KI-Glossar
Zentrale Begriffe aus KI und Unternehmenstechnologie — verständlich und praxisnah erklärt.
135 terms
A
A/B-Testing von KI-Modellen
A/B-Tests für KI-Modelle vergleichen mehrere Modellversionen in der Produktion, um mit statistischer Sicherheit zu bestimmen, welche bessere Geschäftsergebnisse liefert.
Weiterlesen →A2A (Agent-to-Agent Protocol)
Protokoll für die Kommunikation zwischen KI-Agenten verschiedener Anbieter — ermöglicht die Zusammenarbeit von Google-, Microsoft- und Salesforce-Agenten.
Weiterlesen →Adversarielle Angriffe auf KI
Angriffe, die KI-Systeme durch sorgfältig konstruierte Inputs täuschen oder manipulieren, um falsche Ausgaben oder unerwünschtes Verhalten zu erzeugen.
Weiterlesen →Agentic AI
KI-Systeme, die autonom planen, Entscheidungen treffen und mehrstufige Aufgaben ohne ständige menschliche Überwachung ausführen können.
Weiterlesen →AI Red Teaming
Testen der KI-Systemsicherheit durch simulierte Angriffe — Schwachstellen finden, Guardrail-Umgehungen und Methoden zur Modellmanipulation aufdecken.
Weiterlesen →Aufmerksamkeitsmechanismus
Die Kernkomponente von Transformer-Modellen, die es ihnen ermöglicht, relevante Teile der Eingabe dynamisch zu gewichten.
Weiterlesen →Autonome KI-Agenten
KI-Systeme, die selbstständig Aktionsfolgen planen, ausführen und anpassen, um komplexe Ziele mit minimalem menschlichem Eingriff zu erreichen.
Weiterlesen →C
Chain of Thought
Prompting-Technik, bei der das KI-Modell „laut denkt“ — Schritt für Schritt argumentiert und die Genauigkeit bei komplexen Fragen verbessert.
Weiterlesen →Chatbot vs. KI-Agent
Verständnis der grundlegenden Unterschiede zwischen einfachen Chatbots und autonomen KI-Agenten für fundierte Einsatzentscheidungen.
Weiterlesen →CI/CD für KI
Anpassung von Continuous Integration und Continuous Deployment für KI/ML-Workloads mit Modell-Versionierung, automatisierten Tests und sicherem Deployment.
Weiterlesen →Cloud-KI vs. On-Premise-KI
Entscheidungsrahmen für die Wahl zwischen Cloud-basierten KI-Diensten und selbst gehosteten Lösungen basierend auf Kosten, Datenschutz und Kontrolle.
Weiterlesen →Computer Use (KI)
Die Fähigkeit von KI-Modellen, einen Computer direkt zu steuern — Klicken, Tippen, Navigieren in Oberflächen wie ein Mensch.
Weiterlesen →Computer Vision
KI-Technologie, die Computern das Interpretieren und Verstehen visueller Informationen aus Bildern und Videos ermöglicht.
Weiterlesen →Confidential Computing
Hardware-basierte Technologie, die sensible Daten schützt, während sie in der KI-Verarbeitung verwendet werden — auch vor Cloud-Anbietern.
Weiterlesen →D
Data Drift
Die graduelle Verschiebung von Produktionsdaten von den Trainingsdaten eines Modells, die zu Leistungsabfall und unzuverlässigen Prognosen führt.
Weiterlesen →Data Poisoning
Angriffe, die die Trainingsdaten eines KI-Modells korrumpieren, um das Modell dazu zu bringen, im Deployment fehlerhafte oder manipulierbare Prognosen zu machen.
Weiterlesen →Datenannotation (Data Labeling)
Der Prozess der Kennzeichnung von Rohdaten mit informativen Beschriftungen, um überwachtes maschinelles Lernen zu ermöglichen.
Weiterlesen →Deepfake-Erkennung
Deepfakes sind KI-generierte synthetische Medien, die reale Personen überzeugend replizieren und erhebliche Risiken für Unternehmenssicherheit und Informationsintegrität darstellen.
Weiterlesen →Differenzielle Privatsphäre
Ein mathematisches Framework, das KI-Systemen ermöglicht, aus Datensätzen zu lernen, während formale Garantien zum Schutz individueller Privatsphäre geboten werden.
Weiterlesen →Digitaler Zwilling
Eine virtuelle Replik eines physischen Systems, Prozesses oder einer Organisation, die KI-gestützte Simulation, Optimierung und vorausschauende Analyse ermöglicht.
