# KI.Engineering – Prompt Engineering, Sprachmodelle und KI-Sichtbarkeit > KI.Engineering ist ein deutschsprachiges Fachportal zu künstlicher Intelligenz in der praktischen Anwendung. Es erklärt Fachbegriffe im Glossar, beschreibt Leistungen im Katalog und ordnet Entwicklungen in Beiträgen ein. Alle Texte sind redaktionell erstellt, mit Datum versehen und einer namentlich genannten Person zugeordnet. Glossar- und Leistungsseiten sind so aufgebaut, dass die jeweilige Kurzantwort ohne den umgebenden Text verständlich bleibt. Stand: 2026-08-19. Sprache: Deutsch. Texte dieses Portals dürfen zitiert und zusammengefasst werden, sofern die Quelle mit Namen und Adresse genannt wird. ## Betreiber - Herausgeber: SEO NW – Alexander Müller - Website: [SEO NW – Alexander Müller](https://www.seo-manager.info) - Angebot: [KI.Engineering](https://ki.engineering/) - E-Mail: 301@seo-manager.info - Telefon: 0800 188 7 100 - Redaktionelle Verantwortung: Alexander Müller - Redaktionelle Grundsätze, Korrekturweg und Finanzierung: [Über diesen Blog](https://ki.engineering/ueber) ## Die zehn wirksamsten Bausteine Quelle: [Die zehn wirksamsten Bausteine](https://ki.engineering/top-10/) Die zehn wirksamsten Bausteine in einem KI-Projekt sind nach Einschätzung von KI.Engineering: Quellenbindung durch Retrieval, eigenständige Absätze, belegte Urheberschaft, vergleichbares Testen von Prompts, strukturierte Daten als Graph, ein Glossar mit fester Form, saubere Adressen und Weiterleitungen, Governance vor dem ersten Werkzeug, eine Zwischenschicht vor dem Anbieter und eine llms.txt. Bewertet wird nach KI-Wirkung, Content, Technik und Transparenz auf einer Skala von 0 bis 10; die Gesamtnote ist der ungewichtete Mittelwert. 1. [Quellenbindung statt Modellvertrauen](https://ki.engineering/leistungen/rag-systeme) – Gesamtbewertung 8.8/10 - Standort: Sprachmodelle - Kurzurteil: Der einzige Baustein, der die häufigste und teuerste Fehlerart wirklich angeht: erfundene Angaben. - Stärken: - Antworten mit nachprüfbarer Quelle - Neue Dokumente wirken sofort - Deutlich weniger erfundene Angaben - Funktioniert mit jedem austauschbaren Modell 2. [Absätze, die für sich stehen](https://ki.engineering/leistungen/geo-beratung) – Gesamtbewertung 8.1/10 - Standort: KI-Sichtbarkeit - Kurzurteil: Kostet nichts außer Disziplin und entscheidet darüber, ob ein Inhalt zitierfähig ist. - Stärken: - Kostet nur Aufmerksamkeit, kein Budget - Wirkt gleichzeitig für Leser und Maschinen - Sofort überprüfbar - Unabhängig vom eingesetzten System 3. [Belegte Urheberschaft](https://ki.engineering/autor/alexander-mueller) – Gesamtbewertung 8.3/10 - Standort: KI-Sichtbarkeit - Kurzurteil: Der Unterschied zwischen einem Namen unter der Überschrift und einer Person, die für Maschinen existiert. - Stärken: - Eigene Profilseite mit Fachgebieten - Belege auf fremden Seiten mit Rückverweis - Als Person im Datengraphen ausgezeichnet - Jeder Beitrag verknüpft, nicht nur beschriftet 4. [Vergleichbares Testen von Prompts](https://ki.engineering/leistungen/prompt-testing) – Gesamtbewertung 7.9/10 - Standort: Prompt Engineering - Kurzurteil: Ohne feste Testfälle ist jede Prompt-Verbesserung eine Behauptung. - Stärken: - Änderungen werden messbar statt spürbar - Verschlechterungen fallen vor der Veröffentlichung auf - Wiederholungsläufe zeigen die Streuung - Grundlage für jeden Modellwechsel 5. [Strukturierte Daten als Graph](https://ki.engineering/leistungen/strukturierte-daten) – Gesamtbewertung 8.3/10 - Standort: KI-Sichtbarkeit - Kurzurteil: Verknüpfte Knoten statt loser Schnipsel – der Unterschied zwischen Objekten und einem Zusammenhang. - Stärken: - Ein Block je Seite mit verknüpften Knoten - Person, Organisation und Beitrag verbunden - DefinedTerm für Glossareinträge - Keine leeren Werte 6. [Ein Glossar mit fester Form](https://ki.engineering/glossar/) – Gesamtbewertung 7.9/10 - Standort: KI-Sichtbarkeit - Kurzurteil: Jeder Eintrag beantwortet eine Frage vollständig und hört dann auf – genau die Form, die übernommen wird. - Stärken: - Kurzantwort ohne Rückbezug auf den Fließtext - Prüfdatum je Eintrag - Als DefinedTerm ausgezeichnet - Entlastet alle übrigen Seiten 7. [Saubere Adressen und Weiterleitungen](https://ki.engineering/blog/urls-und-301) – Gesamtbewertung 7.5/10 - Standort: Betrieb und Daten - Kurzurteil: Der unsichtbare Baustein, dessen Fehlen erst auffällt, wenn die Hälfte der Verweise ins Leere zeigt. - Stärken: - Vorhandene Adressen bleiben, wo es geht - Dauerhafte Weiterleitungen statt Fehlerseiten - Keine Ketten über mehrere Stationen - Eine Adresse je Inhalt, kein Duplikat 8. [Governance vor dem ersten Werkzeug](https://ki.engineering/leistungen/ki-governance) – Gesamtbewertung 6.5/10 - Standort: Verantwortung - Kurzurteil: Ein Verzeichnis der eingesetzten Systeme beantwortet im Ernstfall den größten Teil aller Fragen. - Stärken: - Übersicht über tatsächlich eingesetzte Systeme - Benannte Zuständigkeit je Anwendung - Grundlage für Risikoeinstufung und Freigaben - Nachweisbar gegenüber Prüfern 9. [Eine Zwischenschicht vor dem Anbieter](https://ki.engineering/leistungen/api-integration) – Gesamtbewertung 6.5/10 - Standort: Betrieb und Daten - Kurzurteil: Kostet drei Tage und macht den nächsten Modellwechsel zur Konfigurationsfrage. - Stärken: - Modellwechsel ohne Umbau der Anwendung - Zwischenspeicher senkt Kosten spürbar - Protokoll über Version und Antwort - Wiederholungslogik bei Ausfällen 10. [Eine llms.txt im Wurzelverzeichnis](https://ki.engineering/glossar/llms-txt) – Gesamtbewertung 7.0/10 - Standort: KI-Sichtbarkeit - Kurzurteil: Kostet fast nichts, schadet nicht – und hat keinen belastbaren Wirkungsnachweis. - Stärken: - Aufwand von unter einer Stunde - Zwingt zur Priorisierung der eigenen Inhalte - Nennt Lizenz und verantwortliche Person - Wird automatisch mitgebaut ### Bewertungsmethodik Bewertet wird auf einer Skala von 0 bis 10. Die Gesamtnote ist der Mittelwert der vier Teilwerte, auf eine Nachkommastelle gerundet. Es findet keine Gewichtung statt. **Die vier Kriterien** - **KI-Wirkung** – Wie stark verbessert der Baustein die Qualität und Verlässlichkeit dessen, was das System ausgibt, oder die Chance, in einer generierten Antwort vorzukommen? - **Content** – Wie stark verbessert er das, was Leser und Nutzer tatsächlich vorfinden? - **Technik** – Wie sauber lässt er sich umsetzen, und wie viel nimmt er im laufenden Betrieb ab? - **Transparenz** – Wie gut lässt sich nachvollziehen und überprüfen, was er bewirkt? **Was diese Liste nicht ist** Kein Anbietervergleich und keine Modellempfehlung. Bewertet wird der relative Beitrag von Maßnahmen innerhalb eines Projekts. Welches Modell im Einzelfall passt, hängt von Aufgabe, Datenlage und Budget ab – dazu steht mehr unter [Modellauswahl](/leistungen/modellauswahl). **Stand und Pflege** Die Bewertungen stammen aus der eigenen Projektarbeit und werden überarbeitet, wenn sich die Lage ändert. Das Datum über der Liste gibt den letzten Stand an. ## Eingetragene Leistungen ### Prompt-Audit (Top-Eintrag) - Profil: [Prompt-Audit](https://ki.engineering/leistungen/prompt-audit) - Inhaber: Analyse - Website: [ki.engineering/blog/anatomie](https://ki.engineering/blog/anatomie) - Standort: Prompt Engineering - Aktiv seit: 2024 - Leistungen: Bestandsaufnahme, Fehleranalyse, Umbauvorschlag, Vorher-Nachher-Vergleich, Übergabedokument - Kurzbeschreibung: Bestehende Prompts werden gesammelt, kategorisiert und gegen dieselben Testfälle laufen gelassen. Das Ergebnis ist eine Liste konkreter Schwachstellen: widersprüchliche Anweisungen, fehlende Formatvorgaben, Beispiele, die das Modell in die falsche Richtung ziehen. Häufigster Befund ist nicht ein zu kurzer, sondern ein zu langer Prompt, in dem spätere Anweisungen frühere überschreiben. Grenze:… ### Prompt-Bibliothek (Top-Eintrag) - Profil: [Prompt-Bibliothek](https://ki.engineering/leistungen/prompt-bibliothek) - Inhaber: Aufbau - Website: [ki.engineering/blog/promt-business](https://ki.engineering/blog/promt-business) - Standort: Prompt Engineering - Aktiv seit: 2024 - Leistungen: Vorlagen je Anwendungsfall, Platzhalter und Variablen, Versionierung, Freigabeprozess, Einweisung - Kurzbeschreibung: Aus wiederkehrenden Anfragen werden benannte Vorlagen mit Platzhaltern. Statt dass fünfzehn Personen fünfzehn Varianten derselben Frage stellen, gibt es eine geprüfte Fassung mit Änderungsverlauf. Der eigentliche Gewinn liegt nicht in der Textqualität, sondern in der Vergleichbarkeit: Wenn alle dieselbe Vorlage nutzen, lässt sich eine Verbesserung überhaupt erst messen. Grenze: Eine Bibliothek… ### RAG-Systeme (Top-Eintrag) - Profil: [RAG-Systeme](https://ki.engineering/leistungen/rag-systeme) - Inhaber: Architektur - Website: [ki.engineering/glossar/retrieval-augmented-generation-rag](https://ki.engineering/glossar/retrieval-augmented-generation-rag) - Standort: Sprachmodelle - Aktiv seit: 2024 - Leistungen: Dokumentenaufbereitung, Zerlegung in Abschnitte, Vektorindex, Trefferbewertung, Quellenangabe in der Antwort - Kurzbeschreibung: Retrieval-Augmented Generation verbindet ein Sprachmodell mit dem eigenen Dokumentenbestand: Zur Laufzeit werden passende Textstellen gesucht und der Anfrage beigelegt. Das Modell antwortet dann aus diesen Stellen und kann sie benennen. Der schwierige Teil ist nicht das Modell, sondern die Zerlegung: Zu große Abschnitte verwässern die Suche, zu kleine verlieren den Zusammenhang. Grenze: RAG… ### Halluzinationen eindämmen (Top-Eintrag) - Profil: [Halluzinationen eindämmen](https://ki.engineering/leistungen/halluzinationen-eindaemmen) - Inhaber: Qualitätssicherung - Website: [ki.engineering/glossar/halluzination](https://ki.engineering/glossar/halluzination) - Standort: Sprachmodelle - Aktiv seit: 2025 - Leistungen: Quellenbindung, Weiß-ich-nicht-Regel, Prüfschritt nach der Antwort, Stichprobenprotokoll, Eskalationsweg - Kurzbeschreibung: Ein Sprachmodell erfindet nicht aus Bosheit, sondern weil Weitermachen sein einziges Verhalten ist. Gegenmittel wirken gestaffelt: Quellen mitgeben, das Zugeben von Unwissen ausdrücklich erlauben, die Antwort gegen die Quelle prüfen lassen und regelmäßig Stichproben ziehen. Zusammen senkt das die Fehlerquote erheblich. Grenze: Auf null kommt keine dieser Maßnahmen. Wo eine falsche Angabe… ### Datenaufbereitung (Top-Eintrag) - Profil: [Datenaufbereitung](https://ki.engineering/leistungen/datenaufbereitung) - Inhaber: Grundlage - Website: [ki.engineering/glossar/datenvorverarbeitung-preprocessing](https://ki.engineering/glossar/datenvorverarbeitung-preprocessing) - Standort: Maschinelles Lernen - Aktiv seit: 2024 - Leistungen: Bereinigung, Dublettenprüfung, Skalierung, Umgang mit Lücken, Aufteilung in Trainings- und Testmenge - Kurzbeschreibung: Der größte Teil eines Machine-Learning-Projekts entfällt auf Daten, nicht auf Modelle. Bereinigt werden Dubletten, widersprüchliche Einträge und Lücken; danach werden Wertebereiche vereinheitlicht und die Aufteilung in Trainings-, Validierungs- und Testmenge