KI-Leitfaden für Einsteiger: 66 häufig verwendete KI-Begriffe einfach erklärt

Vor kurzem habe ich mich offline mit ehemaligen Kollegen und Freunden getroffen. Da sie wissen, dass ich mich mit KI-Inhalten beschäftige, sind sie alle sehr interessiert, und unsere Gespräche drehen sich oft ganz natürlich um KI.

Aber während wir redeten, ist mir ein Problem aufgefallen.

Ich habe ganz selbstverständlich Begriffe wie Agent, Skill und MCP verwendet, in der Annahme, dass jeder sie schon einmal gehört hat. Die Person mir gegenüber hielt jedoch inne und fragte: „Was genau ist ein Agent?“, „Was bedeutet Skill?“

In diesem Moment wurde mir klar, dass ich dem „Fluch des Wissens“ erlegen war. Wenn man ein Wort zu oft sieht und verwendet, vergisst man, dass man selbst beim ersten Mal auch verwirrt war.

Vor ein paar Monaten war ich selbst von diesen englischen Abkürzungen überfordert. In dieser Zeit habe ich „Tägliche KI-Grundlagen für Einsteiger“ veröffentlicht, fast 30 Tage lang jeden Tag ein Wort gelernt und dabei nach und nach eine Reihe gebräuchlicher KI-Vokabeln durchgearbeitet.

Da in letzter Zeit immer mehr Leute fragen, habe ich beschlossen, das Ganze noch vollständiger zu machen.

Ich habe 66 KI-Begriffe zusammengestellt, die ich für häufig halte, und sie in einfacher Sprache erklärt. Bei jedem Wort sage ich dir: Was es ist, wo du ihm begegnest und welches Alltagsszenario es am einprägsamsten macht.

Du musst sie nicht alle auf einmal auswendig lernen. Lies sie einfach einmal durch, damit du beim nächsten Mal, wenn du LLM, RAG, Agent, MCP, API oder CLI siehst, zumindest ungefähr weißt, wo sie in der KI-Welt einzuordnen sind.

I. Zuerst KI und große Modelle verstehen

Diese Gruppe beantwortet zwei Fragen: Was ist KI, und was verarbeiten große Sprachmodelle, wenn sie sprechen? Sobald du diese Karte verstanden hast, wird dir der Rest viel leichter fallen.

KI bedeutet, Maschinen Aufgaben ausführen zu lassen, die normalerweise menschliches Verständnis, Urteilsvermögen, Vorhersage oder Kreativität erfordern. Gesichtserkennung am Handy, Verkehrsprognosen auf Karten, Videoempfehlungen auf Plattformen und Chatbots, die Fragen beantworten – all das gehört zur KI. Es ist ein sehr weit gefasster Oberbegriff; Chat-Tools sind nur eine Art von Anwendung.

Ein Algorithmus ist eine klare Schritt-für-Schritt-Anleitung zur Lösung eines Problems, ähnlich wie ein Rezept. Ein Rezept schreibt vor: zuerst Gemüse schneiden, dann die Pfanne erhitzen, schließlich würzen; ein Algorithmus legt fest, was der Computer zuerst liest, wie er vergleicht und was er schließlich ausgibt. Viele traditionelle Algorithmen können nicht chatten; KI-Algorithmen sind nur ein Teil der Algorithmenfamilie.

NLP ist das technische Feld, das Computern ermöglicht, menschliche Sprache zu verarbeiten. Übersetzung, Zusammenfassung, Suche, Sprache-zu-Text und Chatten hängen alle damit zusammen. Wenn du eine umgangssprachliche Frage eingibst und die KI die allgemeine Bedeutung versteht und antwortet, nutzt sie die Fähigkeiten der natürlichen Sprachverarbeitung.

LLMs sind Sprachmodelle, die mit riesigen Textmengen und Rechenleistung trainiert wurden und sich auf das Verstehen und Generieren von Text spezialisiert haben. Gängige Modelle oder Modellfamilien sind OpenAIs GPT, Anthropics Claude, Googles Gemini sowie DeepSeek und Qwen. Es ist wichtig, zwischen Produkt und Modell zu unterscheiden: ChatGPT ist das Produkt, das du öffnest und nutzt, während GPT die Modellfamilie ist, die es im Hintergrund aufrufen könnte.

SLMs sind Sprachmodelle mit geringerer Größe und niedrigeren Rechenanforderungen. Derzeit gibt es keine weltweit einheitliche Parametergrenze. Bekannte Beispiele sind die Phi-Serie von Microsoft und die kleinen Parameter-Versionen von Modellfamilien wie Gemma und Qwen. Ihr Wissensbereich ist vielleicht enger, aber für feste Aufgaben wie Zusammenfassungen, Klassifikationen oder Assistenten auf dem Gerät können sie schneller, günstiger und einfacher auf Handys oder normalen Computern laufen.

