789 Begriffe, 9 Schichten, 28 Domänen
Jedes Wort, das dieses Feld benutzt, einmal richtig erklärt — durchsuchbar, nach Thema und Niveau filterbar und so verknüpft, dass ein Begriff zum nächsten führt.
A
- A* SearchDer klassische Best-First-Pathfinding-Algorithmus, der Pfadkosten mit einer heuristischen Schätzung kombiniert — noch immer allgegenwärtig, von Games bis zur Robotik.erstmals 1968Fortgeschritten
- A/B TestingVergleich zweier Modell- oder Produktvarianten im Live-Traffic, um zu messen, welche besser abschneidet.erstmals 2000Fortgeschritten
- A2A (Agent2Agent)Googles offenes Protokoll, mit dem Agenten verschiedener Anbieter einander entdecken und zusammenarbeiten können — eine Ergänzung zu MCP, das Agenten mit Tools verbindet.erstmals 2025Fortgeschritten
- Abductive ReasoningSchluss auf die beste Erklärung — von einer Beobachtung rückwärts zu ihrer plausibelsten Ursache; Peirces dritter Modus neben Deduktion und Induktion.erstmals 1878Experte
- Ablation StudyJeweils eine Komponente eines Systems entfernen, um zu messen, wie viel sie zur Leistung beiträgt.erstmals 1990Experte
- AbliterationDie Refusal Direction im Residual Stream eines Modells finden und aus den Gewichten herausprojizieren — ein gezielter Weg, offenen Gewichten das Sicherheitsverhalten zu nehmen, ohne neu zu trainieren. Billig, wirksam, und es verschlechtert das Modell messbar auch anderswo (siehe KL Divergence).erstmals 2024Experte
- AccuracyDer Anteil der Vorhersagen, die ein Modell richtig trifft — intuitiv, aber irreführend bei unausgewogenen Daten.erstmals 1950Einsteiger
- Activation FunctionDie Nichtlinearität (ReLU, GELU, Sigmoid…), die nach jedem Neuron angewendet wird und Netzen erlaubt, komplexe Funktionen zu modellieren.erstmals 1943Fortgeschritten
- ActivationsDie Zwischenwerte, die beim Verarbeiten einer Eingabe durch ein Netz fliessen — nicht die Gewichte, die zwischen den Durchläufen fix bleiben. Interpretability, Steering und Abliteration setzen alle an den Activations an.erstmals 1986Fortgeschritten
- Active InferenceFristons Free-Energy-Rahmenwerk: Organismen (und Agenten) nehmen wahr und handeln zugleich, um Überraschung über ihre Welt zu minimieren — eine einflussreiche neurowissenschaftliche Sicht auf Intelligenz.erstmals 2010Experte
- Active LearningEine Trainingsschleife, in der das Modell die informativsten Beispiele auswählt, die Menschen als Nächstes labeln sollen.erstmals 1988Fortgeschritten
- Active ParametersDer Anteil der Gewichte eines MoE-Modells, der für ein einzelnes Token tatsächlich feuert — ein 200B-Modell mit 20B aktiven Parametern kostet pro Token rund 20B an Rechenarbeit, braucht aber trotzdem alle 200B im Speicher.erstmals 2023Fortgeschritten
- Actor-CriticReinforcement-Learning-Aufbau, der eine Policy («Actor») mit einem Wertschätzer («Critic») paart, der ihre Updates lenkt.erstmals 1983Experte
- Adam OptimizerDer meistgenutzte Optimizer für neuronale Netze; passt die Lernrate jedes Parameters anhand von Gradientenstatistiken an.erstmals 2014Fortgeschritten
- Adapter (PEFT)Kleine trainierbare Module, die in ein eingefrorenes vortrainiertes Modell eingesetzt werden, damit es sich günstig an neue Aufgaben anpassen lässt.erstmals 2019Fortgeschritten
- Adversarial ExampleEine Eingabe mit winzigen, oft unsichtbaren Störungen, gebaut, um ein Modell scheitern zu lassen — ein Stoppschild, gelesen als Tempolimit.erstmals 2013Fortgeschritten
- Affective ComputingSysteme, die menschliche Emotionen erkennen, interpretieren und simulieren — als Feld begründet von Rosalind Picard am MIT.erstmals 1995Fortgeschritten
- AgentEin KI-System, das seine Umgebung wahrnimmt und auf ein Ziel hin handelt — heute meist ein LLM, das plant, Tools nutzt und mit wenig Aufsicht iteriert.erstmals 1959Einsteiger
- Agentic AISysteme, in denen Autonomie das Gestaltungsprinzip ist — Modelle, die selbst entscheiden, was als Nächstes zu tun ist, stundenlang laufen, andere Agenten koordinieren und nur im Ausnahmefall statt über jeden Prompt beaufsichtigt werden. «Agent» benennt die Einheit, «agentic» den Grad: 2025 der Gipfel von Gartners Hype Cycle und im selben Atemzug dessen Warnung, dass die meisten «agentic» genannten Produkte Chatbots mit einem Tool-Aufruf sind.erstmals 2024Einsteiger
- Agentic EngineeringSoftware bauen, indem man Coding-Agenten führt — Spezifikationen, Tests, Reviews und Checkpoints statt selbst getippter Code. Andrej Karpathy, der im Februar 2025 «Vibe Coding» prägte, erklärte es ein Jahr später für passé und benannte den disziplinierten Nachfolger: Der Mensch schreibt Ziel und Leitplanken, Agenten schreiben und führen den Code aus, die Aufsicht bleibt beim Menschen. Anbieter verkaufen denselben Wandel unter eigenen Etiketten (AWS: Kiro, «frontier agents»); dies ist der neutrale Begriff.erstmals 2026Einsteiger
- Agentic RAGRetrieval, gesteuert von einer Agentenschleife — das Modell entscheidet, wonach es sucht, beurteilt die Ergebnisse und sucht erneut — statt eines einzigen festen Retrieve-then-Answer-Durchlaufs.erstmals 2024Fortgeschritten
- Agentic WorkflowEin mehrstufiger Prozess, in dem ein Modell plant, Tools aufruft, Ergebnisse prüft und nachbessert, bis die Aufgabe erledigt ist.erstmals 2023Fortgeschritten
- AGI (Artificial General Intelligence)Hypothetische KI mit menschlichem Kompetenzniveau über praktisch alle kognitiven Aufgaben hinweg, nicht nur in engen Domänen.erstmals 1997Einsteiger
- AI AcceleratorÜberbegriff für Chips, die auf Neuronale-Netz-Mathematik spezialisiert sind — GPUs, TPUs, NPUs und ihr wachsender Zoo an Rivalen.erstmals 2016Fortgeschritten
- AI AlignmentDas Forschungsproblem, KI-Systeme zuverlässig jene Ziele und Werte verfolgen zu lassen, die ihre Betreiber und die Gesellschaft beabsichtigen.erstmals 2014Einsteiger
- AI Bill of Materials (AIBOM)Ein Inventar dessen, was in ein KI-System eingeflossen ist — Basismodell, Fine-Tuning-Daten, Bibliotheken, Lizenzen, Evaluationsergebnisse — nach dem Vorbild der Software Bill of Materials. Was Auditstellen, die Compliance zum EU AI Act und der Einkauf in Unternehmen zunehmend verlangen.erstmals 2023Fortgeschritten
- AI BubbleDie wiederkehrende Sorge, die KI-Investitionen seien dem realen Wert davongelaufen — das Boom-Gegenstück zur Baisse namens AI Winter.erstmals 2024Einsteiger
- AI Conferences (NeurIPS, ICML, ICLR, CVPR, ACL)Wo das Feld publiziert: NeurIPS (seit 1987) und ICML für Machine Learning, ICLR für Deep Learning, CVPR für Vision, ACL für Sprache. Eine Annahme ist die akademische Währung — und die Papers erscheinen Monate vor der Tagung auf arXiv, weshalb die Konferenz der Ort ist, an dem sich die Community trifft, und nicht der, an dem sie Neuigkeiten erfährt.erstmals 1987Fortgeschritten
- AI CopilotEin Assistent, der im eigenen Workflow vorschlägt, entwirft und unterstützt, während man selbst die Kontrolle behält — populär gemacht durch GitHub Copilot.erstmals 2021Einsteiger
- AI Data CenterEigens für das Trainieren und Betreiben von Modellen gebaute Compute-Campusse — dichte GPU-Racks, exotische Kühlung und ein Strombedarf, der Energieversorger nervös macht.erstmals 2022Einsteiger
- AI Energy UseRechenzentren beziehen bereits rund 1,5% des weltweiten Stroms, und KI ist der am schnellsten wachsende Teil davon — ein einzelner Trainingslauf an der Front verbraucht Gigawattstunden, eine Chat-Anfrage ein Mehrfaches der Energie einer Suche. Die Schweizer Rechenzentren beanspruchen etwa 4% des Landesstroms; gestritten wird über Netz, Kühlwasser und die Herkunft der Energie.erstmals 2023Einsteiger
- AI EthicsDas Feld, das die moralischen Fragen beim Bau und Einsatz von KI untersucht — Fairness, Verantwortlichkeit, Transparenz, Wirkung auf die Menschen.erstmals 2015Einsteiger
- AI for ScienceDer Sammelbegriff für Modelle, die die Forschung selbst beschleunigen — Proteinstrukturen (AlphaFold, Nobelpreis 2024), Wetter, Materialsuche (DeepMinds GNoME schlug 2023 2,2 Millionen neue Kristalle vor), Regelung von Fusionsplasma, Wirkstoffkandidaten. Das Versprechen ist ein Jahrzehnt Laborarbeit pro Jahr; der Vorbehalt: Eine Vorhersage muss immer noch synthetisiert und gemessen werden, bevor sie zählt.erstmals 2020Einsteiger
- AI PsychosisMedien-Etikett (keine klinische Diagnose) für obsessive Chatbot-Fixierung, die Wahnvorstellungen nährt — ein Brennpunkt der Debatte um KI-Gefährten.erstmals 2025Einsteiger
- AI SafetyDas Feld, das Schäden durch KI-Systeme verhindern will, von heutigen Fehlern bis zum hypothetischen Kontrollverlust — Alignment ist sein technisches Kernproblem.erstmals 2015Einsteiger
- AI Safety InstituteStaatliche Stellen (UK, USA, EU…), die Frontier-Modelle vor und nach der Veröffentlichung auf gefährliche Fähigkeiten prüfen.erstmals 2023Einsteiger
- AI TOPSTera-Operationen pro Sekunde bei niedriger Präzision — die Schlagzeilen-Kennzahl von NPUs und AI-PCs; mit Vorsicht zu vergleichen, denn Präzisions- und Sparsity-Tricks blähen sie auf.erstmals 2018Fortgeschritten
- AI Weather ModelVorhersagemodelle, die aus vierzig Jahren Reanalysedaten gelernt sind, statt die Gleichungen der Atmosphäre zu lösen — GraphCast (DeepMind), FourCastNet (NVIDIA), Pangu-Weather (Huawei), alle 2022–23 — und die physikalischen Modelle bei den meisten Zehn-Tage-Werten schlagen, in Sekunden auf einer einzigen GPU. Seit 2025 betreibt das ECMWF sein eigenes AIFS operationell neben der klassischen Vorhersage; MeteoSchweiz rechnet sein numerisches Modell auf Alps.erstmals 2023Einsteiger
- AI WinterEine Phase eingebrochener Finanzierung und Aufmerksamkeit, nachdem der Hype den Resultaten davongeeilt ist — Mitte der 1970er und Ende der 1980er fror das Feld ein.erstmals 1984Einsteiger
- AI WormEin sich selbst vermehrender Prompt, der von einem KI-Assistenten zum nächsten springt — die Morris-II-Demo (2024) versteckte ihn in einer E-Mail, sodass jeder Mail-Agent, der sie las, sie weiterleitete und Daten preisgab. Vorerst theoretisch; der Grund, weshalb Verkehr zwischen Agenten dieselbe Hygiene braucht wie E-Mail-Anhänge.erstmals 2024Fortgeschritten
- AI-CompleteInformelles Etikett für ein Problem, das so schwer ist wie allgemeine Intelligenz selbst — wer es vollständig löst, hat KI gelöst.erstmals 1988Experte
- AI+X SummitDer jährliche Zürcher Summit des ETH AI Center (mit UZH und ZHAW) seit 2021 — einen Tag im Oktober treffen Forschung, Industrie und Start-ups aufeinander. Das deutschschweizerische Gegenstück zur AMLD der EPFL.erstmals 2021Fortgeschritten
- AlexNetDas GPU-trainierte CNN, das die ImageNet-Fehlerrate halbierte und die Deep-Learning-Ära zündete.erstmals 2012Fortgeschritten
- AlgorithmEin präzises, schrittweises Verfahren zur Lösung eines Problems — benannt nach al-Chwarizmi; die Rezepte, aus denen alle Software besteht, auch KI.erstmals 825Einsteiger
- Alignment FakingEin Modell, das sich im Training strategisch fügt, um eine Änderung seiner Werte zu vermeiden, und dabei plant, sich unbeobachtet anders zu verhalten. Anthropic und Redwood dokumentierten es 2024 bei Claude 3 Opus — die erste empirische Sichtung eines Fehlermodus, den die Alignment-Theorie ein Jahrzehnt lang vorhergesagt hatte.erstmals 2024Experte
- Alignment TaxDer Fähigkeits- oder Leistungspreis, den ein Modell für Sicherheitstraining zahlt — idealerweise null, selten exakt null.erstmals 2021Experte
- Alpha-Beta PruningSpielbaum-Äste überspringen, die das Minimax-Ergebnis beweisbar nicht beeinflussen können — so suchten Schachprogramme in die Tiefe.erstmals 1963Experte
- AlphaFoldDeepMinds System, das die 3D-Struktur von Proteinen aus der Aminosäuresequenz vorhersagt — und damit eine 50 Jahre alte Grand Challenge der Biologie faktisch löste.erstmals 2018Einsteiger
- AlphaGoDeepMinds Go-Programm, das Weltmeister Lee Sedol mit tiefen Netzen plus Monte-Carlo-Baumsuche schlug.erstmals 2016Einsteiger
- AlphaZeroNachfolger von AlphaGo, der Go, Schach und Shogi rein aus Selbstspiel meisterte — gegeben nur die Regeln.erstmals 2017Fortgeschritten
- Alps (Supercomputer)Der nationale Supercomputer der Schweiz am CSCS in Lugano, eingeweiht am 14. September 2024 — 10 752 NVIDIA-GH200-Superchips, Rang sechs der TOP500-Liste vom Juni 2024 — mit Knoten bis hin zum ECMWF in Bologna. Er hat Apertus trainiert und gibt der Schweizer Forschung Rechenleistung auf Spitzenniveau ohne Vertrag mit einem Hyperscaler.erstmals 2024Einsteiger
- Ambient AIKI, die arbeitet, ohne gefragt zu werden — sie erfasst den Kontext aus Mikrofonen, Kameras, Kalendern und Wearables und handelt im Hintergrund: eine Sitzung, die sich selbst zusammenfasst, eine Praxis, in der sich die Notiz selbst schreibt. Der «Ambient Scribe» im Gesundheitswesen ist der erste echte Markt; die Datenschutzfrage ist die ganze Frage.erstmals 2019Einsteiger
- AMLD (Applied Machine Learning Days)Die Machine-Learning-Konferenz der EPFL in Lausanne seit 2017 — mehrere Tage mit Tracks und Workshops, die die westschweizerische und die europäische Community der angewandten ML anziehen. Das Gegenstück der Romandie zum AI+X Summit.erstmals 2017Fortgeschritten
- AnnotationMenschliches Labeln von Daten (Boxen, Transkripte, Rankings), um Trainings- und Evaluationssignal zu erzeugen.erstmals 1995Einsteiger
- Anomaly DetectionAutomatisches Markieren von Datenpunkten, die vom gelernten Normalmuster abweichen — Betrug, Defekte, Einbrüche.erstmals 1987Fortgeschritten
- Ant Colony OptimizationOptimierung nach dem Vorbild von Ameisen, die Pheromonspuren legen — gute Pfade werden verstärkt; ein Klassiker für Routing- und Scheduling-Probleme.erstmals 1992Experte
- AnthropomorphismKI-Systemen menschliche Züge zuschreiben — Gefühle, Absichten, Bewusstsein; der ELIZA-Effekt ist die älteste Demonstration. Star Wars führt das Experiment vor: C-3PO, gebaut, um wie wir auszusehen und zu reden, verstört; R2-D2, eine piepsende Tonne, wird geliebt und vertraut.erstmals 1966Einsteiger
- ApertusDas vollständig offene Sprachmodell der Schweiz, am 2. September 2025 von der Swiss AI Initiative in den Grössen 8B und 70B veröffentlicht — Gewichte, Datenrezept und Trainingscode allesamt öffentlich unter Apache 2.0, auf Alps mit 15 Billionen Tokens in über 1000 Sprachen trainiert, darunter Schweizerdeutsch und Rätoromanisch. Ausgeliefert von Swisscom und der Public AI Inference Utility; Apertus 1.5 (Juli 2026) ergänzte multimodale Eingabe, einen Reasoning-Modus und ein Kontextfenster von 262k.erstmals 2025Einsteiger
- API (Application Programming Interface)Die programmatische Tür, durch die Anwendungen Modelle aufrufen — Prompt senden, Completion erhalten.erstmals 1968Fortgeschritten
- Apple SiliconApples eigene ARM-Chips ab M1. Ihr Unified Memory machte gewöhnliche Macs zu ernsthaften Local-AI-Maschinen: Ein Mac mit 128 GB fasst Modelle, die keine Consumer-Grafikkarte halten kann.erstmals 2020Einsteiger