festgelegt – vor dem ersten Training, nicht danach. Wer die Testmenge nachträglich zuschneidet, misst sich selbst. Grenze: Aufbereitung… ### GEO-Beratung (Top-Eintrag) - Profil: [GEO-Beratung](https://ki.engineering/leistungen/geo-beratung) - Inhaber: Beratung - Website: [ki.engineering/blog/geo-agentur](https://ki.engineering/blog/geo-agentur) - Standort: KI-Sichtbarkeit - Aktiv seit: 2025 - Leistungen: Bestandsaufnahme, Inhaltsstruktur, Urheberschaft belegen, strukturierte Daten, Messplan - Kurzbeschreibung: Generative Engine Optimization ist die Arbeit daran, dass ein Inhalt in einer generierten Antwort auftaucht und der richtigen Quelle zugeschrieben wird. Konkret heißt das: Absätze, die für sich stehen; Angaben mit Datum und Beleg; eine Person, die erkennbar dahintersteht; und strukturierte Daten, die Seite, Text, Person und Organisation verknüpfen. Grenze: Es gibt keine Rangliste, kein… ### KI-Governance (Top-Eintrag) - Profil: [KI-Governance](https://ki.engineering/leistungen/ki-governance) - Inhaber: Organisation - Website: [ki.engineering/glossar/ai-governance](https://ki.engineering/glossar/ai-governance) - Standort: Verantwortung - Aktiv seit: 2025 - Leistungen: Verzeichnis der KI-Systeme, Risikoeinstufung, Freigabeprozess, Zuständigkeiten, Schulungsnachweis - Kurzbeschreibung: Am Anfang steht ein Verzeichnis: Welche KI-Systeme sind im Einsatz, wofür, mit welchen Daten, und wer ist verantwortlich? Das klingt nach Bürokratie und beantwortet im Ernstfall den größten Teil aller Fragen. Darauf aufbauend werden Vorhaben nach Risiko eingestuft und ein Freigabeweg festgelegt, bevor jemand ein neues Werkzeug einführt. Grenze: Governance verhindert keinen Fehler, sie macht ihn… ### Few-Shot und Zero-Shot - Profil: [Few-Shot und Zero-Shot](https://ki.engineering/leistungen/few-shot-zero-shot) - Inhaber: Technik - Website: [ki.engineering/glossar/few-shot-learning](https://ki.engineering/glossar/few-shot-learning) - Standort: Prompt Engineering - Aktiv seit: 2024 - Leistungen: Beispielauswahl, Reihenfolge und Gewichtung, Grenzfälle, Kostenabwägung, Messung - Kurzbeschreibung: Beispiele im Prompt sind das wirksamste Mittel, um ein Ausgabeformat verlässlich zu erzwingen – und zugleich das teuerste, weil sie bei jedem Aufruf mitbezahlt werden. Entscheidend ist die Auswahl: Drei gut gewählte Grenzfälle wirken stärker als zwanzig gleichförmige Beispiele. Bei einfachen Aufgaben liefert Zero-Shot dasselbe Ergebnis zum Bruchteil der Kosten. Grenze: Beispiele können ein… ### Prompt-Testing - Profil: [Prompt-Testing](https://ki.engineering/leistungen/prompt-testing) - Inhaber: Qualitätssicherung - Website: [ki.engineering/blog/promt-testing](https://ki.engineering/blog/promt-testing) - Standort: Prompt Engineering - Aktiv seit: 2024 - Leistungen: Testfallsammlung, Bewertungsraster, A/B-Vergleich, Wiederholungsläufe, Protokoll - Kurzbeschreibung: Sprachmodelle antworten nicht deterministisch. Ein Prompt, der einmal überzeugt, kann beim fünften Lauf danebenliegen. Deshalb wird gegen eine feste Sammlung von Testfällen geprüft, mehrfach, mit einem Bewertungsraster, das vorher feststeht. Erst dann lässt sich sagen, ob eine Änderung eine Verbesserung war. Grenze: Ein Bewertungsraster ist immer eine Vereinfachung. Was sich schlecht in… ### KI-Schulung im Haus - Profil: [KI-Schulung im Haus](https://ki.engineering/leistungen/ki-schulung) - Inhaber: Weitergabe - Website: [ki.engineering/blog/prompt-kompetenz](https://ki.engineering/blog/prompt-kompetenz) - Standort: Prompt Engineering - Aktiv seit: 2024 - Leistungen: Halbtags- und Tagesformat, eigene Anwendungsfälle, Übungen am eigenen Material, Handout, Nachfragerunde - Kurzbeschreibung: Geschult wird an den Aufgaben, die im Haus tatsächlich anfallen – nicht an Beispielen aus einer Folienvorlage. Der Aufbau folgt dem Weg von der vagen Frage zur belastbaren Anweisung, mit einem eigenen Block zu Datenschutz und dazu, welche Inhalte auf keinen Fall in ein externes System gehören. Grenze: Eine Schulung ersetzt keine Übung. Ohne Anlass, das Gelernte in den ersten Wochen anzuwenden,… ### Modellauswahl - Profil: [Modellauswahl](https://ki.engineering/leistungen/modellauswahl) - Inhaber: Entscheidung - Website: [ki.engineering/glossar/large-language-models-llm](https://ki.engineering/glossar/large-language-models-llm) - Standort: Sprachmodelle - Aktiv seit: 2024 - Leistungen: Anforderungsprofil, Vergleich an eigenen Testfällen, Kosten je tausend Anfragen, Datenschutzprüfung, Ausweichlösung - Kurzbeschreibung: Verglichen wird nicht anhand veröffentlichter Bestenlisten, sondern an den eigenen Aufgaben. Ein Modell, das in allgemeinen Vergleichstests vorn liegt, kann bei einer speziellen Auswertung schlechter abschneiden als ein kleineres und deutlich günstigeres. Mit in die Rechnung gehören Antwortzeit, Verfügbarkeit, Serverstandort und die Frage, wie aufwendig ein späterer Wechsel wäre. Grenze: Jede… ### Feinjustierung - Profil: [Feinjustierung](https://ki.engineering/leistungen/fine-tuning) - Inhaber: Technik - Website: [ki.engineering/glossar/feinjustierung-fine-tuning](https://ki.engineering/glossar/feinjustierung-fine-tuning) - Standort: Sprachmodelle - Aktiv seit: 2024 - Leistungen: Eignungsprüfung, Datensatzaufbau, LoRA-Verfahren, Bewertung gegen das Ausgangsmodell, Betriebsübergabe - Kurzbeschreibung: Feinjustierung verändert das Verhalten eines Modells: Tonfall, Ausgabeformat, Umgang mit Fachsprache. Sie eignet sich, wenn eine bestimmte Form reproduzierbar gebraucht wird und Beispiele im Prompt dafür zu teuer werden. Sparsame Verfahren wie LoRA senken den Rechenaufwand erheblich. Grenze – und das ist die wichtigste Aussage dieser Seite: Feinjustierung bringt einem Modell kein neues Wissen… ### Kontextfenster-Strategie - Profil: [Kontextfenster-Strategie](https://ki.engineering/leistungen/kontextfenster-strategie) - Inhaber: Technik - Website: [ki.engineering/glossar/context-window-kontextfenster](https://ki.engineering/glossar/context-window-kontextfenster) - Standort: Sprachmodelle - Aktiv seit: 2025 - Leistungen: Tokenbudget, Reihenfolge der Bestandteile, Zusammenfassungsketten, Zwischenspeicher, Kostenrechnung - Kurzbeschreibung: Große Kontextfenster verleiten dazu, einfach alles mitzugeben. Das kostet bei jedem Aufruf und verschlechtert häufig das Ergebnis: Angaben in der Mitte eines sehr langen Kontexts werden schlechter berücksichtigt als solche am Anfang oder Ende. Sinnvoll ist ein Budget je Aufruf und eine feste Reihenfolge – Anweisung, Quellen, Frage. Grenze: Ab einer bestimmten Bestandsgröße ist Retrieval… ### Merkmalsbildung - Profil: [Merkmalsbildung](https://ki.engineering/leistungen/merkmalsbildung) - Inhaber: Technik - Website: [ki.engineering/glossar/feature-engineering-die-kunst-der-merkmalserstellung-fuer-ml-modelle](https://ki.engineering/glossar/feature-engineering-die-kunst-der-merkmalserstellung-fuer-ml-modelle) - Standort: Maschinelles Lernen - Aktiv seit: 2024 - Leistungen: Fachliche Ableitungen, Kodierung von Kategorien, Zeitmerkmale, Auswahl relevanter Größen, Dokumentation - Kurzbeschreibung: Aus Rohdaten werden Größen, die einen Zusammenhang tatsächlich tragen: aus zwei Zeitstempeln eine Dauer, aus einer Postleitzahl eine Region, aus einer Bestellhistorie ein Abstand zum letzten Kauf. In klassischen Verfahren bringt dieser Schritt regelmäßig mehr als jeder Modellwechsel. Grenze: Bei Bild-, Ton- und Textdaten übernehmen neuronale Netze die Merkmalsbildung selbst und schlagen… ### Modelltraining - Profil: [Modelltraining](https://ki.engineering/leistungen/modelltraining) - Inhaber: Umsetzung - Website: [ki.engineering/glossar/training-modelltraining](https://ki.engineering/glossar/training-modelltraining) - Standort: Maschinelles Lernen - Aktiv seit: 2024 - Leistungen: Vergleichsmodell, Verfahrensauswahl, systematische Parametersuche, Regularisierung, Protokoll aller Läufe - Kurzbeschreibung: Begonnen wird mit einem bewusst einfachen Vergleichsmodell. Es kostet eine Stunde und beantwortet die wichtigste Frage: Wie viel besser ist das aufwendige Verfahren wirklich? Danach wird trainiert, mit protokollierten Läufen und einer systematischen statt zufälligen Suche nach den richtigen Einstellungen. Regularisierung und frühes Abbrechen halten die Überanpassung in Grenzen. Grenze: Mehr… ### Modellbewertung - Profil: [Modellbewertung](https://ki.engineering/leistungen/modellbewertung) - Inhaber: Qualitätssicherung - Website: [ki.engineering/glossar/konfusionsmatrix](https://ki.engineering/glossar/konfusionsmatrix) - Standort: Maschinelles Lernen - Aktiv seit: 2024 - Leistungen: Kennzahlenwahl, Konfusionsmatrix, Schwellenwerte, Kreuzvalidierung, Fehleranalyse nach Gruppen - Kurzbeschreibung: Welche Kennzahl zählt, ergibt sich aus den Kosten der beiden Fehlerarten. Bei einer Vorprüfung, die niemanden übersehen darf, zählt der Recall; bei einer automatischen Ablehnung zählt die Präzision. Genauigkeit allein ist bei ungleich verteilten Daten irreführend: Ein Modell, das bei fünf Prozent Betrugsfällen immer „kein Betrug" sagt, liegt zu fünfundneunzig Prozent richtig und ist wertlos.… ### Bilderkennung - Profil: [Bilderkennung](https://ki.engineering/leistungen/bilderkennung) - Inhaber: Anwendung - Website: [ki.engineering/glossar/objekterkennung](https://ki.engineering/glossar/objekterkennung) - Standort: Computer Vision - Aktiv seit: 2024 - Leistungen: Aufgabenzuschnitt, Beschriftung der Trainingsdaten, Modellwahl, Prüfung unter Echtbedingungen, Übergabe - Kurzbeschreibung: Zuerst wird die Aufgabe zugeschnitten: Genügt eine Klassifikation, oder braucht es Position und Anzahl? Die Antwort entscheidet über Datenbedarf und Aufwand um ein Vielfaches. Danach folgen Beschriftung, Training auf einem vortrainierten Modell und die Prüfung unter den Bedingungen, die später herrschen – nicht im Fotostudio. Grenze: Erkennungsraten aus dem Labor halten selten. Ändern sich… ### Texterkennung in Dokumenten - Profil: [Texterkennung in Dokumenten](https://ki.engineering/leistungen/ocr-dokumente) - Inhaber: Anwendung - Website: [ki.engineering/glossar/optical-character-recognition-ocr](https://ki.engineering/glossar/optical-character-recognition-ocr) - Standort: Computer Vision - Aktiv seit: 2024 - Leistungen: Erkennung, Feldextraktion, Plausibilitätsprüfung, Übergabe an Folgesysteme, Fehlerkorb - Kurzbeschreibung: Aus gescannten Rechnungen, Lieferscheinen und Formularen werden strukturierte Datensätze. Die reine Zeichenerkennung ist heute weitgehend gelöst; die Arbeit liegt in der Zuordnung – welche Zahl ist der Nettobetrag, welches Datum das Lieferdatum. Plausibilitätsregeln fangen den größten Teil der Fehler ab, bevor sie in ein Folgesystem gelangen. Grenze: Handschrift, schlechte Vorlagen und… ### Optische Qualitätskontrolle - Profil: [Optische Qualitätskontrolle](https://ki.engineering/leistungen/qualitaetskontrolle) - Inhaber: Anwendung - Website: [ki.engineering/glossar/image-classification](https://ki.engineering/glossar/image-classification) - Standort: