KI-Glossar für Führungskräfte

Wer im Mittelstand über KI entscheidet, muss nicht wissen, wie ein neuronales Netz rechnet. Die Wörter, die in Angeboten und Verträgen stehen, sollte er aber einordnen können. Dieses Glossar erklärt die Begriffe, die Ihnen im Tagesgeschäft begegnen, und sagt bei jedem dazu, was er für Ihr Unternehmen bedeutet.

Ein Teil der Begriffe beschreibt Technik, ein anderer Pflichten.

Die Pflichten stehen im Gesetz, und dort entscheiden Ihre Rolle, die Art des Systems und ein Datum, ob Sie betroffen sind.

Die Grundlagen

Künstliche Intelligenz (KI)

Sammelbegriff für Systeme, die Aufgaben übernehmen, für die man sonst einen Menschen braucht. Der Begriff stammt aus einem Forschungsantrag von John McCarthy und Kollegen von 1955, gestellt für die Dartmouth-Konferenz im Sommer 1956. Für sich genommen sagt er wenig, denn er umfasst den Spamfilter ebenso wie ChatGPT. Wenn ein Anbieter nur „KI“ sagt, fragen Sie nach, welches Verfahren gemeint ist.

Machine Learning

Machine Learning ist das Verfahren hinter den meisten KI-Systemen: Ein System lernt Muster aus Daten, statt dass jemand Regeln programmiert. Arthur Samuel machte den Begriff 1959 mit seiner Arbeit über ein lernendes Dameprogramm bekannt. Praktisch heißt das, dass die Qualität an Ihren Daten hängt, nicht am Programmierer.

Deep Learning

Maschinelles Lernen mit vielschichtigen neuronalen Netzen. Die Arbeit von Hinton und Salakhutdinov von 2006 zeigte, wie sich tiefe Netze schichtweise vortrainieren lassen; zum Standard für Bild- und Spracherkennung wurden sie in den Jahren danach. Für Sie selten eine eigene Entscheidung: Sie mieten Zugang zu fertigen Modellen.

Large Language Model (LLM)

Ein Sprachmodell, das auf sehr großen Textmengen trainiert wurde und Text fortschreibt. ChatGPT, Claude und Gemini sind Anwendungen auf Basis solcher Modelle. Ein LLM weiß nichts, es berechnet, welcher Textbaustein (Token) wahrscheinlich als Nächstes folgt. Wer das weiß, erwartet von ihm keine geprüften Fakten.

Foundation Model

Ein großes, allgemein trainiertes Modell, das als Grundlage für viele Anwendungen dient (Begriff aus Stanford, Bommasani et al. 2021). Sie kaufen selten ein eigenes Modell, Sie mieten Zugriff auf ein Foundation Model. Das macht den Anbieterwechsel zur strategischen Frage.

Generative KI

Systeme, die neue Inhalte erzeugen statt nur einzuordnen: Text, Bild, Ton, Video. Frühe Bildgeneratoren beruhten auf GANs (Goodfellow et al., 2014), die Text- und Bildmodelle, die Sie mieten können, auf Transformer- und Diffusionsverfahren. Die Kennzeichnungspflichten nach Artikel 50 Absatz 2 und 4 der KI-Verordnung knüpfen an solche Inhalte an.

Multimodale KI

Ein Modell, das mehrere Eingabearten gleichzeitig verarbeitet, etwa Text und Bild. Praktisch: Sie können ein Foto Ihres Lieferscheins hochladen und danach fragen, statt ihn abzutippen.

Womit Sie tatsächlich arbeiten

Prompt

Die Eingabe, mit der Sie ein Modell beauftragen. Prompt Engineering ist die Fertigkeit, diese Eingabe so zu formulieren, dass brauchbare Ergebnisse herauskommen. Keine Geheimwissenschaft, aber der Unterschied zwischen viel Nacharbeit und wenig.

Token

Die Abrechnungseinheit der Anbieter: ein Wortteil, wobei deutsche Wörter oft in mehrere Tokens zerfallen. Ihre Rechnung bemisst sich nach verarbeiteten Tokens, Eingabe und Ausgabe getrennt. Wer die Betriebskosten einer KI-Lösung schätzen will, rechnet in Tokens, nicht in Nutzerzahlen.

Fine-Tuning

Ein vortrainiertes Modell wird mit eigenen Daten nachtrainiert, damit es Ihre Fachsprache trifft. Für Sprachmodelle verbreitete sich das Verfahren 2018 mit ULMFiT von Howard und Ruder. Aufwendig und oft unnötig, wenn RAG reicht.