Weiterlesen →Dokument-Chunking
Die Technik der Aufteilung langer Dokumente in kleinere Segmente zur Verbesserung der Retrieval-Qualität in RAG-Systemen und Vektordatenbanken.
Weiterlesen →Dokumentenzusammenfassung mit KI
Der Einsatz von KI-Modellen zur automatischen Erstellung präziser Zusammenfassungen langer Dokumente und Texte.
Weiterlesen →E
Edge AI
Ausführung von KI-Modellen direkt auf Endgeräten — ohne Daten in die Cloud zu senden, mit minimaler Latenz.
Weiterlesen →Embedding (Vektorrepräsentation)
Darstellung von Text, Bildern oder Audio als Zahlenvektoren — die Grundlage semantischer Suche und RAG-Systeme.
Weiterlesen →Emergente Fähigkeiten in KI
Fähigkeiten, die in großen KI-Modellen ab einer bestimmten Skalierungsgröße unerwartet entstehen und in kleineren Versionen desselben Architekturtyps nicht vorhanden sind.
Weiterlesen →Empfehlungssysteme
KI-Systeme, die den Benutzern personalisierte Inhalte, Produkte oder Aktionen basierend auf Präferenzen und Verhaltenshistorie vorschlagen.
Weiterlesen →Erklärbare KI (XAI)
Techniken, die verstehen lassen, warum ein KI-Modell eine bestimmte Entscheidung getroffen hat — entscheidend für Vertrauen, Auditing und AI-Act-Compliance.
Weiterlesen →EU-KI-Gesetz: Leitfaden
Das EU-KI-Gesetz ist das weltweit erste umfassende Rechtsrahmenwerk für künstliche Intelligenz, das Regeln auf Basis von Risikoniveaus festlegt.
Weiterlesen →F
Feature Engineering
Feature Engineering transformiert Rohdaten in aussagekräftige Eingabevariablen, die die Leistung von KI-Modellen und die Vorhersagekraft verbessern.
Weiterlesen →Fine-tuning
Nachtraining eines KI-Modells mit spezialisierten Daten — Anpassung eines allgemeinen Foundation Models an eine bestimmte Domäne oder Aufgabe.
Weiterlesen →Föderiertes Lernen
Ein verteilter Trainingsansatz, der KI-Modellen ermöglicht, aus dezentralisierten Daten zu lernen, ohne Rohdaten zwischen Parteien zu teilen.
Weiterlesen →Foundation Model
Großes, vortrainiertes KI-Modell als Grundlage — über Fine-tuning für spezifische Anwendungen angepasst.
Weiterlesen →Funktionsaufruf (Function Calling)
Eine LLM-Fähigkeit, die es Modellen ermöglicht, externe Werkzeuge und APIs durch die Generierung strukturierter Funktionsaufrufe aufzurufen.
Weiterlesen →G
Generative KI
KI-Systeme, die neue Inhalte wie Text, Bilder, Code, Audio und Video aus erlernten Mustern erstellen können.
Weiterlesen →GPU & TPU für KI
Spezialisierte Prozessoren für das Training und die Ausführung von KI-Modellen.
Weiterlesen →Grounding AI
Technik zur Verankerung von KI-Modellantworten in Faktendaten — Eliminierung von Halluzinationen durch Kontext aus zuverlässigen Quellen.
Weiterlesen →H
Human-in-the-Loop
Designmuster, bei dem ein Mensch KI-Entscheidungen überprüft und genehmigt — Qualitätskontrolle und Sicherheit.
Weiterlesen →Hyperautomatisierung
Der Einsatz mehrerer KI- und Automatisierungstechnologien zur umfassenden Automatisierung von Geschäftsprozessen.
Weiterlesen →K
KI als Service (AIaaS)
Cloud-basierte KI-Dienste, die Organisationen den Zugang zu KI-Fähigkeiten ermöglichen, ohne Infrastruktur von Grund auf aufzubauen.
Weiterlesen →KI im Finanzwesen
Wie KI den Finanzsektor durch Betrugserkennung, Risikobewertung, Handelsautomatisierung und regulatorische Compliance transformiert.
Weiterlesen →KI im Gesundheitswesen
Wie KI medizinische Diagnostik, Arzneimittelentwicklung, Patientenversorgung und die Effizienz des Gesundheitssystems vorantreibt.
Weiterlesen →KI im Kundenservice
Wie KI den Kundensupport durch intelligente Automatisierung, Personalisierung und 24/7-Verfügbarkeit transformiert.