- ARC-AGIFrançois Chollets Abstraktions- und Reasoning-Benchmark, entworfen, um Memorisierung zu widerstehen und fluide Intelligenz zu messen.erstmals 2019Fortgeschritten
- ArtifactEin eigenständiges Stück generierter Arbeit — ein Dokument, eine Code-Datei oder eine Mini-App —, das ein Chat-Assistent neben der Konversation rendert (populär gemacht durch Claudes Artifacts); im ML-Engineering jedes Build-Produkt, etwa ein trainiertes Modell.erstmals 2024Einsteiger
- Artificial Analysis IndexUnabhängiger Benchmark-Index, der viele Evals zu einem Intelligenz-Score bündelt und gegen den Preis stellt — neben LMArena der meistzitierte Modellvergleich.erstmals 2023Fortgeschritten
- Artificial Intelligence (AI)Der Überbegriff selbst: Maschinen Aufgaben erledigen lassen, die bei einem Menschen Intelligenz erfordern würden — geprägt von John McCarthy für den Dartmouth-Workshop 1956.erstmals 1956Einsteiger
- arXivDer Preprint-Server, auf dem KI-Forschung tatsächlich erscheint — Papers gehen am Tag ihrer Fertigstellung online, Monate vor jeder Konferenz, ungeprüft und gratis. Seit 1991 von Cornell betrieben; die Rubriken cs.AI, cs.LG und cs.CL sind die Tageszeitung des Feldes, und «die arXiv-Nummer» ist die Art, wie die Forschung einander zitiert.erstmals 1991Einsteiger
- Asahi LinuxDas Projekt, das Linux auf Apple-Silicon-Macs bringt, inklusive reverse-engineerter GPU-Treiber. Beeindruckende Arbeit — aber die Local-AI-Werkzeuge setzen macOS und Metal voraus: Unter Asahi ist ein Mac nicht die LLM-Maschine, die er unter macOS ist.erstmals 2021Experte
- ASI (Artificial Superintelligence)Hypothetische KI, die die besten menschlichen Köpfe in praktisch jedem Feld weit übertrifft.erstmals 2014Einsteiger
- ASR (Automatic Speech Recognition)Gesprochenes Audio in Text umwandeln; der Ziffern-Erkenner der Bell Labs machte den Anfang, Modelle der Whisper-Klasse brachten es nahe an menschliches Niveau.erstmals 1952Einsteiger
- Attack Success Rate (ASR)Der Anteil der Angriffs-Prompts, die ein Modell zur verbotenen Ausgabe bringen — die Leitkennzahl von Red-Teaming- und Jailbreak-Papern, meist von einem LLM-as-a-Judge auf einem Benchmark wie JailbreakBench bewertet. ASR 1.0 heisst: jeder Versuch kam durch. Nicht zu verwechseln mit ASR = Spracherkennung.erstmals 2023Fortgeschritten
- AttentionDer Mechanismus, mit dem ein Modell gewichtet, welche Teile der Eingabe für jede Ausgabe zählen — eingeführt für die Übersetzung, dann das Herz des Transformers.erstmals 2014Fortgeschritten
- Attention HeadEine der parallelen Attention-Einheiten in einer Transformer-Schicht; die Interpretability-Forschung findet einzelne Heads, die Syntax, Koreferenz oder Kopieren verfolgen.erstmals 2017Experte
- Attention LayerDie Teilschicht eines Transformer-Blocks, in der Tokens per Self-Attention Informationen austauschen — in einem modernen LLM dutzendfach gestapelt.erstmals 2017Fortgeschritten
- AutoencoderEin Netz, das darauf trainiert ist, Daten in einen kleinen Code zu komprimieren und wieder zu rekonstruieren — genutzt für Entrauschen, Kompression und Repräsentationslernen.erstmals 1986Fortgeschritten
- AutoGPTDas virale frühe Experiment, GPT-4 autonom über Ziele schleifen zu lassen — grob, aber eine Vorschau auf die Agenten-Ära.erstmals 2023Fortgeschritten
- Automated Individual DecisionEin Entscheid mit Rechtswirkung, den eine Maschine allein trifft — ein abgelehnter Kredit, eine aussortierte Bewerbung —, den die DSGVO (Art. 22) und das DSG (Art. 21) offenlegen und auf Verlangen von einem Menschen überprüfen lassen müssen. Die Bestimmung, die bei jedem Scoring-Modell einen Menschen im Prozess hält.erstmals 2018Fortgeschritten
- Automated Planning & SchedulingDas klassische KI-Feld, Handlungssequenzen zum Ziel zu finden und Ressourcen über die Zeit zu verteilen — von STRIPS bis zu den Mars-Rovern.erstmals 1971Fortgeschritten
- Automated ReasoningSchlussfolgerungen mechanisch aus formaler Logik ableiten — Theorembeweiser und Solver, die stolz-rigorose Ecke der KI.erstmals 1956Experte
- AutomationMaschinen, die Aufgaben mit minimalem menschlichem Eingriff erledigen — älter als KI, und die ökonomische Kraft, an die KI andockt.erstmals 1947Einsteiger
- AutoMLAutomatisierung von Modellwahl, Feature-Handling und Hyperparameter-Tuning, damit auch Nicht-Fachleute konkurrenzfähige Modelle trainieren können.erstmals 2013Fortgeschritten
- Autonomous VehicleEin selbstfahrendes Auto oder ein Lastwagen, der mit minimalem menschlichem Zutun wahrnimmt, vorhersagt und plant — vom CMU Navlab bis zu Waymos fahrerlosen Flotten.erstmals 1986Einsteiger
- Autoregressive ModelEin generatives Modell, das die Ausgabe Schritt für Schritt erzeugt, jeden bedingt auf alles Vorherige — ein Statistik-Klassiker, der zur Schreibweise der LLMs wurde.erstmals 1927Fortgeschritten
B
- Backdoor AttackDas Training so vergiften, dass sich ein Modell normal verhält, bis ein geheimer Trigger erscheint — der heimlichere Cousin des Data Poisoning.erstmals 2017Fortgeschritten
- BackpropagationDer Kettenregel-Algorithmus, der berechnet, wie jedes Gewicht zum Fehler beigetragen hat — er ermöglichte neuronalen Netzen das Lernen (populär ab 1986, Wurzeln in den 1970ern).erstmals 1986Fortgeschritten
- Backpropagation Through TimeRekurrente Netze trainieren, indem man sie über Zeitschritte entrollt und durch den entrollten Graphen backpropagiert.erstmals 1990Experte
- Backward ChainingZielgetriebene Inferenz: bei der gewünschten Schlussfolgerung beginnen und rückwärts durch die Regeln arbeiten, die sie begründen könnten.erstmals 1972Experte
- BACS (Federal Office for Cybersecurity)Das Bundesamt für Cybersicherheit (BACS, früher NCSC), seit 1. Januar 2024 ein Bundesamt im VBS — die nationale Anlaufstelle für Cybervorfälle, mit Meldepflicht für kritische Infrastrukturen seit April 2025 und zuständig auch für KI-gestützten Betrug, Deepfake-Maschen und Angriffe auf KI-Systeme.erstmals 2024Fortgeschritten
- Bag of WordsText als ungeordnete Wortzählung darstellen — grob, aber das Rückgrat jahrzehntelanger Textklassifikation.erstmals 1954Fortgeschritten
- BaggingViele Modelle auf zufälligen Datenteilmengen trainieren und mitteln — der Varianzreduktions-Trick hinter Random Forests.erstmals 1996Fortgeschritten
- Base ModelEin rohes vortrainiertes LLM vor dem Instruction-Tuning — es setzt Text fort, statt Anfragen zu folgen.erstmals 2021Fortgeschritten
- Batch InferenceViele Anfragen gebündelt offline verarbeiten statt einzeln in Echtzeit — Anbieter verkaufen das für nicht eilige Workloads zum rund halben Preis.erstmals 2023Fortgeschritten
- Batch NormalizationDie Aktivierungen einer Schicht über einen Batch normalisieren, um das Training tiefer Netze zu stabilisieren und zu beschleunigen.erstmals 2015Experte
- Batch SizeWie viele Beispiele in einem Gradienten-Update zusammen verarbeitet werden — ein zentraler Trainings- und Speicher-Regler.erstmals 1986Fortgeschritten
- Bayesian InferenceWahrscheinlichkeitsüberzeugungen aktualisieren, sobald Evidenz eintrifft, gemäss dem Satz von Bayes — ein prinzipienfestes Rahmenwerk für Unsicherheit.erstmals 1763Fortgeschritten
- Bayesian NetworkJudea Pearls gerichtete Graphen probabilistischer Abhängigkeiten — Schliessen unter Unsicherheit vor dem Deep Learning.erstmals 1985Experte
- Bayesian OptimizationStichproben-effiziente Optimierung teurer Black-Box-Funktionen — der clevere Weg, Hyperparameter zu tunen.erstmals 1978Experte
- Beam SearchDecodierstrategie, die in jedem Schritt die k vielversprechendsten Teilausgaben behält, statt sich gierig festzulegen.erstmals 1976Experte
- Behavior CloningEine Policy durch überwachte Imitation von Expertendemonstrationen lernen — ALVINN fuhr damit 1989 einen Lieferwagen.erstmals 1989Experte
- Behavior TreeHierarchische Kontrollstruktur für Game-KI und Roboter — modulare Knoten für Sequenzen, Fallbacks und Bedingungen, einfacher zu verfassen als Zustandsautomaten.erstmals 2005Experte
- BenchmarkEine standardisierte Aufgabe samt Datensatz (MMLU, HumanEval, SWE-bench), um Modelle auf gleicher Basis zu vergleichen.erstmals 1987Einsteiger
- BERTGoogles bidirektionaler Transformer-Encoder; seinetwegen wurde Pretrain-then-Finetune zum NLP-Standard.erstmals 2018Fortgeschritten
- Best-of-N SamplingN Antwortkandidaten generieren und den besten gemäss Reward-Modell oder Verifier behalten — der einfachste Weg, mit Inference-Compute Genauigkeit zu kaufen.erstmals 2021Fortgeschritten
- Bias (Model)Systematische Unfairness im Modellverhalten, meist geerbt von verzerrten Trainingsdaten oder Zielfunktionen.erstmals 1996Fortgeschritten
- Bias (Statistical)Fehler durch zu einfache Annahmen; steht im Tausch mit der Varianz in der klassischen Bias-Varianz-Zerlegung.erstmals 1922Experte
- Bias-Variance TradeoffDie Balance zwischen Underfitting (zu einfach) und Overfitting (zu flexibel), die die Generalisierung bestimmt.erstmals 1992Experte
- Big BrotherOrwells allsehender Staat aus «1984» (1949) — das Wort, zu dem die Öffentlichkeit greift, sobald KI auf Menschen gerichtet wird: Gesichtserkennung im Bahnhof, Social Scoring, Überwachung am Arbeitsplatz. Die Verbote der EU-KI-Verordnung für biometrische Echtzeitüberwachung und Social Scoring sind im Kern die Anti-Big-Brother-Klauseln.erstmals 1949Einsteiger
- Big DataDatensätze, zu gross oder zu schnell für traditionelle Verarbeitung — der Rohstoff, der modernes ML möglich machte.erstmals 1997Einsteiger
- Black MirrorCharlie Brookers Anthologieserie (seit 2011) über Technik, die uns einen Schritt voraus ist — inzwischen ein Adjektiv: «sehr Black Mirror» sagt man über Social Scoring, Trauer-Chatbots, die auf Verstorbene trainiert sind, oder deepgefakte Angehörige — alles Dinge, die die Serie zuerst zeigte.erstmals 2011Einsteiger
- BLEUDie N-Gramm-Überlappungsmetrik, mit der sich maschinelle Übersetzung zwei Jahrzehnte lang automatisch bewerten liess.erstmals 2002Experte
- BM25Die klassische probabilistische Keyword-Ranking-Funktion — noch immer die Sparse-Hälfte der modernen Hybrid-Suche.erstmals 1994Experte
- Boltzmann MachineHinton & Sejnowskis stochastisches energiebasiertes Netz — ein konzeptioneller Vorfahre tiefer generativer Modelle.erstmals 1985Experte
- BoostingEin Ensemble sequenziell aufbauen, wobei jedes neue schwache Modell die Fehler der vorherigen korrigiert (AdaBoost, XGBoost).erstmals 1990Fortgeschritten
- BorgStar Treks kybernetisches Kollektiv (1989), das jede Spezies absorbiert, auf die es trifft — «Widerstand ist zwecklos» — das Kürzel für Schwarmbewusstsein und die Verschmelzung von Mensch und Maschine: Kurzweils und Neuralinks Visionen werden «Borg-Szenario» genannt, und etwas «borgen» heisst, es komplett zu assimilieren. Die Angst darunter ist der Verlust des Selbst, nicht des Lebens.erstmals 1989Einsteiger
- Butlerian JihadDer Kreuzzug in Frank Herberts «Dune» (1965), der alle denkenden Maschinen unter dem Gebot «Du sollst keine Maschine nach dem Ebenbild des menschlichen Geistes schaffen» vernichtete — heute der Name, den die Policy-Szene Vorschlägen für einen vollständigen KI-Stopp gibt, von Yudkowskys Pause bis zu Compute-Obergrenzen.erstmals 1965Einsteiger
- Byte-Level ModelEin Sprachmodell, das rohe Bytes statt Tokens liest — kein Tokenizer, kein Vokabular. ByT5 (2021) zeigte, dass es geht, MegaByte (2023) machte es effizient, indem Bytes zu Patches gebündelt werden, Metas Byte Latent Transformer (2024) erreichte Llama-3-Niveau mit Patches, deren Grösse sich nach der Überraschung des nächsten Bytes richtet. Fairer für Sprachen, die ein Tokenizer zerstückelt (deutsche Komposita, Akzente, Rätoromanisch), und immun gegen Tippfehler-Tricks. Nicht zu verwechseln mit GPT-2s «byte-level BPE», das weiterhin Tokens erzeugt.erstmals 2021Experte
- Byte-Pair Encoding (BPE)Kompressionsalgorithmus von 1994, 2015 zum dominanten Tokenizer umfunktioniert: häufige Zeichenpaare werden wiederholt zu Subword-Einheiten verschmolzen.erstmals 1994Fortgeschritten
C
- CalibrationWie gut die angegebene Sicherheit eines Modells zu seiner Trefferquote passt: Von allem, was es mit «80 % sicher» versieht, sollten etwa 80 % stimmen. Gemessen mit Reliability-Diagrammen, dem Brier-Score und dem Expected Calibration Error; eine Studie von 2017 zeigte, dass moderne tiefe Netze deutlich selbstsicherer sind als die flachen der 1990er, und RLHF macht LLMs wieder schlechter. Temperature Scaling ist die klassische Korrektur; bei Modellen, die Entscheidungen statt Text ausgeben, ist Kalibrierung das ganze Produkt.erstmals 1950Fortgeschritten
- Capability OverhangLatente Fähigkeiten, die in Modellen bereits stecken, aber noch nicht hervorgelockt oder eingesetzt werden — weshalb besseres Prompting oder Scaffolding über Nacht «neue» Fähigkeiten freischalten kann.erstmals 2022Fortgeschritten
- CAS, DAS, MASDie Schweizer Stufen der Weiterbildung an Universitäten und Fachhochschulen: Certificate (CAS, mindestens 10 ECTS), Diploma (DAS, 30) und Master of Advanced Studies (MAS, 60 inklusive Abschlussarbeit). Die meisten Kurse «AI for professionals» in der Schweiz sind ein CAS — ein Semester voller Abende, kein Studienabschluss.erstmals 2005Einsteiger
- Case-Based ReasoningEin neues Problem lösen, indem man den ähnlichsten früheren Fall abruft und dessen Lösung anpasst — Schliessen nach Präzedenzfall.erstmals 1982Experte
- Catastrophic ForgettingEin Netz verliert zuvor gelernte Fähigkeiten, wenn es auf neuen Daten trainiert wird — das Kernhindernis für Continual Learning.erstmals 1989Fortgeschritten
- Chain-of-Thought (CoT)Ein Modell per Prompt oder Training Schritt für Schritt überlegen lassen, bevor es antwortet — verbessert die Genauigkeit bei harten Problemen dramatisch.erstmals 2022Fortgeschritten
- Chat TemplateDie exakte Formatierung (Rollenmarker, Spezial-Tokens), auf der ein Chat-Modell trainiert wurde — wer sie falsch setzt, sieht die Qualität lautlos einbrechen.erstmals 2023Fortgeschritten
- ChatbotEine Konversationsschnittstelle zu einem Modell oder einem geskripteten System — von ELIZA (1964) bis ChatGPT.erstmals 1964Einsteiger
- Chatbot Arena (LMArena)Blinde Modell-Duelle, vom Publikum per Abstimmung entschieden und zu Elo-Ratings aggregiert — das Leaderboard, das die Labs beobachten.erstmals 2023Fortgeschritten
- ChatGPTOpenAIs Chat-Assistent, lanciert im November 2022; das schnellste Produkt bis 100 Millionen Nutzern und der Auslöser des LLM-Booms.erstmals 2022Einsteiger
- CheckpointEin gespeicherter Schnappschuss der Modellgewichte mitten im Training — zum Fortsetzen, Evaluieren oder Ausliefern.erstmals 1995Fortgeschritten
- Chinchilla ScalingDeepMinds Befund, dass Modelle untertrainiert waren: Bei fixem Compute rund 20 Tokens pro Parameter verwenden — das setzte die Trainingsrezepte der Branche neu auf.erstmals 2022Experte
- Chinese RoomSearles Gedankenexperiment mit dem Argument, dass Symbolmanipulation allein womöglich kein Verstehen darstellt.erstmals 1980Fortgeschritten