Tokens sind die kleinen Bausteine, die Modelle verwenden, wenn sie Text lesen und schreiben. Sie entsprechen nicht genau einem Zeichen, einem englischen Wort oder einem Satzzeichen. Das Modell zerlegt einen Satz in viele Tokens, bevor es rechnet. Abrechnung und Kontextkapazität werden oft auch in Tokens gezählt. Stell sie dir einfach als die „Bausteine“ vor, die KI zur Textverarbeitung verwendet.

Kontext sind alle Informationen, auf die die KI derzeit zurückgreifen kann, einschließlich deiner Frage, vorheriger Dialoge, hochgeladener Dateien, Systemregeln und Tool-Ergebnissen. Wie bei einer ärztlichen Konsultation: Derselbe Satz „Mir geht es nicht gut“ führt zu unterschiedlichen Beurteilungen, je nachdem ob Alter, Symptome und Testergebnisse vorliegen. Je klarer der Kontext, den du der KI gibst, desto fundierter wird ihre Antwort.

Das Kontextfenster ist die maximale Informationsmenge, die ein Modell auf einmal verarbeiten kann, normalerweise in Tokens angegeben. Es ist wie ein Schreibtisch mit begrenzter Fläche: Es gibt eine Grenze, wie viele Dokumente gleichzeitig ausgebreitet werden können. Wenn der Inhalt dies überschreitet, muss das System kürzen, zusammenfassen, in Batches verarbeiten oder frühere Informationen aus dem Fenster entfernen lassen.

Die Kontextlänge hat oft zwei Bedeutungen: die maximalen Tokens, die ein Modell erlaubt, oder die tatsächlich verwendeten Tokens in einer bestimmten Anfrage. Ersteres ist wie die maximale Schreibtischfläche, letzteres wie die Dokumente, die du gerade ausgebreitet hast. Wenn Produkte mit „ultralangem Kontext“ werben, meinen sie normalerweise die maximale Kapazität.

MLLMs können Informationen über Text hinaus verarbeiten, wie Bilder, Audio oder Video. Wenn du ihm ein Foto von einem Kühlschrank gibst, kann es die Zutaten sehen und auf Basis von Textanforderungen ein Abendessen vorschlagen; wenn du eine Besprechungsaufnahme hochlädst, könnte es nach dem Anhören die wichtigsten Punkte zusammenfassen. „Multimodal“ bezieht sich hier auf mehrere Informationsformen.

VLMs verbinden speziell Bild und Sprache, hauptsächlich für Aufgaben wie „ein Bild ansehen und mit Text verstehen oder antworten“. Es kann Bildunterschriften schreiben, Diagramminhalte identifizieren oder anhand von Screenshots Schaltflächen finden. VLM betont die Koordination von Bild und Sprache, und sein Umfang ist normalerweise spezifischer als der allgemeine Begriff des multimodalen Modells.

MoE ordnet mehrere „Experten“ im Modell an und lässt jedes Mal nur einen Teil von ihnen an den Berechnungen teilnehmen. Es ist wie eine Krankenhaus-Triage: Hautprobleme gehen zur Dermatologie, Knochenverletzungen zur Orthopädie, anstatt dass alle Ärzte gleichzeitig konsultieren. Dies erweitert die Modellkapazität, während der Rechenaufwand pro Durchlauf kontrolliert wird.

Nachdem du diese Gruppe gelesen hast, musst du nur unterscheiden: LLM verarbeitet hauptsächlich Sprache, VLM verbindet Bilder und Sprache, und MLLM kann mehrere Informationsarten verarbeiten. Tokens sind Textblöcke, und Kontext ist das Material, auf das das Modell diesmal zurückgreifen kann.

II. Die häufigsten Begriffe beim Chatten mit KI

Diese Gruppe wird täglich verwendet. Prompts sind für die Aufgabenverteilung zuständig, Kontext liefert Material, und KI generiert Antworten auf Basis dieser Informationen.

Ein Prompt ist die gesamte Eingabe, die du der KI gibst; das kann ein Satz, eine Frage, ein Dokument oder ein Bild sein. „Fasse diesen Vertrag in fünf Risiken zusammen“ ist ein Prompt. Prompts müssen nicht wie Zaubersprüche geschrieben sein; solange Ziel, Materialien, Einschränkungen und Ausgabeanforderungen klar sind, ist die Wahrscheinlichkeit höher, dass die KI richtig liegt.

Prompt Engineering ist die Methode, Prompts zu entwerfen, zu testen und zu verbessern. Es ist wie die Aufgabenverteilung an einen Kollegen: Wenn das erste Ergebnis falsch ist, prüfst du, ob die Aufgabe klar war, die Materialien vollständig waren und das Format angegeben wurde, und passt dann die Anweisungen an. Der Wert liegt in der Reduzierung von Kommunikationsfehlern und Nacharbeit.