Weiterlesen →KI im Marketing
Wie KI das Marketing durch Personalisierung, Content-Generierung, Zielgruppen-Targeting und Kampagnenoptimierung transformiert.
Weiterlesen →KI im Software-Testing
Einsatz von KI zur Automatisierung der Testerstellung, -ausführung und -wartung, Verbesserung der Testabdeckung und frühzeitiges Erkennen von Fehlern.
Weiterlesen →KI in der Fertigung
Wie KI die Fertigung durch Qualitätskontrolle, Predictive Maintenance, Prozessoptimierung und Smart-Factory-Automatisierung optimiert.
Weiterlesen →KI in der Lieferkette
Die Anwendung von KI-Technologien zur Optimierung von Lieferkettenoperationen, Nachfrageprognosen und Risikomanagement.
Weiterlesen →KI in der Logistik
Wie KI Lieferketten, Routenplanung, Nachfrageprognosen und Lagerhaltungsoperationen für mehr Effizienz optimiert.
Weiterlesen →KI in der Rechtsbranche
Wie KI juristische Arbeit durch Dokumentenanalyse, Vertragsüberprüfung, Rechtsrecherche und Compliance-Automatisierung transformiert.
Weiterlesen →KI in HR und Recruiting
Anwendungen von KI im Personalwesen, von der Kandidatenvorauswahl bis zur Mitarbeiterbindung, mit Beachtung von Bias- und Compliance-Risiken.
Weiterlesen →KI und DSGVO
DSGVO-Compliance für KI-Systeme erfordert sorgfältigen Umgang mit personenbezogenen Daten über den gesamten Machine-Learning-Lebenszyklus, von Training bis Inferenz.
Weiterlesen →KI-Alignment
Die Herausforderung sicherzustellen, dass KI-Systeme im Einklang mit menschlichen Werten, Absichten und Sicherheitsanforderungen handeln.
Weiterlesen →KI-Audit
Systematische Bewertung von KI-Systemen hinsichtlich Sicherheit, regulatorischer Compliance, Ergebnisqualität und Geschäftsrisiko.
Weiterlesen →KI-Benchmarks
Standardisierte Tests und Datensätze zur Messung und zum Vergleich der Leistung von KI-Modellen über verschiedene Fähigkeiten und Aufgaben.
Weiterlesen →KI-Beschaffung
Der Prozess der Bewertung, Auswahl und Beschaffung von KI-Lösungen, der spezialisierte Kriterien jenseits traditioneller IT-Beschaffung erfordert.
Weiterlesen →KI-Bias
Systematische Vorurteile in KI-Modellausgaben aufgrund ungleicher Trainingsdaten — Diskriminierungsrisiko und regulatorische Nichtkonformität.
Weiterlesen →KI-Bildgenerierung
Erstellung origineller Bilder aus Textbeschreibungen oder anderen Inputs mittels KI-Modellen wie Diffusionsnetzwerken und GANs.
Weiterlesen →KI-Code-Generierung
Nutzung von KI-Modellen zum automatischen Schreiben, Vervollständigen und Transformieren von Quellcode basierend auf Anweisungen in natürlicher Sprache oder Codekontext.
Weiterlesen →KI-Compliance-Tests
Prozesse zur Überprüfung, ob KI-Systeme gesetzliche Anforderungen, ethische Richtlinien und Unternehmensstandards erfüllen.
Weiterlesen →KI-Datenanonymisierung
Automatisches Entfernen oder Maskieren personenbezogener Daten (PII) in Trainingsdaten und KI-Modellanfragen — DSGVO-konform.
Weiterlesen →KI-Deployment
Der Prozess der Überführung von KI-Modellen aus der Entwicklung in Produktionsumgebungen, damit sie reale Aufgaben erledigen können.
Weiterlesen →KI-Ethik
KI-Ethik untersucht die moralischen Grundsätze und gesellschaftlichen Auswirkungen künstlicher Intelligenz und leitet Organisationen zur verantwortungsvollen Entwicklung.
Weiterlesen →KI-gestützte OCR
Fortschrittliche optische Zeichenerkennung, die KI einsetzt, um Text aus Bildern und Dokumenten mit hoher Genauigkeit zu extrahieren.
Weiterlesen →KI-gestütztes Wissensmanagement
Die Nutzung von KI zur Organisation, Suche und Bereitstellung des institutionellen Wissens einer Organisation.
