KI-Glossar für Lehrkräfte

LLM, RAG, Token, Prompt, Halluzination — die zwanzig Begriffe, die du brauchst, um mitreden zu können. Kurz erklärt, ohne Tech-Jargon.

LLM (Large Language Model)

Riesiges Sprachmodell, trainiert auf Milliarden Texten, das Wort für Wort vorhersagt, was am wahrscheinlichsten als nächstes käme.

Prompt

Die Anweisung, die du an die KI schickst. Je präziser Aufgabe, Kontext und Format formuliert sind, desto bessere Ergebnisse entstehen.

Token

Die Bausteine, in die KI Texte zerlegt. Etwa drei viertel Wort, relevant für Abrechnung und Kontextfenster-Größe.

Kontextfenster

Wie viel Text die KI auf einmal anschauen kann. Moderne Modelle verarbeiten 100.000 bis mehrere Millionen Tokens gleichzeitig.

Halluzination

Eine plausibel klingende Antwort, die sachlich falsch ist. Keine Fehlfunktion, sondern Folge der wahrscheinlichkeitsbasierten Trainierung.

RAG (Retrieval Augmented Generation)

Eine KI mit Zugriff auf eigene Dokumente. Das System ruft passende Dokumente ab, bevor es antwortet.

Embedding

Die mathematische Darstellung von Bedeutung. Jedes Wort erhält einen Platz auf einer inneren Landkarte des Modells.

Stichtag (Knowledge Cutoff)

Bis wann die KI das Internet gelesen hat. Nach diesem Datum verfügt sie über kein neueres Wissen.

Fine-Tuning

Eine KI mit eigenen Daten nachtrainieren. Aufwendig und teuer; RAG oder Prompting sind meist praktischer.

Temperatur

Einstellung für Kreativität vs. Verlässlichkeit. Niedrige Werte erzeugen vorhersagbare Antworten, hohe Werte kreativere Resultate.

Tool Use / Function Calling

Wenn die KI nicht nur antwortet, sondern Programme bedient. Beispiele: Suchmaschinen, Dateiverwaltung, E-Mail-Versand.

Agent

Eine KI, die mehrschrittige Aufgaben selbst plant und ausführt. Bearbeitet Aufgaben über mehrere Schritte hinweg.

Custom GPT

Ein eigener KI-Assistent ohne Programmierkenntnisse. Vorkonfigurierte Varianten mit benutzerdefinierten Anweisungen und Wissensquellen.

Multimodal

KI, die nicht nur Text, sondern auch Bilder, Audio oder Video versteht. Ermöglicht Analyse handschriftlicher Texte und Tafelbilder.

Open Source

Modelle, die jeder herunterladen und selbst betreiben kann. Beispiele: Llama, Mistral, Qwen.

Bias (Verzerrung)

Schieflagen, die das Modell aus den Trainingsdaten übernommen hat. Im Schulkontext besonders relevant bei Geschlechterrollen und Herkunft.

Guardrails

Schutzregeln, die problematische Anfragen blockieren. Eingebaute Filter blockieren kritische Inhalte.

MCP (Model Context Protocol)

Standard, mit dem KI auf Datenquellen und Werkzeuge zugreifen kann. Ermöglicht direkten Zugriff auf Notenprogramme und Stundenplan-Kalender.

AGI (Artificial General Intelligence)

Die KI, die theoretisch alles kann, was ein Mensch kann. Existiert noch nicht; aktuelle Systeme sind spezialisierte Narrow AI.

Inference

Die laufende Nutzung des Modells. Unterscheidet sich vom einmaligen Training; bestimmt Betriebskosten und Endnutzer-Preise.