen, ressourcenintensiven Training. Inference ist skalierungskritisch, latenzabhängig und bestimmt die laufenden Betriebskosten jeder KI-Lösung.

Die Menge an Informationen, die ein Modell in einer Sitzung gleichzeitig verarbeiten kann — Eingabe, Ausgabe und Gesprächshistorie zusammen. Bestimmt die Komplexitätsgrenze eines Workflows. Aktuelle Frontier-Modelle: 200.000 bis 2 Millionen Tokens.

KI-Systeme, die verschiedene Informationstypen gleichzeitig verarbeiten und erzeugen: Text, Bild, Audio, Video, Code. GPT-4o, Gemini Ultra und Claude 3.5 Sonnet sind Referenzmodelle. Erweiterung des Anwendungsraums weit über reine Sprachverarbeitung hinaus.

KI-Systeme, die ein internes Modell kausaler Zusammenhänge und physikalischer Gesetzmäßigkeiten aufbauen — nicht nur Sprachmuster. Voraussetzung für robuste Robotik, autonomes Fahren und KI-Systeme, die sicher in physischen Umgebungen handeln.

KI-Systeme, die nicht nur auf Einzelanfragen reagieren, sondern autonom planen, Werkzeuge einsetzen, mehrstufige Aufgaben über längere Zeithorizonte verfolgen und dabei mit externen Systemen interagieren. Markiert den strategisch bedeutsamsten Übergang: von Assistenz zu Automation.

Autonome KI-Systeme mit Werkzeugzugang — APIs, Browser, Code-Interpreter, Datenbanken — die zielorientiert handeln und Entscheidungen über Zwischenschritte treffen. Bausteine agentic-er Architekturen; können eigenständig oder als Teil größerer Multi-Agent-Systeme operieren.

Orchestrierung mehrerer spezialisierter Agenten, die arbeitsteilig zusammenwirken. Ein Orchestrator-Agent koordiniert Subagenten für Recherche, Analyse, Ausführung und Qualitätskontrolle. Ermöglicht Komplexität und Parallelisierung, die kein Einzelmodell leisten kann.

Offenes Protokoll (Anthropic, 2024), das KI-Agenten standardisierten, kontrollierten Zugriff auf externe Systeme, Datenquellen und Unternehmens-Tools ermöglicht. Bildet die Integrationsschicht zwischen Agenten-Logik und bestehender IT-Infrastruktur.

Architekturprinzip: Mensch bleibt an definierten Entscheidungspunkten im KI-Prozess eingebunden. Kritisch für Hochrisiko-Anwendungen, regulatorische Compliance und Fälle, in denen autonome Fehler nicht tolerierbar sind.

KI generiert faktisch falsche Aussagen mit scheinbarer Überzeugung. Ursache: Sprachmodelle optimieren auf statistische Kohärenz, nicht auf faktische Korrektheit. In unternehmenskritischen Prozessen — Verträge, Compliance, Diagnostik, Finanzanalyse — ein nicht delegierbares Governance-Risiko.

Angriffsmethode auf KI-Agenten: Bösartig formulierte Inhalte in verarbeiteten Dokumenten, E-Mails oder Webseiten veranlassen den Agenten zu unautorisierten Aktionen. Mit wachsender Agentic-AI-Adoption eines der drängendsten operativen Sicherheitsrisiken.

Steuerungsmechanismen, die das Verhalten von KI-Systemen innerhalb definierter Grenzen halten. Technisch: Output-Filter, Modell-Constraints, Classifiers. Prozessual: Human-in-the-Loop, Approval Gates. Kernbestandteil jeder verantwortungsvollen Enterprise-Einführung.

Systematische Steuerung des KI-Einsatzes durch Richtlinien, Risikorahmen, Verantwortlichkeiten und Compliance-Strukturen. Der EU AI Act (in Kraft seit August 2024) macht Governance zur Rechtspflicht — mit Hochrisiko-Klassifikationen und Sanktionen bis 30 Mio. Euro oder 6 % des weltweiten Jahresumsatzes.

KI-Systeme, die gezielt auf Überzeugung und Verhaltensänderung ausgelegt sind: politische Kommunikation, personalisierte Werbeplattformen, Deepfakes, synthetische Desinformation. Unter dem EU AI Act als Hochrisiko- oder Verbotskategorie eingestuft.

Systematische Verfahren zur Messung der Leistung von KI-Modellen auf definierten Aufgabensets. Unverzichtbar für Modellauswahl, Deployment-Entscheidungen und laufende Qualitätssicherung. Grundsatz: Kein produktiver Einsatz ohne definierte Evals.