Weiterlesen →KI-Governance
Organisatorischer Rahmen für das Management von KI im Unternehmen — Richtlinien, Prozesse, Verantwortlichkeiten und regulatorische Compliance.
Weiterlesen →KI-Guardrails
Schutzmechanismen, die das Verhalten von KI-Modellen begrenzen — Inhaltsfilter, Ausgabevalidierung, Berechtigungsgrenzen und Sicherheitskontrollen.
Weiterlesen →KI-Inferenz
Der Prozess der Antwortgenerierung durch ein trainiertes KI-Modell — die Produktionsphase, in der das Modell Eingaben verarbeitet und Ergebnisse liefert.
Weiterlesen →KI-Integration
Der Prozess der Einbettung von KI-Funktionen in bestehende Geschäftssysteme und -prozesse.
Weiterlesen →KI-Kompetenzzentrum
Eine dedizierte Organisationseinheit, die KI-Adoption durch Fachwissen, Standards, Best Practices und gemeinsame Ressourcen vorantreibt.
Weiterlesen →KI-Literacy
Seit Februar 2025 verpflichtend — die Fähigkeit, KI verantwortungsvoll zu verstehen und zu nutzen, gefordert durch AI Act Artikel 4.
Weiterlesen →KI-Modellevaluierung
KI-Modellevaluierung bewertet systematisch die Modellleistung anhand von Metriken, Testdatensätzen und domänenspezifischen Kriterien, um die Produktionsbereitschaft sicherzustellen.
Weiterlesen →KI-Observability
Echtzeit-Überwachung von KI-Systemen — Tracking von Performance, Kosten, Antwortqualität und Anomalien in Produktivumgebungen.
Weiterlesen →KI-Orchestrierung
Koordination mehrerer KI-Modelle und Agenten, die gemeinsam an komplexen Aufgaben arbeiten — von der Ressourcenzuweisung bis zum Datenflussmanagement.
Weiterlesen →KI-Pair-Programming
Die Zusammenarbeit zwischen Entwicklern und KI-Assistenten beim Schreiben, Überprüfen und Verbessern von Code.
Weiterlesen →KI-Pipeline
Eine KI-Pipeline ist eine automatisierte Sequenz von Datenverarbeitung, Modelltraining, Evaluierung und Deployment-Schritten, die produktionsreife KI-Systeme erzeugt.
Weiterlesen →KI-Prozessautomatisierung
Nutzung von KI zur Automatisierung komplexer Geschäftsprozesse, die Urteilsvermögen, Sprachverständnis und adaptive Entscheidungsfindung erfordern.
Weiterlesen →KI-Reifegradmodell
Ein strukturiertes Framework zur Bewertung der Bereitschaft, Fähigkeiten und des Fortschritts einer Organisation bei der Einführung künstlicher Intelligenz.
Weiterlesen →KI-Risikoklassifizierung
Rahmensysteme zur Kategorisierung von KI-Systemen nach ihrem potenziellen Schadenspotenzial für Gesellschaft und Einzelpersonen.
Weiterlesen →KI-ROI
Die Messung und Quantifizierung des Mehrwerts, den KI-Investitionen im Verhältnis zu ihren Kosten liefern.
Weiterlesen →KI-Sandbox
Eine isolierte Umgebung für sicheres Experimentieren mit KI-Modellen, Tests neuer Ansätze und Validierung von Lösungen vor dem Produktionseinsatz.
Weiterlesen →KI-Skalierung
Strategien und Techniken zur Erweiterung von KI-Systemen, um größere Lasten, mehr Benutzer und komplexere Aufgaben zu bewältigen.
Weiterlesen →KI-Strategie
Ein umfassender Plan, der definiert, wie eine Organisation KI einsetzen wird, um Geschäftsziele zu erreichen und Wettbewerbsvorteile zu erzielen.
Weiterlesen →KI-Tokenisierung
Prozess der Umwandlung von Text in Token (Wort-/Zeichenfragmente), die das KI-Modell versteht — beeinflusst direkt Kosten und Qualität.
Weiterlesen →KI-Video-Generierung
Einsatz von KI zur Erstellung, Bearbeitung und Verbesserung von Video-Inhalten aus Textprompts, Bildern oder vorhandenem Footage mit minimalem manuellen Aufwand.
Weiterlesen →KI-Wasserzeichen
Techniken zur Einbettung nicht wahrnehmbarer Signale in KI-generierte Inhalte zur Rückverfolgung und Erkennung.