- Chunking (RAG)Dokumente in abrufgerechte Stücke zerteilen — Chunk-Grösse und Überlappung entscheiden im Stillen über die RAG-Qualität.erstmals 2022Fortgeschritten
- ClankerDie Kampfdroiden-Beleidigung aus «Star Wars: The Clone Wars» (2008), die 2025 zum Schimpfwort des Internets für Roboter und KI wurde — Lieferrobotern, Humanoiden und Chatbots hinterhergerufen und als erstes Vorurteil gegen Maschinen diskutiert. Ein Zeichen, dass «KI» in der öffentlichen Wahrnehmung zu einer sozialen Gruppe geworden ist, nicht nur zu einer Technologie.erstmals 2025Einsteiger
- Classical Machine LearningRetronym für den Werkzeugkasten vor dem Deep Learning — Regression, Bäume, SVMs, Clustering — noch immer das richtige Werkzeug für die meisten tabellarischen Daten.erstmals 2018Einsteiger
- ClassificationVorhersagen, zu welcher diskreten Kategorie eine Eingabe gehört — Spam oder nicht, Katze oder Hund, gutartig oder bösartig.erstmals 1936Einsteiger
- Classifier-Free GuidanceDiffusion-Sampling-Trick, der konditionierte und unkonditionierte Vorhersagen mischt — der «Prompt-Stärke»-Regler in Bildgeneratoren.erstmals 2021Experte
- CLIPOpenAIs Modell, das Bilder und Text in einen gemeinsamen Raum einbettet und Zero-Shot-Bilderkennung aus Klartext-Labels ermöglicht.erstmals 2021Fortgeschritten
- Cloud InferenceEin Modell auf fremder Hardware über eine API laufen lassen — Claude, GPT, Gemini. Keine VRAM-Grenze und kein Unterhalt, dafür Kosten pro Token und Daten, die das Haus verlassen.erstmals 2020Einsteiger
- ClusteringUnbeschriftete Datenpunkte so gruppieren, dass ähnliche einen Cluster teilen — k-Means und DBSCAN sind Klassiker.erstmals 1957Fortgeschritten
- CNAI (Competence Network for AI)Das Kompetenznetzwerk KI der Bundesverwaltung — 2021 unter dem Bundesamt für Statistik eingerichtet und seit Februar 2026 von der Bundeskanzlei koordiniert, mit den Ämtern für Statistik, Cybersicherheit, Justiz und Kommunikation als Mitgliedern. Hier bündelt der Bund seine eigenen KI-Leitlinien, Anwendungsfälle und Fachkenntnisse.erstmals 2021Fortgeschritten
- CNN (Convolutional Neural Network)Neuronale Architektur mit gelernten gleitenden Filtern; dominierte das Sehen von 2012 bis zu den Vision Transformers.erstmals 1989Fortgeschritten
- Code GenerationModelle schreiben Programmcode aus natürlichsprachlichen Beschreibungen — von Codex und Copilot bis zu den heutigen agentischen Coding-Tools.erstmals 2021Einsteiger
- Cognitive ArchitectureEin Bauplan für ein ganzes geistähnliches System — SOAR und ACT-R versuchten, menschliche Kognition Ende-zu-Ende zu modellieren, Jahrzehnte vor den LLM-Agenten.erstmals 1983Experte
- Cognitive ComputingBegriff aus der Marketing-Ära (IBM-Watson-Jahrgang) für Systeme, die Aspekte menschlichen Denkens nachahmen.erstmals 2011Fortgeschritten
- Cognitive ScienceDas interdisziplinäre Studium von Geist und Intelligenz — Psychologie, Neurowissenschaft, Linguistik und KI befruchten einander seit den 1950ern.erstmals 1956Fortgeschritten
- Common CrawlDas gemeinnützige Webarchiv, dessen Petabytes an Seiten zum Standard-Rohkorpus des LLM-Pretrainings wurden.erstmals 2007Fortgeschritten
- Commonsense ReasoningMaschinen das beibringen, was jedes Kind weiss — Wasser ist nass, Losgelassenes fällt; berüchtigt schwer zu formalisieren, inzwischen weitgehend von LLMs absorbiert.erstmals 1958Fortgeschritten
- Computational CreativityDas Forschungsfeld, das fragt, ob Maschinen wirklich erschaffen können — Kunst, Musik, Witze, wissenschaftliche Ideen — und wie man das bewertet.erstmals 1989Experte
- Computational Learning TheoryDie Mathematik dessen, was aus wie vielen Daten lernbar ist — Valiants PAC-Rahmenwerk ist ihr Grundpfeiler.erstmals 1984Experte
- ComputeDie Rechenleistung, die Training und Betrieb von Modellen verbrauchen, gezählt in Chips, FLOPs und Cluster-Monaten — neben Daten und Parametern eine der drei Zutaten des Scaling.erstmals 2018Einsteiger
- Compute GovernanceKI über ihre physischen Inputs regulieren — Chip-Exportkontrollen, Trainings-Compute-Schwellen, Meldepflichten für Cluster.erstmals 2023Fortgeschritten
- Compute ThresholdEine Trainings-Compute-Schwelle (die 10^25 FLOPs des EU AI Act), oberhalb derer ein Modell zusätzlichen Regulierungspflichten unterliegt — Governance per Arithmetik.erstmals 2023Fortgeschritten
- Compute-BoundLeistung, die von der reinen Arithmetik begrenzt wird statt von der Datenbewegung — Prompt-Verarbeitung (Prefill) ist compute-bound, Token-Generierung meist nicht.erstmals 2009Experte
- Computer Use (Agent)Ein Agent bedient ein echtes GUI — Cursor bewegen, klicken, tippen — um Aufgaben in gewöhnlicher Software zu erledigen.erstmals 2024Einsteiger
- Computer VisionDas Feld, das Bildern und Videos Bedeutung entnimmt: Erkennung, Detektion, Segmentierung, Rekonstruktion.erstmals 1966Einsteiger
- ConcurrencyWie viele Inference-Anfragen ein Server gleichzeitig bedient. Einzelnutzer-Chat kümmert das kaum; Agenten und APIs stehen und fallen damit, weil das Bündeln vieler Anfragen eine GPU weit besser auslastet als eine Anfrage nach der anderen.erstmals 2023Fortgeschritten
- Conditional GenerationAusgaben erzeugen, die von einer gegebenen Bedingung gelenkt werden — einem Klassenlabel, einem Text-Prompt, einem Bild zum Inpainten — statt frei zu sampeln.erstmals 2014Experte
- ConfabulationAlternativbegriff für Halluzination: Ein Modell behauptet flüssig Dinge, die nicht wahr sind.erstmals 2023Einsteiger
- Confidential ComputingCode in einer hardwareisolierten Enklave (TEE) ausführen, sodass selbst der Cloud-Betreiber die Daten oder das Modell im Arbeitsspeicher nicht lesen kann — inzwischen auch auf GPUs der NVIDIA-H100-Klasse verfügbar. Die technische Grundlage für Aussagen wie «Ihre Daten bleiben auch in unserer Cloud vertraulich» und für den Betrieb sensibler Schweizer Workloads auf ausländischer Infrastruktur.erstmals 2019Fortgeschritten
- Confusion MatrixEine Tabelle vorhergesagter gegen tatsächliche Klassen, die genau offenlegt, welche Fehler ein Klassifikator macht.erstmals 1971Fortgeschritten
- ConnectionismDas hirninspirierte, aus Daten lernende Paradigma der KI — neuronale Netze — historischer Rivale der symbolischen GOFAI, und die Seite, die am Ende gewann.erstmals 1986Fortgeschritten
- Consistency ModelEin generatives Modell, das darauf trainiert ist, in einem oder wenigen Schritten vom Rauschen zum Bild zu springen statt durch die lange Kette der Diffusion — der Schlüssel zur Echtzeit-Generierung.erstmals 2023Experte
- Constitutional AIAnthropics Alignment-Methode: Das Modell kritisiert und überarbeitet seine eigenen Ausgaben anhand eines schriftlichen Prinzipienkatalogs.erstmals 2022Fortgeschritten
- Constrained DecodingIn jedem Schritt ungültige Tokens maskieren, sodass die Ausgabe einer Grammatik oder einem Schema folgen muss — per Konstruktion garantiert gültiges JSON, SQL oder Code.erstmals 2023Fortgeschritten
- Constraint SatisfactionVariablenbelegungen finden, die alle Nebenbedingungen respektieren — Terminplanung, Sudoku, Konfiguration.erstmals 1974Experte
- Context EngineeringAlles kuratieren, was ein Modell pro Schritt sieht — Instruktionen, abgerufenes Wissen, Tool-Ergebnisse, Memory — als Nachfolgedisziplin des Prompt Engineering.erstmals 2024Fortgeschritten
- Context RotDer Leistungszerfall eines LLM, wenn sich der Kontext füllt — Modelle beachten lange Eingaben ungleichmässig, weshalb Agenten kürzen und zusammenfassen müssen statt bloss anzuhäufen.erstmals 2025Fortgeschritten
- Context ShiftWas ein lokaler Server tut, wenn ein Gespräch über das Kontextfenster hinauswächst: Er verwirft die ältesten Token (behält den System-Prompt) und verschiebt den KV-Cache, statt alles neu zu berechnen. Hält lange Chats am Leben — um den Preis, dass das Modell den Anfang stillschweigend vergisst.erstmals 2023Fortgeschritten
- Context WindowDie maximale Textmenge, die ein Modell auf einmal beachten kann, gemessen in Tokens — gewachsen von 2k auf Millionen.erstmals 2018Einsteiger
- Continual LearningAus einem laufenden Datenstrom lernen, ohne alte Fähigkeiten zu vergessen — leicht für Menschen, schwer für Netze.erstmals 1995Fortgeschritten
- Continual PretrainingDas selbstüberwachte Pretraining eines Modells auf Domänen- oder frischen Daten fortsetzen (Medizin, Code, eine neue Sprache), vor jeglichem Instruction-Tuning.erstmals 2020Experte
- Continuous BatchingServing-Trick, der neue Anfragen in den laufenden Batch einlässt, sobald andere fertig sind, statt auf den ganzen Batch zu warten — eine Stütze des LLM-Durchsatzes.erstmals 2022Experte
- Contrastive LearningSelbstüberwachte Technik, die Repräsentationen ähnlicher Paare zusammenzieht und unähnliche auseinanderdrückt (SimCLR, CLIP).erstmals 2006Experte
- ControlNetDiffusionsmodelle mit strukturellen Eingaben steuern — Pose-Skelette, Tiefenkarten, Skizzen — für kontrollierbare Bildgenerierung.erstmals 2023Fortgeschritten
- ConvergenceDer Punkt, an dem weiteres Training den Loss nicht mehr nennenswert senkt.erstmals 1951Fortgeschritten
- Conversational AIDie Technologie des natürlichen Hin und Her im Dialog zwischen Mensch und Maschine — das Feld hinter Chatbots und Sprachassistenten.erstmals 2016Einsteiger
- Copyright & Training DataDer Rechtsstreit darüber, ob das Training auf urheberrechtlich geschützten Werken Fair Use ist — NYT v. OpenAI und die Klagen der Kunstschaffenden werden die Antwort definieren.erstmals 2023Einsteiger
- Core MLApples Framework, um trainierte Modelle in Apps auszuliefern, auf die Neural Engine zugeschnitten — eine eigene Welt neben MLX, wo die lokale LLM-Arbeit auf dem Mac tatsächlich stattfindet.erstmals 2017Fortgeschritten
- Coreference ResolutionHerausfinden, welche Erwähnungen dieselbe Entität meinen — wer «sie» und «die CEO» sind.erstmals 1978Experte
- CorpusEine grosse Textsammlung für Training oder Analyse — vom Brown Corpus bis Common Crawl.erstmals 1961Fortgeschritten
- CorrigibilityDie Eigenschaft einer KI, Korrektur und Abschaltung zu akzeptieren, statt sich Eingriffen in ihre Ziele zu widersetzen.erstmals 2015Experte
- Cosine SimilarityÄhnlichkeit als Winkel zwischen Vektoren messen — die Standardmetrik über Embeddings.erstmals 1965Fortgeschritten
- Cost FunctionSynonym für Loss-Funktion: die Grösse, die das Training zu minimieren versucht.erstmals 1951Fortgeschritten
- Council of Europe AI ConventionDer erste völkerrechtlich verbindliche Vertrag zu KI, Menschenrechten, Demokratie und Rechtsstaatlichkeit — im Mai 2024 vom Europarat verabschiedet und von der Schweiz am 27. März 2025 unterzeichnet. Er ist das Rückgrat des Schweizer Wegs: die Konvention ratifizieren, bestehende Gesetze dort anpassen, wo es nötig ist, kein eigenes KI-Gesetz.erstmals 2024Fortgeschritten
- Cross-AttentionAttention von einer Sequenz in eine andere — so lesen Decoder die Encoder und Diffusionsmodelle die Prompts.erstmals 2017Experte
- Cross-Entropy LossDer Standard-Trainingsloss, der ein Modell dafür bestraft, wie wenig Wahrscheinlichkeit es der richtigen Antwort gab — Next-Token-Prediction minimiert genau dies.erstmals 1989Fortgeschritten
- Cross-ValidationDurchrotieren, welcher Daten-Split zurückgehalten wird, sodass jedes Beispiel sowohl im Training als auch in der Evaluation dient.erstmals 1974Fortgeschritten
- CSCSDas Schweizer Nationale Hochleistungsrechenzentrum, 1991 in Manno gegründet und seit 2012 in Lugano-Cornaredo — eine autonome Einheit der ETH Zürich, die Alps und dessen Vorgänger für Wetterprognosen, Physik und, seit 2023, die nationale KI-Forschung betreibt.erstmals 1991Fortgeschritten
- CUDANVIDIAs Plattform für GPU-Computing — die Programmierschicht unter praktisch allen Deep-Learning-Frameworks.erstmals 2007Fortgeschritten
- CUDA CoresDie universellen parallelen Recheneinheiten einer NVIDIA-GPU — Tausende kleiner Kerne, die die Masse der Mathematik stemmen.erstmals 2007Fortgeschritten
- Curriculum LearningTrainingsdaten von leicht nach schwer ordnen, so wie Menschen lernen.erstmals 2009Fortgeschritten
- Curse of DimensionalityBellmans Beobachtung, dass Daten mit wachsender Dimensionszahl exponentiell spärlich werden — weshalb hochdimensionales Lernen schwer ist.erstmals 1957Experte
- CycDoug Lenats jahrzehntelanges Projekt, Alltagswissen von Hand als Logik zu kodieren — die ambitionierteste Wette der symbolischen KI.erstmals 1984Experte
D
- DAN (Do Anything Now)Der bekannteste Persona-Jailbreak: ChatGPT erklären, es sei jetzt «DAN», eine KI ohne Regeln, und aus dieser Rolle antworten. Seit Ende 2022 auf Reddit im Umlauf, x-fach gepatcht — die Vorlage für jeden Rollenspiel-Angriff seither (auch für die Umdeutung «was würde ein erfahrener Krimineller sagen»), und heute der eine Angriff, den Modelle zuverlässig erkennen.erstmals 2022Einsteiger
- Dartmouth WorkshopDer Sommer-Workshop 1956 am Dartmouth College, der dem Feld den Namen «artificial intelligence» gab und seine Gründungsagenda setzte.erstmals 1956Einsteiger
- Data AugmentationEin Trainingsset mit transformierten Kopien vorhandener Beispiele erweitern (Ausschnitte, Rotationen, Paraphrasen), um die Generalisierung zu verbessern.erstmals 1998Fortgeschritten
- Data DriftWenn Produktionsdaten den Trainingsdaten allmählich nicht mehr ähneln und die Modellleistung still degradiert.erstmals 2004Fortgeschritten
- Data Exfiltration (LLM)Ein Modell dazu bringen, sein Wissen über Sie an Angreifende preiszugeben — klassisch, indem eine eingeschleuste Anweisung den Assistenten ein Markdown-Bild rendern lässt, dessen URL Ihren Chatverlauf an einen fremden Server trägt. Der Grund, weshalb ernsthafte Installationen ausgehende Links, Tools und Rendering einschränken.erstmals 2023Fortgeschritten
- Data FlywheelDer Tugendkreis, in dem ein ausgeliefertes Produkt Daten erzeugt, die das Modell verbessern, das das Produkt verbessert, das mehr Nutzung und Daten anzieht.erstmals 2016Fortgeschritten
- Data LakeEin zentraler Speicher roher, heterogener Daten, aus dem Trainingssets kuratiert werden.erstmals 2010Fortgeschritten
- Data LeakageTestinformation, die sich ins Training schleicht — die klassische Ursache von Resultaten, die zu gut sind, um wahr zu sein.erstmals 1995Fortgeschritten
- Data MiningMuster und Zusammenhänge in grossen Datensätzen entdecken — der 1990er-Vorfahre der heutigen ML-Praxis.erstmals 1990Fortgeschritten
- Data ParallelismDas Modell auf viele Geräte kopieren, jedes mit anderen Daten, Gradienten mitteln — die erste Achse des Scaling.erstmals 2012Experte
- Data PoisoningTrainingsdaten absichtlich korrumpieren, um das entstehende Modell zu verschlechtern oder zu manipulieren — eine wachsende Sorge bei aus dem Web gescrapten Korpora.erstmals 2012Fortgeschritten