Ein System Prompt ist ein im Hintergrund einer KI-Anwendung festgelegter Satz von Regeln mit hoher Priorität, der Identität, Tonfall, Fähigkeitsbereich und Sicherheitsgrenzen definiert. Es ist wie das Mitarbeiterhandbuch eines Unternehmens; Benutzer sehen es normalerweise nicht vollständig. Wenn deine Anfrage mit Systemregeln kollidiert, befolgt das Modell in der Regel den System Prompt.

Ein User Prompt ist die aktuelle Anforderung des Benutzers – der Inhalt, den du in das Chatfeld eingibst. Der System Prompt ist wie die Betriebsregeln des Geschäfts, während der User Prompt ist wie „Bitte geben Sie mir ein heißes Getränk mit weniger Zucker“. Beide beeinflussen das Ergebnis, weshalb derselbe Satz in verschiedenen KI-Produkten unterschiedliche Antworten liefern kann.

Eine Instruktion ist eine klare Handlung, die du die KI innerhalb eines Prompts ausführen lässt, wie zusammenfassen, übersetzen, vergleichen, klassifizieren oder prüfen. Ein vollständiger Prompt kann auch Hintergrundinformationen und Einschränkungen enthalten. Zum Beispiel enthält „Lies die folgende E-Mail, extrahiere das Datum und füge keine Informationen hinzu, die nicht im Originaltext stehen“ zwei Instruktionen.

Markdown ist ein Format, um Text mit einfachen Symbolen zu setzen.

• # steht für eine Überschrift,
• - steht für eine Liste,
• \\Text\\ steht für Fettdruck.

Viele KI-Ausgaben sehen klar strukturiert aus, weil sie Markdown verwenden; du wirst ihm oft beim Schreiben von Artikeln, Dokumenten oder Projektbeschreibungen begegnen.

JSON ist ein strukturiertes Datenformat, das häufig von Programmen verwendet wird, normalerweise bestehend aus geschweiften Klammern, Feldnamen und entsprechendem Inhalt. Es ist wie eine elektronische Tabelle mit festen Feldern, die Menschen lesen und Programme leicht verarbeiten können. Die KI zu bitten, „im JSON-Format auszugeben“, dient oft dazu, dass andere Software die Ergebnisse automatisch nutzen kann.

Der Gesprächsverlauf bezieht sich auf die Nachrichten, die zuvor im aktuellen Chat aufgetaucht sind. Die KI kann ein Thema von vor fünf Minuten fortsetzen, weil die Anwendung die vorherigen Chat-Aufzeichnungen normalerweise erneut an das Modell sendet. Wenn ein Chat zu lang wird, können frühe Inhalte gekürzt oder zusammengefasst werden, sodass die KI manchmal vergisst, was du ganz am Anfang gesagt hast.

Halluzination ist, wenn die KI Inhalte generiert, die vernünftig klingen, aber tatsächlich falsch oder nicht existent sind, wie das Erfinden von Buchtiteln, Links, Daten oder persönlichen Erfahrungen. Es ist wie eine Person mit großartigen Sprachfähigkeiten, die sich weigert zuzugeben, dass sie etwas „nicht weiß“, und die Lücken einfach füllt. Überprüfe bei Daten, Zahlen, Zitaten und wichtigen Entscheidungen immer die Originalquellen.

Das Wichtigste, das du aus dieser Gruppe behalten solltest: Der Prompt bestimmt, wie du fragst, der Kontext bestimmt, worauf die KI zurückgreifen kann, und Halluzination erinnert dich daran, dass Antworten noch überprüft werden müssen.

III. KI Daten lesen lassen: RAG und Suche

Wenn du siehst, dass „KI Firmendateien lesen“ oder „ein persönliches Wissensdatenbank aufbauen“ soll, wirst du dieser Gruppe von Wörtern begegnen. Der gesamte Pfad besteht aus einem Satz: Finde zuerst relevante Materialien, dann lass das Modell antworten.

RAG ermöglicht es der KI, vor dem Antworten in bestimmten Materialien nach relevanten Inhalten zu suchen und die gefundenen Ausschnitte dann dem Modell zu übergeben, um die Antwort zusammenzustellen. Es ist wie eine Prüfung mit offenen Büchern: Der Schüler schaut zuerst im Lehrbuch nach und antwortet dann darauf basierend. RAG kann Erfindungen reduzieren, aber es könnte auch die falschen Materialien finden, daher müssen Zitate immer noch von Menschen überprüft werden.

Eine Wissensdatenbank ist eine Sammlung von Materialien, die zentral gespeichert, organisiert und für Systemabfragen verfügbar sind. Die Produkthandbücher, Richtlinien und FAQs eines Unternehmens können zu einer Kundendienst-Wissensdatenbank werden; die Notizen, Artikel und Leseaufzeichnungen einer Person können ebenfalls eine Wissensdatenbank bilden. Ob die Materialien genau und aktuell sind, wirkt sich direkt auf die Antwortqualität aus.