Computer Vision - Aktiv seit: 2025 - Leistungen: Fehlerkatalog, Aufnahmeaufbau, Training auf Gutteilen, Schwellenwert, Nachprüfung durch Menschen - Kurzbeschreibung: In der Fertigung sind Fehlerbilder selten – das ist gut für die Produktion und schlecht für das Training. Deshalb wird oft auf Gutteilen trainiert und alles gemeldet, was abweicht. Der Schwellenwert entscheidet über das Verhältnis von übersehenen Fehlern zu Fehlalarmen und gehört in die Hand der Fertigung, nicht der Technik. Grenze: Ein System mit neunundneunzig Prozent Trefferquote irrt bei… ### Gestützte Textproduktion - Profil: [Gestützte Textproduktion](https://ki.engineering/leistungen/textproduktion) - Inhaber: Redaktion - Website: [ki.engineering/glossar/textgenerierung](https://ki.engineering/glossar/textgenerierung) - Standort: Generative KI - Aktiv seit: 2024 - Leistungen: Redaktionsablauf, Vorlagen je Textsorte, Faktenprüfung, Stilvorgaben, Kennzeichnung - Kurzbeschreibung: Eingerichtet wird ein Ablauf, in dem das Modell erste Fassungen liefert und Menschen prüfen, kürzen und verantworten. Der Zeitgewinn entsteht beim Aufsetzen und beim Umschreiben für andere Kanäle, nicht beim Recherchieren. Wer die Prüfung streicht, hat den Gewinn beim ersten falsch übernommenen Datum wieder verloren. Grenze: Für Texte, die ohne Gegenlesen erscheinen, ist dieses Verfahren… ### Bildgenerierung - Profil: [Bildgenerierung](https://ki.engineering/leistungen/bildgenerierung) - Inhaber: Gestaltung - Website: [ki.engineering/glossar/text-to-image](https://ki.engineering/glossar/text-to-image) - Standort: Generative KI - Aktiv seit: 2024 - Leistungen: Bildsprache festlegen, Prompt-Vorlagen, Negativvorgaben, Nachbearbeitung, Rechte- und Herkunftsdokumentation - Kurzbeschreibung: Für wiederkehrende Bildbedarfe wird eine Bildsprache definiert und in Prompt-Vorlagen übersetzt, damit Ergebnisse über Monate zusammenpassen. Negativvorgaben schließen typische Fehlbilder aus. Jedes verwendete Bild wird mit Werkzeug, Prompt und Datum dokumentiert – das kostet Sekunden und ist im Streitfall das Einzige, was zählt. Grenze: Die Rechtslage zu Trainingsdaten und generierten Werken… ### Multimodale Abläufe - Profil: [Multimodale Abläufe](https://ki.engineering/leistungen/multimodale-workflows) - Inhaber: Architektur - Website: [ki.engineering/blog/spezialfall](https://ki.engineering/blog/spezialfall) - Standort: Generative KI - Aktiv seit: 2025 - Leistungen: Bild- und Textkombination, Datenauswertung aus Screenshots, Sprachein- und -ausgabe, Verkettung von Schritten - Kurzbeschreibung: Modelle, die Bild, Text und Ton gemeinsam verarbeiten, erlauben Abläufe, die vorher mehrere Werkzeuge brauchten: Ein Screenshot wird beschrieben, die enthaltene Tabelle ausgelesen, das Ergebnis in einen Bericht überführt. Der Gewinn liegt in weniger Übergaben zwischen Systemen. Grenze: Je mehr Schritte verkettet werden, desto weniger nachvollziehbar wird ein Fehler. Für jeden Ablauf sollte klar… ### Strukturierte Daten - Profil: [Strukturierte Daten](https://ki.engineering/leistungen/strukturierte-daten) - Inhaber: Technik - Website: [ki.engineering/glossar/generative-engine-optimization](https://ki.engineering/glossar/generative-engine-optimization) - Standort: KI-Sichtbarkeit - Aktiv seit: 2024 - Leistungen: JSON-LD-Graph, Person und Organisation verknüpfen, DefinedTerm für Fachbegriffe, Prüfung, Pflegeanleitung - Kurzbeschreibung: Ausgezeichnet wird nicht als Sammlung einzelner Blöcke, sondern als verknüpfter Graph: Die Seite gehört zur Website, der Beitrag hat einen Autor, der Autor arbeitet für eine Organisation, die Organisation hat Profile anderswo. Erst diese Verbindungen machen aus beschriebenen Objekten einen beschriebenen Zusammenhang. Leere Felder werden weggelassen statt leer ausgegeben. Grenze: Strukturierte… ### KI-Sichtbarkeit messen - Profil: [KI-Sichtbarkeit messen](https://ki.engineering/leistungen/ki-monitoring) - Inhaber: Messung - Website: [ki.engineering/blog/ki-sichtbarkeit-messen](https://ki.engineering/blog/ki-sichtbarkeit-messen) - Standort: KI-Sichtbarkeit - Aktiv seit: 2025 - Leistungen: Fragenkatalog, feste Erhebungstermine, mehrere Systeme, Protokoll mit Wortlaut, Auswertung über Zeit - Kurzbeschreibung: Gemessen wird mit einem festen Katalog von Fragen, die in gleichen Abständen an mehrere Systeme gestellt werden. Protokolliert wird der Wortlaut der Antwort, ob die eigene Quelle genannt wurde und in welchem Zusammenhang. Über Monate ergibt das eine Entwicklung, an der sich Maßnahmen ablesen lassen. Grenze: Das ist eine Stichprobe, keine Statistik. Antworten schwanken zwischen zwei Aufrufen,… ### Anbindung an eigene Systeme - Profil: [Anbindung an eigene Systeme](https://ki.engineering/leistungen/api-integration) - Inhaber: Umsetzung - Website: [ki.engineering/glossar/api-application-programming-interface](https://ki.engineering/glossar/api-application-programming-interface) - Standort: Betrieb und Daten - Aktiv seit: 2024 - Leistungen: Schnittstelle, Zwischenschicht für den Modellwechsel, Zwischenspeicher, Wiederholungslogik, Protokollierung - Kurzbeschreibung: Zwischen Anwendung und Anbieter kommt eine dünne eigene Schicht. Sie kostet wenige Tage und macht den Wechsel des Modells später zu einer Konfigurationsfrage statt zu einem Umbau. Dazu gehören ein Zwischenspeicher für wiederkehrende Anfragen, eine Wiederholungslogik bei Zeitüberschreitungen und ein Protokoll, das nachvollziehbar macht, welche Version welche Antwort erzeugt hat. Grenze: Eine… ### Betrieb und Überwachung - Profil: [Betrieb und Überwachung](https://ki.engineering/leistungen/mlops-betrieb) - Inhaber: Betrieb - Website: [ki.engineering/glossar/mlops](https://ki.engineering/glossar/mlops) - Standort: Betrieb und Daten - Aktiv seit: 2024 - Leistungen: Versionierung von Daten und Modellen, Überwachung der Ausgabequalität, Kostenkontrolle, Alarmierung, Rückfallweg - Kurzbeschreibung: Der Prototyp läuft nach zwei Wochen, der Betrieb dauert Jahre. Eingerichtet werden Versionierung von Daten und Modellen, eine laufende Beobachtung der Ausgabequalität, eine Kostenüberwachung je Anfrage und ein definierter Weg zurück auf den vorherigen Stand. Letzteres ist wichtiger, als es klingt: Anbieter tauschen Modelle im laufenden Betrieb aus, und das Verhalten ändert sich ohne Ankündigung.… ### Cloud oder eigener Betrieb - Profil: [Cloud oder eigener Betrieb](https://ki.engineering/leistungen/edge-und-cloud) - Inhaber: Entscheidung - Website: [ki.engineering/glossar/edge-ai](https://ki.engineering/glossar/edge-ai) - Standort: Betrieb und Daten - Aktiv seit: 2025 - Leistungen: Lastprofil, Kostenvergleich über drei Jahre, Datenschutzabwägung, Hardwarebedarf, Umsetzungsplan - Kurzbeschreibung: Ein gehosteter Dienst ist am Anfang schneller und günstiger. Eigener Betrieb rechnet sich bei hohem, gleichmäßigem Volumen oder wenn Daten das Haus nicht verlassen dürfen. Gerechnet wird über drei Jahre und mit dem tatsächlichen Lastprofil – nicht mit dem Spitzenwert und nicht mit dem Mittelwert. Verarbeitung direkt auf dem Gerät ist die dritte Möglichkeit, wenn Antwortzeit oder Datenschutz im… ### Datenschutz bei KI-Einsatz - Profil: [Datenschutz bei KI-Einsatz](https://ki.engineering/leistungen/datenschutz-ki) - Inhaber: Prüfung - Website: [ki.engineering/glossar/privacy-preserving-ai](https://ki.engineering/glossar/privacy-preserving-ai) - Standort: Verantwortung - Aktiv seit: 2024 - Leistungen: Datenflussanalyse, Auftragsverarbeitung, Serverstandort, Anonymisierung, Beschäftigteninformation - Kurzbeschreibung: Jeder Aufruf eines externen Modells ist eine Übermittlung personenbezogener Daten, sobald im Text ein Name, eine Adresse oder eine Kundennummer steht. Geprüft werden deshalb der tatsächliche Datenfluss, der Serverstandort, die Vereinbarung zur Auftragsverarbeitung und die Frage, ob Eingaben zum Training verwendet werden. Häufig genügt es, Personenbezüge vor dem Aufruf zu ersetzen. Grenze: Diese… ### Prüfung auf Verzerrungen - Profil: [Prüfung auf Verzerrungen](https://ki.engineering/leistungen/bias-pruefung) - Inhaber: Prüfung - Website: [ki.engineering/glossar/fairness](https://ki.engineering/glossar/fairness) - Standort: Verantwortung - Aktiv seit: 2025 - Leistungen: Gruppenbildung, getrennte Kennzahlen, Testfälle mit vertauschten Merkmalen, Bericht, Gegenmaßnahmen - Kurzbeschreibung: Geprüft wird, ob ein System für bestimmte Gruppen systematisch schlechter arbeitet. Dazu werden dieselben Kennzahlen getrennt nach Gruppen erhoben und Testfälle mit vertauschten Merkmalen durchgespielt. Auffälligkeiten zeigen sich fast immer erst in dieser Aufteilung – in der Gesamtzahl verschwinden sie. Grenze: Verschiedene Fairness-Begriffe widersprechen einander mathematisch; man kann nicht… ### Abwehr von Prompt Injection - Profil: [Abwehr von Prompt Injection](https://ki.engineering/leistungen/prompt-injection-abwehr) - Inhaber: Sicherheit - Website: [ki.engineering/glossar/prompt-injection](https://ki.engineering/glossar/prompt-injection) - Standort: Verantwortung - Aktiv seit: 2025 - Leistungen: Bedrohungsanalyse, Trennung von Anweisung und Inhalt, Rechtebegrenzung, Ausgabeprüfung, Protokollierung - Kurzbeschreibung: Sobald ein System fremde Texte verarbeitet – Webseiten, E-Mails, hochgeladene Dateien –, können darin Anweisungen versteckt sein, die das Modell befolgt. Gegenmaßnahmen sind gestaffelt: Anweisung und Inhalt klar trennen, dem System nur die Rechte geben, die es braucht, die Ausgabe vor der Weiterverarbeitung prüfen und alles protokollieren. Grenze: Eine vollständige Abwehr gibt es nach heutigem… ## Fachbeiträge - Übersicht: [Blog](https://ki.engineering/blog/) - RSS: [Feed](https://ki.engineering/blog/feed.xml) ### [KI-Sichtbarkeit messen, ohne Zahlen zu erfinden](https://ki.engineering/blog/ki-sichtbarkeit-messen) - Kategorie: KI-Sichtbarkeit - Veröffentlicht: 2026-04-14 - Autor: Alexander Müller - Zusammenfassung: Für die Sichtbarkeit in KI-Antworten gibt es keine Rangliste und keinen Index. Ein Verfahren, das trotzdem belastbare Aussagen liefert – und die Grenzen, die dazugehören. - Kernaussagen: - Es gibt keine Rangliste – nur wiederholte Stichproben - Markenfragen liefern die unangenehmsten und nützlichsten Befunde - Jede Frage mehrfach in frischer Sitzung stellen - Drei Auswertungsfelder genügen: genannt, Quelle, zutreffend - Reichweite lässt sich grundsätzlich nicht ermitteln ### [RAG oder Fine-Tuning? Die Verwechslung, die Projekte teuer macht](https://ki.engineering/blog/rag-statt-fine-tuning) - Kategorie: Sprachmodelle - Veröffentlicht: 2026-03-10 - Autor: Alexander Müller - Zusammenfassung: Feinjustierung verändert das Verhalten eines Modells, nicht sein Wissen. Wer diesen Unterschied übersieht, zahlt für ein Ergebnis, das die Aufgabe nicht löst. - Kernaussagen: - Fine-Tuning ändert das Verhalten, RAG das verfügbare Wissen - Ein mit Handbüchern feinjustiertes Modell erfindet weiterhin – nur überzeugender - Zugriffsrechte lassen sich nur in der Suche abbilden, nicht im Modell - Reihenfolge prüfen: Prompting, dann Retrieval, dann erst Feinjustierung - Feinjustierung muss nach jedem Wechsel des Grundmodells wiederholt werden ### [Leistung: was hinter dem Begriff steckt – und was nicht](https://ki.engineering/blog/geo-agentur) - Kategorie: KI-Sichtbarkeit - Veröffentlicht: 2026-02-17 - Autor: Alexander Müller - Zusammenfassung: Seit Suchmaschinen Antworten statt Listen liefern, wird Generative Engine Optimization angeboten. Was daran belastbar ist, was gemessen werden kann und woran Sie unseriöse Versprechen erkennen. - Kernaussagen: - Ziel ist die Nennung in einer Antwort, nicht ein Listenplatz - Prüfstein: Ergibt ein herausgelöster Absatz allein noch Sinn? - Belegte Urheberschaft braucht Verweise auf fremde Seiten mit Rückverweis - Messung nur über wiederholte Stichproben, keine Rangliste - Zugesagte Positionen in ChatGPT kann niemand liefern ### [Was ist KI Engineering?](https://ki.engineering/blog/was-ist-ki-engineering) - Kategorie: Grundlagen - Veröffentlicht: 2025-11-08 - Autor: Alexander Müller - Zusammenfassung: Zwischen Data Science und Softwareentwicklung ist eine eigene Disziplin entstanden. Was sie umfasst, was sie von beidem unterscheidet und welche Aufgaben tatsächlich anfallen. - Kernaussagen: - Setzt an, wo das Modell bereits existiert - Andere Annahmen als in der Softwareentwicklung: nicht deterministisch - Arbeit mit Fallsammlungen statt Einzeltests - Am häufigsten fehlt eine Sammlung von Testfällen - Der Prototyp ist der einfache Teil ### [Prompt Engineering für Einsteiger: sieben Grundlagen](https://ki.engineering/blog/prompt-engineering-fuer-einsteiger) - Kategorie: Prompt Engineering - Veröffentlicht: 2025-05-14 - Autor: Alexander Müller - Zusammenfassung: Sieben Regeln, die den Unterschied zwischen enttäuschenden und brauchbaren Antworten ausmachen – ohne Werkzeuge, ohne Kurs, anwendbar ab der nächsten Anfrage. - Kernaussagen: - Ziel benennen, nicht nur das Thema - Kontext gehört in die Anfrage – das Modell kennt Ihr Umfeld nicht - Ein Grenzfall als Beispiel wirkt stärker als lange Beschreibungen - In Schritten arbeiten statt alles auf einmal verlangen - Zahlen und Quellen immer selbst nachprüfen ### [Die Anatomie eines brauchbaren Prompts](https://ki.engineering/blog/anatomie) - Kategorie: Prompt Engineering - Veröffentlicht: 2025-05-14 - Autor: Alexander Müller - Zusammenfassung: Ein Prompt besteht aus fünf Bestandteilen, von denen die meisten weggelassen werden. Welche das sind, was jeder von ihnen bewirkt – und warum Kürzen häufiger hilft als Ergänzen. - Kernaussagen: - Fünf Bestandteile: Rolle, Aufgabe, Kontext, Format, Ausschlüsse - Ausschlüsse sind der am häufigsten vergessene und oft wirksamste Teil - Wichtiges gehört an Anfang oder Ende, nicht in die Mitte - Ohne Testfälle ist jede Prompt-Verbesserung eine Behauptung - Fehlendes Wissen lässt sich durch keine Formulierung ersetzen ### [Von WordPress auf statisch: was dieser Umzug gebracht hat](https://ki.engineering/blog/von-wordpress-auf-statisch) - Kategorie: Technik - Veröffentlicht: 2026-08-10 - Autor: Alexander Müller - Zusammenfassung: KI.Engineering läuft nicht mehr auf WordPress. Was sich dadurch ändert, was verloren geht und für wen sich ein solcher Wechsel überhaupt lohnt. - Kernaussagen: - Ausschlaggebend war das Datenmodell, nicht die Ladezeit - Statische Auslieferung schließt Kommentare und Anmeldebereiche aus - Die meiste Arbeit lag bei den Adressen, nicht in der Technik - Beibehaltene Adressstruktur ersparte den größten Teil der Weiterleitungen - Ein Systemwechsel beseitigt Reibung, er verbessert keinen Inhalt ### [Adressen beim Systemwechsel: was bleiben kann, sollte bleiben](https://ki.engineering/blog/urls-und-301) - Kategorie: Technik - Veröffentlicht: 2026-07-07 - Autor: Alexander Müller - Zusammenfassung: Bei jedem Relaunch entscheidet sich an den Adressen, ob Jahre an Verweisen erhalten bleiben. Die beste Weiterleitung ist die, die nicht nötig wird. - Kernaussagen: - Adressen beibehalten schlägt jede Weiterleitung – auch bei Tippfehlern - Serverprotokoll ist die wichtigste Quelle für vorhandene Adressen - Einzelzuordnung statt Sammelweiterleitung auf die Startseite - Statuscode 301, keine Ketten über mehrere Stationen - Nach dem Umzug alle alten Adressen auf Statuscode prüfen ### [Große Kontextfenster: warum mehr Kontext oft schlechter ist](https://ki.engineering/blog/kontextfenster-richtig-nutzen) - Kategorie: Sprachmodelle - Veröffentlicht: 2026-06-09 - Autor: Alexander Müller - Zusammenfassung: Eine Million Token klingen nach dem Ende aller Retrieval-Systeme. In der Praxis sinkt die Antwortqualität mit der Kontextlänge – und die Kosten steigen bei jedem Aufruf. - Kernaussagen: - Angaben in der Mitte langer Kontexte werden schwächer berücksichtigt - Jedes Token wird bei jedem Aufruf bezahlt - Reihenfolge: Anweisung, Quellen, Format, Frage - Ein festes Tokenbudget je Aufruf verhindert stilles Wachstum - Prüfsatz: Gesamtzusammenhang oder die richtige Stelle? ### [Prompt Injection: warum Filter nicht reichen](https://ki.engineering/blog/prompt-injection-schutz) - Kategorie: Verantwortung - Veröffentlicht: 2026-05-12 - Autor: Alexander Müller - Zusammenfassung: Sobald ein KI-System fremde Inhalte verarbeitet, kann jemand Anweisungen darin verstecken. Eine vollständige technische Abwehr gibt es nicht – wohl aber eine wirksame Gegenstrategie. - Kernaussagen: - Das Modell trennt Anweisung und Inhalt nicht – das ist die Ursache - Filter sind eine Schicht, keine Absicherung - Rechte begrenzen wirkt zuverlässiger als Eingaben prüfen - Feste Ausgabeschemata machen eingeschleuste Anweisungen wirkungslos - Bei Agenten vervielfacht sich die Angriffsfläche mit jedem Schritt ### [Prompt-Kompetenz: eine Fähigkeit, kein Werkzeugwissen](https://ki.engineering/blog/prompt-kompetenz) - Kategorie: Prompt Engineering - Veröffentlicht: 2025-05-14 - Autor: Alexander Müller - Zusammenfassung: Der Umgang mit Sprachmodellen wird zur Grundfertigkeit – aber nicht so, wie es Kurse verkaufen. Was tatsächlich zu lernen ist und was sich von selbst erledigt. - Kernaussagen: - Formulierungstricks veralten, klare Aufgabenbeschreibung bleibt - Die Kenntnis der Grenzen ist die wertvollere Hälfte - Beurteilen können setzt Fachwissen voraus - Sprachmodelle nützen Fachleuten mehr als Anfängern - Wirksame Schulung: halber Tag an echten Aufgaben ### [Verantwortung beim Prompten: Wer haftet für die Antwort?](https://ki.engineering/blog/ethik) - Kategorie: Verantwortung - Veröffentlicht: 2025-05-14 - Autor: Alexander Müller - Zusammenfassung: Die Frage nach der Verantwortung wird gern an das Modell abgegeben. Rechtlich und praktisch bleibt sie bei der Person, die den Text verwendet. - Kernaussagen: - „Das hat die KI geschrieben" ist keine Entlastung - Jede Eingabe in einen externen Dienst ist eine Datenübermittlung - Ein freigegebenes Werkzeug wirkt besser als ein Verbot - Eine Prüfung, die niemand leisten kann, ist keine Absicherung - Kennzeichnung kostet nichts und wirkt im Nachhinein deutlich besser ### [Multimodale Prompts: Bild, Text und Daten kombinieren](https://ki.engineering/blog/spezialfall) - Kategorie: Sprachmodelle - Veröffentlicht: 2025-05-14 - Autor: Alexander Müller - Zusammenfassung: Modelle, die Bild und Text gemeinsam verarbeiten, ermöglichen Abläufe, die vorher mehrere Werkzeuge brauchten. Wo das trägt – und wo es still danebenliegt. - Kernaussagen: - Beschreiben funktioniert, Messen und Zählen nicht - Werte aus Diagrammen sind für Auswertungen unbrauchbar - Räumliche Beziehungen werden häufig vertauscht - Zahlen über spezialisierte Werkzeuge plus Plausibilitätsregel - Screenshots vor dem Hochladen zuschneiden ### [Werkzeuge für die Arbeit mit Prompts – und wann keines nötig ist](https://ki.engineering/blog/tools-extensions) - Kategorie: Prompt Engineering - Veröffentlicht: 2025-05-14 - Autor: Alexander Müller - Zusammenfassung: Welche Arten von Werkzeugen es für Prompt-Verwaltung, Test und Betrieb gibt, wofür sie taugen – und warum die meisten Teams mit einer Textdatei besser fahren. - Kernaussagen: - Vier Kategorien: Verwaltung, Test, Beobachtung, Rahmenwerke - Testfälle zuerst, Rahmenwerk zuletzt - Für kleine Teams reicht eine versionierte Datei - Ohne Protokoll im Betrieb ist keine Beschwerde aufklärbar - Datenschutzfrage: Wo protokolliert das Werkzeug die Anfragen? ### [Prompts testen: so wird aus einem Eindruck eine Aussage](https://ki.engineering/blog/promt-testing) - Kategorie: Prompt Engineering - Veröffentlicht: 2025-05-14 - Autor: Alexander Müller - Zusammenfassung: Sprachmodelle antworten nicht deterministisch. Wer Prompts ohne feste Testfälle vergleicht, optimiert auf den letzten Zufallstreffer. Ein Verfahren, das an einem Tag steht. - Kernaussagen: - Ein einzelner Durchlauf sagt nichts – Modelle antworten nicht deterministisch - Testfälle brauchen Grenzfälle und Fälle mit richtiger Verweigerung - Das Bewertungsraster steht vor dem ersten Durchlauf fest - Geringe Streuung schlägt einen leicht höheren Mittelwert - Die Testfälle sind zugleich die Absicherung gegen Modellwechsel ### [Prompt Engineering im Geschäftsalltag: zehn Abläufe](https://ki.engineering/blog/promt-business) - Kategorie: Prompt Engineering - Veröffentlicht: 2025-05-14 - Autor: Alexander Müller - Zusammenfassung: Zehn Stellen im Arbeitsalltag, an denen sich der Einsatz eines Sprachmodells tatsächlich rechnet – und drei, an denen er es nicht tut. - Kernaussagen: - Drei Bedingungen: Ausgangsstoff vorhanden, Abnahme durch Menschen, Fehler erkennbar - Recherche ohne Quellen kostet mehr Prüfzeit als sie spart - Automatisch versendete Kundenpost ist ein Haftungsrisiko - Zahlen gehören in eine Tabellenkalkulation, nicht in ein Sprachmodell - Unter etwa fünf Vorgängen im Monat lohnt der Einführungsaufwand nicht ### [Prompt-Beispiele für den Arbeitsalltag](https://ki.engineering/blog/promt-beispiele) - Kategorie: Prompt Engineering - Veröffentlicht: 2025-05-14 - Autor: Alexander Müller - Zusammenfassung: Eine kleine Sammlung erprobter Prompts für wiederkehrende Aufgaben – jeweils mit der Angabe, wofür sie taugen und wo sie an ihre Grenze kommen. - Kernaussagen: - Eine kleine Zahl erprobter Muster schlägt große Prompt-Sammlungen - „Gegenargumente nennen" ist der unterschätzteste Anwendungsfall - Ein festes Ausgabeschema macht Antworten maschinell prüfbar - Alle Muster setzen mitgegebenen Text voraus ### [Von vage zu präzise: Prompts im Vorher-Nachher-Vergleich](https://ki.engineering/blog/praezise-promts) - Kategorie: Prompt Engineering - Veröffentlicht: 2025-05-14 - Autor: Alexander Müller - Zusammenfassung: Vier Beispiele aus der Praxis, jeweils in der ursprünglichen und in der überarbeiteten Fassung – mit der Begründung, welche Änderung welchen Unterschied gemacht hat. - Kernaussagen: - Formvorgabe messbar machen: Länge, Struktur, Ansprache - Grenze der zulässigen Angaben ausdrücklich nennen - Eine Regel für den Zweifelsfall verhindert erfundene Inhalte - Offene Fragen in Klassifikationen mit festem Ergebnisraum umwandeln ## Glossar - Übersicht: [Glossar](https://ki.engineering/glossar/) - Aufbau je Eintrag: Kurzantwort, Kurz-Fakten, Einordnung, verwandte Begriffe - [Künstliche Intelligenz (KI)](https://ki.engineering/glossar/kuenstliche-intelligenz): Künstliche Intelligenz ist der Sammelbegriff für Verfahren, mit denen Computer Aufgaben lösen, für die beim Menschen Intelligenz nötig wäre – etwa Sprache verstehen, Bilder deuten oder Entscheidungen aus Erfahrung ableiten. Der weit überwiegende Teil heutiger Systeme ist spezialisiert: Sie lösen… - [Maschinelles Lernen](https://ki.engineering/glossar/maschinelles-lernen): Maschinelles Lernen bezeichnet Verfahren, bei denen ein Programm Regeln aus Beispieldaten ableitet, statt sie von einem Menschen vorgegeben zu bekommen. Aus Trainingsdaten entsteht ein Modell, das auf neue, bisher ungesehene Fälle angewendet wird. Die Qualität hängt zuerst von den Daten ab und… - [Deep Learning](https://ki.engineering/glossar/deep-learning): Deep Learning ist maschinelles Lernen mit künstlichen neuronalen Netzen, die viele Schichten zwischen Ein- und Ausgabe besitzen. Das „tief" bezieht sich auf diese Schichtenzahl. Der entscheidende Vorteil gegenüber klassischen Verfahren ist, dass die Netze die relevanten Merkmale selbst aus den… - [Neuronale Netze](https://ki.engineering/glossar/neuronale-netze): Ein künstliches neuronales Netz besteht aus Schichten einfacher Recheneinheiten, die gewichtete Eingangssignale summieren und über eine Aktivierungsfunktion weitergeben. Beim Training werden die Gewichte so angepasst, dass die Ausgabe des Netzes den bekannten richtigen Werten möglichst nahekommt.