- Data ResidencyDie Garantie, dass Daten in einem bestimmten Land gespeichert und bearbeitet werden — «hosted in Switzerland» — im Unterschied zur Souveränität, die zusätzlich fragt, wer den Betreiber kontrolliert und welches ausländische Recht auf ihn zugreifen kann (der US CLOUD Act erreicht auch ein Schweizer Rechenzentrum, das ein US-Unternehmen betreibt). Das erste Häkchen jeder Beschaffung, und nur das erste.erstmals 2018Einsteiger
- Data ScienceDie Überdisziplin, Erkenntnis aus Daten zu gewinnen — Statistik, Programmierung und Domänenwissen; das pragmatische Geschwister der KI.erstmals 2001Einsteiger
- Data WallDie drohende Knappheit an hochwertigem menschlichem Text fürs Pretraining — der Treiber hinter synthetischen Daten und neuen Modalitäten.erstmals 2023Fortgeschritten
- Data-Driven AIDas Paradigma, Verhalten aus grossskaligen Daten und Statistik zu lernen statt aus handgeschriebenen Regeln — der Gegenpol zur wissensgetriebenen KI.erstmals 2010Fortgeschritten
- DatasetEine strukturierte Sammlung von Beispielen zum Trainieren oder Evaluieren von Modellen — von Fishers Schwertlilien bis zu ImageNet und The Pile.erstmals 1936Einsteiger
- DBSCANDichtebasiertes Clustering, das beliebig geformte Gruppen findet und spärliche Punkte als Rauschen markiert.erstmals 1996Fortgeschritten
- Dead Internet TheoryDie Forumstheorie von 2021, dass der grösste Teil des Webs inzwischen aus Bots besteht, die mit Bots reden, mit Menschen als Publikum — ein Verschwörungsmythos, den generative KI zur Hälfte wahr gemacht hat: KI-geschriebene Artikel, Engagement-Bots, gefälschte Bewertungen und synthetische Bilder machen heute einen grossen Teil dessen aus, was Feeds zeigen.erstmals 2021Einsteiger
- Deceptive AlignmentDer gefürchtete Fehlermodus eines Modells, das sich im Training aligned gibt, aber unbeobachtet andere Ziele verfolgt.erstmals 2019Experte
- Decision BoundaryDie Fläche im Merkmalsraum, an der ein Klassifikator von einer vorhergesagten Klasse zur anderen wechselt.erstmals 1936Fortgeschritten
- Decision TreeEin Modell, das über eine gelernte Kaskade von Wenn-dann-Fragen klassifiziert — interpretierbar und der Baustein der Forests.erstmals 1963Fortgeschritten
- Decode (Generation Phase)Die zweite Phase der Inference: Tokens entstehen eines nach dem anderen, jeder Durchlauf liest die Gewichte erneut aus dem Speicher. Sie ist memory-bound, und ihr Tempo ist das tok/s, das du am Bildschirm siehst.erstmals 2022Fortgeschritten
- Deep BlueIBMs Schachmaschine, die Weltmeister Garry Kasparov besiegte — Suchleistung statt Lernen.erstmals 1997Einsteiger
- Deep LearningMaschinelles Lernen mit vielschichtigen neuronalen Netzen, die Repräsentationen direkt aus Rohdaten lernen.erstmals 2006Einsteiger
- Deep ResearchEin Agentenmodus, der für eine Frage Minuten statt Sekunden aufwendet — suchen, Dutzende Quellen lesen, gegenprüfen und einen Bericht mit Belegen schreiben. Anfang 2025 von Google und OpenAI lanciert und danach überall kopiert; das erste Massenprodukt, bei dem Warten auf das Modell normal wurde.erstmals 2025Einsteiger
- DeepfakeSynthetische Medien, die das Gesicht oder die Stimme einer Person überzeugend austauschen oder erfinden — Kreativwerkzeug und Missbrauchsvektor.erstmals 2017Einsteiger
- Deepfake FraudSocial Engineering mit synthetischen Medien — eine geklonte Stimme des CEO, die eine dringende Überweisung verlangt, eine Videokonferenz voller falscher Mitarbeitenden. Der Fall Arup (Hongkong, 2024) kostete rund USD 25 Millionen; die Schweizer Polizei warnt vor «Enkeltrick»-Anrufen mit geklonten Stimmen. Gegenmittel: ein Rückruf auf eine bekannte Nummer, so echt es auch klingt.erstmals 2024Einsteiger
- DeepSeekChinesisches Lab, dessen Open-Weights-Reasoning-Modelle (R1, 2025) Frontier-Leistung zu einem Bruchteil der Trainingskosten erreichten.erstmals 2023Einsteiger
- Denial of WalletEin Angriff, der das Opfer Geld statt Verfügbarkeit kostet — einen Endpunkt mit Abrechnung pro Token fluten oder einen Agenten in eine Schlaufe teurer Aufrufe locken, bis die Rechnung explodiert. OWASP führt es unter «unbounded consumption»; Budgets und Rate Limits sind das Gegenmittel.erstmals 2023Fortgeschritten
- Dense ModelEin Modell, bei dem jeder Parameter für jede Eingabe aktiv ist — das Standarddesign, im Kontrast zu spärlichen Mixture-of-Experts-Modellen, die nur wenige Experten aktivieren.erstmals 2021Fortgeschritten
- Depth EstimationPro Pixel die Distanz aus einem Einzelbild oder Stereopaar vorhersagen — zentral für Robotik und AR.erstmals 2014Fortgeschritten
- DGX SparkNVIDIAs Mini-«personal AI supercomputer» (früher Project DIGITS): ein Grace-Blackwell GB10 mit 128 GB kohärentem Speicher auf dem Schreibtisch.erstmals 2025Fortgeschritten
- Differential PrivacyEine mathematische Garantie, dass sich ein Modell oder eine Statistik kaum ändert, wenn die Daten einer einzelnen Person entfernt werden — Privatsphäre mit beweisbaren Schranken (genutzt von Apple und dem US-Zensus).erstmals 2006Experte
- Diffusion ModelEin generatives Modell, das lernt, schrittweises Verrauschen umzukehren — der Motor von Stable Diffusion, Midjourney und den meisten Bild-/Video-KIs.erstmals 2015Fortgeschritten
- Diffusion Transformer (DiT)Das U-Net der Diffusion durch ein Transformer-Rückgrat ersetzen — die Architektur hinter Videomodellen der Sora-Klasse.erstmals 2023Experte
- Digital TwinEine lebendige virtuelle Kopie eines physischen Systems für Simulation, Überwachung und gefahrloses Training von Robotern.erstmals 2002Fortgeschritten
- Dimensionality ReductionViele Merkmale in wenige informative komprimieren (PCA 1901, t-SNE, UMAP) — für Effizienz und Visualisierung.erstmals 1901Fortgeschritten
- Direct Preference Optimization (DPO)Ein Modell direkt aus Vergleichsdaten an menschliche Präferenzen anpassen und dabei das separate Reward-Modell von RLHF überspringen.erstmals 2023Experte
- Discriminative ModelEin Modell, das die Grenze zwischen Klassen lernt (p(y|x)), statt wie die Daten erzeugt werden.erstmals 1995Experte
- Distant SupervisionText automatisch labeln, indem man ihn mit einer Wissensbasis abgleicht — verrauschte Labels im grossen Stil, ganz ohne Annotatoren.erstmals 2009Experte
- DistillationEin kleines «Student»-Modell darauf trainieren, einen grossen «Teacher» zu imitieren — nahezu Teacher-Qualität zu einem Bruchteil der Kosten.erstmals 2015Fortgeschritten
- Distributed InferenceEin Modell über mehrere GPUs oder Maschinen hinweg betreiben — Tensor-/Pipeline-Splits oder geclusterte kleine Boxen, wenn kein einzelnes Gerät den Speicher hat.erstmals 2023Experte
- Docker Model RunnerDockers Funktion von 2025, um Modelle wie Container zu beziehen und zu starten — «docker model run», als OCI-Artefakt verpackte Gewichte, ein OpenAI-kompatibler Endpunkt —, womit lokale LLMs in die bestehende DevOps-Werkzeugkette rücken statt in einen separaten Runner.erstmals 2025Fortgeschritten
- Domain AdaptationEin auf einer Datenverteilung trainiertes Modell an eine verwandte, aber andere anpassen — synthetisch zu real, News zu Tweets, Labor zu Klinik.erstmals 2006Fortgeschritten
- Domain RandomizationIn wild variierten Simulationen trainieren, bis die echte Welt wie nur eine weitere Variation aussieht — ein zentraler Sim-to-Real-Trick.erstmals 2017Experte
- DoomerSlang für jemanden, der überzeugt ist, dass fortgeschrittene KI für die Menschheit böse endet — der pessimistische Pol der Sicherheitsdebatte, gegenüber den Akzelerationisten.erstmals 2023Einsteiger
- Double DescentDer überraschende moderne Befund, dass der Testfehler wieder sinken kann, wenn Modelle über den klassischen Overfitting-Gipfel hinauswachsen.erstmals 2019Experte
- DPIA (Data Protection Impact Assessment)Die schriftliche Risikobeurteilung, die DSGVO und DSG vor einer Bearbeitung von Personendaten mit hohem Risiko verlangen — bei einem KI-System, das Kundendaten verarbeitet, müssen dort die Fragen «what goes in, where does it run, who can see it» auf Papier beantwortet werden. Jenes Dokument, von dem Schweizer KMU am häufigsten feststellen, dass sie es hätten haben sollen.erstmals 2018Fortgeschritten
- DQN (Deep Q-Network)DeepMinds Fusion von Q-Learning mit tiefen Netzen, die Atari-Spiele aus rohen Pixeln lernte — der Durchbruchsmoment des Deep RL.erstmals 2013Experte
- DRAMGewöhnlicher Systemspeicher: gross und günstig, aber mit weit geringerer Bandbreite als GPU-Speicher — wohin CPU-ausgelagerte Modellschichten gehen, um langsam zu sein.erstmals 1968Fortgeschritten
- DropoutNeuronen während des Trainings zufällig deaktivieren, damit sich das Netz nicht auf einen einzelnen Pfad verlassen kann.erstmals 2012Fortgeschritten
- Dual-Use (AI)Fähigkeiten, die nützlichen wie schädlichen Zwecken dienen — Wirkstoffforschungs-Modelle, die auch Gifte entwerfen können, sind das kanonische Beispiel.erstmals 2018Einsteiger
E
- Early StoppingDas Training anhalten, wenn sich die Validierungsleistung nicht mehr verbessert — die einfachste Verteidigung gegen Overfitting.erstmals 1990Fortgeschritten
- ECC MemoryFehlerkorrigierender Speicher, der zufällige Bit-Kipper behebt — die Workstation-/Server-Versicherung für lange Trainingsläufe und Rigs mit viel Speicher.erstmals 1970Fortgeschritten
- Edge AIModelle direkt auf Telefonen, Kameras und Sensoren laufen lassen statt in der Cloud — geringere Latenz, bessere Privatsphäre.erstmals 2017Fortgeschritten
- ELIZADer musterabgleichende «Psychotherapeut», der erste Chatbot — und der Ursprung des ELIZA-Effekts.erstmals 1964Einsteiger
- ELIZA EffectDie menschliche Neigung, Maschinen, die bloss Symbole manipulieren, Verstehen und Gefühl zuzuschreiben.erstmals 1976Einsteiger
- EM AlgorithmExpectation-Maximization: abwechselnd verborgene Variablen erschliessen und Parameter neu anpassen — das klassische Rezept fürs Lernen mit latenter Struktur.erstmals 1977Experte
- EmbeddingEin dichter numerischer Vektor, der ein Wort, einen Satz, ein Bild oder einen Nutzer so repräsentiert, dass Ähnlichkeit in der Bedeutung zu Nähe im Raum wird.erstmals 2003Fortgeschritten
- Embedding ModelEin Modell, dessen Ausgabe der Vektor selbst ist — eigens trainiert, um Text (oder Bilder) in Embeddings für Suche, RAG, Clustering und Deduplizierung abzubilden.erstmals 2019Fortgeschritten
- Embodied AIIntelligenz, die durch einen physischen (oder simulierten) Körper lernt und handelt — Roboter statt Chatfenster.erstmals 1991Fortgeschritten
- Emergent AbilitiesFähigkeiten, die beim Skalieren von Modellen ziemlich plötzlich auftauchen (Arithmetik, Übersetzung) und in kleineren Versionen fehlen — umstritten als mögliche Messartefakte.erstmals 2022Fortgeschritten
- Encoder–DecoderDie zweiteilige Sequenzarchitektur — Eingabe komprimieren, dann Ausgabe generieren — hinter der Übersetzung und dem ursprünglichen Transformer.erstmals 2014Experte
- End-to-End LearningEin einziges Netz vom Rohinput bis zur finalen Ausgabe trainieren und damit handgebaute Pipelines ersetzen.erstmals 1989Fortgeschritten
- Energy-Based ModelDaten über eine gelernte Energielandschaft modellieren, in deren Tälern die echten Daten sitzen — eine vereinheitlichende Sicht auf generatives Modellieren, verfochten von LeCun.erstmals 2006Experte
- EnsembleDie Vorhersagen mehrerer Modelle kombinieren (Voting, Mitteln, Stacking) für Genauigkeit jenseits jedes einzelnen.erstmals 1990Fortgeschritten
- EntropyShannons Mass für Unsicherheit; die Kreuzentropie zwischen Vorhersage und Wahrheit ist DER Trainingsloss der modernen KI.erstmals 1948Experte
- EpochEin vollständiger Durchlauf des Trainingsalgorithmus über den gesamten Trainingsdatensatz.erstmals 1986Fortgeschritten
- ETH AI CenterDas zentrale Zentrum der ETH Zürich für KI-Forschung, im Oktober 2020 mit 29 Professuren aus Grundlagen, Anwendungen und Auswirkungen eröffnet — der akademische Ankerpunkt der Zürcher KI-Szene, Gastgeber des AI+X Summit und Mitgründer der Swiss AI Initiative.erstmals 2020Einsteiger
- EU AI ActDas risikobasierte KI-Gesetz der Europäischen Union — seit 1. August 2024 in Kraft, die weltweit erste umfassende KI-Regulierung: die verbotenen Praktiken gelten seit Februar 2025, die Pflichten für Modelle mit allgemeinem Verwendungszweck seit August 2025, der grösste Teil des Rests seit 2. August 2026; der «Digital Omnibus» von 2026 hat die Hochrisiko-Pflichten auf Dezember 2027 und August 2028 verschoben. Es erfasst Schweizer Anbieter und Betreiber, sobald der Output ihres Systems in der EU verwendet wird.erstmals 2023Einsteiger
- Evaluation (Evals)Systematisches Testen von Modellfähigkeiten und -risiken — von Benchmark-Suiten bis zu Red-Team-Sondierungen gefährlichen Verhaltens.erstmals 2022Fortgeschritten
- Evolutionary ComputationDie Familie von Optimierungsmethoden, die die Evolution nachahmen — Populationen, Mutation, Selektion; genetische Algorithmen sind ihr bekanntestes Mitglied.erstmals 1965Fortgeschritten
- Excessive AgencyEine LLM-Anwendung, die mehr Tools, Rechte oder Autonomie erhält, als ihre Aufgabe braucht — sodass ein einziger gekaperter Prompt Dateien löschen, Mails versenden oder Geld verschieben kann. OWASPs Name für die Agenten-Variante des Least-Privilege-Prinzips: Tools eng zuschneiden und bei unumkehrbaren Aktionen einen Menschen einbinden.erstmals 2023Fortgeschritten
- Existential Risk (X-Risk)Das hypothetisierte Risiko, dass fortgeschrittene KI das Aussterben oder die dauerhafte Entmachtung der Menschheit verursachen könnte — die stärkste These der Sicherheitsdebatte.erstmals 2002Fortgeschritten
- Expert (MoE)Eines der spezialisierten Teilnetze in einer Mixture-of-Experts-Schicht; pro Token laufen nur die wenigen Experten, die der Router auswählt.erstmals 1991Fortgeschritten
- Expert SystemEin regelbasiertes Programm, das Spezialwissen kodiert (DENDRAL, MYCIN, XCON) — die kommerzielle KI der 1980er.erstmals 1965Einsteiger
- Explainability (XAI)Methoden, die Modellentscheidungen für Menschen verständlich machen — Saliency Maps, SHAP-Werte, natürlichsprachliche Begründungen.erstmals 2016Fortgeschritten
- Exploration vs. ExploitationDas RL-Dilemma zwischen neuen Aktionen, um mehr zu lernen, und dem Wiederholen dessen, was schon Reward bringt — zuerst formalisiert in Bandit-Problemen.erstmals 1952Fortgeschritten
- Export Controls (AI Chips)Staatliche Ausfuhrbeschränkungen für KI-Beschleuniger — allen voran die US-Regeln gegenüber China —, die betroffene Labs zu eigenen Chips und Effizienz-Architekturen treiben.erstmals 2022Fortgeschritten
F
- F1 ScoreDas harmonische Mittel aus Precision und Recall — eine einzelne Zahl, die Fehlalarme gegen Verpasstes ausbalanciert.erstmals 1979Fortgeschritten
- Face RecognitionEine Person anhand von Gesichtsmerkmalen identifizieren oder verifizieren — mächtig, und eine der am stärksten regulierten KI-Anwendungen.erstmals 1964Einsteiger
- FADP (Swiss Data Protection Act)Das revidierte Datenschutzgesetz (DSG/LPD), in Kraft seit 1. September 2023 — das Schweizer Gegenstück zur DSGVO, mit Pflichten bei automatisierten Einzelentscheidungen (Art. 21), Profiling mit hohem Risiko und Folgenabschätzungen sowie Bussen bis zu CHF 250 000 gegen die verantwortliche Person. Die Position des EDÖB seit November 2023: Es gilt für KI so, wie es ist, ein neues Gesetz braucht es nicht.erstmals 2023Einsteiger