Retrieval ist das Finden der relevantesten Inhalte aus einer großen Menge von Materialien. Ein Bibliothekar, der deine Frage hört und die drei passendsten Bücher aus Zehntausenden bringt, ist Retrieval. Bei RAG liest das Modell normalerweise nicht zuerst die gesamte Datenbank, sondern ruft ein paar Ausschnitte ab, um zu antworten.

Die Keyword-Suche sucht hauptsächlich danach, ob bestimmte Wörter direkt vorkommen. Wenn du nach „Rückerstattungsfrist“ suchst, wird sie priorisiert, Inhalte zu finden, die „Rückerstattung“ und „Frist“ enthalten. Diese Methode ist schnell und gut, um Produktnummern, Namen und feste Begriffe zu überprüfen; sie könnte Antworten verpassen, wenn die Fragestellung und die ursprüngliche Formulierung stark voneinander abweichen.

Die Semantische Suche konzentriert sich mehr darauf, ob die Bedeutung zweier Passagen nahe beieinander liegt. Wenn du suchst „Ich will das nicht mehr, wie kann ich es zurückgeben?“, könnte sie auch ein Dokument mit dem Titel „Rückgaberecht“ finden. Sie eignet sich für natürlichsprachliche Fragen, aber das Verständnis kann abweichen, daher wird sie in wichtigen Szenarien oft mit der Keyword-Suche kombiniert.

Die Hybride Suche verwendet sowohl Keyword-Suche als auch Semantische Suche zusammen. IDs und Vertragsnummern eignen sich für exakte Übereinstimmungen; „Wie beantrage ich eine Erstattung?“ erfordert Bedeutungsverständnis. Die Ergebnisse aus beiden werden zusammengeführt und bewertet, wobei sowohl wörtliche Übereinstimmung als auch ähnliche Bedeutung berücksichtigt werden. Diese Methode wird von vielen RAG-Systemen verwendet.

IV. Agent, Tools und MCP

Dies ist die in letzter Zeit beliebteste und oft verwirrendste Gruppe von Wörtern. Agent, Skill und MCP, die ich im Gespräch mit Freunden am häufigsten erwähnt habe, sind alle in diesem Kapitel.

Schauen wir uns zunächst den kürzesten Pfad an:

1Du schlägst ein Ziel vor
2→ Der Agent entscheidet den nächsten Schritt
3→ Ruft Tools auf, um Daten zu lesen oder Aktionen auszuführen
4→ Verarbeitet basierend auf den Ergebnissen weiter
5→ Der Mensch überprüft wichtige Schritte

Ein Chatbot ist eine Software, die hauptsächlich Fragen im Dialog beantwortet. Frühe Chatbots antworteten vielleicht nur basierend auf festen Schlüsselwörtern; heute verbinden sich viele Chatbots mit großen Modellen für natürlichere Antworten. Ihr Fokus bleibt „du fragst, es antwortet“, und normalerweise führt es nicht selbstständig eine lange Kette externer Operationen durch.

Ein KI-Assistent oder Copilot ist ein KI-Produkt, das Menschen bei Aufgaben hilft, wie beim Schreiben, Organisieren von Besprechungen, Erstellen von Tabellenkalkulationen oder Programmieren. Die Metapher „Copilot“ ist leicht zu merken: Er kann beobachten, erinnern und helfen, aber das Steuer bleibt in den Händen des Menschen, und das Endergebnis muss von Menschen überprüft werden.

Ein Workflow ist eine vorab festgelegte Reihe von festen Schritten. Nach Erhalt einer Rechnung zuerst den Betrag identifizieren, dann in eine Tabelle eintragen und schließlich die Buchhaltung benachrichtigen – das ist ein Workflow. Jeder Schritt ist normalerweise im Voraus bestimmt, was stabil und leicht überprüfbar ist; er wird nicht flexibel den nächsten Schritt wie ein Agent wählen, wenn unerwartete Situationen auftreten.

Ein KI-Agent ist ein System, das in der Lage ist, den nächsten Schritt in Bezug auf ein Ziel zu entscheiden, Tools aufzurufen, Ergebnisse zu beobachten und weiter zu handeln. Ein normales Chatten sagt dir, wie du ein Ticket kaufst; ein Agent kann einen Buchungsservice öffnen, Flüge abfragen und innerhalb der erlaubten Grenzen Informationen ausfüllen. Er kann handeln, daher sind Berechtigungen, Fehler und menschliche Bestätigung sehr wichtig.

Agentische KI bezieht sich auf eine Klasse von Systemen oder Designansätzen, die die Fähigkeit der KI betonen, kontinuierlich zu planen, Tools zu verwenden und mehrschrittige Aufgaben auszuführen. Dieser Begriff ist weit gefasst, und verschiedene Unternehmen verwenden unterschiedliche Namen. Wenn du ein Produkt siehst, das als „Agentic“ gekennzeichnet ist, kannst du weiter drei Dinge fragen: Welche Tools kann es verwenden, wie viele Schritte kann es eigenständig ausführen, und wo muss ein Mensch bestätigen.