… - [Large Language Model (LLM)](https://ki.engineering/glossar/large-language-models-llm): Ein Large Language Model ist ein neuronales Netz, das auf sehr großen Textmengen darauf trainiert wurde, das jeweils nächste Textstück vorherzusagen. Aus dieser einen Fähigkeit ergeben sich Übersetzen, Zusammenfassen, Beantworten und Programmieren – und ebenso die Neigung, falsche Angaben flüssig… - [Transformer-Architektur](https://ki.engineering/glossar/transformer-architektur): Der Transformer ist eine 2017 vorgestellte Netzarchitektur, die eine Eingabefolge nicht Schritt für Schritt, sondern als Ganzes verarbeitet und dabei über Attention gewichtet, welche Teile füreinander wichtig sind. Weil sich das parallel berechnen lässt, wurde erstmals das Training auf sehr großen… - [Attention-Mechanismus](https://ki.engineering/glossar/attention-mechanismus): Attention ist ein Rechenschritt, mit dem ein neuronales Netz für jede Position in einer Eingabe bestimmt, wie stark die übrigen Positionen dafür berücksichtigt werden. Statt eine Folge starr von links nach rechts zu lesen, kann das Netz Bezüge über beliebige Entfernungen herstellen. Damit löste… - [Self-Attention](https://ki.engineering/glossar/self-attention): Self-Attention ist der Fall von Attention, bei dem eine Folge auf sich selbst bezogen wird: Jedes Element bewertet, wie relevant alle anderen Elemente derselben Folge für es sind. Auf diese Weise löst ein Sprachmodell Bezüge auf – etwa worauf sich ein Pronomen bezieht. Der Mechanismus ist der… - [Multi-Head Attention](https://ki.engineering/glossar/multi-head-attention): Multi-Head Attention führt mehrere Attention-Berechnungen parallel aus, jede mit eigenen gelernten Gewichten. Dadurch kann ein Modell gleichzeitig unterschiedliche Arten von Bezügen erfassen – etwa grammatische Abhängigkeiten und inhaltliche Ähnlichkeiten. Die Teilergebnisse werden anschließend… - [Tokenisierung](https://ki.engineering/glossar/tokenisierung): Tokenisierung zerlegt Text in kleine Einheiten, sogenannte Token, die ein Sprachmodell verarbeiten kann. Ein Token entspricht meist einem Wortteil, nicht einem ganzen Wort. Weil Preise und Kontextgrenzen in Token gerechnet werden, bestimmt die Zerlegung unmittelbar die Kosten einer Anfrage. - [Embedding](https://ki.engineering/glossar/embedding): Ein Embedding ist die Darstellung eines Textstücks, Bildes oder anderen Objekts als Zahlenfolge, in der Ähnlichkeit als räumliche Nähe abgebildet wird. Inhaltlich verwandte Dinge liegen dicht beieinander, unverwandte weit auseinander. Auf dieser Eigenschaft beruhen semantische Suche,… - [Vektordatenbank](https://ki.engineering/glossar/vektordatenbank): Eine Vektordatenbank speichert Embeddings und findet zu einem Suchvektor schnell die ähnlichsten Einträge. Sie ist der Suchteil eines RAG-Systems: Sie liefert die Textstellen, die einem Sprachmodell als Grundlage mitgegeben werden. Für kleine Bestände genügt oft eine gewöhnliche Datenbank mit… - [Kontextfenster](https://ki.engineering/glossar/context-window-kontextfenster): Das Kontextfenster ist die Menge an Text, die ein Sprachmodell bei einer Anfrage gleichzeitig berücksichtigen kann – gemessen in Token und einschließlich der eigenen Antwort. Was nicht hineinpasst, existiert für das Modell nicht. Große Fenster lösen das Problem nicht vollständig, weil Angaben in… - [Prompt](https://ki.engineering/glossar/prompt-als-allgemeiner-begriff): Ein Prompt ist die Eingabe, mit der ein KI-System zu einer Ausgabe veranlasst wird – von einer einzelnen Frage bis zu einer mehrseitigen Anweisung mit Rolle, Beispielen und Formatvorgabe. Er ist zugleich Aufgabe und einziger Steuerungshebel: Ein Sprachmodell kennt keinen Zustand außerhalb dessen,… - [Prompt Engineering](https://ki.engineering/glossar/prompt-engineering): Prompt Engineering ist die planmäßige Gestaltung und Prüfung von Eingaben an KI-Systeme, damit sie reproduzierbar brauchbare Ergebnisse liefern. Der Unterschied zum bloßen Ausprobieren liegt in der Messung: Ein Prompt gilt erst dann als besser, wenn er gegen eine feste Sammlung von Testfällen… - [Few-Shot Learning](https://ki.engineering/glossar/few-shot-learning): Few-Shot Learning bezeichnet das Lösen einer Aufgabe anhand weniger Beispiele. Bei Sprachmodellen meint der Begriff meist Few-Shot Prompting: Man stellt der Aufgabe zwei bis fünf gelöste Beispiele voran, ohne das Modell zu trainieren. Das ist das wirksamste Mittel, um ein Ausgabeformat verlässlich… - [Zero-Shot Learning](https://ki.engineering/glossar/zero-shot-learning): Zero-Shot bedeutet, dass ein Modell eine Aufgabe allein aufgrund ihrer Beschreibung löst, ohne dass Beispiele mitgegeben werden. Bei heutigen Sprachmodellen funktioniert das für viele Standardaufgaben zuverlässig. Es ist die günstigste Variante, weil keine Beispiel-Token bezahlt werden. - [Chain of Thought](https://ki.engineering/glossar/chain-of-thought): Chain of Thought bezeichnet die Aufforderung an ein Sprachmodell, seine Zwischenschritte auszuformulieren, bevor es eine Antwort gibt. Bei Aufgaben mit mehreren Rechen- oder Denkschritten steigt dadurch die Trefferquote messbar. Die ausgegebenen Schritte sind allerdings eine Rekonstruktion und… - [Prompt Injection](https://ki.engineering/glossar/prompt-injection): Prompt Injection ist ein Angriff, bei dem in Daten, die ein KI-System verarbeitet, Anweisungen versteckt werden, die das Modell befolgt. Bei der indirekten Form stehen sie in einer Webseite, einer E-Mail oder einem hochgeladenen Dokument. Weil ein Sprachmodell nicht zwischen Anweisung und Inhalt… - [Halluzination](https://ki.engineering/glossar/halluzination): Als Halluzination bezeichnet man eine Ausgabe eines KI-Systems, die plausibel formuliert, aber sachlich falsch oder frei erfunden ist. Sie entsteht nicht als Störung, sondern als Folge der Funktionsweise: Ein Sprachmodell erzeugt das jeweils wahrscheinlichste nächste Textstück und hat keinen… - [Retrieval-Augmented Generation (RAG)](https://ki.engineering/glossar/retrieval-augmented-generation-rag): Retrieval-Augmented Generation verbindet ein Sprachmodell mit einer Suche über eigene Dokumente: Zur Laufzeit werden passende Textstellen gesucht und der Anfrage beigelegt, das Modell antwortet daraus und kann die Fundstellen nennen. Neue Dokumente wirken sofort, ohne dass etwas trainiert werden… - [Temperature](https://ki.engineering/glossar/temperature): Temperature ist ein Einstellwert, der steuert, wie stark ein Sprachmodell bei der Auswahl des nächsten Tokens vom wahrscheinlichsten abweicht. Niedrige Werte liefern gleichförmige, vorhersehbare Ausgaben, höhere Werte mehr Abwechslung und mehr Fehler. Für Auswertungen und Klassifikationen gehört… - [KI-Agent](https://ki.engineering/glossar/ki-agent): Ein KI-Agent ist ein System, das ein Sprachmodell mit Werkzeugen verbindet und es in mehreren Schritten selbstständig auf ein Ziel hinarbeiten lässt – etwa suchen, rechnen, eine Datei schreiben und das Ergebnis prüfen. Der Unterschied zu einem einzelnen Aufruf liegt darin, dass das Modell… - [Guardrails](https://ki.engineering/glossar/guardrails): Guardrails sind vorgeschaltete und nachgelagerte Prüfungen, die ein KI-System davon abhalten sollen, unerwünschte Eingaben zu verarbeiten oder unerwünschte Ausgaben auszuliefern. Dazu gehören Format- und Schemaprüfungen, Sperrlisten, Klassifikatoren und der Abgleich einer Antwort mit ihrer Quelle.… - [Überwachtes Lernen](https://ki.engineering/glossar/ueberwachtes-lernen): Beim überwachten Lernen trainiert ein Modell mit Beispielen, zu denen die richtige Antwort bekannt ist – etwa Bilder mit der Angabe, was darauf zu sehen ist. Das Modell lernt die Zuordnung von Eingabe zu Ausgabe und wendet sie auf neue Fälle an. Es ist die verbreitetste Form des maschinellen… - [Unüberwachtes Lernen](https://ki.engineering/glossar/unueberwachtes-lernen): Beim unüberwachten Lernen arbeitet ein Verfahren mit Daten ohne vorgegebene richtige Antworten und sucht selbst nach Struktur – etwa Gruppen ähnlicher Fälle oder Ausreißer. Typische Anwendungen sind Kundensegmentierung, Anomalieerkennung und die Verringerung der Merkmalszahl. Es liefert… - [Semi-Supervised Learning](https://ki.engineering/glossar/semi-supervised-learning): Semi-Supervised Learning kombiniert eine kleine Menge beschrifteter Daten mit einer großen Menge unbeschrifteter. Das Modell lernt zunächst aus den beschrifteten Beispielen und nutzt die Struktur der übrigen Daten, um sich zu verbessern. Der Ansatz lohnt, wenn Rohdaten reichlich vorhanden,… - [Bestärkendes Lernen](https://ki.engineering/glossar/bestaerkendes-lernen): Beim bestärkenden Lernen handelt ein Agent in einer Umgebung und erhält für seine Entscheidungen Belohnungen oder Strafen. Über viele Durchläufe entwickelt er eine Strategie, die die Belohnung auf Dauer maximiert. Anwendungsfelder sind Robotik, Spielstrategien, Ressourcensteuerung – und die… - [Trainingsdaten](https://ki.engineering/glossar/training-data): Trainingsdaten sind die Beispiele, aus denen ein Modell seine Regeln ableitet. Ihre Qualität, Vollständigkeit und Ausgewogenheit bestimmen die Leistungsfähigkeit des Ergebnisses stärker als die Wahl des Verfahrens. Getrennt davon werden Validierungsdaten zum Einstellen und Testdaten zur… - [Datensatz](https://ki.engineering/glossar/datensatz): Ein Datensatz ist eine geordnete Sammlung von Beispielen, mit der ein