Künstliche Intelligenz ist eine enorm komplexe Technologie. Sobald du dich in den AI-Sphären bewegst, wirst du auf Begriffe stossen, die du nicht kennst. Uns geht es genauso. Deshalb haben wir eine Zusammenstellung der Begriffe gemacht, die uns im Alltag begleiten und was sie bedeuten.
Michael Ryser – 03. September 2025
Generative Artificial Intelligence
GenAI ist künstliche Intelligenz, die neue Inhalte wie Texte, Bilder, Videos oder Code erschaffen kann. Im Unterschied zu klassischer AI analysiert sie nicht nur Informationen, sondern produziert eigenständig Outputs. ChatGPT, Midjourney und Runway gehören zu den bekanntesten GenAIs.
Large Language Model
Ein LLM ist eine AI, die mit riesigen Mengen an Text trainiert worden ist und dadurch Sprache verstehen, verarbeiten und selbst generieren kann. Sie kann so Fragen beantworten, Texte verfassen oder Konversationen führen. Ein LLM ist eine Spezifizierung von GenAI und umfasst nur textbasierte Modelle wie ChatGPT, Gemini oder Perlexity.
Low-Rank Adaptation
LoRA ist ein Feintuning, mit dem grosse AI-Modelle auf spezielle Aufgaben angepasst werden, ohne das gesamte Modell neu trainieren zu müssen. Das Ganze kann man sich gut in Ebenen vorstellen. Die Ebene 1 ist das bestehende Modell mit all seinen Daten. Auf der zweiten Ebene kommen dann deine Inputs. Diese werden wie ein Filter über die erste Ebene gelegt und beeinflussen so den Output massgebend.
Open-Source beschreibt Software, deren Quellcode öffentlich zugänglich ist und von jeder Person genutzt, verändert und weiterentwickelt werden kann. Dieses Prinzip fördert Transparenz und Zusammenarbeit in der Community. Im AI-Kontext bedeutet dies, dass man Modelle auf eigenen Systemen laufen lassen kann und so die Hoheit über die eigenen Daten behält.
Ein Prompt ist die Textanweisung, die man einem AI-Modell gibt. Je präziser der Prompt formuliert ist, desto gezielter und relevanter fällt der Output aus.
Ein «Negative Prompt» ist das umgekehrte Prinzip eines klassischen Prompts. Ein Negative Prompt ist eine gezielte Anweisung, was ein AI-Modell nicht erzeugen soll. Damit lassen sich unerwünschte Stile, Inhalte oder Fehler im Ergebnis reduzieren.
Prompt Engineering ist der Prozess, Prompts so zu optimieren, dass der Output eine möglichst hohe Qualität hat. Es bildet die Brücke zwischen menschlicher Kreativität und technischem Verständnis. Je besser der Prompt ist, desto besser wird das Endresultat sein. Dabei haben alle Modelle verschiedene Präferenzen, wie ein Prompt gestaltet werden soll.
Ein Diffusionsmodell ist eine spezielle AI, die Bilder erzeugen kann, indem sie aus zufälligem Rauschen Schritt für Schritt klare Bilder erzeugt. Als Ausgangspunkt dient ein unscharfes Bild, weil es einfacher ist, ein Bild schrittweise zu verbessern, als sofort etwas Komplexes zu erzeugen. In jedem Verfeinerungsschritt analysiert das Modell das Bild und fügt Details, Formen und Farben hinzu (siehe «Steps» unten).
Steps bezeichnen die Anzahl der Berechnungsschritte, die ein AI-Modell bei der Generierung eines Outputs durchläuft. Mehr Steps können zu detaillierteren und realistischeren Ergebnissen führen, benötigen aber auch mehr Zeit und Rechenleistung.
Text-to-Image / Image-to-Image / Image-to-Video / Text-to-Video
x-to-y beschreibt, was du als Input in ein AI-Modell kippst und was dieses dir als Output gibt. Bei einem Text-to-Image Modell gibst du also Textanweisungen (Prompt) als Input mit und erhältst als Output ein Bild.
Ein Workflow beschreibt eine Aneinanderreihung verschiedener Tasks. Im AI-Kontext werden Workflows genutzt, um verschiedene Modelle oder Arbeitsschritte aneinanderzuhängen, um das Endresultat zu optimieren. So kann beispielweise mit dem einen Modell ein Bild erstellt werden, dieses wird dann in einem Upscaling-Tool vergrössert, bevor es mit einem Videomodell animiert wird.