Autonomie bezieht sich auf den Grad, in dem ein System eigenständig entscheiden und handeln kann, ohne dass der Mensch jeden Schritt vorgibt. Das automatische Organisieren einer Kopie einer Datei hat geringe Autonomie und geringes Risiko; das automatische Senden von E-Mails, Tätigen von Zahlungen oder Löschen von Daten erhöht das Risiko erheblich. Je wichtiger die Aufgabe, desto enger sollten die Berechtigungen gefasst und desto mehr Bestätigungspunkte sollten eingefügt werden.

Planung ist das Aufteilen eines Ziels in Schritte, die nacheinander ausgeführt werden können. Wie bei der Reisevorbereitung: zuerst das Datum bestätigen, dann den Transport prüfen, eine Unterkunft buchen und eine Packliste erstellen. Auch Agenten planen bei komplexen Aufgaben; ein schöner Plan garantiert keine erfolgreiche Ausführung, und jeder abgeschlossene Schritt erfordert die Überprüfung der tatsächlichen Ergebnisse.

Ein Tool ist eine externe Fähigkeit, die die KI aufrufen kann, wie Websuche, Taschenrechner, Datenbank, Kalender und E-Mail. Das Modell selbst ist eher das Gehirn, das für die Beurteilung zuständig ist; Tools geben ihm Hände und Augen. Ohne Tools kann das Modell nur basierend auf dem vorhandenen Kontext antworten; nach dem Anschließen von Tools hat es die Möglichkeit, Abfragen durchzuführen und zu handeln.

Tool Calling ist, wenn das Modell gemäß bestimmten Formaten ein Tool auswählt und die erforderlichen Parameter ausfüllt, die dann vom Programm ausgeführt und das Ergebnis an das Modell zurückgegeben werden. Es ist wie ein Manager, der einen Arbeitsauftrag für einen Mitarbeiter ausfüllt. Das Modell ist dafür verantwortlich zu beurteilen, „was aufgerufen werden soll“, und der spezifische Code ist dafür verantwortlich, die Abfrage, Berechnung oder das Schreiben durchzuführen.

Ein Plugin ist ein Erweiterungspaket, das in eine Software installiert wird, um Funktionen hinzuzufügen. Ein Browser kann nach der Installation eines Übersetzungs-Plugins Webseiten übersetzen; eine KI-Anwendung könnte nach der Installation eines Plugins auf Dateien, Kalender oder Dienste von Drittanbietern zugreifen. Plugins hängen normalerweise von bestimmten Produkten ab, und was sie tun können, hängt von den Schnittstellen und Berechtigungen ab, die das Produkt bereitstellt.

Ein Skill ist eine Reihe von wiederverwendbaren Anweisungen, Skripten und Ressourcen, die einem Agenten beibringen, eine bestimmte Art von Aufgabe stabil auszuführen. Es ist wie ein Standard-Betriebshandbuch für einen Mitarbeiter: Was zuerst zu lesen ist, welche Schritte zu befolgen sind und wie die Ergebnisse zu überprüfen sind, ist klar festgelegt. Ein Prompt löst oft eine einmalige Aufgabe, während ein Skill besser geeignet ist, um immer wieder dieselbe Art von Arbeit auszuführen.

MCP ist ein offenes Protokoll, das es KI-Anwendungen ermöglicht, eine Verbindung zu externen Daten und Tools herzustellen. Die beste Metapher ist der USB-C der KI-Welt: Früher musste jedes Tool individuell angepasst werden; jetzt können sie Fähigkeiten nach demselben Verbindungsstandard bereitstellen. Es löst das „Wie verbinde ich mich?“, entscheidet aber nicht die Aufgabenziele für den Agenten.

Ein MCP-Host ist die KI-Anwendung, die der Benutzer tatsächlich verwendet, wie ein Desktop-Assistent, Code-Editor oder eine Agentenplattform. Er ist verantwortlich für die Verwaltung von Benutzern, Modellen, Sicherheitsberechtigungen und mehreren Verbindungen. Stell dir den Host als einen Computer vor: Er ist die gesamte Nutzungsumgebung und der Ort, an dem sich der MCP-Client befindet.

Der MCP-Client befindet sich im Host und ist für den Aufbau und die Aufrechterhaltung der Kommunikation mit einem bestimmten MCP-Server verantwortlich. Er entdeckt, welche Tools und Materialien der Server bereitstellt, und sendet Aufrufanfragen. Wie ein Computer, der eine Verbindung zu einem Drucker herstellt, ist ein dedizierter Kommunikationskanal im Inneren erforderlich, um diese Verbindung zu verwalten.

Ein MCP-Server ist ein Programm, das gemäß den MCP-Spezifikationen Tools, Materialien oder Prompt-Vorlagen für KI-Anwendungen bereitstellt. „Server“ im Namen bedeutet nicht, dass er weit weg sein muss; er kann auch auf deinem Computer laufen. Ein lokaler Datei-Server kann der KI beispielsweise erlauben, Dateien in autorisierten Verzeichnissen zu lesen.