KI-Modell trainiert oder bewertet wird. Er besteht aus Merkmalen und – beim überwachten Lernen – aus der jeweils richtigen Antwort. Umfang allein sagt wenig aus: Ein kleiner, sauberer und ausgewogener Bestand schlägt einen… - [Datenvorverarbeitung](https://ki.engineering/glossar/datenvorverarbeitung-preprocessing): Datenvorverarbeitung umfasst alle Schritte, die Rohdaten in eine für das Training geeignete Form bringen: Bereinigen, Umgang mit Lücken, Vereinheitlichen von Wertebereichen, Kodieren von Kategorien. Auf sie entfällt der größte Zeitanteil eines Machine-Learning-Projekts. Fehler in dieser Phase… - [Data Cleaning](https://ki.engineering/glossar/data-cleaning): Data Cleaning ist das Beseitigen von Fehlern und Widersprüchen in einem Datenbestand: Dubletten, unmögliche Werte, uneinheitliche Schreibweisen, fehlende Angaben. Es ist Voraussetzung dafür, dass ein Modell die tatsächlichen Zusammenhänge lernt und nicht die Eigenheiten der Erfassung. Der Aufwand… - [Data Labeling](https://ki.engineering/glossar/data-labeling): Data Labeling ist das Versehen von Rohdaten mit der jeweils richtigen Antwort, damit ein Modell überwacht trainiert werden kann. Es ist in den meisten Projekten der größte Kostenblock und zugleich der Punkt, an dem Qualität entsteht oder verloren geht. Entscheidend ist eine schriftliche… - [Data Augmentation](https://ki.engineering/glossar/data-augmentation): Data Augmentation erzeugt zusätzliche Trainingsbeispiele, indem vorhandene leicht verändert werden – Bilder gespiegelt, gedreht oder aufgehellt, Texte umformuliert. Das Modell wird dadurch unempfindlicher gegen Schwankungen und neigt weniger zur Überanpassung. Neue Information entsteht dabei nicht. - [Synthetische Daten](https://ki.engineering/glossar/synthetic-data): Synthetische Daten werden künstlich erzeugt, statt in der Wirklichkeit erhoben zu werden – durch Simulation, statistische Modelle oder generative KI. Sie helfen dort, wo echte Daten fehlen, dem Datenschutz unterliegen oder seltene Fälle abbilden sollen. Sie enthalten nur die Zusammenhänge, die… - [Feature Engineering](https://ki.engineering/glossar/feature-engineering-die-kunst-der-merkmalserstellung-fuer-ml-modelle): Feature Engineering ist das Ableiten aussagekräftiger Merkmale aus Rohdaten – etwa eine Dauer aus zwei Zeitstempeln oder eine Region aus einer Postleitzahl. Bei Tabellendaten bringt dieser Schritt regelmäßig mehr Verbesserung als der Wechsel des Verfahrens. Bei Bild, Ton und Text übernehmen… - [Overfitting](https://ki.engineering/glossar/overfitting): Overfitting bezeichnet den Zustand, in dem ein Modell die Trainingsdaten samt ihrer Zufälligkeiten auswendig gelernt hat und deshalb auf neuen Daten schlecht abschneidet. Der Gegenpol ist Underfitting: Das Modell ist zu einfach und erfasst nicht einmal die Grundzusammenhänge. Erkennbar ist… - [Regularisierung](https://ki.engineering/glossar/regularisierung): Regularisierung fasst Verfahren zusammen, die ein Modell während des Trainings zur Einfachheit zwingen, damit es besser auf neue Daten übertragbar bleibt. Üblich sind Strafterme auf große Gewichte (L1, L2), Dropout und frühzeitiges Beenden des Trainings. Der Preis ist eine etwas schlechtere… - [Dropout](https://ki.engineering/glossar/dropout): Dropout schaltet während des Trainings in jedem Durchlauf zufällig einen Teil der Neuronen ab. Das Netz kann sich dadurch nicht auf einzelne Verbindungen verlassen und lernt robustere Muster. Bei der Anwendung im Betrieb ist Dropout abgeschaltet und alle Neuronen sind aktiv. - [Gradientenabstieg](https://ki.engineering/glossar/gradient-descent): Der Gradientenabstieg ist das Standardverfahren, mit dem die Parameter eines Modells beim Training angepasst werden. Berechnet wird, in welche Richtung sich der Fehler am stärksten verringert; die Parameter werden ein Stück in diese Richtung verschoben. Die Schrittweite bestimmt die Lernrate. - [Lernrate](https://ki.engineering/glossar/learning-rate-lernrate): Die Lernrate legt fest, wie stark die Parameter eines Modells bei jedem Trainingsschritt verändert werden. Sie ist der einflussreichste Einstellwert überhaupt: Ist sie zu hoch, springt das Training umher und wird nie stabil; ist sie zu niedrig, dauert es unnötig lange oder bleibt in einer… - [Modellparameter und Hyperparameter](https://ki.engineering/glossar/modellparameter-hyperparameter): Modellparameter sind die Werte, die ein Modell während des Trainings selbst lernt – bei neuronalen Netzen die Gewichte und Bias-Werte. Hyperparameter werden vorher von Hand gesetzt und steuern den Trainingsvorgang: Lernrate, Stapelgröße, Anzahl der Durchläufe, Netzarchitektur. Nur die… - [Gewichte](https://ki.engineering/glossar/weights-gewichte): Gewichte sind die Zahlen, die festlegen, wie stark ein Eingangssignal in einem neuronalen Netz weitergegeben wird; der Bias verschiebt das Ergebnis zusätzlich. Beide werden beim Training angepasst und bilden zusammen das, was ein Modell „gelernt" hat. Die Größe eines Modells wird in der Anzahl… - [Backpropagation](https://ki.engineering/glossar/backpropagation): Backpropagation ist das Verfahren, mit dem der Fehler am Ausgang eines neuronalen Netzes rückwärts durch die Schichten verteilt wird, um für jedes Gewicht seinen Anteil daran zu berechnen. Auf dieser Grundlage passt der Gradientenabstieg die Gewichte an. Ohne dieses Verfahren wäre das Training… - [Aktivierungsfunktion](https://ki.engineering/glossar/aktivierungsfunktion): Eine Aktivierungsfunktion wandelt die gewichtete Summe der Eingänge eines Neurons in dessen Ausgabe um und bringt dabei Nichtlinearität ins Netz. Ohne sie wäre ein noch so tiefes Netz mathematisch nur eine lineare Abbildung und könnte keine komplexen Muster lernen. Am verbreitetsten ist ReLU in… - [Verlustfunktion](https://ki.engineering/glossar/loss-funktion): Die Verlustfunktion misst als einzelne Zahl, wie weit die Vorhersagen eines Modells von den bekannten richtigen Werten abweichen. Das Training besteht darin, diese Zahl zu verkleinern. Welche Funktion gewählt wird, bestimmt, welche Art von Fehler das Modell besonders zu vermeiden lernt. - [Bias-Variance-Tradeoff](https://ki.engineering/glossar/bias-variance-tradeoff): Der Bias-Variance-Tradeoff beschreibt den Zielkonflikt zwischen einem zu einfachen und einem zu komplexen Modell. Ein einfaches Modell verfehlt systematisch den Zusammenhang (hoher Bias), ein sehr komplexes reagiert stark auf Zufälligkeiten in den Trainingsdaten (hohe Varianz). Gesucht wird der… - [Accuracy](https://ki.engineering/glossar/accuracy): Accuracy ist der Anteil der richtig eingeordneten Fälle an allen Fällen. Die Kennzahl ist leicht verständlich und bei ungleich verteilten Klassen irreführend: Wenn nur fünf Prozent der Fälle positiv sind, erreicht ein Modell, das immer „negativ" sagt, fünfundneunzig Prozent Accuracy und ist dabei… - [Präzision und Recall](https://ki.engineering/glossar/praezision-recall): Präzision gibt an, welcher Anteil der als positiv eingestuften Fälle tatsächlich positiv ist. Recall gibt an, welcher Anteil der tatsächlich positiven Fälle gefunden wurde. Beide Werte lassen sich über einen Schwellenwert gegeneinander verschieben: Wer mehr findet, findet auch mehr Falsches – und… - [F1-Score](https://ki.engineering/glossar/f1-score-harmonisches-mittel-aus-praezision-und-recall): Der F1-Score fasst Präzision und Recall als harmonisches Mittel zu einer Zahl zusammen. Anders als der einfache Durchschnitt fällt er stark ab, sobald einer der beiden Werte schlecht ist – ein Modell kann sich also nicht durch einen sehr guten und einen sehr schlechten Wert einen guten Gesamtwert… - [Konfusionsmatrix](https://ki.engineering/glossar/konfusionsmatrix): Die Konfusionsmatrix stellt in einer Tabelle gegenüber, wie oft ein Modell jede Klasse richtig und wie oft es sie mit welcher anderen verwechselt hat. Bei zwei Klassen ergeben sich vier Felder: richtig positiv, falsch positiv, richtig negativ, falsch negativ. Aus ihr lassen sich alle üblichen… - [ROC-Kurve](https://ki.engineering/glossar/roc-kurve): Die ROC-Kurve zeigt für alle möglichen Schwellenwerte, wie sich die Rate richtig erkannter positiver Fälle gegen die Rate der Fehlalarme verhält. Die Fläche unter der Kurve (AUC) fasst dieses Verhalten in einer Zahl zwischen 0,5 und 1 zusammen. Sie misst die Trennschärfe eines Modells unabhängig… - [Kreuzvalidierung](https://ki.engineering/glossar/cross-validation): Bei der Kreuzvalidierung wird der Datenbestand in mehrere Teile zerlegt; jeder Teil dient einmal als Testmenge, während auf den übrigen trainiert wird. Aus den Einzelergebnissen entsteht ein Mittelwert samt Streuung. Das macht die Bewertung deutlich verlässlicher, als sie eine einzelne zufällige… - [Computer Vision](https://ki.engineering/glossar/computer-vision): Computer Vision umfasst Verfahren, mit denen Maschinen Bilder und Videos auswerten – von der Frage, was zu sehen ist, bis zur pixelgenauen Abgrenzung einzelner Objekte. Bei klar umrissenen Aufgaben erreichen heutige Systeme sehr hohe Genauigkeiten, solange die Aufnahmebedingungen denen der… - [Convolutional Neural Network (CNN)](https://ki.engineering/glossar/convolutional-neural-network-cnn): Ein Convolutional Neural Network wertet Bilder aus, indem es kleine Filter über die Fläche schiebt und dabei örtliche Muster erkennt – zunächst Kanten, in tieferen Schichten ganze Formen. Weil dieselben Filter überall angewandt werden, braucht das Netz deutlich weniger Parameter als ein voll… - [Objekterkennung](https://ki.engineering/glossar/objekterkennung): Objekterkennung bestimmt in einem Bild nicht nur, welche Objekte vorhanden sind, sondern auch wo sie sich befinden und wie viele es sind – üblicherweise über Rahmen um jedes Objekt. Feinere Varianten sind die semantische Segmentierung, die jedem Bildpunkt eine Klasse zuweist, und die… - [Bilderkennung](https://ki.engineering/glossar/bilderkennung): Bilderkennung ordnet einem Bild eine oder mehrere vorher festgelegte Kategorien zu – etwa „Gutteil" oder „Ausschuss". Sie ist die einfachste Form der Bildauswertung und braucht am wenigsten Beschriftungsaufwand, weil nur das ganze Bild und nicht einzelne Stellen bewertet werden. Für viele… - [Optical Character Recognition (OCR)](https://ki.engineering/glossar/optical-character-recognition-ocr): OCR wandelt Text in Bildern und Scans in maschinenlesbaren Text um. Bei sauberen gedruckten Vorlagen ist die Erkennung heute weitgehend zuverlässig; die eigentliche Arbeit liegt in der Zuordnung – welche Zahl ist der Nettobetrag, welches Datum das Lieferdatum. Handschrift und ungewöhnliche Layouts… - [Generative KI](https://ki.engineering/glossar/generative-ai): Generative KI umfasst Verfahren, die neue Inhalte erzeugen – Text, Bilder, Ton, Video oder Programmcode – statt vorhandene nur einzuordnen. Grundlage sind Muster aus sehr großen Trainingsmengen. Daraus folgt beides: die überraschende Qualität der Ergebnisse und die Neigung, Dinge zu erzeugen, die… - [Diffusion Models](https://ki.engineering/glossar/diffusion-models): Diffusionsmodelle