Retrieval-Augmented Generation (RAG)

Das Modell schlägt vor dem Antworten in Ihren eigenen Unterlagen nach (Lewis et al., Facebook AI Research, 2020). Der übliche Weg, Firmenwissen nutzbar zu machen, ohne es ins Training zu geben, und Antworten lassen sich auf die Quelle zurückführen, wenn das System die Fundstellen mit ausgibt. Die gefundenen Abschnitte gehen allerdings bei jeder Anfrage an das Modell. Wo das Modell läuft, ist deshalb eine Vertragsfrage.

KI-Agent (Agentic AI)

Ein System, das eine Aufgabe selbst in Schritte zerlegt und dafür Werkzeuge nutzt, statt auf jede Anweisung einzeln zu warten. Breit bekannt wurde das Prinzip 2023 mit AutoGPT. Der Unterschied zum Chatbot ist nicht die Intelligenz, sondern die Leine: Je länger sie ist, desto genauer müssen Sie festlegen, was das System darf.

Model Context Protocol (MCP)

Ein offener Standard, über den KI-Anwendungen auf Werkzeuge und Datenquellen zugreifen. Anthropic hat ihn am 25. November 2024 veröffentlicht und am 9. Dezember 2025 an die Agentic AI Foundation der Linux Foundation übergeben. Für Sie als Einkaufskriterium interessant: Unterstützt ein Anbieter MCP, lässt sich seine Lösung leichter an Ihre vorhandenen Systeme anbinden.

Automatisierung

Die Ausführung wiederkehrender Abläufe durch Technik, ohne dass ein Mensch eingreift. Alt, und nicht dasselbe wie KI: Eine feste Regel automatisiert zuverlässiger und billiger als ein Modell. Prüfen Sie zuerst, ob der Fall wirklich KI braucht.

Was dabei schiefgehen kann

Halluzination

Das Modell erzeugt eine Antwort, die plausibel klingt und falsch ist. Kein Fehler im Betrieb, sondern eine Eigenschaft der Technik: Ein Sprachmodell optimiert auf Wahrscheinlichkeit, nicht auf Wahrheit. Jeder ernsthafte Einsatz braucht deshalb eine Prüfschleife.

Bias

Systematische Verzerrung in Daten oder Modell, die zu unfairen Ergebnissen führt (grundlegend zu Diskriminierung durch Datenanalyse: Barocas und Selbst, 2016). Heikel überall dort, wo über Menschen entschieden wird, etwa bei Bewerbung oder Kredit. Fällt die Entscheidung dort allein automatisiert, greift Artikel 22 DSGVO; ab dem 2. Dezember 2027 kommen die Hochrisiko-Regeln des AI Act hinzu.

Prompt Injection

Jemand schmuggelt Anweisungen in Inhalte, die Ihr System verarbeitet, und bringt es dazu, etwas anderes zu tun als beabsichtigt. Steht auf Platz eins der OWASP Top 10 für LLM-Anwendungen (Ausgabe 2025). Praktisch relevant, sobald ein System fremde Texte liest, also bei jedem Mail- oder Dokumentenassistenten.

Shadow AI

Mitarbeitende nutzen KI-Werkzeuge, die niemand freigegeben hat, meist mit Firmendaten. Es entsteht fast von selbst, weil die Werkzeuge frei im Browser verfügbar sind. Ein Verbot allein beseitigt den Bedarf nicht; benennen Sie eine erlaubte Alternative.

AI Washing

Ein Produkt wird als KI beworben, ist aber keine oder kaum. Wenn Sie selbst so werben, ist das als irreführende Werbung nach § 5 UWG angreifbar. Beim Einkauf ist es eine Frage von Vertrag und Leistungsbeschreibung: Lassen Sie sich zeigen, welches Verfahren tatsächlich arbeitet.

AI Slop

Massenhaft erzeugte KI-Inhalte ohne Substanz. Für Sie zweifach relevant: als Qualitätsrisiko in der eigenen Kommunikation und als Grund, warum Suchmaschinen und Leser genauer hinsehen.

