Glossar

Die Begriffe, bevor jemand sie verkauft.

KI-, Daten- und Cloud-Vokabular so erklärt, wie es in echten Projekten vorkommt - mit Definition, Praxis und dem Hinweis, wann ein Begriff nicht passt. Jeder Begriff führt zu einer ausführlichen Erklärung und den passenden Pexon-Artikeln.

71
Einträge, laufend ergänzt
6
Kategorien von Daten bis Governance
0
Produktnamen als Definition
71 VON 71 EINTRÄGEN
A

Agent

Ein Sprachmodell, das Werkzeuge aufruft und in einer Schleife arbeitet, bis ein Ziel erreicht ist.Agenten

Ein Sprachmodell, das Werkzeuge aufruft und in einer Schleife arbeitet, bis ein Ziel erreicht ist. Der Unterschied zum Chatbot ist der Zugriff, nicht die Sprachqualität.

In der PraxisDie erste Frage ist nicht, was der Agent kann, sondern wo er stehen bleibt und einen Menschen fragt.
VerwandtGuardrails
Ausführliche Erklärung

Apache Superset

Ein Open-Source-BI-Tool der Apache Software Foundation: interaktive Dashboards und Diagramme direkt im Browser, per SQL an Datenbanken, Data Warehouses und Data Lakes angebunden - eine frei nutzbare Alternative zu kommerziellen BI-Suiten.Datenschicht

Ein Open-Source-BI-Tool der Apache Software Foundation: interaktive Dashboards und Diagramme direkt im Browser, per SQL an Datenbanken, Data Warehouses und Data Lakes angebunden - eine frei nutzbare Alternative zu kommerziellen BI-Suiten.

In der PraxisSuperset ersetzt keine saubere Datenschicht, es setzt auf ihr auf: Wer die Berechtigungen in der Datenquelle regelt, bekommt ein leistungsfähiges BI-Tool ohne Lizenzbindung.
Ausführliche Erklärung

Amazon Bedrock

Der verwaltete AWS-Service für Foundation Models: Claude, Llama und Mistral über eine API.Modelle

Der verwaltete AWS-Service für Foundation Models: Claude, Llama und Mistral über eine API. Kein eigenes Modell, sondern die Plattform - Betrieb, Skalierung und Updates übernimmt AWS.

In der PraxisWer schon auf AWS läuft, bindet Modelle per IAM statt API-Keys an - Wechsel zwischen Modellen ist Konfiguration, nicht Migration.
Ausführliche Erklärung

Azure AI Foundry

Microsofts Plattform für KI-Anwendungen: Foundation Models wie GPT, Claude und Llama, Datenanbindung für RAG und Agents in einer Umgebung.Modelle

Microsofts Plattform für KI-Anwendungen: Foundation Models wie GPT, Claude und Llama, Datenanbindung für RAG und Agents in einer Umgebung. Die Plattform, nicht das Modell - Modellwechsel ist Konfiguration, keine Migration.

In der PraxisWer schon auf Azure läuft, baut Modellzugang, Datenindizes und Agents an einem Ort - Verlauf und Dokumente bleiben in der Azure-Umgebung.
Ausführliche Erklärung
B

Benchmark

Ein standardisierter Test, der die Leistung von Modellen unter gleichen Bedingungen messbar macht.Governance

Ein standardisierter Test, der die Leistung von Modellen unter gleichen Bedingungen messbar macht. Er ordnet ein, er entscheidet nicht - über Ihren Anwendungsfall sagt er nichts.

In der PraxisAnbieter wählen die Messbedingungen selbst. Prüfen Sie Testmenge, Datum und ob eine unabhängige Rangliste das Ergebnis stützt.
C

Chunking

Lange Dokumente in kleinere, einzeln auffindbare Abschnitte zerlegen, bevor sie in den Suchindex wandern.Retrieval

Lange Dokumente in kleinere, einzeln auffindbare Abschnitte zerlegen, bevor sie in den Suchindex wandern. Gesucht wird im Chunk, nicht im Dokument.

In der PraxisWer die Trefferqualität verbessern will, fasst fast immer hier an - und nicht am Modell.
Ausführliche Erklärung

Claude

Die KI-Modellfamilie von Anthropic.Modelle

Die KI-Modellfamilie von Anthropic. Ein kommerzielles Modell, kein Produkt - was damit gebaut wird, entscheidet die Architektur darum herum.

Häufiger IrrtumClaude ist nicht automatisch DSGVO-konform, weil es europäisch wäre. Konform ist die Verarbeitung, die Sie darum herum bauen.
VerwandtToken

ChatGPT Enterprise

Die Enterprise-Variante von ChatGPT: der OpenAI-Assistent mit Nutzerverwaltung, Single Sign-on und Datenkontrolle für Unternehmen.Plattform

Die Enterprise-Variante von ChatGPT: der OpenAI-Assistent mit Nutzerverwaltung, Single Sign-on und Datenkontrolle für Unternehmen. Verwaltete KI statt Eigenbau - Antworten und Daten fließen nicht ins Modelltraining.