Ein MCP-Tool ist eine spezifische Aktion, die der Server der KI zur Ausführung bereitstellt, wie das Abfragen des Wetters, das Erstellen eines Termins, das Lesen einer Datenbank oder das Senden einer Nachricht. Jedes Tool gibt an, welche Parameter es benötigt. Abfrageaktionen haben ein geringeres Risiko, während Senden, Löschen oder Bezahlen klare Berechtigungen und Bestätigung erfordern sollten.

Eine MCP-Ressource ist ein Inhalt, der über MCP zum Lesen durch die KI bereitgestellt wird, wie Dateien, Datenbankeinträge, Projektstrukturen oder Anwendungszustände. Es ist eher wie Materialien, die auf einem Schreibtisch liegen, während ein Tool eher wie ein Knopf ist, den man drücken kann. Ob eine Ressource gelesen werden kann, hängt immer noch von den Zugriffsberechtigungen ab, die von Host und Server festgelegt wurden.

Ein MCP-Prompt ist eine wiederverwendbare Prompt-Vorlage, die vom Server bereitgestellt wird, um Benutzern zu helfen, Aufgaben auf eine festgelegte Weise zu starten. Es ist wie eine vorinstallierte Tabellenvorlage, die die auszufüllenden Felder und die Aufgabenstruktur anordnet. Es führt keine Aktionen automatisch aus; es muss noch vom Benutzer ausgewählt und vom Modell verarbeitet werden.

Speicher sind Informationen, die das System speichert und später wiederverwendet. Dies kann aktuelle Chat-Zusammenfassungen, Benutzerpräferenzen, Verlaufsaufgaben und Langzeitdaten umfassen. Wenn eine KI sich an dich „erinnert“, bedeutet das normalerweise, dass diese Informationen gespeichert und in nachfolgenden Dialogen dem Modell wieder zur Verfügung gestellt werden. Der Speicher beeinflusst die Erfahrung und erfordert auch Aufmerksamkeit für Datenschutz und Löschmethoden.

Human in the Loop bedeutet, dass wichtige Schritte von einer Person überprüft, ausgewählt oder genehmigt werden müssen. Die KI kann eine Rückerstattungsliste zusammenstellen und Entwürfe ausfüllen, aber die tatsächliche Überweisung wird von der Buchhaltung bestätigt. Dies nutzt die Geschwindigkeit der KI, während irreparable Folgen durch unvollständige Informationen oder Fehlentscheidungen vermieden werden.

Multi-Agent bedeutet, dass mehrere Agenten zusammenarbeiten, z. B. einer ruft Daten ab, einer verfasst einen Artikel und einer überprüft Zitate. Es ist wie ein Projektteam; wenn die Arbeitsteilung sinnvoll ist, können komplexe Aufgaben parallel bewältigt werden. Mehr Mitglieder erhöhen jedoch auch die Kommunikation, Redundanz und Fehlerfortpflanzung, daher sind mehr Agenten nicht immer besser.

A2A bezieht sich auf die Kommunikationsmethode zwischen Agenten, um Aufgaben, Status und Ergebnisse auszutauschen. MCP konzentriert sich mehr darauf, wie Agenten eine Verbindung zu Tools und Daten herstellen, während A2A sich mehr darauf konzentriert, wie ein Agent eine Aufgabe an einen anderen übergibt. Stell dir ersteres als „Geräte verbinden“ und letzteres als „Arbeit zwischen Kollegen übergeben“ vor.

Computer Use bedeutet, die KI den Bildschirm beobachten, die Maus bewegen, klicken und tippen zu lassen, um Software zu bedienen. Es ist wie ein Remote-Bediener, der Web- und Desktop-Anwendungen ohne dedizierte APIs nutzen kann. Schnittstellenänderungen könnten dazu führen, dass sie an die falsche Stelle klickt; für Zahlungen, Löschungen und ausgehende Nachrichten ist eine menschliche Bestätigung erforderlich.

Eine Sandbox ist eine isolierte Umgebung, die den Aktionsbereich eines Programms einschränkt. Es ist wie ein eingezäunter Sandkasten, in dem ein Kind spielen kann; es kann Dinge ausprobieren, und wenn etwas schief geht, werden keine wichtigen Dateien oder das System beeinträchtigt. Wenn du einen Agenten Code ausführen, Dateien herunterladen oder Projekte ändern lässt, reduziert eine Sandbox den Einflussbereich, kann aber nicht alle Sicherheitsüberprüfungen ersetzen.

Merke dir für dieses Kapitel nur einen Satz: Der Agent ist für Entscheidung und Handlung zuständig, das Tool stellt die spezifischen Fähigkeiten bereit, der Skill bringt ihm bei, wie es geht, und MCP ist für die Verbindung der KI mit externen Fähigkeiten verantwortlich.

