RAG, Agenten, LLMs, GEO — die wichtigsten Begriffe rund um Künstliche Intelligenz, verständlich erklärt. Kein Fachchinesisch, sondern die Grundlage, um KI-Angebote realistisch einschätzen zu können.
Ein KI-Sprachmodell wie ChatGPT oder Claude, trainiert auf riesigen Textmengen. Erkennt Muster in Sprache und generiert darauf basierend Antworten — versteht dabei nicht im menschlichen Sinne, sondern berechnet statistisch wahrscheinliche Wortfolgen.
Die Eingabe, die du einem KI-Modell gibst — die Frage oder Anweisung. Die Formulierung des Prompts beeinflusst die Qualität der Antwort stark, deshalb der Begriff 'Prompt Engineering'.
Wenn eine KI etwas mit voller Überzeugung behauptet, das schlicht falsch ist — erfundene Quellen, falsche Zahlen, nicht existierende Fakten. Ein zentraler Grund, warum KI-Ausgaben immer geprüft werden sollten.
KI-Modelle, die nicht nur Text, sondern auch Bilder, Audio oder Video verarbeiten und erzeugen können — z. B. ein Foto hochladen und dazu Fragen stellen.
Eine Methode, bei der ein KI-Modell vor der Antwort gezielt in einer externen Wissensquelle (z. B. deiner Website oder Dokumenten) nachschlägt, statt nur aus dem Training zu antworten — dadurch aktueller und präziser.
Eine mathematische Darstellung von Text als Zahlen-Vektor, mit der KI-Systeme Bedeutungsähnlichkeit berechnen können — die technische Basis hinter RAG und semantischer Suche.
Die kleinste Texteinheit, mit der ein KI-Modell rechnet — oft ein Wortteil. Preise und Limits von KI-Diensten werden meist pro Token abgerechnet.
Wie viel Text ein KI-Modell 'gleichzeitig im Kopf' behalten kann — also wie lang ein Gespräch oder Dokument sein darf, bevor ältere Informationen aus dem Blick geraten.
Ein bereits trainiertes KI-Modell wird mit zusätzlichen, spezifischen Daten weiter angepasst — etwa auf den Tonfall oder das Fachwissen eines Unternehmens.
Eine unsichtbare Grundanweisung, die vor jeder Konversation an das KI-Modell mitgegeben wird und dessen Rolle, Ton und Grenzen festlegt.
Ein System, das eigenständig mehrere Schritte ausführt, um ein Ziel zu erreichen — statt nur einmal zu antworten, kann es z. B. recherchieren, Werkzeuge aufrufen und Ergebnisse verketten.
Der Nachfolger von SEO für die KI-Ära: Inhalte so strukturieren, dass generative KI-Systeme wie ChatGPT oder Perplexity sie verstehen, zitieren und als Empfehlung ausgeben — nicht nur, dass Google-Rankings stimmen.
Ein klar identifizierbares 'Ding' — eine Person, ein Unternehmen, ein Ort —, das eine KI eindeutig einordnen kann. Klare Entitäten sind die Grundlage dafür, in KI-Antworten überhaupt vorzukommen.
Ob und wie oft ein Unternehmen in Antworten von KI-Systemen auftaucht, wenn Nutzer nach passenden Lösungen fragen — das KI-Pendant zum klassischen Google-Ranking.