Was Sie müssen: Pflichten aus EU AI Act, DSGVO, NIS2 und CRA

Rechtsstand dieses Abschnitts: 14. Oktober 2026

Der Digital Omnibus (VO (EU) 2026/1744, in Kraft seit 27. Juli 2026) hat die Hochrisiko-Fristen des AI Act verschoben, Artikel 4 neu gefasst, zwei neue Verbote eingefügt, die ab dem 2. Dezember 2026 gelten, und für die maschinenlesbare Kennzeichnung von Systemen, die vor dem 2. August 2026 in Verkehr gebracht wurden, eine Übergangsfrist eingeführt. Die Transparenzpflichten nach Artikel 50 Absatz 1 bis 6 gelten seit dem 2. August 2026 im ursprünglichen Wortlaut; neu gefasst wurde nur Absatz 7 (Praxisleitfäden). Die Angaben ersetzen keine Rechtsberatung.

EU AI Act (KI-Verordnung)

Die europäische Verordnung über Künstliche Intelligenz, VO (EU) 2024/1689, seit dem 1. August 2024 in Kraft und seit dem 2. Februar 2025 stufenweise anwendbar. Sie unterscheidet, ob Sie KI anbieten oder nur einsetzen, und erfasst beide. Wer ein KI-Werkzeug im Betrieb nutzt, ist Betreiber im Sinne der Verordnung.

KI-Kompetenz (Artikel 4)

Seit dem 2. Februar 2025 müssen Anbieter und Betreiber Maßnahmen zur KI-Kompetenz ihres Personals und der Personen ergreifen, die in ihrem Auftrag mit KI-Systemen arbeiten, ohne Bagatellgrenze für kleine Unternehmen. Seit dem 27. Juli 2026 lautet die Pflicht: Maßnahmen ergreifen, die die Entwicklung dieser KI-Kompetenz unterstützen, unter Berücksichtigung von Kenntnissen, Erfahrung, Ausbildung, Einsatzkontext und den Menschen, bei denen die KI eingesetzt wird. Ein bestimmtes Niveau müssen Sie nicht garantieren; die Maßnahmen mit Datum und Inhalt festzuhalten, ist trotzdem sinnvoll. Wie eine passende Schulung aussieht, steht unter KI-Schulungen für Mitarbeitende.

Transparenzpflicht (Artikel 50)

Seit dem 2. August 2026 gilt: Ein Chatbot muss erkennen lassen, dass er eine Maschine ist, es sei denn, das ist offensichtlich; dafür sorgt der Anbieter. Anbieter ist, wer einen Chatbot entwickelt oder entwickeln lässt und unter eigenem Namen oder eigener Marke in Verkehr bringt oder in Betrieb nimmt, auch auf Basis eines fremden Modells; wer ein fertiges Chat-Werkzeug eines Herstellers einsetzt, ist in der Regel Betreiber. Wer als Betreiber, also beruflich, mit einem KI-System Bilder, Videos oder Tonaufnahmen erzeugt oder verändert, die echt wirken (Deepfakes), muss offenlegen, dass sie künstlich erzeugt sind; dasselbe gilt für KI-Texte, die veröffentlicht werden, um die Öffentlichkeit über Angelegenheiten von öffentlichem Interesse zu informieren, sofern sie nicht menschlich oder redaktionell geprüft wurden und jemand die redaktionelle Verantwortung trägt. Für die maschinenlesbare Kennzeichnung durch Anbieter generativer Systeme, die vor dem 2. August 2026 in Verkehr gebracht wurden, gilt eine Frist bis zum 2. Dezember 2026. Was davon an Ihrer Website von außen messbar ist, zeigt unser AI-Act-Check.

Hochrisiko-KI-System

KI in sensiblen Anwendungen, etwa bei der Bewerberauswahl oder der Kreditwürdigkeitsprüfung natürlicher Personen (Artikel 6 und Anhang III). Hier gelten die schärfsten Pflichten. Der Digital Omnibus hat den Geltungsbeginn für Systeme nach Anhang III auf den 2. Dezember 2027 verschoben, für KI in regulierten Produkten nach Anhang I auf den 2. August 2028. Systeme, die vor diesen Daten in Verkehr gebracht oder in Betrieb genommen wurden, fallen nur nach einer erheblichen Änderung ihrer Konzeption darunter; Systeme, die von Behörden verwendet werden sollen, etwa von öffentlichen Schulen, müssen bis zum 2. August 2030 ohnehin konform sein (Artikel 111 Absatz 2). Das gibt Zeit zur Vorbereitung, nicht zum Abwarten.

