ProdukteLeistungenKI-FilmeInsightsÜber unsKontakt
{en|de}

AI-Software-Glossar: die Begriffe, die beim Bau eines echten Produkts zählen

Verständliche Definitionen der AI-Begriffe, die darüber entscheiden, ob ein Produkt live geht und im Betrieb hält: RAG, Copilots, Agents, Fine-tuning, Embeddings, Vector DB, MCP, Evals, Guardrails, Prompt Injection, Halluzination und AI-native Apps. Geschrieben von einem Studio mit eigenem Team, nicht von einer Marketingabteilung.

RAG (Retrieval-Augmented Generation)

RAG ist eine Technik, die zur Laufzeit relevante Fakten aus Ihren eigenen Daten holt und sie einem Sprachmodell vorlegt, bevor es antwortet. So basieren Antworten auf Ihren Inhalten statt auf dem Gedächtnis des Modells. RAG ist der Standardweg, um ein LLM präzise aus privaten oder aktuellen Informationen antworten zu lassen.

Mehr →

AI Copilot

Ein AI Copilot ist ein Assistent innerhalb eines bestehenden Produkts, der Arbeit vorschlägt, entwirft oder vervollständigt, während der Nutzer die Kontrolle behält und jeden Schritt freigibt. Anders als ein autonomer Agent hält ein Copilot den Menschen in der Schleife — er beschleunigt die Person, statt sie zu ersetzen.

Mehr →

AI Agent

Ein AI Agent ist ein System, das aus einem Ziel eine Abfolge von Schritten plant und Tools nutzt — Suchen, API-Aufrufe, Dateien schreiben —, um es weitgehend ohne menschliches Eingreifen zu erreichen. Anders als ein einzelnes Frage-Antwort-Paar läuft ein Agent in einer Schleife: Er handelt, beobachtet das Ergebnis und entscheidet den nächsten Schritt.

Mehr →

Fine-tuning

Fine-tuning ist das Weitertrainieren eines bestehenden Sprachmodells anhand eigener Beispiele, damit es einen bestimmten Stil, ein Format oder eine Fähigkeit übernimmt. Es verändert die Gewichte des Modells und brennt das Verhalten ein — es liefert kein Wissen zur Laufzeit, wie es RAG tut.

Mehr →

Prompt Injection

Prompt Injection ist ein Angriff, bei dem bösartige Anweisungen in Inhalten versteckt sind, die das Modell liest — eine Webseite, ein Dokument, eine E-Mail, ein Tool-Ergebnis — und es dazu bringen, seine echten Anweisungen zu ignorieren und zu tun, was der Angreifer will. Es ist das LLM-Pendant zum Confused-Deputy-Angriff und das größte Sicherheitsrisiko für AI-Produkte.

Mehr →

Vector DB

Eine Vector DB speichert Daten als Embeddings — Zahlenlisten, die Bedeutung erfassen — und findet die ähnlichsten Einträge zu einer Anfrage über mathematische Distanz statt über exakte Stichwortübereinstimmung. Sie ist die Abruf-Engine hinter den meisten RAG-Systemen und hinter semantischer Suche.

Mehr →

Embeddings

Embeddings sind numerische Darstellungen von Text, Bildern oder anderen Daten — Zahlenlisten, die so angeordnet sind, dass ähnliche Bedeutungen nah beieinanderliegen. Sie lassen Software Dinge nach Bedeutung statt nach exakten Wörtern vergleichen, und sie sind das, was eine Vector DB speichert und durchsucht.

Mehr →

LLM Evals

LLM Evals sind die Tests, die messen, ob ein AI-Feature tatsächlich funktioniert — sie prüfen die Modellausgaben gegen erwartete Ergebnisse, Qualitätskriterien oder menschliches Urteil. Sie sind für AI-Produkte, was Unit-Tests für gewöhnliche Software sind: der Weg, zu wissen, dass eine Änderung geholfen hat, statt zu raten.

Mehr →

MCP (Model Context Protocol)

MCP ist ein offener Standard, um AI-Modelle über eine gemeinsame Schnittstelle mit Tools und Datenquellen zu verbinden, sodass derselbe Connector in verschiedenen AI-Apps funktioniert. Stellen Sie es sich als Universaladapter vor: einen Server einmal bauen, und jeder MCP-kompatible Assistent kann ihn nutzen, statt pro App eine eigene Integration zu schreiben.

Mehr →

AI-native App

Eine AI-native App ist Software, die von Grund auf um AI herum entworfen ist — die Intelligenz ist der Kern ihrer Funktionsweise, kein nachträglich angefügtes Feature. Produkt, Datenmodell und Oberfläche setzen natürliche Sprache und Modell-Reasoning als primäre Eingaben voraus, statt einer herkömmlichen App einen Chatbot hinzuzufügen.

Mehr →

Halluzination

Eine Halluzination ist, wenn ein Sprachmodell selbstbewussten, flüssigen Text erzeugt, der sachlich falsch oder erfunden ist — eine nicht existierende Quelle, eine erfundene Zahl, eine ausgedachte API. Sie entsteht, weil das Modell plausiblen Text vorhersagt, nicht geprüfte Wahrheit, und ist das zentrale Verlässlichkeitsproblem in AI-Produkten.

Mehr →

Guardrails

Guardrails sind die Regeln und Prüfungen rund um ein AI-Modell, die einschränken, was es entgegennehmen und was es tun darf — Eingaben filtern, Ausgaben validieren, unsichere Aktionen blockieren. So halten Sie ein unvorhersehbares Modell in einem echten Produkt innerhalb sicherer, markengerechter, rechtlicher Grenzen.

Mehr →

Sie bauen etwas, das diese Begriffe berührt?

Projektanfrage starten