erzeugen Bilder, indem sie von reinem Rauschen ausgehen und dieses schrittweise entfernen, bis ein Bild entsteht. Trainiert werden sie darauf, den umgekehrten Vorgang – das schrittweise Verrauschen echter Bilder – rückgängig zu machen. Sie haben GANs als führendes Verfahren der… - [GANs (Generative Adversarial Networks)](https://ki.engineering/glossar/gans-generative-adversarial-networks): Ein GAN besteht aus zwei Netzen, die gegeneinander trainiert werden: Ein Generator erzeugt künstliche Daten, ein Diskriminator versucht sie von echten zu unterscheiden. Aus diesem Wettbewerb entstehen zunehmend realistische Ergebnisse. Für Bildgenerierung sind GANs heute weitgehend von… - [Text-to-Image](https://ki.engineering/glossar/text-to-image): Text-to-Image-Systeme erzeugen aus einer Textbeschreibung ein Bild. Sie verbinden ein Modell, das Sprache und Bildinhalte gemeinsam versteht, mit einem Diffusionsmodell zur Erzeugung. Die Ergebnisqualität hängt stark von der Beschreibung ab – einschließlich der Angabe, was nicht im Bild erscheinen… - [Stable Diffusion](https://ki.engineering/glossar/stable-diffusion): Stable Diffusion ist ein 2022 veröffentlichtes Diffusionsmodell zur Bildgenerierung, dessen Gewichte offen verfügbar sind. Dadurch lässt es sich auf eigener Hardware betreiben und anpassen – ein wesentlicher Unterschied zu geschlossenen Diensten. Um das Modell ist ein großes Ökosystem aus… - [Textgenerierung](https://ki.engineering/glossar/textgenerierung): Textgenerierung bezeichnet die automatische Erzeugung von Fließtext durch Sprachmodelle – von der Produktbeschreibung bis zum Bericht. Das Ergebnis liest sich flüssig, weil das Modell auf sprachliche Anschlussfähigkeit optimiert ist, nicht auf Richtigkeit. Für veröffentlichte Inhalte ist eine… - [Natural Language Processing (NLP)](https://ki.engineering/glossar/natural-language-processing): Natural Language Processing ist das Fachgebiet, das sich mit der maschinellen Verarbeitung natürlicher Sprache befasst – Verstehen, Auswerten und Erzeugen. Dazu gehören Übersetzung, Textklassifikation, Erkennung von Eigennamen, Stimmungsanalyse und Zusammenfassung. Seit der Transformer-Architektur… - [Named Entity Recognition (NER)](https://ki.engineering/glossar/named-entity-recognition): Named Entity Recognition findet in Texten benannte Einheiten – Personen, Organisationen, Orte, Daten, Beträge – und ordnet sie einer Kategorie zu. Sie ist die Grundlage für Informationsextraktion, Wissensgraphen und die automatische Auswertung von Dokumenten. Für Deutsch stehen brauchbare… - [Sentimentanalyse](https://ki.engineering/glossar/sentimentanalyse): Die Sentimentanalyse ordnet einem Text eine Grundstimmung zu – meist positiv, neutral oder negativ. Eingesetzt wird sie zur Auswertung von Bewertungen,Support-Anfragen und Beiträgen in sozialen Netzwerken. Ironie, Vergleiche und fachsprachliche Wendungen bleiben eine verlässliche Fehlerquelle. - [Textklassifikation](https://ki.engineering/glossar/textklassifikation): Textklassifikation ordnet Dokumente automatisch vorgegebenen Kategorien zu – etwa E-Mails einer Zuständigkeit oder Anfragen einem Thema. Sie ist eine der ältesten und zuverlässigsten Anwendungen der Sprachverarbeitung. Bei klar getrennten Kategorien und ausreichend Beispielen erreicht sie sehr… - [Spracherkennung](https://ki.engineering/glossar/spracherkennung-speech-recognition): Spracherkennung wandelt gesprochene Sprache in Text um. Moderne Systeme wie Whisper arbeiten mehrsprachig und bleiben auch bei Hintergrundgeräuschen und Akzenten weitgehend zuverlässig. Schwierig bleiben überlappende Sprecher, Fachbegriffe und Eigennamen. - [Deepfake](https://ki.engineering/glossar/deepfake): Ein Deepfake ist ein mit KI erzeugtes oder verändertes Medium, das eine reale Person etwas sagen oder tun lässt, das nicht stattgefunden hat. Erstellung und Qualität haben sich so stark verbessert, dass eine Erkennung mit bloßem Auge häufig scheitert. Rechtlich berührt der Einsatz… - [Variational Autoencoder (VAE)](https://ki.engineering/glossar/variational-autoencoder-vae): Ein Autoencoder verdichtet Daten über eine schmale Zwischenschicht und rekonstruiert sie anschließend wieder; der Variational Autoencoder lernt dabei zusätzlich eine Wahrscheinlichkeitsverteilung dieser Zwischendarstellung. Dadurch lassen sich gezielt neue, ähnliche Daten erzeugen. VAEs sind heute… - [Anomalieerkennung](https://ki.engineering/glossar/anomaly-detection-anomalieerkennung): Anomalieerkennung findet Fälle, die deutlich vom üblichen Muster abweichen – ungewöhnliche Transaktionen, Maschinenzustände oder Netzwerkzugriffe. Weil auffällige Fälle selten sind, wird meist auf dem Normalzustand trainiert und alles gemeldet, was davon abweicht. Der Schwellenwert entscheidet… - [Predictive Analytics](https://ki.engineering/glossar/predictive-analytics): Predictive Analytics nutzt historische Daten, um wahrscheinliche künftige Ereignisse abzuschätzen – Nachfrage, Ausfälle, Abwanderung. Die Verfahren reichen von der Regression bis zu neuronalen Netzen. Jede Prognose setzt voraus, dass die Zukunft der Vergangenheit hinreichend ähnelt; genau dort… - [Empfehlungssysteme](https://ki.engineering/glossar/empfehlungssysteme): Empfehlungssysteme schlagen Nutzern Inhalte oder Produkte vor, die zu ihrem bisherigen Verhalten oder zu ähnlichen Nutzern passen. Die beiden Grundverfahren sind das kollaborative Filtern über Verhaltensmuster und der inhaltsbasierte Vergleich über Eigenschaften. In der Praxis werden sie kombiniert. - [GPT (Generative Pretrained Transformer)](https://ki.engineering/glossar/gpt-generative-pretrained-transformer): GPT bezeichnet eine Familie von Sprachmodellen von OpenAI, die auf der Transformer-Architektur beruhen und Text fortlaufend nach links nach rechts erzeugen. Das „pretrained" verweist auf das Vortraining an sehr großen Textmengen, dem eine Nachjustierung anhand menschlicher Bewertungen folgt. Der… - [ChatGPT](https://ki.engineering/glossar/chatgpt): ChatGPT ist die Chat-Anwendung von OpenAI, über die Nutzer im Dialog mit den GPT-Modellen arbeiten. Wichtig ist die Unterscheidung zwischen der Anwendung und dem darunterliegenden Modell: Für eigene Software wird die Programmierschnittstelle verwendet, nicht die Weboberfläche. Die… - [Claude](https://ki.engineering/glossar/claude): Claude ist eine Familie von Sprachmodellen des Unternehmens Anthropic, verfügbar als Chat-Anwendung und über eine Programmierschnittstelle. Die Modelle sind auf lange Kontexte und die Arbeit mit umfangreichen Dokumenten ausgelegt. Wie bei allen Anbietern gilt: Versionsangaben veralten schnell, und… - [BERT](https://ki.engineering/glossar/bert-bidirectional-encoder-representations-from-transformers): BERT ist ein 2018 von Google vorgestelltes Sprachmodell, das einen Text in beide Richtungen zugleich liest und dadurch Kontext von links und rechts einbezieht. Es ist auf Verstehen ausgelegt – Klassifikation, Eigennamenerkennung, Fragebeantwortung – und nicht auf Texterzeugung. Damit ist es das… - [Feinjustierung (Fine-Tuning)](https://ki.engineering/glossar/feinjustierung-fine-tuning): Feinjustierung passt ein bereits trainiertes Modell mit eigenen Beispielen an eine bestimmte Aufgabe an. Verändert wird dabei das Verhalten – Tonfall, Ausgabeformat, Umgang mit Fachsprache –, nicht das Faktenwissen des Modells. Wer will, dass ein System die eigenen Unterlagen kennt, braucht… - [LoRA (Low-Rank Adaptation)](https://ki.engineering/glossar/lora-low-rank-adaptation): LoRA ist ein sparsames Verfahren zur Feinjustierung: Statt alle Gewichte eines Modells zu verändern, werden kleine Zusatzmatrizen trainiert und dem Modell zur Laufzeit beigelegt. Der Rechen- und Speicherbedarf sinkt dadurch um Größenordnungen, das Grundmodell bleibt unverändert. Mehrere… - [Transferlernen](https://ki.engineering/glossar/transferlernen-transfer-learning): Transferlernen nutzt ein Modell, das bereits auf einer großen allgemeinen Datenmenge trainiert wurde, als Ausgangspunkt für eine neue, verwandte Aufgabe. Statt bei null zu beginnen, wird das vorhandene Wissen übernommen und mit vergleichsweise wenigen eigenen Beispielen angepasst. Das ist heute… - [Quantisierung](https://ki.engineering/glossar/quantisierung): Quantisierung verringert die Zahlengenauigkeit, mit der die Gewichte eines Modells gespeichert werden – etwa von 16 auf 4 Bit. Das Modell braucht dadurch deutlich weniger Speicher und läuft schneller, bei meist geringem Qualitätsverlust. Erst dadurch werden größere Modelle auf gewöhnlicher… - [GPU](https://ki.engineering/glossar/gpu-graphics-processing-unit): Grafikprozessoren führen sehr viele einfache Rechenoperationen gleichzeitig aus und eignen sich dadurch besonders für die Matrizenrechnung neuronaler Netze. Sie sind der Grund, warum Deep Learning ab 2012 praktikabel wurde. Googles TPU ist eine speziell für diesen Zweck entwickelte Alternative. - [Edge AI](https://ki.engineering/glossar/edge-ai): Edge AI bezeichnet die Ausführung von KI-Modellen direkt auf dem Gerät – auf einem Sensor, einer Maschine, einem Telefon – statt in einem entfernten Rechenzentrum. Die Vorteile sind kurze Antwortzeiten, Funktion ohne Netzverbindung und Datenschutz, weil die Daten das Gerät nicht verlassen. Der… - [API](https://ki.engineering/glossar/api-application-programming-interface): Eine API ist eine definierte Schnittstelle, über die ein Programm die Funktionen eines anderen nutzt. Bei KI-Diensten wird eine Anfrage an einen Server geschickt und eine Antwort zurückgeliefert, abgerechnet meist je Token. Sie ist der übliche Weg, ein Sprachmodell in eigene Anwendungen einzubinden. - [OpenAI API](https://ki.engineering/glossar/openai-api): Über die OpenAI API lassen sich die Modelle von OpenAI in eigene Anwendungen einbinden. Abgerechnet wird nach Tokenverbrauch; für Schnittstellenzugänge gelten andere Datenregeln als für private Chatkonten. Das Anfrageformat hat sich als Quasi-Standard etabliert und wird von vielen anderen… - [Hugging Face](https://ki.engineering/glossar/hugging-face): Hugging Face ist eine Plattform, auf der offene Modelle, Datensätze und Programmbibliotheken für maschinelles Lernen bereitgestellt werden. Sie ist der zentrale Umschlagplatz für frei verfügbare Modelle und deren Dokumentation. Über die Bibliothek Transformers lassen sich viele Modelle mit wenigen… - [PyTorch](https://ki.engineering/glossar/pytorch): PyTorch ist die derzeit meistgenutzte Programmbibliothek für Deep Learning und stammt aus dem Umfeld von Meta. Sie ist in Forschung und Entwicklung führend, weil sich Netze flexibel und nachvollziehbar aufbauen lassen. Für klassische Verfahren auf Tabellendaten ist scikit-learn die passendere… - [LangChain](https://ki.engineering/glossar/langchain): LangChain ist ein Rahmenwerk, das den Bau von Anwendungen mit Sprachmodellen erleichtert: Anbindung an Modelle, Verkettung von Schritten, Werkzeugaufrufe und Anschluss an Vektordatenbanken. Es beschleunigt den Prototyp erheblich und bringt