Automatisierte Einzelentscheidung (Artikel 22 DSGVO)

Entscheidungen mit rechtlicher oder ähnlich erheblicher Wirkung dürfen grundsätzlich nicht allein von einem System getroffen werden. Wo das ausnahmsweise erlaubt ist, weil es für Abschluss oder Erfüllung eines Vertrags erforderlich ist oder die betroffene Person ausdrücklich eingewilligt hat, hat sie mindestens Anspruch auf das Eingreifen einer Person, darf ihren Standpunkt darlegen und die Entscheidung anfechten. Für Sie heißt das: Wer Bewerbungen oder Kreditanfragen automatisch aussortiert, ohne dass ein Mensch die Entscheidung inhaltlich prüft, fällt seit dem 25. Mai 2018 darunter, nicht erst ab 2027. Nach dem Europäischen Gerichtshof (C-634/21, 7. Dezember 2023) kann schon die automatische Berechnung eines Scores eine solche Entscheidung sein, wenn von ihm maßgeblich abhängt, ob ein Vertrag zustande kommt.

NIS2

Die EU-Richtlinie 2022/2555 über Cybersicherheit, in Deutschland umgesetzt durch das NIS2-Umsetzungsgesetz, in Kraft seit dem 6. Dezember 2025. Nach Angabe des BSI werden rund 29.500 Einrichtungen beaufsichtigt (Pressemitteilung vom 13. November 2025). Die Geschäftsleitung muss die Risikomanagementmaßnahmen umsetzen, ihre Umsetzung überwachen und regelmäßig an Schulungen teilnehmen (§ 38 BSIG). Für Verstöße gegen Risikomanagement- und Meldepflichten drohen bis zu zehn Millionen Euro (besonders wichtige Einrichtungen) bzw. sieben Millionen Euro (wichtige Einrichtungen); erst bei mehr als 500 Millionen Euro weltweitem Umsatz gilt stattdessen eine Obergrenze von 2 bzw. 1,4 Prozent des Umsatzes (§ 65 BSIG). Ob Ihre Branche und Größe erfasst sind, zeigt die Betroffenheitsprüfung des BSI.

Cyber Resilience Act (CRA)

Die EU-Verordnung 2024/2847 über Cybersicherheit von Produkten mit digitalen Elementen. Seit dem 11. September 2026 müssen Hersteller aktiv ausgenutzte Schwachstellen und schwerwiegende Sicherheitsvorfälle ihrer Produkte melden: eine Frühwarnung binnen 24 Stunden nach Kenntnis, die Meldung binnen 72 Stunden, gemeldet über die einheitliche Meldeplattform der ENISA an das zuständige CSIRT, bei Hauptniederlassung in Deutschland das BSI, und zugleich an die ENISA. Das betrifft Sie, wenn Sie installierbare Software, Apps, Firmware oder vernetzte Geräte in Verkehr bringen, auch solche, die längst im Markt sind. Reine Web- und SaaS-Angebote fallen in der Regel nicht darunter. Ob Sie betroffen sind, prüft der CRA-Meldepflicht-Check.

Daten und Unabhängigkeit

Data Governance

Regeln und Zuständigkeiten für den Umgang mit Unternehmensdaten. Unspektakulär, aber ohne geklärte Datenlage wird jedes KI-Projekt zum Datenprojekt, nur teurer.

Digitale Souveränität

Die Frage, wessen Infrastruktur Ihre Daten verarbeitet und wie abhängig Sie davon sind. Gehört in jede Lieferantenentscheidung, weil ein späterer Wechsel umso teurer wird, je tiefer ein Dienst in Ihre Abläufe eingebaut ist.

Explainable AI (XAI)

Verfahren, die nachvollziehbar machen, wie ein System zu seinem Ergebnis kam. Der Begriff ist seit 2004 belegt, breit bekannt wurde er durch ein Forschungsprogramm der DARPA ab 2016. Relevant, wo Sie Entscheidungen begründen müssen, etwa in Audits und vor Gericht.

Generative Engine Optimization (GEO)

Inhalte so gestalten, dass KI-Antwortsysteme sie zitieren (Aggarwal et al., IIT Delhi und Princeton, 2023). Das Gegenstück zu SEO für eine Welt, in der Kunden Antworten bekommen statt Trefferlisten. Mehr dazu unter GEO.

Was dieses Glossar nicht enthält

Produktnamen stehen hier nur als Beispiele, nie als eigener Eintrag. Ein Eintrag zu einem konkreten Modell veraltet schnell und sagt nichts darüber, was die Technik für Ihr Unternehmen bedeutet. Welche Stufe von KI zu welchem Ablauf passt, ordnet unser Artikel zu den Reifegraden von KI-Systemen ein. Welches Werkzeug zu Ihrem Fall passt, ist eine Frage an ein Gespräch, nicht an ein Glossar.