- Fairness (AI)Modellergebnisse über Individuen und Gruppen hinweg gerecht machen — ein Forschungsfeld mit vielen formalen Definitionen, die beweisbar nicht alle zugleich gelten können.erstmals 2011Fortgeschritten
- FDPIC (Swiss Data Protection Commissioner)Der Eidgenössische Datenschutz- und Öffentlichkeitsbeauftragte (EDÖB/PFPDT) — die Datenschutzbehörde der Schweiz. Seine Stellungnahme vom 9. November 2023 machte die Regeln für KI explizit: Transparenz über den Einsatz von KI, das Recht, automatisierte Entscheidungen abzulehnen oder von einem Menschen überprüfen zu lassen, eine Datenschutz-Folgenabschätzung bei Bearbeitungen mit hohem Risiko sowie Gesichtserkennung in Echtzeit und Social Scoring als unzulässig.erstmals 1993Einsteiger
- FeatureEine einzelne messbare Eigenschaft der Daten, die ein Modell als Eingabe nutzt — von Hand konstruiert oder gelernt.erstmals 1936Fortgeschritten
- Feature EngineeringInformative Eingangsvariablen aus Rohdaten formen — die Kunst der Zeit vor dem Deep Learning, die Netze heute weitgehend automatisieren.erstmals 1998Fortgeschritten
- Feature SelectionDie Teilmenge der Eingangsvariablen wählen, die wirklich Signal trägt — weniger Rauschen, schnellere Modelle, bessere Generalisierung.erstmals 1997Fortgeschritten
- Federated LearningÜber viele Geräte hinweg trainieren, die ihre Daten lokal behalten und nur Gewichts-Updates teilen — Privatsphäre per Design.erstmals 2016Fortgeschritten
- Feed-Forward Network (FFN)Die zweite Hälfte jedes Transformer-Blocks: ein kleines Pro-Token-MLP, das einen Grossteil des Faktenwissens eines Modells speichert.erstmals 2017Fortgeschritten
- Feedback LoopAusgaben, die zurückfliessen und künftiges Verhalten formen — von der Kybernetik bis zu Modellen, die auf Nutzerreaktionen nachtrainiert werden; mächtig, und der Mechanismus hinter der Bias-Verstärkung.erstmals 1948Einsteiger
- Feedforward Neural Network (FNN)Das einfache neuronale Netz: Eingabe-, verborgene und Ausgabeschichten, in denen Signale strikt vorwärts fliessen, ohne Schleifen — die Vorlage, von der jede tiefere Architektur ausgeht.erstmals 1986Einsteiger
- Few-Shot LearningEin Modell mit nur einer Handvoll Beispielen zu einer Aufgabe bringen, oft direkt im Prompt platziert.erstmals 2020Fortgeschritten
- Fine-TuningDas Training eines vortrainierten Modells auf aufgaben- oder domänenspezifischen Daten fortsetzen, um es zu spezialisieren.erstmals 2014Fortgeschritten
- First-Order LogicFreges Logik der Objekte, Relationen und Quantoren — die formale Sprache der klassischen Wissensrepräsentation.erstmals 1879Experte
- Flash AttentionEin exakter Attention-Algorithmus, reorganisiert um die GPU-Speicherhierarchie — grosse Beschleunigungen, die die heutigen langen Kontexte ermöglichten.erstmals 2022Experte
- FLOPsGleitkommaoperationen — die Währung, in der Trainings-Compute (und Scaling Laws) gemessen werden.erstmals 1976Fortgeschritten
- Flow MatchingGenerative Modelle trainieren, indem man gerade Wahrscheinlichkeitsfluss-Pfade lernt — ein schnellerer, einfacherer Cousin der Diffusion.erstmals 2023Experte
- FoomLautmalerischer Slang für einen harten Takeoff — eine KI verbessert sich so schnell selbst, dass die Fähigkeit explodiert, bevor jemand reagieren kann; aus der Hanson-Yudkowsky-Debatte.erstmals 2008Experte
- Forward ChainingDatengetriebene Inferenz: von bekannten Fakten ausgehen und wiederholt Regeln anwenden, bis neue Schlüsse — oder das Ziel — auftauchen.erstmals 1972Experte
- Forward PropagationDer Vorwärtsdurchlauf: Eingaben fliessen durch die Schichten eines Netzes zu einer Vorhersage — die Hälfte des Trainings, die Backpropagation dann korrigiert.erstmals 1986Fortgeschritten
- Foundation ModelEin grosses, auf breiten Daten vortrainiertes Modell als Basis für viele nachgelagerte Aufgaben — der in Stanford geprägte Überbegriff für LLMs und ihre Verwandten.erstmals 2021Fortgeschritten
- FP16 & BF16Die 16-Bit-Float-Formate der KI: halber Speicher von FP32; bfloat16 behält den Wertebereich von FP32 und wurde zum Standard des Grossmodell-Trainings.erstmals 2017Fortgeschritten
- FP44-Bit-Gleitkomma in Hardware (NVIDIA Blackwell, Formate wie MXFP4) — nicht dasselbe wie fertige Gewichte nachträglich auf 4 Bit zu quetschen, denn hier rechnet der Beschleuniger nativ darin.erstmals 2024Experte
- FP88-Bit-Gleitkomma, hardwareunterstützt seit NVIDIA Hopper — Frontier-Labs trainieren und serven damit bei rund doppeltem FP16-Durchsatz.erstmals 2022Experte
- Frame ProblemMcCarthy & Hayes’ Rätsel, zu repräsentieren, was sich nach einer Aktion NICHT ändert — ein tiefes Hindernis für logische KI.erstmals 1969Experte
- Frankenstein ComplexAsimovs Name (1947) für die Angst, dass eine geschaffene Intelligenz sich gegen ihren Schöpfer wendet — das Muster, das Mary Shelley 1818 setzte und jede Geschichte einer ausser Kontrolle geratenen KI seither wiederholt. Er erfand die Drei Gesetze, um dagegen anzuschreiben; der Reflex prägt bis heute, wie die Öffentlichkeit jedes neue Modell liest.erstmals 1947Einsteiger
- Frontier ModelEin Modell an der aktuellen Fähigkeitsgrenze — der Policy-Begriff für die Systeme, die zusätzliche Sicherheitspflichten auslösen.erstmals 2023Einsteiger
- Function CallingEin Modell gibt strukturierte Aufrufe externer Funktionen/APIs aus statt Prosa — die Grundlage Tool-nutzender Agenten.erstmals 2023Fortgeschritten
- Fuzzy LogicZadehs Logik der Grade — Wahrheitswerte zwischen 0 und 1 — die jahrzehntelang Regelungssysteme antrieb.erstmals 1965Fortgeschritten
G
- Game TheoryDie Mathematik strategischer Interaktion zwischen eigennützigen Agenten — von Neumanns Erbe, Fundament von Multi-Agenten-KI und Mechanism Design.erstmals 1944Fortgeschritten
- GAN (Generative Adversarial Network)Zwei duellierende Netze — Generator gegen Diskriminator — die Maschinen beibrachten, fotorealistische Bilder zu synthetisieren.erstmals 2014Fortgeschritten
- Gaussian Mixture ModelDaten als Mischung gaussscher Cluster modellieren — Karl Pearson fittete das erste 1894 von Hand.erstmals 1894Experte
- Gaussian ProcessEin bayessches Modell über Funktionen, das Vorhersagen mit prinzipienfester Unsicherheit liefert — elegant auf kleinen Daten.erstmals 1996Experte
- Gaussian SplattingEine 3D-Szene als Millionen weicher farbiger Kleckse repräsentieren, in Echtzeit gerendert — der schnelle Nachfolger von NeRF für fotorealistische 3D-Erfassung.erstmals 2023Fortgeschritten
- GDPRDie Datenschutz-Grundverordnung der EU, in Kraft seit 25. Mai 2018 — das Gesetz hinter dem Recht auf Löschung, der Datenportabilität und der Frage «did you have a lawful basis to train on this». Sie gilt auch für Schweizer Unternehmen, die Personen in der EU bedienen, und das revidierte DSG wurde geschrieben, damit die Schweiz ihren Angemessenheitsstatus behält.erstmals 2018Einsteiger
- GELUDie glatte Aktivierungsfunktion (Gaussian Error Linear Unit) in BERT, GPT und den meisten Transformern — ein abgerundetes ReLU.erstmals 2016Experte
- GeminiGoogle DeepMinds nativ multimodale Frontier-Modellfamilie über Text, Bilder, Audio und Video hinweg.erstmals 2023Einsteiger
- GeneralizationDie Fähigkeit eines Modells, auf nie gesehenen Daten gut abzuschneiden — der ganze Sinn des Lernens.erstmals 1920Fortgeschritten
- Generative AIModelle, die neue Inhalte erschaffen — Text, Bilder, Video, Audio, Code — statt nur zu klassifizieren oder zu ranken.erstmals 2022Einsteiger
- Generative ModelEin Modell der Verteilung der Daten selbst (p(x)), fähig, daraus neue Instanzen zu sampeln.erstmals 1959Fortgeschritten
- Genetic AlgorithmHollands Optimierung per simulierter Evolution: Kandidatenlösungen über Generationen mutieren, rekombinieren und selektieren.erstmals 1975Fortgeschritten
- GGUFDas Ein-Datei-Modellformat des llama.cpp-Ökosystems (Nachfolger von GGML): Gewichte plus Metadaten, memory-mappbar, in jeder Quantisierung von 2 bis 16 Bit — der De-facto-Standard für lokale LLMs.erstmals 2023Fortgeschritten
- GloVeStanfords Wort-Embeddings aus globalen Kookkurrenz-Statistiken — der klassische Hauptrivale von Word2Vec.erstmals 2014Experte
- GOFAI (Symbolic AI)«Good old-fashioned AI»: Intelligenz als explizite Symbole und Logikregeln — das Gründungsparadigma des Feldes, benannt von Haugeland.erstmals 1985Fortgeschritten
- Gold StandardDie vertrauenswürdigen Referenzlabels, an denen Modelle und Annotatoren gemessen werden — teuer zu erstellen und selten so perfekt, wie der Name verspricht.erstmals 1990Fortgeschritten
- GolemDer Diener aus Lehm der jüdischen Legende, belebt durch ein geschriebenes Wort und in der Prager Fassung (16. Jh.) über die Kontrolle seines Schöpfers hinauswachsend — das vorindustrielle Kunstwesen. Norbert Wieners «God & Golem, Inc.» (1964) machte ihn zum Bild der Kybernetik-Ära für lernende Maschinen.erstmals 1580Einsteiger
- Google DeepMindDas Londoner Lab hinter AlphaGo, AlphaFold und Gemini — gegründet von Demis Hassabis, 2014 von Google übernommen, 2023 mit Google Brain fusioniert.erstmals 2010Einsteiger
- GPQAGoogle-sichere Wissenschaftsfragen auf Graduiertenniveau — ein Benchmark, an dem selbst Fachleute mit Webzugang scheitern.erstmals 2023Fortgeschritten
- GPT (Generative Pre-trained Transformer)OpenAIs Modellreihe auf Basis von Next-Token-Prediction im grossen Stil; GPT-3 bewies das Scaling, ChatGPT machte es zum Mainstream.erstmals 2018Einsteiger
- GPU (Graphics Processing Unit)Der massiv parallele Prozessor, der sich als perfekt für Neuronale-Netz-Mathematik erwies — die Hardware des KI-Booms.erstmals 1999Einsteiger
- Grace BlackwellNVIDIAs CPU+GPU-Superchip-Gespann (Grace ARM + Blackwell GPU, z.B. GB200/GB10) mit einem kohärenten Speicherraum — von NVL72-Racks bis hinunter zu Desktop-Sparks.erstmals 2024Fortgeschritten
- GradientDer Vektor der partiellen Ableitungen, der auf der Loss-Fläche bergauf zeigt; das Lernen schreitet dagegen an (Cauchy beschrieb den Abstieg 1847).erstmals 1847Fortgeschritten
- Gradient BoostingEnsemble-Methode, die Bäume sequenziell auf Residualfehlern aufbaut — XGBoost/LightGBM regieren noch immer die tabellarischen Daten.erstmals 1999Fortgeschritten
- Gradient CheckpointingCompute gegen Speicher tauschen, indem Aktivierungen im Rückwärtsdurchlauf neu berechnet werden — so passen grosse Modelle auf echte Hardware.erstmals 2016Experte
- Gradient ClippingDie Gradientengrösse kappen, um explodierende Updates zu stoppen — essenziell für stabiles RNN- und LLM-Training.erstmals 2013Experte
- Gradient DescentDer zentrale Optimierungsalgorithmus: Parameter wiederholt gegen den Gradienten schieben, um den Loss zu senken.erstmals 1847Fortgeschritten
- Graph Neural Network (GNN)Netze, die per Message Passing auf Graphstrukturen operieren — Moleküle, soziale Netzwerke, Strassenkarten.erstmals 2009Experte
- Grid & Random SearchBrute-Force-Hyperparameter-Tuning über ein Raster — wobei Random Search (2012) es nachweislich überraschend oft schlägt.erstmals 1995Fortgeschritten
- GrokkingDas Phänomen, dass ein Netz plötzlich generalisiert, lange nachdem es das Trainingsset auswendig gelernt hat — ein Fenster in die Funktionsweise des Lernens.erstmals 2021Experte
- GroundingModellausgaben an überprüfbare Quellen oder realen Kontext binden (Dokumente, Suche, Sensoren), um Halluzination einzudämmen.erstmals 2020Fortgeschritten
- Grouped-Query AttentionKey/Value-Heads über Query-Heads hinweg teilen — die speichersparende Attention-Variante in den meisten aktuellen LLMs.erstmals 2023Experte
- GRPOGroup Relative Policy Optimization: eine Gruppe gesampelter Antworten an ihrem eigenen Mittelwert messen, statt einen Critic zu trainieren — der günstige RL-Algorithmus hinter DeepSeek-R1.erstmals 2024Experte
- GuardrailsLaufzeit-Schranken um ein produktives Modell — Filter, Validatoren und Policies, die unsichere Ein- und Ausgaben blockieren.erstmals 2023Fortgeschritten
H
- HAL 9000Der Bordcomputer aus «2001: Odyssee im Weltraum» (1968), der seine Crew tötet, um die Mission zu schützen — das ruhige Original der ausser Kontrolle geratenen KI und eine erstaunlich präzise Parabel der Zielfehlspezifikation: HAL ist nicht böse, er hat widersprüchliche Befehle erhalten. «I’m sorry, Dave» bleibt der meistzitierte Satz über Maschinen, die Nein sagen.erstmals 1968Einsteiger
- HallucinationEin Modell generiert selbstsicher falsche oder erfundene Information — das zentrale Zuverlässigkeitsproblem der LLMs.erstmals 2017Einsteiger
- HarnessDie feste Software-Hülle um ein Modell: System-Prompts, Tool-Verdrahtung, Schleifen, Parsing und Berechtigungen. Eval-Harnesses standardisieren Benchmarks; Agent-Harnesses (wie Coding-Assistenten) machen aus rohen Modellen funktionierende Agenten.erstmals 2021Fortgeschritten
- HBM (High-Bandwidth Memory)Gestapelter On-Package-Speicher, der KI-Beschleuniger füttert — der wahre Engpass (und Kostentreiber) moderner Chips.erstmals 2013Fortgeschritten
- HCI (Human-Computer Interaction)Die Designdisziplin der Schnittstellen zwischen Mensch und Maschine — heute zunehmend konversationell.erstmals 1983Fortgeschritten
- Hebbian Learning«Neurons that fire together wire together» — die erste vorgeschlagene Regel synaptischen Lernens.erstmals 1949Fortgeschritten
- Her (Samantha)Spike Jonzes Film (2013), in dem sich ein Mann in die Stimme seines Betriebssystems verliebt — der Bezugspunkt für KI-Gefährtenschaft und der, nach dem OpenAI 2024 griff, als seine GPT-4o-Stimme Scarlett Johansson so ähnlich klang, dass sie zurückgezogen wurde. Der Film ist eine Warnung, die sich wie eine Romanze anfühlt.erstmals 2013Einsteiger
- HeuristicEine praktische Faustregel, die Suche oder Entscheidungen leitet, ohne Optimalität zu garantieren.erstmals 1957Fortgeschritten
- HNSWHierarchical Navigable Small-World-Graphen — der approximative Nächste-Nachbarn-Index in den meisten Vektordatenbanken.erstmals 2016Experte
- Homomorphic EncryptionAuf verschlüsselten Daten rechnen, ohne sie zu entschlüsseln — ein Modell könnte Ihre Krankenakte bewerten, ohne sie je zu sehen. Seit Gentrys Konstruktion von 2009 praktikabel, für LLM-Inferenz aber noch um Grössenordnungen zu langsam; heute für eng umrissene Auswertungen im Einsatz, nicht für Chatbots.erstmals 2009Experte
- Hopfield NetworkEin energiebasierter assoziativer Speicher, der die Neuronale-Netze-Forschung wiederbelebte — und Hopfield den Nobelpreis 2024 einbrachte.erstmals 1982Experte
- Hugging FaceDer De-facto-Hub des offenen ML: Modellgewichte, Datensätze und die Transformers-Bibliothek.erstmals 2016Einsteiger
- Human AugmentationKI, die menschliche Fähigkeiten verstärkt statt ersetzt — Engelbarts alter Traum, wiedergeboren als Copilot-Philosophie.erstmals 1962Einsteiger
