LLM (Large Language Model)
Ein großes KI-Sprachmodell wie ChatGPT, das natürliche Sprache versteht und eigenständig Texte, Antworten oder Inhalte generieren kann – ideal für automatisierte Kommunikation, Chatbots oder Content-Erstellung.
Vektordatenbank
Eine spezielle Datenbank, die Inhalte nicht nach Stichwörtern, sondern nach Bedeutung speichert. Perfekt für semantische Suche, z. B. in FAQ-Systemen, Produktkatalogen oder Wissensdatenbanken.
Prompt Engineering
Die gezielte Formulierung von Eingaben an eine KI, um bessere und relevantere Antworten zu erhalten. Entscheidend für präzise Ergebnisse in Chatbots und Automatisierungen.
Embeddings
Mathematische Repräsentationen von Texten, Bildern oder Daten. Sie ermöglichen semantisches Verständnis und sind die Basis für Ähnlichkeitssuche in Vektordatenbanken.
Training & Fine-Tuning
Die Anpassung eines KI-Modells an eigene Inhalte, Daten oder Tonalität. So lernt die KI „deine Sprache“ – ideal für personalisierte Assistenten, Produktempfehlungen oder interaktive Beratung.
API (Programmierschnittstelle)
Eine standardisierte Schnittstelle, über die KI-Funktionen wie Textanalyse, Chat oder Suche unkompliziert in bestehende Systeme (Websites, Onlineshops etc.) integriert werden können.
Retrieval-Augmented Generation (RAG)
Ein KI-Ansatz, bei dem die Antworten durch externe Inhalte aus einer Datenbank ergänzt werden. So bleibt die KI aktuell und kann auf eigenes Wissen zugreifen – z. B. für Beratung oder Support.
Token
Die kleinste Verarbeitungseinheit für LLMs, meist ein Wortbestandteil oder Wort. Wichtig für Kostenkalkulation und Prompt-Längen bei Chatbots oder API-Nutzung.
Zero-Shot / Few-Shot Learning
Methoden, bei denen ein LLM Aufgaben mit wenig oder ganz ohne Training auf spezifische Daten meistert. Ideal für schnelle Implementierung ohne riesige Datenmengen.