Wird geschmiedet...
Wird geschmiedet...
Die wichtigsten KI-Begriffe einfach erklärt – für Schweizer Unternehmen ohne technischen Hintergrund.
Ein KI-System das selbstständig Aufgaben ausführt – z.B. Emails lesen, kategorisieren und beantworten.
Beispiel: Ein Buchhaltungsagent der Rechnungen einliest, prüft und in dein System einbucht.
Schnittstelle damit zwei Systeme miteinander kommunizieren können.
Beispiel: Dein CRM verbindet sich per API mit einem KI-Chatbot.
Wiederkehrende Aufgaben werden von Software erledigt – ohne dass ein Mensch eingreift.
Beispiel: Bestellbestätigungen automatisch versenden sobald eine Zahlung eingeht.
Programm das mit Menschen in natürlicher Sprache kommuniziert – schriftlich oder mündlich.
Beispiel: Ein Chatbot auf deiner Website beantwortet Kundenfragen rund um die Uhr.
KI-Sprachmodell von Anthropic. Wird von KI-Schmied als primäres Modell eingesetzt.
Beispiel: Claude analysiert Kundenfeedback und erstellt eine strukturierte Zusammenfassung.
KI die Bilder und Videos versteht – Objekte erkennt, Szenen interpretiert, Text liest.
Beispiel: Fotos von Lieferscheinen automatisch einlesen und ins System übertragen.
Regeln wie Daten bei KI-Anwendungen gespeichert, verarbeitet und geschützt werden.
Beispiel: Sicherstellen dass Kundendaten nicht für das Training externer KI-Modelle verwendet werden.
Technische Methode um Text in Zahlen umzuwandeln, damit die KI ihn vergleichen kann.
Beispiel: Produktbeschreibungen in Embeddings umwandeln für eine semantische Suche.
KI lernt aus wenigen Beispielen wie sie eine Aufgabe erledigen soll.
Beispiel: 3 Beispiel-Emails zeigen → KI klassifiziert neue Emails nach demselben Muster.
Ein bestehendes KI-Modell wird mit eigenen Daten weitertrainiert für bessere Genauigkeit.
Beispiel: Ein Modell mit deinen Produktbeschreibungen trainieren damit es besser passende Texte schreibt.
Grosses, vortrainiertes KI-Modell das als Basis für viele Anwendungen dient.
Beispiel: GPT-4, Claude und LLaMA sind Foundation Models.
Generative Pre-trained Transformer – das Sprachmodell hinter ChatGPT von OpenAI.
Beispiel: ChatGPT basiert auf GPT-4.
KI erfindet Fakten oder gibt falsche Informationen mit grosser Sicherheit aus.
Beispiel: Ein Chatbot erfindet ein Produkt das es nicht gibt – typisches Halluzinationsproblem.
Wie gut ein Unternehmen vorbereitet ist, KI sinnvoll einzusetzen.
Beispiel: KI-Readiness-Check: Sind Daten strukturiert? Gibt es klare Prozesse? Wo lohnt sich KI?
Wissensdatenbank die einer KI als Informationsquelle dient.
Beispiel: Alle Produktinformationen und FAQs als Knowledge Base für den Kundendienst-Chatbot.
Large Language Model – grosses KI-Sprachmodell das Text versteht und generiert.
Beispiel: Claude, GPT-4 und LLaMA sind LLMs.
KI lernt aus Daten und verbessert sich selbst – ohne explizit programmiert zu werden.
Beispiel: Ein Spam-Filter lernt aus tausenden Emails welche Merkmale Spam kennzeichnen.
KI die mehrere Medientypen verarbeitet – Text, Bilder, Audio, Video.
Beispiel: Ein multi-modales Modell kann ein Foto analysieren und dazu einen Text schreiben.
Natural Language Processing – KI die menschliche Sprache versteht und verarbeitet.
Beispiel: Sentiment-Analyse: Ist dieses Kundenfeedback positiv oder negativ?
Tool zum Betreiben von KI-Modellen auf eigenem Server – ohne Cloud-Abhängigkeit.
Beispiel: LLaMA lokal auf dem eigenen Server betreiben mit Ollama für maximale Datenkontrolle.
Software/KI läuft auf eigener Hardware statt in der Cloud.
Beispiel: Aus Datenschutzgründen wird die KI auf dem unternehmenseigenen Server betrieben.
Die Anweisung oder Frage die du einer KI gibst.
Beispiel: Ein guter Prompt: 'Fasse diese Email in 3 Stichpunkten zusammen und schlage eine Antwort vor.'
Die Kunst, Prompts so zu formulieren dass die KI optimale Ergebnisse liefert.
Beispiel: Statt 'Schreib einen Text' → 'Schreibe einen 200-Wort-Blogbeitrag für Schweizer KMU über...'.
Retrieval-Augmented Generation – KI sucht relevante Informationen bevor sie antwortet.
Beispiel: Chatbot durchsucht deine gesamte Dokumentation und gibt passende Antworten.
KI denkt Schritt für Schritt nach bevor sie antwortet – verbessert die Genauigkeit.
Beispiel: Bei komplexen Aufgaben führt Reasoning zu deutlich besseren Ergebnissen als direktes Antworten.
Small Language Model – kleineres, effizienteres Sprachmodell für spezifische Aufgaben.
Beispiel: Ein SLM das nur auf Rechnungsverarbeitung trainiert ist – schnell und günstig.
Unsichtbare Anweisung die das Verhalten einer KI grundsätzlich steuert.
Beispiel: Der System-Prompt definiert: 'Du bist Kundenberater von Firma X und antwortest nur auf Deutsch.'
Kleinste Einheit die ein KI-Modell verarbeitet – etwa ein Wort oder Wortteil.
Beispiel: KI-Kosten werden oft in Tokens gemessen (Input- und Output-Tokens).
Architektur hinter modernen Sprachmodellen – ermöglicht das Verstehen von Kontext.
Beispiel: GPT-4, Claude und LLaMA basieren alle auf der Transformer-Architektur.
Datenbank die Embeddings speichert für schnelle semantische Suche.
Beispiel: Pinecone oder Supabase Vector – gespeicherte Produktdaten für KI-gestützte Suche.
Automatisierter Ablauf bei dem mehrere Schritte nacheinander ausgeführt werden.
Beispiel: Kontaktformular → CRM-Eintrag → Email-Bestätigung → Slack-Notification.
KI löst eine Aufgabe ohne Beispiele – nur mit einer klaren Beschreibung.
Beispiel: Neue Email-Kategorie definieren ohne Trainingsbeispiele → KI klassifiziert sofort korrekt.
Im kostenlosen Erstgespräch erklären wir dir alles auf Augenhöhe.
Kostenloses Gespräch buchen