Weiterlesen →Kontextfenster
Maximale Textmenge (Token), die ein KI-Modell in einer einzelnen Anfrage verarbeiten kann — eine zentrale LLM-Leistungsbeschränkung.
Weiterlesen →Konversationelle KI
KI-Systeme, die natürliche Sprache verstehen und auf menschenähnliche Weise antworten können, indem sie kontextbewusste, mehrstufige Dialoge führen.
Weiterlesen →M
Maschinelle Übersetzung
KI-gestützte automatische Übersetzung von Text oder Sprache zwischen verschiedenen Sprachen.
Weiterlesen →MCP (Model Context Protocol)
Offener Standard für die Kommunikation zwischen KI-Modellen und externen Datenquellen und Tools — das „USB-C für Künstliche Intelligenz.“
Weiterlesen →Mixture of Experts (MoE)
Eine KI-Architektur, bei der verschiedene spezialisierte Teilnetzwerke selektiv für verschiedene Eingaben aktiviert werden.
Weiterlesen →MLOps
Die Praxis der Kombination von Machine-Learning-Entwicklung und IT-Betrieb zur Rationalisierung des Modell-Deployments und -Managements.
Weiterlesen →Modell-Monitoring
Die kontinuierliche Überwachung von KI-Modellen in der Produktion, um Performance-Degradation, Datendrift und Anomalien zu erkennen.
Weiterlesen →Modell-Registry
Ein zentrales Repository zur Verwaltung, Versionierung und Verwaltung des Lebenszyklus von ML-Modellen.
Weiterlesen →Modell-Serving
Die Infrastruktur und Prozesse zur Bereitstellung von ML-Modellen als Produktionsdienste für Echtzeit-Inferenz.
Weiterlesen →Modellkarte
Standardisierte Dokumentation, die die Fähigkeiten, Einschränkungen und ethischen Überlegungen eines KI-Modells beschreibt.
Weiterlesen →Modellvergiftung
Adversarielle Angriffe, bei denen schädliche Daten in den Trainingsprozess eingeschleust werden, um das Modellverhalten zu manipulieren.
Weiterlesen →Modellversionierung
Die Praxis der systematischen Verwaltung verschiedener Iterationen von KI-Modellen, ihren Metriken und Deployments.
Weiterlesen →Multi-Agenten-Systeme
KI-Architektur, in der Dutzende spezialisierter Agenten zusammenarbeiten — jeder mit einzigartigen Kompetenzen und Rollen.
Weiterlesen →Multimodale KI
KI-Modelle, die Text, Bilder, Audio und Video gleichzeitig verarbeiten — Kontext aus mehreren Informationsquellen verstehen.
Weiterlesen →Multimodales RAG
Retrieval-Augmented Generation, das über Text hinaus Bilder, Audio und andere Datentypen verarbeitet.
Weiterlesen →N
Natural Language Processing (NLP)
Der KI-Bereich, der sich mit dem Verständnis und der Generierung menschlicher Sprache befasst.
Weiterlesen →NIS2 und Künstliche Intelligenz
NIS2-Richtlinie im KI-Kontext — Cybersicherheitsanforderungen für Unternehmen, die KI-Systeme in kritischer Infrastruktur einsetzen.
Weiterlesen →P
Prompt Injection
Angriff, der böswillige Anweisungen in die Eingabedaten eines KI-Modells einschleust — um dessen Verhalten zu übernehmen.
Weiterlesen →Prompt-Engineering
Die Kunst und Wissenschaft der Erstellung effektiver Eingaben für KI-Sprachmodelle, um gewünschte Ausgaben zu erzielen.
Weiterlesen →R
RAG (Retrieval-Augmented Generation)
Technik, die Informationsabruf mit Generierung kombiniert — die KI antwortet basierend auf aktuellen Dokumenten, nicht nur ihrem „Gedächtnis“.
Weiterlesen →Reasoning-KI
KI-Modelle, die explizite Schritt-für-Schritt-Argumentation durchführen können, um komplexe Probleme zu lösen.
Weiterlesen →Reinforcement Learning from Human Feedback (RLHF)
Eine Trainingstechnik, die menschliche Präferenzen nutzt, um KI-Modelle sicherer und nützlicher zu machen.
Weiterlesen →Reranking
Ein zweistufiger Retrieval-Prozess, bei dem zunächst Kandidaten abgerufen und dann nach Relevanz für die spezifische Abfrage neu geordnet werden.
Weiterlesen →RPA vs. KI
Der Unterschied zwischen regelbasierter Prozessautomatisierung (RPA) und KI-gestützter intelligenter Automatisierung.