In der PraxisWer einen KI-Assistenten für das ganze Team will, ohne eigene Plattform zu betreiben, richtet Zugänge, Rollen und Datenkontrollen einmal zentral ein - die Nutzer arbeiten in der gewohnten Chat-Oberfläche.
Ausführliche Erklärung
D

Data Engineering

Rohdaten aus Quellsystemen in verwertbare Datenprodukte verwandeln: extrahieren, transformieren, bereitstellen.Datenschicht

Rohdaten aus Quellsystemen in verwertbare Datenprodukte verwandeln: extrahieren, transformieren, bereitstellen. Ohne saubere Daten keine belastbare KI - die Datenschicht entscheidet über den Erfolg.

In der PraxisIn den meisten gescheiterten KI-Projekten liegt der Fehler hier, nicht beim Modell.
Ausführliche Erklärung

Data Lake

Flexibler Speicher für Rohdaten in beliebigem Format.Datenschicht

Flexibler Speicher für Rohdaten in beliebigem Format. Die Quelle, nicht das Produkt - nutzbar wird er erst durch Pipelines und Struktur.

In der PraxisEin Data Lake ohne Governance wird zum Data Swamp. Berechtigungen und Lineage gehören von Tag eins dazu.
Ausführliche Erklärung

Data Lineage

Die dokumentierte Herkunft eines Datenpunkts: aus welchem System, über welche Transformation, in welchem Stand.Governance

Die dokumentierte Herkunft eines Datenpunkts: aus welchem System, über welche Transformation, in welchem Stand. Ohne Lineage ist keine Antwort prüfbar.

In der PraxisDie erste Frage der Revision lautet nie „welches Modell“, sondern „woher kommt diese Zahl“. Lineage ist die Antwort darauf.

Data Warehouse

Stark strukturierter, aufbereiteter Datenbestand für fest definierte Auswertungen.Datenschicht

Stark strukturierter, aufbereiteter Datenbestand für fest definierte Auswertungen. Das Gegenstück zum Data Lake - Ordnung statt Flexibilität.

In der PraxisKleine Teams starten oft ohne Data Warehouse - es lohnt sich ab mehreren Quellsystemen oder KI-Anwendungen.
Ausführliche Erklärung

Databricks

Die Lakehouse-Plattform auf Object Storage mit Unity Catalog - Warehouse, Genie und Agenten auf derselben Datenschicht.Datenschicht

Die Lakehouse-Plattform auf Object Storage mit Unity Catalog - Warehouse, Genie und Agenten auf derselben Datenschicht.

In der PraxisCatalog steuert Tabellen, das Gateway den KI-Traffic. Ontology ersetzt keine gepflegten Kennzahlen. Erst Architektur, dann Tool.
Ausführliche Erklärung

Distillation

Ein großes Modell erzeugt die Trainingsbeispiele, mit denen ein kleineres auf dieselbe Aufgabe trainiert wird.Modelle

Ein großes Modell erzeugt die Trainingsbeispiele, mit denen ein kleineres auf dieselbe Aufgabe trainiert wird. Ergebnis: ein kompaktes Modell, das eine eng umrissene Aufgabe schneller erledigt.

In der PraxisSinnvoll erst, wenn ein Anwendungsfall stabil läuft und das Volumen den Aufwand trägt. Vorher optimiert man an einem beweglichen Ziel.
VerwandtFine-Tuning

DSGVO-Konformität

Kein Produktmerkmal, sondern eine Eigenschaft Ihrer Verarbeitung: Rechtsgrundlage, Zweckbindung, Löschkonzept, Auftragsverarbeitungsvertrag, Verzeichnis der Verarbeitungstätigkeiten.Governance

Kein Produktmerkmal, sondern eine Eigenschaft Ihrer Verarbeitung: Rechtsgrundlage, Zweckbindung, Löschkonzept, Auftragsverarbeitungsvertrag, Verzeichnis der Verarbeitungstätigkeiten. Ein Anbieter kann sie unterstützen, aber nicht liefern.

Häufiger Irrtum„DSGVO-konformes KI-Tool“ ist eine Werbeaussage. Konform ist ein Verfahren, keine Software. Die Frage bleibt immer: welche Daten fließen wohin, auf welcher Rechtsgrundlage, und wie lange bleiben sie dort.
E

Embeddings

Text in eine Zahlenfolge umwandeln, sodass inhaltlich Ähnliches mathematisch nah liegt.Retrieval

Text in eine Zahlenfolge umwandeln, sodass inhaltlich Ähnliches mathematisch nah liegt. Grundlage semantischer Suche - gefunden wird, was gemeint ist, nicht nur, was wörtlich dasteht.

Häufiger IrrtumArtikelnummern und Normbezeichnungen fallen durch dieses Raster. Dafür braucht es zusätzlich eine Stichwortsuche.
VerwandtChunkingRAG
Ausführliche Erklärung

ETL

Der Prozess, der Daten aus Quellsystemen holt, aufbereitet und in ein Zielsystem schreibt.Datenschicht

Der Prozess, der Daten aus Quellsystemen holt, aufbereitet und in ein Zielsystem schreibt. Für KI-Projekte der unspektakuläre Teil, der über Erfolg entscheidet.

In der PraxisFür Normen, Zeichnungen und Altbestände gibt es keine Standard-Pipeline. Diese Prozesse werden gebaut, nicht konfiguriert.
Ausführliche Erklärung

EU AI Act

Die KI-Verordnung der EU, amtlich Verordnung (EU) 2024/1689.Governance

Die KI-Verordnung der EU, amtlich Verordnung (EU) 2024/1689. Sie stuft jedes KI-System nach Risiko ein und knüpft die Pflichten daran. Sie trifft auch, wer KI nur einsetzt - nicht nur, wer sie baut.