V. Computerbegriffe, denen du in KI-Tutorials begegnen wirst

Diese Wörter wurden nicht alle vom KI-Bereich erfunden, aber sie tauchen oft auf, wenn man sich mit Agenten, Automatisierung und lokalen Modellen beschäftigt. Wenn du sie verstehst, werden viele Tutorials nicht mehr wie eine Fremdsprache wirken.

Eine API ist eine Schnittstelle, über die Software gemäß einer Vereinbarung kommuniziert. Du musst nicht in die Küche eines Restaurants einbrechen; du bestellst einfach über einen Kellner. Eine API ist wie der Kellner der Softwarewelt: Sie nimmt deine Anfrage entgegen, leitet sie an die Backend weiter und bringt das Ergebnis zurück. Wetter-Apps, Zahlungsdienste und große Modelle können alle von anderen Programmen über APIs aufgerufen werden.

Ein API-Key ist ein geheimer Schlüssel, der verwendet wird, wenn ein Programm auf einen Dienst zugreift. Er dient zur Identifizierung des Aufrufers und ist oft mit Nutzungslimits und Abrechnung verbunden. Es ist wie die PIN deiner Bankkarte; jeder, der sie bekommt, kann dein Guthaben verbrauchen. Gib Keys niemals vollständig in öffentlichen Code, Screenshots, Tutorials oder Gruppenchats preis.

Ein SDK ist eine Sammlung von Code, Anleitungen, Beispielen und Tools, die häufig bei der Entwicklung von Anwendungen für eine Plattform verwendet werden. Während eine API dir sagt „wie du bestellst“, bereitet ein SDK das Menü, die Utensilien und die Beispiele vor, sodass Entwickler viel grundlegenden Code nicht selbst schreiben müssen. Für verschiedene Programmiersprachen gibt es normalerweise eigene SDKs.

CLI ist eine Schnittstelle zur Bedienung eines Computers durch Eingabe von Textbefehlen. Eine grafische Oberfläche erlaubt dir, auf „Neuer Ordner“ zu klicken, während eine CLI dir erlaubt, eine Zeile Befehl einzugeben, um dasselbe zu tun. Es sieht aus wie ein schwarzes Fenster, ist aber eigentlich nur eine andere Bedienmethode; die Installation und Ausführung von KI-Open-Source-Tools erfolgt oft über die CLI.

Ein Terminal ist das Fenster, in dem Befehle angezeigt und eingegeben werden – z. B. „Terminal“ auf dem Mac oder Windows Terminal. Man kann es sich wie ein Chatfenster zwischen dir und dem Computer vorstellen, in dem CLI-Befehle die Nachrichten an den Computer sind. Das Terminal ist das Fenster, die CLI ist die Methode, per Text zu arbeiten; beides tritt meist zusammen auf.

Ein Repository (oft kurz „Repo“) ist ein Ort, an dem Projektdateien und Änderungshistorie zentral gespeichert werden. Es ist wie ein Projektordner mit Versionsaufzeichnungen, in dem Code, Anleitungen, Bilder und Konfigurationen abgelegt werden können. Wenn jemand sagt „das Repo clonen“, meint er meist, dieses Projekt mitsamt seiner Historie auf den eigenen Computer zu kopieren.

Git ist ein Werkzeug, um Änderungen an Dateiversionen aufzuzeichnen. Es zeigt dir, welche Inhalte von wem geändert wurden, und kann Versionen aus verschiedenen Phasen speichern. Es ist wie das Speichern jeder Überarbeitung beim Schreiben eines Artikels, nur systematischer. Git arbeitet lokal und muss nicht ständig online sein, und es ist nicht dasselbe wie GitHub.

GitHub ist eine Website zum Hosten von Git-Repositories und zur Unterstützung der Zusammenarbeit mehrerer Personen. Entwickler veröffentlichen darauf Code, schreiben Anleitungen, melden Probleme und bearbeiten Projekte gemeinsam. Git ist das Versionsverwaltungswerkzeug, GitHub die Plattform für Online-Hosting und Zusammenarbeit. Wenn du KI-Open-Source-Tools lernst, beginnst du oft mit einem GitHub-Link.

Sei nicht nervös, wenn du das erste Mal die CLI siehst. Bevor du einen Befehl kopierst, prüfe, ob er etwas liest, ändert, löscht oder hochlädt, und übe bei wichtigen Dateien mit einer Kopie.

VI. Häufige Begriffe zu lokalen Modellen und Hardware

Diese Wortgruppe brauchst du nur genau anzuschauen, wenn du bereit bist, Modelle auf deinem eigenen Computer auszuführen. Wenn du normalerweise Online-KI-Produkte nutzt, reicht es, die ungefähre Bedeutung zu kennen.

Lokale Bereitstellung bedeutet, ein Modell oder Programm auf dem eigenen Computer, Handy oder Firmenrechner auszuführen. Daten durchlaufen weniger externe Dienste und können offline genutzt werden; Installation, Updates, Leistung und Sicherheit musst du jedoch selbst verwalten. Es eignet sich für alle, die Wert auf Datenkontrolle legen oder eine feste Umgebung benötigen, bedeutet aber nicht, dass es automatisch absolut sicher ist.