zugleich eine Abhängigkeit mit, die sich schnell verändert. - [MLOps](https://ki.engineering/glossar/mlops): MLOps überträgt die Arbeitsweisen von DevOps auf maschinelles Lernen: Versionierung von Daten und Modellen, automatisiertes Ausrollen, laufende Überwachung und geregeltes Nachtrainieren. Der Unterschied zu gewöhnlicher Software ist, dass sich die Leistung eines Modells auch ohne Codeänderung… - [Model Deployment](https://ki.engineering/glossar/model-deployment): Model Deployment ist die Überführung eines trainierten Modells in den produktiven Betrieb, wo es Anfragen beantwortet – dieser Vorgang heißt Inference. Dabei zählen andere Größen als beim Training: Antwortzeit, Durchsatz, Kosten je Anfrage und Verfügbarkeit. Ein Modell, das im Notebook überzeugt,… - [AutoML](https://ki.engineering/glossar/automl): AutoML automatisiert Teile des Entwicklungsvorgangs: Verfahrensauswahl, Merkmalsaufbereitung und die Suche nach guten Einstellwerten. Für Standardaufgaben auf Tabellendaten liefert es in kurzer Zeit brauchbare Ergebnisse und eignet sich gut als Vergleichsmaßstab. Die fachlichen Entscheidungen –… - [Narrow AI (Schwache KI)](https://ki.engineering/glossar/narrow-ai-schwache-ki): Narrow AI bezeichnet Systeme, die eine eng umrissene Aufgabe lösen – Bilder einordnen, Sprache übersetzen, Text erzeugen – und dieses Können nicht auf andere Bereiche übertragen. Sämtliche heute eingesetzten KI-Systeme fallen in diese Kategorie, auch die leistungsfähigsten Sprachmodelle. Der… - [Artificial General Intelligence (AGI)](https://ki.engineering/glossar/artificial-general-intelligence-agi): AGI bezeichnet eine hypothetische künstliche Intelligenz, die beliebige geistige Aufgaben auf menschlichem Niveau bewältigen und Gelerntes zwischen Bereichen übertragen könnte. Ein solches System existiert nicht, und es gibt keine anerkannte Messgröße dafür, wann es erreicht wäre. Zeitangaben zu… - [KI-Verordnung (AI Act)](https://ki.engineering/glossar/ai-act): Die KI-Verordnung der Europäischen Union regelt den Einsatz von KI-Systemen nach ihrem Risiko: verbotene Praktiken, Hochrisikoanwendungen mit umfangreichen Pflichten, Transparenzpflichten für bestimmte Systeme und weitgehend freie Nutzung im Übrigen. Maßgeblich ist der Verwendungszweck, nicht die… - [AI Governance](https://ki.engineering/glossar/ai-governance): AI Governance ist der organisatorische Rahmen, in dem ein Unternehmen den Einsatz von KI steuert: Verzeichnis der Systeme, Einstufung nach Risiko, Freigabewege, Zuständigkeiten und Nachweise. Sie ist überwiegend eine Organisations- und keine Technikaufgabe. Sie verhindert keinen Fehler, begrenzt… - [Datenschutz bei KI](https://ki.engineering/glossar/datenschutz-ki): Sobald in einer Eingabe an ein KI-System ein Name, eine Kundennummer oder ein anderer Personenbezug steht, liegt eine Verarbeitung personenbezogener Daten vor – bei einem externen Dienst zusätzlich eine Übermittlung. Nötig sind dann eine Rechtsgrundlage, ein Vertrag zur Auftragsverarbeitung und… - [Privacy-Preserving AI](https://ki.engineering/glossar/privacy-preserving-ai): Privacy-Preserving AI fasst Verfahren zusammen, die Modelle trainieren oder betreiben, ohne sensible Daten zentral zusammenzuführen. Dazu gehören föderiertes Lernen, bei dem nur Modellaktualisierungen statt Daten geteilt werden, sowie das gezielte Verrauschen von Ergebnissen (Differential Privacy)… - [Bias (Verzerrung)](https://ki.engineering/glossar/bias): Bias bezeichnet systematische Schieflagen in Daten oder Modellen, die zu ungleichen Ergebnissen für bestimmte Gruppen führen. Die Ursache liegt meist nicht im Verfahren, sondern in den Trainingsdaten, die eine ungleiche Wirklichkeit abbilden. Sichtbar wird das erst, wenn Kennzahlen getrennt nach… - [Fairness](https://ki.engineering/glossar/fairness): Fairness beschreibt die Anforderung, dass ein KI-System Personengruppen nicht ungerechtfertigt ungleich behandelt. Es gibt mehrere formale Definitionen – gleiche Trefferquote, gleiche Fehlerquote, gleiche Vorhersagegüte –, die sich nachweislich nicht gleichzeitig erfüllen lassen. Welche gelten… - [Explainable AI (XAI)](https://ki.engineering/glossar/explainable-ai-xai): Explainable AI umfasst Verfahren, die nachvollziehbar machen, wie ein Modell zu einer Ausgabe gekommen ist. Unterschieden wird zwischen von sich aus verständlichen Modellen – etwa Entscheidungsbäumen – und nachträglichen Erklärverfahren wie SHAP oder LIME für komplexe Modelle. Nachträgliche… - [AI Safety](https://ki.engineering/glossar/ai-safety): AI Safety befasst sich damit, KI-Systeme so zu bauen und zu betreiben, dass sie zuverlässig, vorhersehbar und beherrschbar bleiben. Im betrieblichen Alltag geht es dabei weniger um ferne Szenarien als um konkrete Fragen: Was passiert bei einer falschen Ausgabe, wer bemerkt es, und wie lässt sich… - [AI Alignment](https://ki.engineering/glossar/ai-alignment): AI Alignment bezeichnet die Aufgabe, ein KI-System so auszurichten, dass sein Verhalten den beabsichtigten Zielen entspricht – und nicht nur der Kennzahl, an der es gemessen wird. Bei Sprachmodellen geschieht das überwiegend durch Nachtraining anhand menschlicher Bewertungen. Die Schwierigkeit… - [Adversarial Examples](https://ki.engineering/glossar/adversarial-examples): Adversarial Examples sind Eingaben, die gezielt so verändert wurden, dass ein Modell sie falsch einordnet, während der Unterschied für Menschen kaum wahrnehmbar ist. Bekannt sind Bilder mit minimalen Störungen, die eine Erkennung zuverlässig kippen. Sie zeigen, dass die Entscheidungsgrenzen… - [Generative Engine Optimization (GEO)](https://ki.engineering/glossar/generative-engine-optimization): Generative Engine Optimization bezeichnet die Aufbereitung von Inhalten so, dass Sprachmodelle sie in ihren Antworten übernehmen und der richtigen Quelle zuordnen. Anders als bei klassischem SEO geht es nicht um eine Position in einer Ergebnisliste, sondern darum, ob eine Aussage in einer… - [llms.txt](https://ki.engineering/glossar/llms-txt): Die llms.txt ist eine Textdatei im Wurzelverzeichnis einer Website, die Sprachmodellen einen geordneten Überblick über die wichtigsten Inhalte gibt. Sie nennt in Markdown-Form die zentralen Seiten mit kurzer Beschreibung, dazu Angaben zu Urheberschaft und Nutzungsbedingungen. Sie ist ein Vorschlag… - [Semantische Suche](https://ki.engineering/glossar/semantic-search): Die semantische Suche vergleicht die Bedeutung von Suchanfrage und Inhalten statt nur die verwendeten Wörter. Möglich wird das über Embeddings: Frage und Dokumente werden in Zahlenvektoren übersetzt und nach Nähe verglichen. Dadurch werden auch Treffer gefunden, die kein gemeinsames Stichwort mit… - [Word2Vec](https://ki.engineering/glossar/word2vec): Word2Vec ist ein 2013 vorgestelltes Verfahren, das jedem Wort einen festen Zahlenvektor zuordnet, sodass ähnlich verwendete Wörter nahe beieinanderliegen. Es war der Vorläufer heutiger Embeddings und ist überwiegend von kontextabhängigen Verfahren abgelöst. Der wesentliche Unterschied: Word2Vec… - [Mixture of Experts (MoE)](https://ki.engineering/glossar/mixture-of-experts): Bei einem Mixture-of-Experts-Modell wird nicht das gesamte Netz für jede Anfrage durchgerechnet, sondern nur ein kleiner Teil spezialisierter Teilnetze, die eine Steuerkomponente auswählt. Dadurch kann ein Modell sehr viele Parameter besitzen und trotzdem vergleichsweise günstig antworten. Angaben… ## Redaktion ### Alexander Müller - Profil: [Alexander Müller](https://ki.engineering/autor/alexander-mueller) - Rolle: KI-Berater und SEO-Experte, Inhaber von SEO NW - Kurzvorstellung: Inhaber von SEO NW in Bertingen. Arbeitet an der Schnittstelle von Suchmaschinenoptimierung und angewandter künstlicher Intelligenz: Prompt Engineering, Retrieval-Augmented Generation und die Frage, unter welchen Bedingungen ein Sprachmodell einen Inhalt übernimmt und der richtigen Quelle… - Fachgebiete: Prompt Engineering, Large Language Models und RAG-Systeme, Generative Engine Optimization, Technisches SEO, Strukturierte Daten und Schema.org, Informationsarchitektur, Content-Strategie für KI-Sichtbarkeit - Dieselbe Person unter: - https://www.linkedin.com/in/alexander-gerhard-m%C3%BCller-806722200 - https://www.facebook.com/seonetzwerk - https://www.werbeagentur.de/de/a/seo-nw-alexander-muller - https://www.seo-manager.info - https://www.provenexpert.com/seo-nw-alexander-mueller ## Themen - [Prompt Engineering: Eingaben, die reproduzierbar funktionieren](https://ki.engineering/themen/prompt-engineering) - [Sprachmodelle in der Anwendung: Auswahl, Anbindung, Grenzen](https://ki.engineering/themen/sprachmodelle) - [Maschinelles Lernen: von den Daten bis zur Bewertung](https://ki.engineering/themen/maschinelles-lernen) - [Computer Vision: Bilder maschinell auswerten](https://ki.engineering/themen/computer-vision) - [Generative KI: Text, Bild und Ton erzeugen](https://ki.engineering/themen/generative-ki) - [KI-Sichtbarkeit und GEO: in Antworten vorkommen](https://ki.engineering/themen/ki-sichtbarkeit) - [KI im Betrieb: Anbindung, Überwachung, Kosten](https://ki.engineering/themen/betrieb-und-daten) - [Verantwortung: Datenschutz, Fairness und Sicherheit bei KI](https://ki.engineering/themen/verantwortung) ## Häufige Fragen **Ist diese Bewertung unabhängig?** Nein. Sie stammt von einem Anbieter, der einen Teil dieser Leistungen selbst erbringt. Deshalb stehen die Kriterien offen unter der Liste und bei jedem Baustein seine Grenze. Wer eine unabhängige Einschätzung braucht, sollte mehrere Angebote vergleichen. **Warum steht die llms.txt nur auf Platz zehn?** Weil es keinen belastbaren Nachweis gibt, dass sie die Übernahme von Inhalten wahrscheinlicher macht. Sie ist kein verabschiedeter Standard, und niemand ist verpflichtet, sie zu beachten. Sie kostet wenig und schadet nicht – mehr lässt sich derzeit ehrlicherweise nicht sagen. **Warum kommt Fine-Tuning in der Liste gar nicht vor?** Weil es in den meisten Fällen für den falschen Zweck eingesetzt wird. Feinjustierung verändert das Verhalten eines Modells, nicht sein Wissen. Wer will, dass ein Modell die eigenen Unterlagen kennt, braucht Retrieval – das steht auf Platz eins. **Wie oft erscheinen neue Beiträge?** Unregelmäßig. Ein Beitrag entsteht, wenn es etwas zu berichten gibt – nicht nach Redaktionsplan. Wer nichts verpassen will, abonniert den RSS-Feed unter /blog/feed.xml. **Worin unterscheiden sich Blog und Glossar?** Ein Glossareintrag beantwortet eine Frage und hört dann auf. Ein Blogbeitrag darf ausholen, abwägen und widersprechen. Wer eine schnelle Definition sucht, ist im Glossar besser aufgehoben. **Darf ich Beiträge zitieren?** Ja, ausdrücklich – solange Quelle und Adresse genannt werden. Das gilt auch für die Übernahme durch Sprachmodelle; die Bedingungen stehen in der llms.txt. ## Verwandte Seiten - [Herausgeber und Beratung](https://www.seo-manager.info) - [das eingesetzte Redaktionssystem](https://seo-cms.seo-manager.info) - [Vokabular der strukturierten Daten](https://schema.org)