Häufiger IrrtumVerschoben wurden einzelne Hochrisiko-Fristen, nicht die Verordnung. Verbote und KI-Kompetenzpflicht gelten bereits.
Ausführliche Erklärung

Experiment Tracking

Systematische Dokumentation jedes ML-Versuchs: Parameter, Datensatz, Metriken und Modell pro Lauf festhalten, damit Ergebnisse vergleichbar und reproduzierbar bleiben.Plattform

Systematische Dokumentation jedes ML-Versuchs: Parameter, Datensatz, Metriken und Modell pro Lauf festhalten, damit Ergebnisse vergleichbar und reproduzierbar bleiben. Ohne Tracking weiß niemand, welches Setup das beste Modell erzeugt hat.

In der PraxisJeden Lauf vollständig dokumentieren - auch fehlgeschlagene Versuche. Das beste Modell muss sich jederzeit bis zur Datenversion zurückverfolgen lassen.
Ausführliche Erklärung
F

Feature Store

Zentrale Plattform, die ML-Features einmal berechnet, versioniert und für Training und Online-Inferenz bereitstellt.Plattform

Zentrale Plattform, die ML-Features einmal berechnet, versioniert und für Training und Online-Inferenz bereitstellt. Konsistente Daten zwischen Entwicklung und Produktion.

In der PraxisDer Feature Store ist eine Datenarchitektur-Entscheidung, kein Tool-Kauf. Die Frage ist: Wer pflegt die Features?
Ausführliche Erklärung

Fine-Tuning

Nachtraining eines Modells auf eigene Beispiele, um Format, Ton oder Spezialverhalten zu prägen.Modelle

Nachtraining eines Modells auf eigene Beispiele, um Format, Ton oder Spezialverhalten zu prägen. Ändert das Verhalten, nicht das Wissen.

Häufiger IrrtumFür Faktenwissen ist Retrieval fast immer richtig, Fine-Tuning fast immer der Umweg.
VerwandtRAG
Ausführliche Erklärung

FinOps

Die Praxis, verbrauchsabhängige Cloud- und KI-Ausgaben sichtbar und steuerbar zu machen: Zuordnung je Team und Anwendungsfall, Budgets, Alarme.Plattform

Die Praxis, verbrauchsabhängige Cloud- und KI-Ausgaben sichtbar und steuerbar zu machen: Zuordnung je Team und Anwendungsfall, Budgets, Alarme. Bei KI relevant ab dem zweiten Anwendungsfall.

In der PraxisDie unangenehme Überraschung kommt selten im ersten Monat. Wer bis dahin keine Zuordnung je Anwendungsfall eingerichtet hat, kann sie hinterher nicht rekonstruieren.
VerwandtToken
G

Grounding

Die Anforderung, dass jede Aussage auf eine belegbare Quelle zurückführt, mit Dokument, Abschnitt und Stand.Retrieval

Die Anforderung, dass jede Aussage auf eine belegbare Quelle zurückführt, mit Dokument, Abschnitt und Stand. Der Unterschied zwischen einer Auskunft und einer Behauptung.

In der PraxisBei Normen und Verträgen ist die Fundstelle wichtiger als die Formulierung. Ohne Quellenangabe prüft die Fachabteilung von Hand nach, und der Zeitgewinn ist weg.

Guardrails

Technische Regeln, die Ein- und Ausgaben eines KI-Systems begrenzen.Governance

Technische Regeln, die Ein- und Ausgaben eines KI-Systems begrenzen. Durchgesetzt, nicht erbeten - im Gateway, nicht im Systemprompt.

In der PraxisJede Regel kennt zwei Fehlerarten: Sie blockiert zu viel oder zu wenig. Ungemessen wird sie im Betrieb still abgeschaltet.
Ausführliche Erklärung

Generative KI (GenAI)

KI-Modelle, die keine Daten bewerten, sondern neue Inhalte erzeugen - Texte, Bilder, Code.Modelle

KI-Modelle, die keine Daten bewerten, sondern neue Inhalte erzeugen - Texte, Bilder, Code. Statistische, keine logische Maschine: plausibel heißt nicht richtig.

In der PraxisDer Wert entsteht durch Anwendungsfall, Datenqualität und Messung - nicht durch das Modell.
Ausführliche Erklärung
H

Halluzination

Eine Antwort, die plausibel formuliert und inhaltlich falsch ist - weil das Modell auf Wahrscheinlichkeit optimiert ist, nicht auf Wahrheit.Modelle

Eine Antwort, die plausibel formuliert und inhaltlich falsch ist - weil das Modell auf Wahrscheinlichkeit optimiert ist, nicht auf Wahrheit.

In der PraxisNicht jede falsche Antwort ist eine Halluzination: Steht der Fehler schon im Dokument, ist es ein Datenproblem.
Ausführliche Erklärung

Human in the Loop

Ein Entwurfsprinzip, bei dem die KI vorbereitet und ein benannter Mensch entscheidet.Agenten

Ein Entwurfsprinzip, bei dem die KI vorbereitet und ein benannter Mensch entscheidet. Die Verantwortung bleibt dort, wo sie rechtlich ohnehin liegt.