Eine Cloud-API bedeutet, dass das Modell auf einem entfernten Server des Dienstanbieters läuft und Benutzer Anfragen senden und Ergebnisse über das Netzwerk erhalten. Es ist wie Essen in einem Restaurant zu bestellen – du musst nicht den Herd und die Zutaten kaufen, der Einstieg ist einfach; gleichzeitig wird es durch Netzwerk, Preise, Aufrufbegrenzungen, Plattformregeln und Datenrichtlinien beeinflusst.

Open Source bedeutet meist, dass der Quellcode unter einer bestimmten Lizenz öffentlich ist und andere ihn im Rahmen der Lizenz einsehen, ändern und verteilen dürfen. Öffentlicher Download bedeutet nicht automatisch, dass er kommerziell genutzt werden darf; verschiedene Lizenzen haben sehr unterschiedliche Anforderungen. Wenn du „Open Source KI“ siehst, musst du prüfen, welche Teile von Code, Daten und Gewichten tatsächlich offen sind.

Offene Gewichte (Open Weights) bedeuten, dass die Parameter nach dem Training des Modells heruntergeladen werden können, sodass Benutzer die Möglichkeit haben, sie auf eigenen Geräten auszuführen oder weiter anzupassen. Trainingsdaten, vollständiger Trainingscode und kommerzielle Rechte sind nicht zwangsläufig gleichzeitig offen. Offene Gewichte und vollständiger Open Source sind also zwei verschiedene Dinge; wie sie konkret genutzt werden können, hängt von der Modelllizenz ab.

GPUs waren ursprünglich gut in der Grafikverarbeitung und eignen sich auch sehr gut, um viele ähnliche Berechnungen gleichzeitig durchzuführen. Daher werden sie häufig zum Trainieren und Ausführen von KI-Modellen eingesetzt. Es ist wie eine große Gruppe von Menschen, die parallel Probleme lösen können. Beim Kauf eines Computers für lokale Modelle sind GPU-Modell und Videospeicher meist wichtiger als bei normalen Büroszenarien.

VRAM ist der schnelle Arbeitsspeicher der GPU selbst, in dem während des Betriebs Modellgewichte und Zwischendaten abgelegt werden. Das Modell ist wie ein großer Bauklotzsatz, der VRAM wie die Tischplatte – ist die Tischplatte zu klein, passen die Klötze nicht, und das Modell lässt sich nicht laden oder erfordert langsamere, platzsparendere Methoden.

Die 7B oder 70B in Modellnamen stehen in der Regel für etwa 7 Milliarden bzw. 70 Milliarden Parameter. Parameter kann man sich als die riesige Menge an internen Zahlen vorstellen, die das Modell nach dem Training gelernt hat. Größere Zahlen bedeuten meist mehr Speicher- und Rechenressourcen; das heißt nicht direkt, dass die Fähigkeiten stärker sind, da Trainingsqualität und spezifische Aufgaben gleichermaßen wichtig sind.

VII. Wenn du dir nur 10 Wörter merkst

Du musst nicht 66 Wörter auswendig lernen. Lies sie einmal durch und merke dir zunächst diese 10:

• KI: Maschinen dazu bringen, Aufgaben zu übernehmen, die Verständnis, Urteilsvermögen, Vorhersage oder Kreativität erfordern.
• LLM: Große Modelle, die für das Verstehen und Generieren von Sprache zuständig sind.
• Token: Kleine Einheiten, die Modelle beim Lesen und Schreiben von Text verwenden.
• Kontext: Informationen, auf die das Modell diesmal zurückgreifen kann.
• Prompt: Anforderungen und Materialien, die du der KI gibst.
• Halluzination: KI gibt falsche Inhalte sehr realistisch wieder.
• RAG: Zuerst in bestimmten Materialien suchen, dann die Antwort zusammenstellen.
• Agent: Ein System, das kontinuierlich Entscheidungen treffen und auf ein Ziel hin handeln kann.
• MCP: Ein offenes Protokoll, das KI mit externen Daten und Werkzeugen verbindet.
• CLI: Eine Schnittstelle zur Bedienung eines Computers über Textbefehle.

Vor ein paar Monaten habe auch ich mit einem Wort pro Tag angefangen. Du musst heute nicht alle 66 Wörter auswendig können; solange beim nächsten Mal, wenn du Agent, Skill oder MCP siehst, ein grobes Bild in deinem Kopf entsteht, hat dieses Wörterbuch seinen Zweck erfüllt.

Wenn du in Zukunft auf eine seltsame Abkürzung triffst, frage dich zuerst, in welche Kategorie sie gehört: Modell, Dialog, Daten, Agent, Schnittstelle oder Hardware? Wenn du das Wort in eine dieser sechs Schubladen einordnen kannst, werden die meisten KI-Artikel viel leichter verständlich.

Über den Autor