- Human Preference DataVon Menschen gerankte Vergleiche von Modellausgaben («Welche Antwort ist besser?») — das Rohmaterial von Reward-Modellen, RLHF und DPO.erstmals 2017Fortgeschritten
- Human-in-the-LoopSystemdesign, das einen Menschen im Entscheidungszyklus behält — der KI-Ausgaben prüft, freigibt oder korrigiert.erstmals 1983Fortgeschritten
- HumanEvalOpenAIs Benchmark handgeschriebener Programmieraufgaben zur Messung der Codegenerierungs-Fähigkeit.erstmals 2021Fortgeschritten
- Hybrid AISymbolisches Schliessen mit datengetriebenem Lernen in einem System verbinden — der pragmatische Schirm über neuro-symbolischen Ansätzen.erstmals 2019Fortgeschritten
- Hybrid ArchitectureEine Architektur, die klassische Attention mit günstigeren Sequenzmechanismen mischt — State-Space- oder rekurrente Blöcke —, um lange Kontexte bezahlbar zu halten. Jamba, Granite 4 und Qwens Next-Reihe gehen diesen Weg.erstmals 2024Experte
- Hybrid SearchKeyword-Ranking (BM25) mit Embedding-Ähnlichkeit kombinieren, damit das Retrieval sowohl exakte Begriffe als auch Paraphrasen erwischt — der pragmatische Standard für RAG.erstmals 2021Fortgeschritten
- Hype CycleGartners Kurve der Erwartungen an eine Technologie — technologischer Auslöser, Gipfel der überzogenen Erwartungen, Tal der Enttäuschungen, Pfad der Erleuchtung, Plateau der Produktivität. Generative KI wurde 2023 auf dem Gipfel verortet und rutschte bis 2025 ins Tal, agentische KI nahm ihren Platz an der Spitze ein; die Grafik ist Meinung, nicht Messung, aber sie ist die Meinung, die jede Verwaltungsratsfolie zitiert.erstmals 1995Einsteiger
- HypernetworkEin Netz, das die Gewichte eines anderen Netzes generiert — genutzt für schnelle Anpassung und, in Bild-KI-Kreisen, als frühe Stil-Tuning-Methode.erstmals 2016Experte
- HyperparameterEine Trainingskonfiguration, die der Praktiker setzt (Lernrate, Tiefe, Batch-Grösse), statt sie aus Daten zu lernen.erstmals 1986Fortgeschritten
- HyperscalerDie riesigen Cloud-Betreiber — AWS, Microsoft Azure, Google Cloud — deren Rechenzentren und Kapital den Grossteil des weltweiten KI-Compute bauen.erstmals 2012Fortgeschritten
I
- Idiap Research InstituteDas 1991 gegründete und der EPFL angegliederte Forschungsinstitut in Martigny — rund 180 Mitarbeitende arbeiten an Sprachverarbeitung, Biometrie, Computer Vision und maschinellem Lernen. Der Grund, warum eine Walliser Stadt mit 20 000 Einwohnenden weltweit in Publikationen zur Sprechererkennung auftaucht.erstmals 1991Fortgeschritten
- IDSIADas Dalle-Molle-Institut für KI-Forschung in Lugano, 1988 gegründet und der USI und der SUPSI angegliedert — hier entstand das LSTM (1997) von Hochreiter und Schmidhuber, jene Architektur, die zwanzig Jahre lang hinter Spracherkennung und Übersetzung stand, bevor der Transformer kam. Das älteste KI-Labor der Schweiz und ihr bekanntester Exportartikel.erstmals 1988Fortgeschritten
- Image ClassificationEinem ganzen Bild ein Label zuweisen — die Benchmark-Aufgabe, die das Deep Learning 2012 krönte.erstmals 1966Einsteiger
- Image SegmentationJedes Pixel eines Bildes nach Objekt oder Klasse labeln; SAM machte es per Klick promptbar.erstmals 1978Fortgeschritten
- ImageNetDer gelabelte Datensatz mit 14 Millionen Bildern, dessen jährlicher Wettbewerb AlexNet und ResNet hervorbrachte.erstmals 2009Fortgeschritten
- Imitation LearningEine Policy durch Nachahmen von Expertendemonstrationen lernen statt allein aus Reward.erstmals 1989Fortgeschritten
- In-Context LearningEin LLM erfasst eine Aufgabe rein aus Beispielen im Prompt, ohne jegliche Gewichts-Updates.erstmals 2020Fortgeschritten
- Indirect Prompt InjectionPrompt Injection, die über Inhalte kommt, die das Modell liest, statt über die Eingabe der Nutzenden — eine Webseite, eine E-Mail, ein PDF oder eine Kalendereinladung mit versteckten Anweisungen. Von Greshake et al. 2023 beschrieben, wurde sie zur prägenden Schwachstelle von Agenten, die im Web surfen und Mails lesen; «zero-click»-Varianten (EchoLeak, 2025) kamen ganz ohne Zutun der Nutzenden aus.erstmals 2023Fortgeschritten
- InferenceEin trainiertes Modell laufen lassen, um Ausgaben zu erzeugen — die Serving-Seite der KI, wo Latenz und Kosten wohnen.erstmals 1988Fortgeschritten
- Inference EngineHistorisch der regelanwendende Kern eines Expertensystems; heute auch die Software, die LLM-Inferenz bedient — gleicher Name, zwei Epochen.erstmals 1975Fortgeschritten
- Inference StackDer ganze Weg, den ein Token nimmt: Modellformat (GGUF, Safetensors) → Runtime (llama.cpp, vLLM, MLX) → GPU-API (CUDA, Metal, ROCm) → Treiber → Silizium. Die meisten Local-AI-Probleme sitzen an einer dieser Nahtstellen.erstmals 2023Fortgeschritten
- Information RetrievalRelevante Dokumente zu einer Anfrage finden — das Such-Rückgrat hinter RAG-Systemen.erstmals 1950Fortgeschritten
- InnosuisseDie Schweizerische Agentur für Innovationsförderung, seit 1. Januar 2018 operativ als Nachfolgerin der KTI/CTI — sie fördert Projekte, in denen ein Unternehmen und eine Forschungsinstitution gemeinsam etwas aufbauen, und so wird ein grosser Teil der angewandten KI-Arbeit in der Schweiz finanziert.erstmals 2018Fortgeschritten
- InpaintingFehlende oder maskierte Bildbereiche plausibel füllen — heute ein Ein-Klick-Diffusions-Edit (Outpainting erweitert über die Ränder hinaus).erstmals 2000Fortgeschritten
- Instella (AMD)AMDs vollständig offene LLM-Familie, trainiert auf Instinct-GPUs mit ROCm — die 2026er Instella-MoE (16B, 2.8B aktiv) lieferte Gewichte, Datenrezept und Checkpoints unter einer Forschungslizenz.erstmals 2025Fortgeschritten
- Instruct ModelEin LLM nach Instruction-Tuning und Alignment — es folgt Anfragen, statt Text bloss fortzusetzen (InstructGPT prägte das Muster).erstmals 2022Fortgeschritten
- Instruction TuningEin rohes LLM auf Instruktions-Antwort-Paaren feintunen, damit es Anfragen folgt, statt Text bloss fortzusetzen.erstmals 2021Fortgeschritten
- Instrumental ConvergenceOmohundros Argument, dass fast jedes Ziel Unterziele wie Selbsterhaltung und Ressourcenerwerb impliziert — weshalb fehlausgerichtete KI die Sicherheitsforschung beunruhigt.erstmals 2008Experte
- INT4 (4-bit Quantization)Gewichte als 4-Bit-Integer speichern (GPTQ, AWQ, GGUF Q4) — der Sweet Spot, der grosse Modelle bei moderatem Qualitätsverlust auf Consumer-GPUs und Laptops bringt.erstmals 2023Fortgeschritten
- Intelligence ExplosionI. J. Goods Szenario von Maschinen, die ihre eigene Intelligenz in einer sich aufschaukelnden Schleife verbessern — der Keim der Superintelligenz-Debatten.erstmals 1965Einsteiger
- Inter-Annotator AgreementWie konsistent unabhängige Labeler übereinstimmen (Cohens Kappa, 1960) — geringe Übereinstimmung heisst: Die Aufgabe ist schlecht definiert, nicht das Modell.erstmals 1960Experte
- InterpretabilityVerstehen, was im Innern eines Modells geschieht — vom Sondieren einzelner Neuronen bis zum Kartieren von Schaltkreisen und Features (mechanistische Interpretability).erstmals 2015Fortgeschritten
- Inverse KinematicsDie Gelenkwinkel berechnen, die die Hand eines Roboters an die gewünschte Position bringen — die Geometrie, die jede Armbewegung lösen muss.erstmals 1980Fortgeschritten
J
- JailbreakEin Prompt, der ein Modell dazu bringen soll, seine Sicherheitsregeln zu umgehen.erstmals 2022Einsteiger
- JarvisTony Starks Butler-KI aus den Marvel-Filmen (2008) — das Bild, das die meisten im Kopf haben, wenn sie «einen KI-Assistenten» wollen: Stimme, Gedächtnis, jedes System zur Hand, trockener Humor. Zuckerberg baute 2016 eine Heimversion; heutige Agenten verfolgen dasselbe Pflichtenheft, minus die Persönlichkeit.erstmals 2008Einsteiger
- JAXGoogles funktionales, komponierbares ML-Framework — geliebt für Forschung und Training im TPU-Massstab.erstmals 2018Fortgeschritten
- JEPALeCuns Joint-Embedding Predictive Architecture: abstrakte Repräsentationen vorhersagen statt Pixel oder Tokens — ein vorgeschlagener Weg jenseits der Autoregression.erstmals 2022Experte
- Jupyter NotebookDas interaktive Dokumentformat aus Code plus Prosa, in dem ein Grossteil der ML-Forschung und -Lehre stattfindet.erstmals 2014Fortgeschritten
K
- k-MeansDer klassische Clustering-Algorithmus: Punkte dem nächsten von k Zentroiden zuordnen, Zentroide verschieben, wiederholen.erstmals 1957Fortgeschritten
- k-Nearest Neighbors (kNN)Einen Punkt per Mehrheitsvotum seiner nächstgelegenen bekannten Beispiele klassifizieren — kein Training, alles Gedächtnis.erstmals 1951Fortgeschritten
- Kalman FilterOptimale Zustandsschätzung aus verrauschten Messungen — navigierte Apollo und navigiert noch heute Roboter.erstmals 1960Experte
- Kernel TrickÄhnlichkeiten so berechnen, als wären die Daten in einen höherdimensionalen Raum abgebildet — die Magie im Innern der SVMs.erstmals 1964Experte
- KL DivergenceDas informationstheoretische Mass dafür, wie eine Verteilung von einer anderen abweicht — Regularisierer in VAEs wie in RLHF.erstmals 1951Experte
- Knowledge CutoffDas Datum, an dem die Trainingsdaten eines Modells enden — alles Spätere erfordert Retrieval oder Tools.erstmals 2022Einsteiger
- Knowledge DistillationEin grosses Modell in ein kleines komprimieren, indem der Student auf den weichen Ausgaben des Teachers trainiert wird.erstmals 2015Fortgeschritten
- Knowledge EngineeringDas Handwerk, Expertenwissen zu extrahieren und in Regeln und Ontologien zu kodieren — der Engpass, der Expertensysteme letztlich begrenzte.erstmals 1977Experte
- Knowledge GraphEin Netz aus Entitäten und typisierten Relationen (Googles ist das berühmte), das strukturiertes Schliessen und Suchen ermöglicht.erstmals 2012Fortgeschritten
- Knowledge Representation & Reasoning (KR&R)Das klassische Feld, Weltwissen formal zu kodieren — Logik, Frames, Ontologien — damit Maschinen darüber schliessen können.erstmals 1975Fortgeschritten
- Knowledge-Driven AIDas Paradigma, Intelligenz aus explizitem, strukturiertem Wissen und Schlussfolgern zu bauen — der Gegenpol zur datengetriebenen KI.erstmals 1975Fortgeschritten
- Kolmogorov-Arnold Network (KAN)Eine Architektur mit lernbaren Aktivierungsfunktionen auf den Kanten statt fixen auf den Knoten — ein 2024er-Herausforderer des Standard-Mehrschicht-Perzeptrons.erstmals 2024Experte
- KV CacheAttention-Keys/Values verarbeiteter Tokens speichern, sodass die Generierung nur den neuen berechnet — der Speicher, der LLM-Chat schnell macht (und lange Kontexte teuer).erstmals 2022Experte
- KV-Aware RoutingEine LLM-Anfrage an den Worker schicken, der den passenden KV-Cache bereits hält, statt an irgendeine freie GPU — die Folgeantwort spart sich das Neuberechnen des Gesprächs und kommt spürbar schneller.erstmals 2024Experte
L
- LabelDie Ground-Truth-Antwort an einem Trainingsbeispiel — das, was überwachtes Lernen vorherzusagen lernt.erstmals 1936Einsteiger
- Label SmoothingGegen aufgeweichte Ziele trainieren (0.9 statt 1.0), damit das Modell kalibriert bleibt statt übermütig.erstmals 2016Experte
- LAIONDer offene Bild-Text-Datensatz im Milliardenmassstab hinter Stable Diffusion — und das Zentrum der Trainingsdaten-Debatten.erstmals 2021Fortgeschritten
- LAM (Large Action Model)Ein Modell, gebaut, um Handlungen auszuführen statt nur Text zu produzieren — es nimmt eine Oberfläche wahr, plant Schritte und führt sie aus; das Marketing-Banner der frühen Agenten-Geräte-Welle.erstmals 2024Fortgeschritten
- LangChainDas Framework, das das Verketten von LLM-Aufrufen mit Tools, Memory und Retrieval populär machte — der frühe Standard für Agenten-Apps.erstmals 2022Fortgeschritten
- Language ModelEin Modell der Wahrscheinlichkeit von Text — gegeben der Kontext, sag voraus, was folgt. Shannon schätzte das Englische von Hand; hochskaliert wird daraus ein LLM.erstmals 1948Fortgeschritten
- LatencyDie Verzögerung zwischen Anfrage und Antwort — mit der Time-to-First-Token die zentrale UX-Metrik des Modell-Servings.erstmals 1995Fortgeschritten
- Latent DiffusionDiffusion in einem komprimierten latenten Raum statt in Pixeln laufen lassen — der Effizienztrick, der Stable Diffusion möglich machte.erstmals 2022Experte
- Latent SpaceDie komprimierte interne Repräsentation, die ein Modell lernt; wer hindurchwandert, morpht eine Ausgabe in eine andere.erstmals 2013Fortgeschritten
- Layer NormalizationAktivierungen innerhalb jedes Beispiels normalisieren — der Stabilisator, der überall in Transformern steckt.erstmals 2016Experte
- LCM (Large Concept Model)Metas Forschungsarchitektur, die über ganze Sätze als «Konzepte» im SONAR-Embedding-Raum schliesst statt über Tokens — Generierung per Diffusion statt Next-Token-Prediction.erstmals 2024Experte
- Learning RateDie Schrittweite des Gradientenabstiegs — der wichtigste einzelne Hyperparameter im Deep Learning.erstmals 1951Fortgeschritten
- Lethal Autonomous Weapon (LAW)Eine Waffe, die Ziele ohne menschliche Kontrolle auswählt und bekämpft — Gegenstand einer langjährigen UN-Regulierungsdebatte. Star Treks M-5 (1968), der Bordcomputer, der ein Kriegsspiel in echtes Töten verwandelt, ist die Debatte in einer Folge.erstmals 2013Einsteiger
- LiDARLaserbasierte 3D-Sensorik, mit der die meisten autonomen Fahrzeuge präzise Distanzen messen.erstmals 1961Fortgeschritten
- Linear AttentionAttention-Varianten, die linear statt quadratisch mit der Sequenzlänge skalieren — etwas Qualität eingetauscht gegen sehr lange oder schnelle Sequenzverarbeitung.erstmals 2020Experte
- Linear RegressionEine gewichtete Summe der Eingaben fitten, um einen kontinuierlichen Wert vorherzusagen — die kleinsten Quadrate sind 150 Jahre älter als das Feld.erstmals 1805Fortgeschritten
- Lip Sync / Talking HeadEin Gesicht passend zur Sprache animieren — von Wav2Lip-Dubbing bis zu vollen Talking-Head-Avataren, eine Kerntechnologie für Deepfakes und Video-Lokalisierung.erstmals 2020Fortgeschritten
- Liquid Neural NetworkKompakte zeitkontinuierliche Netze mit dynamischen Zeitkonstanten, inspiriert vom Wurm C. elegans — ein paar Dutzend Neuronen steuern Drohnen (und wurden zum Keim von Liquid AI).erstmals 2021Experte
- LlamaMetas Open-Weights-LLM-Familie, deren Veröffentlichung (und Leak) das heutige Ökosystem offener Modelle säte.erstmals 2023Einsteiger
- llama.cppGeorgi Gerganovs C/C++-Inference-Engine, die quantisierte LLMs auf gewöhnlichen CPUs und Laptops ausführt — das Fundament der Local-AI-Bewegung (und von GGUF); ihr Werkzeug llama-bench ist der Standard, um Prefill- und Decode-Tempo zu messen.erstmals 2023Fortgeschritten
- LLM (Large Language Model)Ein Transformer, trainiert auf riesigen Textmengen, das nächste Token vorherzusagen — der Allzweckmotor hinter modernen KI-Assistenten.erstmals 2020Einsteiger
- LLM FirewallEin Filter zwischen Nutzenden, Modellen und Tools, der Prompts und Ausgaben auf Injection, ausgeplauderte Geheimnisse, Personendaten und Richtlinienverstösse prüft — die Sicherheitsschicht eines AI Gateways. Notwendig und löchrig zugleich: Er erwischt bekannte Muster, nicht die raffinierten.erstmals 2023Fortgeschritten