In der PraxisDer Zeitgewinn steckt in der Vorbereitung, nicht im Klick. Ein Agent, der den Großteil der Prüfarbeit erledigt und dann stehen bleibt, ist genehmigungsfähig. Einer, der durchläuft, meist nicht.
I

Inferenz

Der laufende Betrieb eines Modells: das Erzeugen einer Antwort auf eine Anfrage.Plattform

Der laufende Betrieb eines Modells: das Erzeugen einer Antwort auf eine Anfrage. Der Posten, der dauerhaft Rechenzeit verbraucht, im Gegensatz zum einmaligen Training.

In der PraxisEigene Inferenz auf eigener Hardware trägt sich ab einem bestimmten Volumen oder wenn die Datenklasse keinen externen Aufruf erlaubt. Vorher ist der Aufruf einer fremden API der kürzere Weg.

Istio

Ein Open-Source-Service-Mesh für Kubernetes, das die Kommunikation zwischen Microservices steuert, absichert und beobachtbar macht.Cloud

Ein Open-Source-Service-Mesh für Kubernetes, das die Kommunikation zwischen Microservices steuert, absichert und beobachtbar macht. Der Sidecar-Proxy vor jedem Service übernimmt, was sonst im Code landen würde.

In der PraxisDie Frage ist nicht, ob Istio funktioniert, sondern ob das Team bereit ist, die Komplexität eines Service Meshes zu tragen.
Ausführliche Erklärung
K

KI-Governance

Die Summe der Regeln, wer mit welchen Daten was tun darf, und der Nachweise darüber.Governance

Die Summe der Regeln, wer mit welchen Daten was tun darf, und der Nachweise darüber. Keine Abschlussphase, sondern eine Eigenschaft der Architektur von der ersten Woche an.

In der PraxisNachträglich eingezogene Governance ist aufwendiger als der ursprüngliche Aufbau. Freigaben scheitern selten an der Technik, sondern am fehlenden Nachweis.

Knowledge Graph

Eine Darstellung von Wissen als Entitäten und deren Beziehungen: dieses Bauteil gehört zu dieser Anlage, dieser Lieferant zu diesem Vertrag.Datenschicht

Eine Darstellung von Wissen als Entitäten und deren Beziehungen: dieses Bauteil gehört zu dieser Anlage, dieser Lieferant zu diesem Vertrag. Ergänzt semantische Suche dort, wo Struktur zählt.

In der PraxisLohnt sich, wenn die Frage über Beziehungen geht statt über Textstellen. Für reine Dokumentensuche ist er Aufwand ohne Gegenwert.

Kontextfenster

Die Menge an Text, die ein Modell pro Anfrage gleichzeitig verarbeiten kann, gemessen in Token.Plattform

Die Menge an Text, die ein Modell pro Anfrage gleichzeitig verarbeiten kann, gemessen in Token. Größer ist nicht automatisch besser, nur teurer und langsamer.

In der PraxisWer 400 Dateien mitschickt, statt die zwölf relevanten zu finden, bezahlt das Fehlen einer Retrieval-Schicht mit jedem Aufruf.
VerwandtTokenRAG
Ausführliche Erklärung

Kubernetes

Die Container-Orchestrierung, auf der KI-Workloads und Microservices laufen.Plattform

Die Container-Orchestrierung, auf der KI-Workloads und Microservices laufen. Die Plattform, nicht das Produkt - der Betrieb entscheidet.

In der PraxisKubernetes ohne Netzwerk- und Sicherheitskonzept bleibt unvollständig - Service Mesh und Zero Trust gehören dazu.
VerwandtMLOps

Kubernetes

Das führende Open-Source-System zur Automatisierung von Deployment, Skalierung und Betrieb containerisierter Anwendungen.Cloud

Das führende Open-Source-System zur Automatisierung von Deployment, Skalierung und Betrieb containerisierter Anwendungen. Der deklarative Ansatz: Sie beschreiben den Soll-Zustand, Kubernetes hält ihn.

In der PraxisDie Entscheidung für Kubernetes ist selten technisch, sondern organisatorisch: Das Team muss DevOps-Kompetenz mitbringen oder aufbauen.
Ausführliche Erklärung

Keycloak

Open-Source-Tool für Identitäts- und Zugriffsmanagement (IAM), das Single Sign-On über mehrere Anwendungen hinweg bereitstellt.Cloud

Open-Source-Tool für Identitäts- und Zugriffsmanagement (IAM), das Single Sign-On über mehrere Anwendungen hinweg bereitstellt. Der Standard-Identity-Provider in Kubernetes, entwickelt von der Red-Hat-Community.

In der PraxisDer Aufwand sitzt im Betrieb des Identity-Providers - nicht in der Einrichtung. Updates, Failover und die Anbindung neuer Dienste sind der laufende Kostenpunkt.
Ausführliche Erklärung
L

Lakehouse

Die Kombination aus Data Warehouse und Data Lake: eine Plattform für strukturierte Auswertung und flexible Rohdaten - die Basis moderner Datenplattformen.Datenschicht

Die Kombination aus Data Warehouse und Data Lake: eine Plattform für strukturierte Auswertung und flexible Rohdaten - die Basis moderner Datenplattformen.