Weiterlesen →S
Semantische Suche
Eine Suchtechnologie, die die Bedeutung von Anfragen versteht und inhaltlich relevante Ergebnisse liefert, nicht nur Schlüsselwortübereinstimmungen.
Weiterlesen →Semantisches Caching
Das Caching von KI-Antworten basierend auf semantischer Ähnlichkeit, um die Leistung zu verbessern und Kosten zu reduzieren.
Weiterlesen →Sentiment-Analyse
KI-Technologie, die emotionale Stimmungen und Meinungen in Textdaten automatisch erkennt und in großem Maßstab klassifiziert.
Weiterlesen →Shadow AI
Unautorisierte Nutzung von KI-Tools durch Mitarbeiter — ohne Wissen oder Kontrolle der IT-Abteilung, mit dem Risiko von Datenlecks.
Weiterlesen →Skalierungsgesetze
Empirische Beziehungen, die beschreiben, wie die KI-Modellleistung mit zunehmenden Parametern, Daten und Rechenleistung skaliert.
Weiterlesen →SLM (Small Language Models)
Kompakte KI-Modelle (1–7 Mrd. Parameter), die lokal, schnell und kostengünstig laufen — ideal für spezialisierte Aufgaben ohne Cloud-Kosten.
Weiterlesen →Sprache-zu-Text
KI-Technologie, die gesprochene Sprache in Text umwandelt, mit Anwendungen in Transkription, Sprachsteuerung und Barrierefreiheit.
Weiterlesen →Strukturierte Ausgabe
Die Fähigkeit von KI-Modellen, Antworten in vordefinierten Formaten wie JSON oder XML zu generieren, um die programmatische Verarbeitung zu erleichtern.
Weiterlesen →Synthetische Daten
Künstlich generierte Datensätze, die statistische Eigenschaften der Originale bewahren — für KI-Training ohne Datenschutzverletzungen.
Weiterlesen →T
Temperatur und Top-P
Parameter, die die Zufälligkeit und Kreativität von KI-Modellausgaben steuern, indem die Token-Wahrscheinlichkeitsverteilung geändert wird.
Weiterlesen →Token-Streaming
Die schrittweise Ausgabe von KI-Antworten Token für Token, anstatt auf die vollständige Generierung zu warten, was die wahrgenommene Reaktionsfähigkeit verbessert.
Weiterlesen →Total Cost of Ownership (TCO) für KI
Die Gesamtkosten für den Erwerb, Betrieb und die Wartung von KI-Systemen über ihren gesamten Lebenszyklus.
Weiterlesen →Transfer-Lernen
Eine KI-Technik, bei der ein Modell auf einem großen Dataset vortrainiert und dann für spezifische Aufgaben mit weniger Daten angepasst wird.
Weiterlesen →Transformer
Die revolutionäre neuronale Netzwerkarchitektur, die die Grundlage moderner KI-Sprachmodelle bildet.
Weiterlesen →V
Vektordatenbank
Spezialisierte Datenbank, die Daten als numerische Vektoren speichert — ermöglicht semantische Suche nach „ähnlichen“ Inhalten.
Weiterlesen →Vektordatenbanksuche
Das Durchsuchen von Vektordatenbanken nach semantisch ähnlichen Inhalten mithilfe von Einbettungsvektoren.
Weiterlesen →Vendor Lock-In bei KI
Die Abhängigkeit von einem einzelnen KI-Anbieter, die den Wechsel zu alternativen Lösungen kostspielig oder schwierig macht.
Weiterlesen →Verantwortungsvolle KI
Prinzipien und Praktiken, die sicherstellen, dass KI-Systeme ethisch, fair, transparent und rechenschaftspflichtig entwickelt und eingesetzt werden.
Weiterlesen →Vibe Coding
Software erstellen durch Beschreibung in natürlicher Sprache — der Entwickler sagt „was“, die KI generiert das „wie“.
Weiterlesen →Vorausschauende Wartung
Der Einsatz von KI zur Vorhersage von Geräteausfällen, bevor sie auftreten, um Ausfallzeiten zu minimieren und Wartungskosten zu optimieren.
Weiterlesen →W
Wissens-Destillation
Eine Trainingstechnik, bei der ein kleineres „Schüler"-Modell lernt, das Verhalten eines größeren „Lehrer"-Modells zu replizieren.
Weiterlesen →Wissensgraph
Eine strukturierte Darstellung von Wissen als Netz von Entitäten und deren Beziehungen.
Weiterlesen →