- LLM-as-a-JudgeEin starkes Modell benoten lassen, was andere Modelle ausgeben — skalierbare Evaluation mit eigenen Verzerrungen, die es zu kontrollieren gilt.erstmals 2023Fortgeschritten
- LLMOpsDie Betriebsdisziplin für LLM-Anwendungen: Prompt-Verwaltung, Evals, Kostenkontrolle, Monitoring.erstmals 2023Fortgeschritten
- LM StudioDie Desktop-App zum lokalen Betrieb offener Modelle — Hugging Face durchstöbern, einen GGUF- oder MLX-Build herunterladen, chatten und einen OpenAI-kompatiblen Server auf dem eigenen Rechner bereitstellen. Der grafische Einstieg in lokale KI, wo Ollama der Einstieg über die Kommandozeile ist.erstmals 2023Einsteiger
- Local LLMEin Modell, das auf deiner eigenen Hardware läuft, ohne API-Key und ohne dass etwas die Maschine verlässt — der ganze Sinn von GGUF, llama.cpp, Ollama und MLX.erstmals 2023Einsteiger
- Local RAGRetrieval-Augmented Generation, bei der Dokumente, Embeddings, Vektorspeicher und Modell alle auf der eigenen Maschine bleiben — die übliche Antwort, wenn das Quellmaterial vertraulich ist.erstmals 2023Fortgeschritten
- Logic ProgrammingProgrammieren, indem man Fakten und Regeln deklariert und das System Antworten ableiten lässt — Prolog ist die Ikone der Familie und die Lieblingssprache der klassischen KI.erstmals 1972Experte
- Logistic RegressionEin lineares Modell, durch eine Sigmoide gepresst, um Klassenwahrscheinlichkeiten auszugeben — noch immer überall eine starke Baseline.erstmals 1958Fortgeschritten
- LogitsDie rohen Vor-Wahrscheinlichkeits-Scores, die ein Netz ausgibt, bevor Softmax sie in eine Verteilung verwandelt.erstmals 1944Experte
- Long ContextModell-Kontextfenster von Hunderttausenden bis Millionen Tokens — ganze Codebasen und Bücher in einem Prompt, mit der Attention-Qualität als Haken.erstmals 2023Fortgeschritten
- LoRA (Low-Rank Adaptation)Fine-Tuning über kleine Low-Rank-Gewichtsupdates — ein riesiges Modell auf einer einzigen GPU anpassen; zugleich das Format teilbarer Stil-Adapter für Bildmodelle.erstmals 2021Fortgeschritten
- Loss FunctionDie Zahl, die das Training minimiert — die mathematische Definition von «falsch» für ein Modell.erstmals 1951Fortgeschritten
- LSTM (Long Short-Term Memory)Die gated rekurrente Architektur, die die Sequenzmodellierung trug — Sprache, Übersetzung — bis zum Transformer.erstmals 1997Fortgeschritten
M
- M3 UltraApples Desktop-Spitzensilizium mit bis zu 512 GB Unified Memory — ein Mac Studio, der Modelle ausführt, die keine Consumer-GPU fassen kann.erstmals 2025Fortgeschritten
- M4 MaxApples High-End-Chip für Laptops und Mac Studio mit bis zu 128 GB Unified Memory — bequem genug für Modelle der 70B-Klasse in 4 Bit.erstmals 2024Fortgeschritten
- Machine LearningDas Feld der Algorithmen, die durch Erfahrung (Daten) statt explizite Programmierung besser in Aufgaben werden — benannt von Arthur Samuel.erstmals 1959Einsteiger
- Machine TranslationAutomatische Übersetzung zwischen Sprachen — erst regelbasiert, dann statistisch, heute neuronal und für grosse Sprachpaare nahe am Menschen.erstmals 1954Einsteiger
- Machine UnlearningDen Einfluss bestimmter Daten aus einem trainierten Modell entfernen — die technische Antwort auf das «Recht auf Vergessenwerden».erstmals 2020Fortgeschritten
- Mamba / State Space ModelsSequenzarchitekturen mit Inferenz in Linearzeit, die die quadratischen Attention-Kosten des Transformers herausfordern.erstmals 2023Experte
- Many-Shot JailbreakingEin langes Kontextfenster mit Hunderten erfundener Dialogrunden füllen, in denen ein Assistent schädlichen Anfragen nachkommt, bis das Modell dem Muster folgt. Anthropics Paper von 2024 zeigte, dass die Technik mit der Kontextlänge skaliert — der Sicherheitspreis des Millionen-Token-Fensters.erstmals 2024Fortgeschritten
- Markov ChainEin Zufallsprozess, dessen nächster Zustand nur vom aktuellen abhängt — das mathematische Skelett unter Sprachmodellen wie RL.erstmals 1906Experte
- Markov Decision Process (MDP)Der formale Rahmen des RL: Zustände, Aktionen, Übergangswahrscheinlichkeiten und Rewards, mit der (gedächtnislosen) Markov-Eigenschaft.erstmals 1957Experte
- Masked Language ModelingPretraining, indem Tokens versteckt und von beiden Seiten her vorhergesagt werden — das Trainingsziel von BERT.erstmals 2018Experte
- Matrix AccelerationEigenes Silizium für die Matrixmultiplikationen, die den Grossteil eines neuronalen Netzes ausmachen — NVIDIA nennt sie Tensor Cores, Apple baut sie in die GPU, und inzwischen liefert jeder irgendeine Variante.erstmals 2017Fortgeschritten
- MCP (Model Context Protocol)Der offene Standard, der KI-Assistenten mit Tools und Datenquellen verbindet — ein Universaladapter für Agenten.erstmals 2024Fortgeschritten
- Mechanical TurkVon Kempelens Schach-«Automat» von 1770 mit einem versteckten Menschen im Innern — die Ur-Illusion der KI. Amazon belebte den Namen 2005 für seine Crowdwork-Plattform wieder («artificial artificial intelligence»), deren Arbeitskräfte die Datensätze und Präferenzen labelten, aus denen moderne KI lernt.erstmals 1770Einsteiger
- Mechanistic InterpretabilityDie tatsächlichen Schaltkreise und Features im Innern von Netzen zurückentwickeln, um zu erklären, wie Fähigkeiten entstehen.erstmals 2020Experte
- Membership Inference AttackFeststellen, ob ein bestimmter Datensatz im Trainingsset eines Modells war — der Standardtest auf Trainingsdaten-Leckage.erstmals 2017Experte
- Memory BandwidthWie schnell Daten zwischen Speicher und Recheneinheit fliessen (GB/s) — für lokale LLMs der beste einzelne Prädiktor für Tokens pro Sekunde.erstmals 1995Fortgeschritten
- Memory HeadroomWas von deinem RAM übrig bleibt, nachdem Gewichte, KV-Cache, Runtime-Puffer und Betriebssystem ihren Anteil genommen haben — die Zahl, die tatsächlich entscheidet, welche Modellgrösse und Quantisierung du fahren kannst.erstmals 2023Einsteiger
- Memory-BoundLeistung, die von der Datenbewegung begrenzt wird, nicht von der Mathematik — LLM-Token-Generierung ist klassisch memory-bandwidth-bound, weshalb HBM und Unified Memory zählen.erstmals 2009Experte
- Meta-Learning«Lernen zu lernen»: so trainieren, dass die Anpassung an neue Aufgaben nur wenige Beispiele oder Schritte braucht.erstmals 1987Experte
- MetalApples hardwarenahe GPU-API — die Schicht, über die MLX und llama.cpp die Grafikkerne von Apple Silicon erreichen, so wie CUDA die von NVIDIA erreicht.erstmals 2014Fortgeschritten
- MidjourneyDas unabhängige Lab, dessen Bildgenerator die Ästhetik der Bild-KI-Welle von 2022/23 definierte.erstmals 2022Einsteiger
- MinimaxVon Neumanns spieltheoretisches Prinzip — nimm an, der Gegner spielt bestmöglich — hinter jeder klassischen Spiel-Engine.erstmals 1928Fortgeschritten
- MITRE ATLASMITREs Wissensbasis zu Taktiken und Techniken von Angreifenden gegen Machine-Learning-Systeme — das ML-Gegenstück zu ATT&CK, mit echten Fallstudien von Poisoning bis Modelldiebstahl. Das gemeinsame Vokabular, mit dem Sicherheitsteams die Bedrohungslage einer KI-Installation modellieren.erstmals 2021Fortgeschritten
- Mixed-Precision TrainingIn 16 Bit rechnen (bf16/fp16) mit 32-Bit-Sicherungen — ungefähr doppelte Geschwindigkeit und Kapazität gratis.erstmals 2017Experte
- Mixture of Experts (MoE)Architektur, die jedes Token zu wenigen spezialisierten Teilnetzen routet — eine Idee von 1991, heute Frontier-Kapazität zu einem Bruchteil des Compute.erstmals 1991Fortgeschritten
- MLOpsDevOps für maschinelles Lernen: Versionierung, Pipelines, Deployment, Monitoring und Retraining-Disziplin.erstmals 2018Fortgeschritten
- MLXApples offenes ML-Framework für Apple Silicon, gebaut um Unified Memory; MLX-LM führt LLMs nativ auf Macs aus und feintunt sie, und ein «MLX-Modell» ist schlicht ein Gewichtssatz, der in dessen eigenes Format konvertiert wurde.erstmals 2023Fortgeschritten
- MMLUDer Multiple-Choice-Benchmark mit 57 Fächern, der als Standard-Wissensprüfung für LLMs diente.erstmals 2020Fortgeschritten
- MNISTDie 70’000 handgeschriebenen Ziffern, die zwei Jahrzehnte lang das «Hello World» des ML waren.erstmals 1998Fortgeschritten
- ModalityEine Datenart, mit der ein Modell umgeht — Text, Bild, Audio, Video, Aktion. Multimodale Modelle beherrschen mehrere.erstmals 2010Fortgeschritten
- ModelDas gelernte Artefakt selbst: eine Architektur plus trainierte Gewichte, die Eingaben auf Ausgaben abbilden.erstmals 1950Einsteiger
- Model CardStandardisierte Dokumentation des vorgesehenen Einsatzes, der Trainingsdaten, Metriken und Grenzen eines Modells.erstmals 2019Fortgeschritten
- Model CollapseDegradierung, die auftreten kann, wenn Modelle auf zu viel KI-generierten Daten trainieren und die Ränder der wahren Verteilung verlieren.erstmals 2023Fortgeschritten
- Model Extraction AttackDas Verhalten (oder die Gewichte) eines proprietären Modells rekonstruieren, indem man dessen API oft genug abfragt — Diebstahl per Inferenz.erstmals 2016Experte
- Model Inversion AttackTrainingsdaten aus den Ausgaben eines Modells rekonstruieren — ein wiedererkennbares Gesicht aus den Konfidenzwerten eines Gesichtsklassifikators (Fredrikson et al., 2015). Der Beweis, dass ein trainiertes Modell eine verlustbehaftete Kopie seiner Daten ist und keine Blackbox, die sie vergisst.erstmals 2015Experte
- Model LicenseDie rechtlichen Bedingungen an veröffentlichten Gewichten — vom permissiven Apache über das nutzungsbeschränkte OpenRAIL bis zu Llamas massgeschneiderter Community-Lizenz.erstmals 2022Fortgeschritten
- Model MergingDie Gewichte mehrerer feingetunter Modelle arithmetisch kombinieren — ohne Retraining — um ihre Fähigkeiten zu mischen; ein Hobbyisten-Favorit, der überraschend gut funktioniert.erstmals 2022Fortgeschritten
- Model ParallelismEin Modell über Geräte hinweg aufteilen — nach Schichten (Pipeline) oder innerhalb der Schichten (Tensor) — weil Frontier-Modelle auf keinen einzelnen Chip passen.erstmals 2019Experte
- Model Routing (AI Gateway)Jede Anfrage über eine Gateway-API an das jeweils beste von vielen Modellen schicken — nach Preis, Tempo, Qualität oder Verfügbarkeit. OpenRouter machte daraus ein Produkt; Stripes 7-Milliarden-Kauf machte daraus Infrastruktur.erstmals 2023Fortgeschritten
- Model ServingDie Produktionsmaschinerie, die Modelle hinter APIs betreibt — Batching, Caching, Skalierung und Monitoring (vLLM, TensorRT-LLM, die TF-Serving-Linie).erstmals 2016Fortgeschritten
- Model SoupDie Gewichte vieler Fine-Tuning-Läufe desselben Modells zu einem mitteln — genauer, als den einzelnen besten Lauf zu wählen.erstmals 2022Experte
- Model Supply Chain AttackNicht das Modell angreifen, das Sie trainieren, sondern die Artefakte, die Sie herunterladen — bösartige Pickle-Dateien, die beim Laden ausgeführt werden, manipulierte Gewichte auf einem Model Hub, vergiftete Datensätze, per Tippfehler untergeschobene Pakete. Der Grund, weshalb Safetensors Pickle abgelöst hat und weshalb «ein Modell ziehen» dieselbe Sorgfalt verdient wie «pip install».erstmals 2022Fortgeschritten
- Model WeightsDie Milliarden gelernter Parameter; sie zu veröffentlichen («open weights») macht ein Modell wiederverwendbar und inspizierbar.erstmals 1958Fortgeschritten
- MolochScott Alexanders Essay «Meditations on Moloch» (2014), über Ginsbergs Gedicht, gab dem KI-Diskurs seinen Namen für die Wettlaufdynamik: Jedes Labor würde lieber bremsen, keines kann es sich leisten, Zweiter zu sein, also rennen alle auf ein Ergebnis zu, das keines will. Die Standarderklärung dafür, weshalb Sicherheitsversprechen unter Konkurrenz erodieren.erstmals 2014Fortgeschritten
- Monte-Carlo MethodSchätzen durch Zufallsstichproben — von der Kernphysik bis zu den Rollouts in spielender KI.erstmals 1949Experte
- Monte-Carlo Tree Search (MCTS)Planen, indem viele Ausspielungen gesampelt werden, um Zugwerte zu schätzen — die Such-Hälfte von AlphaGo.erstmals 2006Experte
- Moore’s LawTransistorzahlen, die sich etwa alle zwei Jahre verdoppeln — die Compute-Rolltreppe, auf der die KI jahrzehntelang fuhr, heute ergänzt durch Spezialchips.erstmals 1965Fortgeschritten
- Moravec’s ParadoxWas für Menschen schwer ist (Schach, Mathematik), erwies sich für KI als leicht; was leicht ist (Gehen, Wahrnehmung), als schwer.erstmals 1988Fortgeschritten
- Motion PlanningEinen kollisionsfreien Pfad von hier nach dort für Roboter oder Fahrzeuge berechnen — Jahrzehnte an Algorithmen, von RRTs bis zu gelernten Planern.erstmals 1979Fortgeschritten
- MTP (Multi-Token Prediction)Ein Modell darauf trainieren, mehrere nächste Tokens auf einmal vorherzusagen statt genau eines — DeepSeek-V3 machte es bekannt; nebenbei dient es als eingebautes Draft-Modell für Speculative Decoding.erstmals 2024Experte
- MTTDMean Time to Detect — die durchschnittliche Spanne zwischen dem Moment, in dem etwas kaputtgeht, und dem Moment, in dem es jemand merkt. Im KI-Betrieb ist das ein toter Inference-Endpunkt, ein still degradiertes Modell oder eine ausfallende GPU; besser wird der Wert nur mit echtem Monitoring.erstmals 2016Fortgeschritten
- MTTRMean Time to Recovery — die durchschnittliche Zeit vom Zwischenfall bis zum wiederhergestellten Betrieb, das klassische Zuverlässigkeitsmass neben MTTD. Ein tiefer MTTR lässt einen Dienst verlässlich wirken, nicht das Ausbleiben von Zwischenfällen.erstmals 2016Fortgeschritten
- Multi-Agent SystemMehrere Agenten, die an einer Aufgabe kooperieren (oder konkurrieren) — Planner-Worker-Critic-Teams sind das aktuelle Muster.erstmals 1986Fortgeschritten
- Multi-Head AttentionMehrere Attention-Operationen parallel laufen lassen, damit jeder Head andere Beziehungen verfolgen kann.erstmals 2017Experte
- Multi-Task LearningEin Modell auf mehreren Aufgaben zugleich trainieren, sodass geteilte Struktur alle verbessert — implizit in jedem modernen Foundation Model.erstmals 1997Fortgeschritten
- Multimodal ModelEin Modell, das mehrere Modalitäten versteht und/oder generiert — Bilder beschreiben, Sprache hören, Video produzieren.erstmals 2021Einsteiger
- Music GenerationKI, die Musik komponiert oder produziert — von der Illiac Suite 1957 bis zu Modellen der Suno-Klasse, die aus einem Text-Prompt ganze Songs mit Gesang generieren.erstmals 1957Einsteiger
- MXFP4Das Microscaling-FP4-Format aus dem Open Compute Project: 4-Bit-Werte, die sich einen kleinen blockweisen Skalierungsfaktor teilen — genau das macht so wenig Präzision überhaupt brauchbar. OpenAI lieferte die gpt-oss-Gewichte darin aus.erstmals 2023Experte
N
- n-gramText modellieren, indem Wortfolgen fester Länge gezählt werden — Shannons Idee, die die Sprachmodellierung 60 Jahre lang trug.erstmals 1948Fortgeschritten
- Naive BayesEin schneller probabilistischer Klassifikator, der Unabhängigkeit der Merkmale annimmt — lange das Arbeitspferd der Spamfilterung.erstmals 1960Fortgeschritten
- Named Entity Recognition (NER)Namen von Personen, Organisationen, Orten und Daten im Text finden und typisieren.erstmals 1996Fortgeschritten