In der PraxisLakehouse-Architekturen (Databricks, Fabric) lösen das Nebeneinander von Warehouse und Lake auf - die Plattform-Entscheidung bindet langfristig.
Ausführliche Erklärung

LiteLLM

Open-Source-Gateway, über das 100+ LLMs über eine API laufen.Plattform

Open-Source-Gateway, über das 100+ LLMs über eine API laufen. Damit wird die Modellwahl eine Routing-Regel statt einer Beschaffungsentscheidung.

In der PraxisWer sechs Anwendungen direkt an einen Anbieter bindet, führt sechs Migrationen durch. Mit Gateway ist es eine Konfigurationszeile.
VerwandtToken

LLM

Ein auf sehr großen Textmengen trainiertes Modell, das Sprache verarbeitet und erzeugt.Modelle

Ein auf sehr großen Textmengen trainiertes Modell, das Sprache verarbeitet und erzeugt. Es hat kein Wissen über Ihr Unternehmen, solange Sie es ihm nicht zur Laufzeit mitgeben.

In der PraxisDas Modell ist der austauschbarste Teil Ihrer Architektur. Alles darum herum ist die Investition.

LLM-Evaluation

Die wiederholbare Messung der Antwortqualität gegen ein Testset aus echten Fragen mit geprüften Antworten.Governance

Die wiederholbare Messung der Antwortqualität gegen ein Testset aus echten Fragen mit geprüften Antworten. Sie gibt eine Änderung frei - oder stoppt sie.

In der PraxisÖffentliche Rankings bewerten das Modell. Ihre Frage ist, ob es auf Ihren Dokumenten trifft.
Ausführliche Erklärung

LLM-Gateway

Eine Zwischenschicht, über die alle Modellaufrufe laufen.Plattform

Eine Zwischenschicht, über die alle Modellaufrufe laufen. Sie entscheidet, welche Anfrage an welches Modell geht, protokolliert jeden Aufruf, begrenzt den Verbrauch und weicht bei Ausfällen auf ein anderes Modell aus. Damit wird die Modellwahl eine Routing-Regel statt einer Beschaffungsentscheidung.

In der PraxisWer sechs Anwendungen direkt an einen Anbieter bindet, führt sechs Migrationen durch, wenn er wechselt. Mit Gateway ist es eine Konfigurationszeile. Nebeneffekt: Protokollierung und Guardrails greifen an einer Stelle statt an sechs.

LibreChat

Open-Source-Chat-Oberfläche, die mehrere Sprachmodelle in einer Anwendung bündelt: GPT, Claude, Gemini und lokale Modelle aus einer Oberfläche - ein Zugang statt vieler Einzel-Logins.Plattform

Open-Source-Chat-Oberfläche, die mehrere Sprachmodelle in einer Anwendung bündelt: GPT, Claude, Gemini und lokale Modelle aus einer Oberfläche - ein Zugang statt vieler Einzel-Logins.

In der PraxisWer mehrere Modelle im Team nutzt, hinterlegt die API-Zugänge einmal zentral - Nutzer wechseln pro Chat das Modell, Verlauf und Prompts bleiben in der eigenen Installation.
Ausführliche Erklärung

Langdock

Enterprise-KI-Assistent, der Chat, Modelle und Zugänge für ganze Unternehmen bündelt: eine Plattform statt vieler Einzel-Logins - mit Wissensquellen aus internen Systemen, in der Cloud oder selbst gehostet.Plattform

Enterprise-KI-Assistent, der Chat, Modelle und Zugänge für ganze Unternehmen bündelt: eine Plattform statt vieler Einzel-Logins - mit Wissensquellen aus internen Systemen, in der Cloud oder selbst gehostet.

In der PraxisWer vielen Mitarbeitern einen KI-Assistenten geben will, ohne selbst zu entwickeln, richtet Modelle, Zugänge und Wissensquellen einmal zentral ein - die Nutzer arbeiten in einer Oberfläche.
Ausführliche Erklärung
M

MCP

Ein offener Standard, über den ein Modell Werkzeuge und Datenquellen anspricht - ohne für jede Anbindung eigenen Code.Agenten

Ein offener Standard, über den ein Modell Werkzeuge und Datenquellen anspricht - ohne für jede Anbindung eigenen Code. Reduziert Integrationsaufwand erheblich.

Häufiger IrrtumDie Berechtigungsfrage verschwindet dadurch nicht. Ein MCP-Server, der mehr sieht als der Nutzer, ist ein Datenleck mit Standardschnittstelle.

ML-Pipeline

Die automatisierte Kette von Datenaufbereitung über Training bis Deployment - jeder Schritt wiederholbar und versioniert, oft orchestriert per Kubernetes.Plattform

Die automatisierte Kette von Datenaufbereitung über Training bis Deployment - jeder Schritt wiederholbar und versioniert, oft orchestriert per Kubernetes.

In der PraxisPipelines machen Trainingsläufe reproduzierbar. Ohne sie ist jedes Update ein Risiko.
Ausführliche Erklärung

MLflow

Open-Source-Plattform für den ML-Lifecycle: Experiment Tracking, Modell-Registry und Deployment.Plattform

Open-Source-Plattform für den ML-Lifecycle: Experiment Tracking, Modell-Registry und Deployment. Der Einstieg in MLOps für kleine und mittlere Teams.

In der PraxisMLflow auf Kubernetes ist ein bewährtes Fundament - bevor Plattformen wie Databricks nötig werden.
Ausführliche Erklärung

MLOps

Alle Prozesse und Werkzeuge, die ML-Modelle vom Experiment in den stabilen Betrieb bringen.Plattform

Alle Prozesse und Werkzeuge, die ML-Modelle vom Experiment in den stabilen Betrieb bringen. DevOps-Prinzipien auf Machine Learning übertragen - Versionierung, Tests, Monitoring.

In der PraxisDie häufigste Fehlannahme: Ein gutes Modell im Notebook ist die halbe Miete. In Wahrheit entscheidet der Betrieb über den langfristigen Erfolg.
Ausführliche Erklärung

mTLS

Gegenseitige TLS-Authentifizierung: Beide Seiten weisen sich mit Zertifikaten aus.Governance

Gegenseitige TLS-Authentifizierung: Beide Seiten weisen sich mit Zertifikaten aus. Der technische Baustein für Dienst-Identitäten in Service-Mesh-Umgebungen.

In der PraxisBei mTLS weiß auch der Server sicher, welcher Dienst anfragt - die Basis für Zero-Trust-Modelle im Netz.
VerwandtZero Trust

Model Registry

Der zentrale Speicher für ML-Modelle: Version, Metadaten und Freigabestatus je Modell, von dort reproduzierbar in den Produktivbetrieb ausgerollt - der Ort, an dem MLOps sichtbar wird.Plattform

Der zentrale Speicher für ML-Modelle: Version, Metadaten und Freigabestatus je Modell, von dort reproduzierbar in den Produktivbetrieb ausgerollt - der Ort, an dem MLOps sichtbar wird.

In der PraxisFreigaben sind dokumentierte Entscheidungen, kein Handauflegen - wer die Registry führt, kann jeden Modellwechsel nachweisen.
Ausführliche Erklärung

ML-Monitoring

Kontinuierliche Überwachung von ML-Modellen im Betrieb: Datenqualität, Drift und Vorhersage-Qualität messen - bevor stille Fehler teuer werden.Plattform

Kontinuierliche Überwachung von ML-Modellen im Betrieb: Datenqualität, Drift und Vorhersage-Qualität messen - bevor stille Fehler teuer werden.

In der PraxisMonitoring gehört in das Deployment, nicht in den Fehlermodus: Baseline speichern, Drift alarmieren, Geschäftsmetrik nachziehen.
Ausführliche Erklärung
N

n8n

Open-Source-Workflow-Automatisierung, mit der sich Abläufe und KI-Agenten visuell bauen lassen.Plattform

Open-Source-Workflow-Automatisierung, mit der sich Abläufe und KI-Agenten visuell bauen lassen. Self-hosted und DSGVO-freundlich - beliebt im Mittelstand.

In der Praxisn8n ersetzt keine Integration-Architektur. Es ist das Werkzeug für die Automatisierungsebene darüber.
VerwandtKI-Agenten
O

OCR

Die Umwandlung von Bildern und Scans in durchsuchbaren Text.Datenschicht

Optical Character Recognition

Die Umwandlung von Bildern und Scans in durchsuchbaren Text. Bei Altbeständen der Schritt, der ein Archiv überhaupt erreichbar macht.

In der PraxisModerne Modelle lesen auch schwache Scans und Handschrift. Bei Tabellen, Zeichnungen und Formularen bleibt eine Nachkontrolle nötig, weil ein Lesefehler dort still weiterläuft.

On-Premise

Betrieb im eigenen Rechenzentrum statt beim Cloud-Anbieter.Plattform

Betrieb im eigenen Rechenzentrum statt beim Cloud-Anbieter. Bei KI relevant, wenn Daten die eigene Umgebung nicht verlassen dürfen.

In der PraxisDie Hardware ist der einfache Teil. Der Aufwand liegt in Betrieb, Aktualisierung und Kapazitätsplanung, und dafür braucht es jemanden im Haus.

Open Weights

Modelle, deren Parameter frei heruntergeladen und selbst betrieben werden können.Modelle

Modelle, deren Parameter frei heruntergeladen und selbst betrieben werden können. Nicht dasselbe wie Open Source: Trainingsdaten und Trainingscode sind meist nicht offen, und die Lizenz kann die kommerzielle Nutzung einschränken.

In der PraxisFür Datenklassen, die keinen externen Aufruf erlauben, oft die einzige Option. Vor dem Einsatz gehört die Lizenz gelesen, nicht die Modellkarte.

Open WebUI

Die Open-Source-Chat-Oberfläche für Sprachmodelle: lokale und externe Modelle über den Browser bedienen.Plattform

Die Open-Source-Chat-Oberfläche für Sprachmodelle: lokale und externe Modelle über den Browser bedienen. Die Oberfläche, nicht das Modell - die Antwortqualität bestimmt das angebundene Modell.

In der PraxisWer Daten nicht nach außen geben will, betreibt Oberfläche und Modell im eigenen Netz - Verlauf und Dokumente bleiben in der eigenen Umgebung.
Ausführliche Erklärung

OpenTofu

Der quelloffene Terraform-Fork unter der Linux Foundation, der nach dem BSL-Lizenzwechsel von HashiCorp entstand.Plattform

Der quelloffene Terraform-Fork unter der Linux Foundation, der nach dem BSL-Lizenzwechsel von HashiCorp entstand. Voll zu Terraform kompatibel, aber dauerhaft Apache 2.0 lizenziert.

In der PraxisDie Migration ist technisch in Stunden erledigt. Die strategische Frage ist: Open Source oder Hersteller-Bindung?
Ausführliche Erklärung
P

PII-Maskierung

Das Erkennen und Ersetzen personenbezogener Daten, bevor Text in einen Index oder an ein Modell geht.Datenschicht

Personenbezogene Daten (PII)

Das Erkennen und Ersetzen personenbezogener Daten, bevor Text in einen Index oder an ein Modell geht. Im Datenstrom, nicht erst in der Ausgabe.

In der PraxisWer erst die Antwort filtert, hat die Daten längst gespeichert und verarbeitet. Maskiert wird vor dem Indexieren, sonst ist es Kosmetik.

Prompt Injection

Ein Angriff, bei dem Anweisungen in verarbeiteten Inhalten versteckt werden, etwa in einem PDF, auf einer Webseite oder in einer E-Mail, um das Modell zu einem anderen Verhalten zu bringen.Governance

Ein Angriff, bei dem Anweisungen in verarbeiteten Inhalten versteckt werden, etwa in einem PDF, auf einer Webseite oder in einer E-Mail, um das Modell zu einem anderen Verhalten zu bringen. Besonders kritisch bei Agenten mit Schreibrechten.

Häufiger Irrtum„Wir haben das im Systemprompt verboten.“ Ein Systemprompt ist keine Zugriffskontrolle. Was ein Agent nicht darf, muss er technisch nicht können.

Prompt

Die Anweisung an ein KI-Modell in natürlicher Sprache.Modelle

Die Anweisung an ein KI-Modell in natürlicher Sprache. Präzision schlägt Wortmenge: Rolle, Kontext und Format bestimmen die Antwortqualität.

In der PraxisGute Prompts gehören als Vorlagen in die Ablage - formuliert, getestet, für alle im Team.
Ausführliche Erklärung
R

RAG

Zu einer Frage erst die passenden Stellen aus Ihren Dokumenten suchen und nur diese dem Modell geben.Retrieval

Zu einer Frage erst die passenden Stellen aus Ihren Dokumenten suchen und nur diese dem Modell geben. Wissen kommt aus Ihrer Quelle, Formulierung aus dem Modell.

In der PraxisDie Qualität entsteht im Retrieval, nicht im Modell. Wer schlechte Treffer an ein besseres Modell schickt, bekommt eleganter formulierte falsche Antworten.
Ausführliche Erklärung

RBAC

Zugriffsrechte über Rollen statt über Einzelfreigaben.Governance

Role-Based Access Control

Zugriffsrechte über Rollen statt über Einzelfreigaben. Bei KI entscheidend: die Rechte müssen vor der Suche greifen, nicht nach der Antwort.

In der PraxisEin System, das erst alles findet und dann verbirgt, hat die Daten bereits verarbeitet. Das fällt in jeder Prüfung auf und ist ein häufiger Grund, warum ein funktionierender Prototyp keine Freigabe bekommt.

Reranking

Ein zweiter Durchgang, der die gefundenen Treffer nach Relevanz neu sortiert, bevor sie an das Modell gehen.Retrieval

Ein zweiter Durchgang, der die gefundenen Treffer nach Relevanz neu sortiert, bevor sie an das Modell gehen. Setzt genau dort an, wo in RAG-Systemen die meiste Qualität verloren geht: bei der Trefferauswahl.

In der PraxisBevor Sie das Modell wechseln, testen Sie Reranking gegen Ihre eigene Evaluation. Der Eingriff ist klein und lässt sich zurücknehmen, ein Modellwechsel nicht.
S

Semantische Schicht

Eine verbindliche Definition der Geschäftsbegriffe und Kennzahlen an einer Stelle: was genau ist Marge, was zählt als Auftragseingang, ab wann gilt ein Kunde als aktiv.Datenschicht

Eine verbindliche Definition der Geschäftsbegriffe und Kennzahlen an einer Stelle: was genau ist Marge, was zählt als Auftragseingang, ab wann gilt ein Kunde als aktiv. Damit alle Antworten dieselbe Zahl liefern.

In der PraxisWenn drei Abteilungen drei Margen kennen, ist das kein KI-Problem. Die KI macht es nur schneller sichtbar.

Service Mesh

Eine eigene Infrastrukturebene für Microservices, die den Netzwerkverkehr steuert, absichert und beobachtbar macht.Governance

Eine eigene Infrastrukturebene für Microservices, die den Netzwerkverkehr steuert, absichert und beobachtbar macht. Ein Sicherheits- und Betriebsmuster, kein Tool.

In der PraxisAb etwa 20-30 Diensten oder bei Sicherheitsanforderungen zahlt sich die zentrale Ebene aus. Vorher ist sie Betriebsaufwand.
VerwandtKubernetes

Systemprompt

Die vorangestellte Anweisung, die Rolle, Ton und Grenzen eines Modells festlegt.Modelle

Die vorangestellte Anweisung, die Rolle, Ton und Grenzen eines Modells festlegt. Ein Verhaltenshinweis, keine Sicherheitsmaßnahme.

Häufiger Irrtum„Das haben wir im Systemprompt ausgeschlossen.“ Was dort steht, lässt sich durch geschickte Eingaben umgehen. Harte Grenzen gehören in das Gateway und in die Rechte.
VerwandtGuardrails
T

Tenant

Die abgegrenzte Umgebung eines Kunden bei einem Cloud-Anbieter, mit eigener Identität, eigenem Netz und eigener Protokollierung.Plattform

Die abgegrenzte Umgebung eines Kunden bei einem Cloud-Anbieter, mit eigener Identität, eigenem Netz und eigener Protokollierung. Die Abgrenzung ist technisch und organisatorisch geregelt, sie sagt aber nichts darüber, wer die Schlüssel verwaltet.

In der PraxisDie entscheidende Frage bei jedem Anbieter lautet: verlassen die Daten meinen Tenant, wohin, wie lange, und wer kann sie dort einsehen. „Läuft in Ihrem Tenant“ allein beantwortet keine davon.

Token

Die kleinste Verarbeitungseinheit eines Sprachmodells, etwa ein Wortteil.Plattform

Die kleinste Verarbeitungseinheit eines Sprachmodells, etwa ein Wortteil. Die Abrechnungseinheit - bezahlt wird Eingabe und Ausgabe.

In der PraxisWer Token-Limits erreicht, hat meist ein Kontextproblem, kein Kontingentproblem. Zwölf relevante Dateien statt vierhundert lösen es.
Ausführliche Erklärung

Tool Use

Die Fähigkeit eines Modells, definierte Funktionen aufzurufen, statt nur Text zu erzeugen: eine Abfrage starten, einen Datensatz anlegen, eine Datei schreiben.Agenten

Die Fähigkeit eines Modells, definierte Funktionen aufzurufen, statt nur Text zu erzeugen: eine Abfrage starten, einen Datensatz anlegen, eine Datei schreiben. Der technische Kern jedes Agenten.

In der PraxisLesende Werkzeuge sind unkritisch, schreibende nicht. Trennen Sie beides sauber und verlangen Sie für jeden Schreibzugriff eine Freigabe.
VerwandtKI-Agenten

Terraform

Open-Source-Tool von HashiCorp für Infrastructure as Code, das Cloud-Ressourcen über deklarative Konfigurationsdateien verwaltet.Cloud

Open-Source-Tool von HashiCorp für Infrastructure as Code, das Cloud-Ressourcen über deklarative Konfigurationsdateien verwaltet. Der Industriestandard für IaC, der AWS, Azure und Google Cloud aus einer Konfiguration bedient.

In der PraxisDer Einstieg ist klein: ein Netzwerk, zwei Server, eine Datenbank. Wichtig: vor jedem Apply den Plan prüfen. Für Open Source mit Rechtssicherheit ist OpenTofu die strategisch klügere Wahl.
Ausführliche Erklärung
V

Vektordatenbank

Speicher für Vektoren, der zu einer Anfrage die inhaltlich nächstgelegenen Einträge findet.Retrieval

Speicher für Vektoren, der zu einer Anfrage die inhaltlich nächstgelegenen Einträge findet. Ähnlichkeitssuche statt exakter Übereinstimmung - die Suchschicht hinter RAG.

In der PraxisHäufig braucht es dafür kein eigenes System: pgvector bringt die Funktion in eine vorhandene PostgreSQL-Instanz.

Vibe Coding

Eine Arbeitsweise, bei der eine KI den Code aus natürlicher Sprachbeschreibung erzeugt und der Mensch das Ergebnis prüft und korrigiert.Modelle

Eine Arbeitsweise, bei der eine KI den Code aus natürlicher Sprachbeschreibung erzeugt und der Mensch das Ergebnis prüft und korrigiert. Programmieren als Dialog statt als Zeile-für-Zeile-Tippen - der Begriff wurde 2025 von Andrej Karpathy geprägt.

In der PraxisSchnell für Prototypen und interne Tools. Für produktive Systeme gelten die normale Entwicklungsdisziplin: Review, Tests, Dokumentation.
Ausführliche Erklärung
Z

Zero Trust

Das Sicherheitsmodell, bei dem niemand Vertrauen allein durch seine Position im Netzwerk erhält - jede Anfrage wird verifiziert, unabhängig von Firewall oder VPN.Governance

Das Sicherheitsmodell, bei dem niemand Vertrauen allein durch seine Position im Netzwerk erhält - jede Anfrage wird verifiziert, unabhängig von Firewall oder VPN.

In der PraxismTLS ist ein technischer Baustein von Zero Trust, Identity Management und Richtlinien-Engines sind weitere.
VerwandtGuardrails
Ausführliche Erklärung
Kein Eintrag passt zu dieser Suche.
Schreiben Sie uns den Begriff - wir nehmen ihn auf. Kontakt
Begriff fehlt

Fragen Sie den Menschen, der es gebaut hat.

Wenn ein Begriff in Ihrem Projekt konkret wird, ist ein Glossareintrag zu wenig. Dreißig Minuten mit einem Architekten sind meist genug, um zu klären, ob er für Sie überhaupt relevant ist.

Begriff vorschlagen
Fehlt etwas, das in Ihren Ausschreibungen auftaucht?
glossar@pexon-consulting.de Wir nehmen Begriffe auf, die in echten Projekten vorkommen.