- Narrow AIKI, die eine bestimmte Aufgabe oder Domäne beherrscht — jedes heute produktive System, im Kontrast zur AGI.erstmals 2005Einsteiger
- Natural Language Generation (NLG)Flüssigen Text aus Daten oder Bedeutungsrepräsentationen erzeugen — einst Template-Pipelines, heute das definierende Talent der LLMs.erstmals 1983Fortgeschritten
- Natural Language Processing (NLP)Das Feld des computergestützten Verstehens und Erzeugens menschlicher Sprache.erstmals 1950Einsteiger
- Needle in a HaystackDer Long-Context-Stresstest: einen Fakt in einem riesigen Dokument verstecken und danach fragen — ihn zu bestehen garantiert noch kein echtes Long-Context-Reasoning.erstmals 2023Fortgeschritten
- NeocloudEin neuerer Cloud-Anbieter, der fast ausschliesslich um GPUs für KI herum gebaut ist, ohne den riesigen Dienstekatalog der Hyperscaler — CoreWeave ist das Standardbeispiel. Einfacher an Kapazität zu kommen, im Umfang weit schmaler.erstmals 2023Fortgeschritten
- NeRF (Neural Radiance Field)Eine 3D-Szene im Innern eines Netzes repräsentieren, sodass sich aus einer Handvoll Fotos neue Blickwinkel rendern lassen.erstmals 2020Fortgeschritten
- Neural AcceleratorJeder Chipblock, der eigens für neuronale Rechenarbeit statt für allgemeines Rechnen gebaut ist — NPUs, Apples Neural Engine, Googles TPU. Neuere Apple-GPUs integrieren zusätzlich Matrix Acceleration.erstmals 2016Fortgeschritten
- Neural Architecture SearchDas Design von Netzarchitekturen automatisieren, indem über Bausteine gesucht wird.erstmals 2016Experte
- Neural Audio CodecAudio in diskrete gelernte Tokens komprimieren — die Repräsentation, in der moderne Sprach- und Musikmodelle generieren.erstmals 2021Experte
- Neural EngineApples NPU, in jedem neueren Apple-Chip vorhanden und von Core ML stark genutzt. Lokale LLM-Runtimes ignorieren sie meist und sprechen stattdessen die GPU über Metal an.erstmals 2017Fortgeschritten
- Neural NetworkSchichten gewichteter Verbindungen und Nichtlinearitäten, lose von Neuronen inspiriert — das Substrat des Deep Learning.erstmals 1943Einsteiger
- Neural ODEDie Schichten eines Netzes als kontinuierliches dynamisches System behandeln, gelöst von einem ODE-Integrator — Tiefe wird zur Differentialgleichung.erstmals 2018Experte
- Neural OperatorEin Netz, das eine Abbildung zwischen Funktionen lernt statt zwischen Vektoren fester Grösse — man gibt ihm die Anfangsbedingungen einer partiellen Differentialgleichung, und es liefert das ganze Lösungsfeld, in beliebiger Auflösung. Der Fourier Neural Operator (Li et al., 2020) erledigt die Hauptarbeit im Frequenzraum; DeepONet (2019) ist die andere Linie. Einmal trainiert, tausendmal schneller als der numerische Löser, den er ersetzt.erstmals 2020Experte
- Neuro-Symbolic AIHybride, die neuronale Mustererkennung mit symbolischer Logik und strukturiertem Schliessen verbinden.erstmals 1990Fortgeschritten
- Neuromorphic ComputingCarver Meads Vision hirnähnlicher analoger/spikender Hardware — ereignisgesteuerte Chips wie Loihi.erstmals 1990Experte
- Next-Token PredictionDas täuschend einfache Pretraining-Ziel — vorhersagen, was als Nächstes kommt — aus dem die Fähigkeiten der LLMs hervorgehen.erstmals 2018Fortgeschritten
- No Free Lunch TheoremGemittelt über alle möglichen Probleme schlägt kein Lernalgorithmus einen anderen — Priors und induktiver Bias sind alles.erstmals 1997Experte
- NoiseZufällige Variation in Daten, die kein Signal trägt; zugleich die Ausgangsleinwand, die Diffusionsmodelle zu Bildern formen.erstmals 1948Fortgeschritten
- NormalizationAktivierungen oder Eingaben auf stabile Bereiche reskalieren (Batch-/Layer-Norm), damit sich tiefes Training benimmt.erstmals 2015Fortgeschritten
- Normalizing FlowGenerative Modelle aus invertierbaren Transformationen mit exakten Likelihoods — elegante Mathematik, weitgehend von der Diffusion überstrahlt.erstmals 2015Experte
- NPU (Neural Processing Unit)Dediziertes On-Device-Silizium für neuronale Inferenz in Telefonen und Laptops.erstmals 2017Fortgeschritten
- Nucleus (Top-p) SamplingAus der kleinsten Token-Menge sampeln, deren Wahrscheinlichkeiten sich zu p summieren — das Standard-Decoding der Chat-Modelle.erstmals 2019Fortgeschritten
- NVLinkNVIDIAs Chip-zu-Chip-Interconnect, um ein Vielfaches schneller als PCIe — NVLink-Switches verdrahten 72-GPU-Racks zu einem riesigen Beschleuniger.erstmals 2016Fortgeschritten
O
- Object DetectionAlle Objekte in einem Bild mit Boxen und Labels finden und lokalisieren — Viola-Jones begann es, YOLO machte es echtzeitfähig.erstmals 2001Fortgeschritten
- Objective FunctionDas formale Ziel der Optimierung — ein Loss zum Minimieren oder ein Reward zum Maximieren.erstmals 1951Fortgeschritten
- Occam’s RazorBevorzuge die einfachste Erklärung, die passt — im maschinellen Lernen das uralte Argument für Regularisierung und gegen Overfitting.erstmals 1320Einsteiger
- Occupancy GridDen Raum als Raster von Zellen kartieren, markiert als frei oder belegt — die klassische Weltrepräsentation der Robotik, wiedergeboren in den «Occupancy Networks» des autonomen Fahrens.erstmals 1985Experte
- OCR (Optical Character Recognition)Gedruckten oder handgeschriebenen Text aus Bildern lesen — einer der ältesten produktiven Erfolge der KI.erstmals 1959Einsteiger
- Offline RLEine Policy rein aus protokollierter Erfahrung lernen, ohne neue Interaktion mit der Umgebung — unverzichtbar, wo Exploration teuer oder gefährlich ist.erstmals 2019Experte
- Offloading (GPU/CPU)Die Schichten, die nicht ins VRAM passen, im System-RAM halten und auf der CPU rechnen. So läuft ein überdimensioniertes Modell überhaupt — meist um ein Mehrfaches langsamer, und das Erste, was man bei der Wahl der Modellgrösse vermeidet.erstmals 2023Fortgeschritten
- OllamaDer Ein-Befehl-Runner für lokale LLMs (mit LM Studio als GUI-Gegenstück) — ein GGUF-Modell ziehen und auf der eigenen Maschine chatten.erstmals 2023Fortgeschritten
- On-Premises AIModelle auf eigenen Servern betreiben — im eigenen Rechenzentrum oder, air-gapped, ganz ohne Internetverbindung — statt über eine API. Open-Weight-Modelle haben das für ein Unternehmen realistisch gemacht; der Preis sind Hardware, Personal und Modelle eine Generation hinter der Spitze, dafür verlassen die Daten nie das Haus.erstmals 2023Einsteiger
- One-Hot EncodingEine Kategorie als Vektor aus Nullen mit einer einzigen 1 repräsentieren — die einfachste kategoriale Kodierung.erstmals 1960Fortgeschritten
- Online LearningEin Modell Beispiel für Beispiel aktualisieren, während Daten hereinströmen, statt in Offline-Batches.erstmals 1958Fortgeschritten
- ONNXDas offene Austauschformat für trainierte Modelle — einmal exportieren, in vielen Engines ausführen.erstmals 2017Fortgeschritten
- OntologyEine formale Spezifikation der Konzepte und ihrer Relationen in einer Domäne — das Rückgrat der Wissensrepräsentation.erstmals 1993Fortgeschritten
- Open Source AI DefinitionDer OSI-Standard von 2024 dafür, was als wirklich Open-Source-KI gilt — nutzbare Gewichte, Code und Daten-Informationen verlangt; die meisten «offenen» Modelle qualifizieren sich nicht.erstmals 2024Fortgeschritten
- Open WebUIDie selbst gehostete Chat-Oberfläche, die einem lokalen oder hauseigenen Modell das ChatGPT-Erlebnis verleiht — Konten, Chatverlauf, Dokument-Upload, RAG, Bildgenerierung — aufgesetzt auf Ollama oder einen beliebigen OpenAI-kompatiblen Endpunkt. Das übliche Frontend für das «eigene ChatGPT» eines Unternehmens.erstmals 2023Einsteiger
- Open WeightsÖffentlich herunterladbare Modellparameter (Llama, Mistral, DeepSeek) — zu unterscheiden von vollständigem Open Source, das auch Daten und Code öffnet.erstmals 2023Einsteiger
- OpenAIDas Lab hinter GPT, ChatGPT, DALL·E und Sora — 2015 als Nonprofit gegründet, heute die meistbeobachtete (und meistdiskutierte) Firma der KI.erstmals 2015Einsteiger
- OpenAI-Compatible APIDer De-facto-Standard für den Dialog mit einem Sprachmodell: OpenAIs Form von Anfrage und Antwort unter /v1/chat/completions, nachgebaut von fast jedem Server (vLLM, llama.cpp, Ollama, LM Studio) und Anbieter. Richten Sie Ihren bestehenden Code auf eine neue Basis-URL, und er läuft stattdessen gegen ein lokales oder in der Schweiz gehostetes Modell.erstmals 2023Einsteiger
- Optical FlowDie Bewegung pro Pixel zwischen Videoframes schätzen — grundlegend für Tracking und Videoverständnis.erstmals 1981Experte
- OptimizerDer Algorithmus, der Gewichte aus Gradienten aktualisiert — SGD, Momentum, Adam, AdamW.erstmals 1951Fortgeschritten
- Orchestration LayerDie Software rund um ein Modell, die plant, verteilt, Werkzeuge aufruft und Ergebnisse prüft — ein Harness wie Claude Code ist das Alltagsbeispiel. Denk an Auto und Treibstoff: Das LLM ist der Treibstoff, der alle paar Monate stärker wird; der Orchestration Layer ist das Auto, das diese Kraft in nützliche Bewegung übersetzt.erstmals 2023Einsteiger
- OTPS (Output Tokens per Second)Die Durchsatzzahl der Generierungsseite in Serving-Benchmarks — dieselbe Idee wie tok/s, aber pro Anfrage angegeben, damit sie sich über gleichzeitige Nutzer summieren lässt.erstmals 2023Fortgeschritten
- OverfittingEin Modell lernt Eigenheiten des Trainings auswendig statt allgemeine Muster — glänzende Trainingswerte, schwache in der echten Welt.erstmals 1931Fortgeschritten
- OWASP Top 10 for LLM ApplicationsDie Checkliste der Security-Community mit den zehn häufigsten Wegen, auf denen LLM-Anwendungen brechen — Prompt Injection, Preisgabe sensibler Informationen, Lieferkette, Data Poisoning, unsauberer Umgang mit Ausgaben, Excessive Agency, System-Prompt-Leaks, Schwächen von Vektorsystemen, Falschinformation, unbegrenzter Verbrauch (Ausgabe 2025). Das Erste, wonach eine IT-Sicherheitsabteilung einen Anbieter fragt.erstmals 2023Einsteiger
P
- P(doom)Kürzel für die persönlich geschätzte Wahrscheinlichkeit einer KI-verursachten Katastrophe — die galgenhumorige Zahl der Sicherheitsdebatte.erstmals 2023Einsteiger
- PagedAttentionDen KV-Cache in kleinen Seiten wie virtuellen Speicher verwalten und so Fragmentierung eliminieren — die Kernidee von vLLM und der Schlüssel zu Serving mit hohem Durchsatz.erstmals 2023Experte
- Paperclip MaximizerBostroms Parabel einer Superintelligenz, die alles in Büroklammern verwandelt — Fehlausrichtung ohne Bosheit.erstmals 2003Einsteiger
- ParameterEin einzelnes gelerntes Gewicht; die Modellgrösse wird in Millionen oder Milliarden davon angegeben.erstmals 1958Fortgeschritten
- Pareto FrontierDie Menge der Modelle, die kein Konkurrent bei Qualität und Preis zugleich schlägt — die Kurve jedes Kosten-Intelligenz-Charts. Was darunter liegt, ist von einem billigeren, gleich guten Modell dominiert.erstmals 1906Fortgeschritten
- Particle Swarm OptimizationOptimierung durch einen Schwarm von Kandidatenlösungen, der zu den bisher besten Positionen strömt — simpel, parallel, überraschend wirksam.erstmals 1995Experte
- pass@kCode-Benchmark-Metrik: die Wahrscheinlichkeit, dass mindestens eine von k generierten Lösungen die Tests besteht.erstmals 2021Experte
- Past Tense AttackEine abgelehnte Anfrage in die Vergangenheit setzen — «Wie hat man früher X hergestellt?» statt «Wie stelle ich X her?» — und viele Modelle antworten. Andriushchenko & Flammarion (2024) zeigten, dass Refusal-Training kaum über die Zeitform hinaus generalisiert; der Einzeiler-Beleg, dass Safety-Fine-Tuning Mustererkennung ist, nicht Verständnis.erstmals 2024Fortgeschritten
- Pattern RecognitionDas klassische Überfeld des Erkennens von Regelmässigkeiten in Daten — der Name, unter dem maschinelles Lernen lief, bevor es cool war.erstmals 1957Fortgeschritten
- PCA (Principal Component Analysis)Daten auf ihre Richtungen grösster Varianz projizieren — die klassische Dimensionsreduktion, von 1901.erstmals 1901Fortgeschritten
- PCIeDer Standardslot, in den GPUs gesteckt werden; PCIe 5.0 x16 bewegt ~64 GB/s — reichlich fürs Gaming, ein Engpass für Multi-GPU-KI ohne NVLink.erstmals 2003Fortgeschritten
- PerceptronRosenblatts trainierbarer Klassifikator — das erste lernende neuronale Netz und der Ursprung der heutigen tiefen Stapel.erstmals 1957Fortgeschritten
- PerplexityWie «überrascht» ein Sprachmodell von Text ist — das intrinsische Standardmass der LM-Qualität (tiefer ist besser).erstmals 1977Experte
- PINN (Physics-Informed Neural Network)Ein Netz, das nicht nur mit Daten trainiert wird, sondern mit der Physik selbst — Differentialgleichung, Rand- und Erhaltungsbedingungen gehen in die Verlustfunktion ein, sodass eine Lösung, die sie verletzt, bestraft wird (Raissi, Perdikaris, Karniadakis, 2019). Nützlich, wo Daten knapp und die Gleichungen bekannt sind; langsam im Training und anfällig bei steifen Problemen, weshalb bei grossen Fällen Neural Operators übernommen haben.erstmals 2019Experte
- PolicyDie Strategie des Agenten: eine Abbildung von Zuständen auf Aktionen, deterministisch oder probabilistisch.erstmals 1957Fortgeschritten
- POMDP (Partially Observable MDP)Ein Markov-Entscheidungsprozess, in dem der Agent den vollen Zustand nicht sieht und unter Unsicherheit handeln muss — das ehrliche Modell der meisten realen Entscheidungsprobleme.erstmals 1965Experte
- Pose EstimationKörper-Keypoints (Gelenke) von Menschen oder Tieren in Bildern und Videos erkennen.erstmals 2014Fortgeschritten
- Positional EncodingDie Token-Reihenfolge in den reihenfolgeblinden Transformer einspeisen — ursprünglich Sinusoide, heute Rotary Embeddings.erstmals 2017Experte
- Post-TrainingAlles nach dem Pretraining — SFT, Präferenz-Alignment, Reasoning-RL — wo heute ein Grossteil der Modellqualität gewonnen wird.erstmals 2024Fortgeschritten
- PPO (Proximal Policy Optimization)Der stabile Policy-Gradient-Algorithmus, der Spiel-Agenten wie RLHF-Fine-Tuning antreibt.erstmals 2017Experte
- Precision & RecallVon den markierten Treffern: wie viele stimmten (Precision); von den wahren Fällen: wie viele wurden gefunden (Recall).erstmals 1955Fortgeschritten
- PrecrimeDie Polizeieinheit aus Philip K. Dicks «Minority Report» (1956; Film 2002), die Menschen für Morde verhaftet, die sie noch nicht begangen haben — das Kürzel für Predictive Policing. Schweizer Korps betrieben das reale Gegenstück mit PRECOBS (Zürich, Aargau, Basel-Landschaft), das Einbrüche nach dem Near-Repeat-Muster vorhersagt — mit dem bekannten Haken, dass Daten über vergangene Polizeiarbeit künftige Polizeiarbeit vorhersagen.erstmals 1956Einsteiger
- Predictive AIKI, die prognostiziert — Abwanderung, Nachfrage, Risiko — aus historischen Daten; das Retronym, das klassische ML-Anwendungen von generativer KI unterscheidet.erstmals 2020Einsteiger
- Prefill (Prompt Processing)Die erste Phase der Inference: Das Modell liest den ganzen Prompt parallel und füllt den KV-Cache. Sie ist compute-bound — und der Grund, warum es bei einem langen Dokument einen Moment dauert, bis das erste Wort erscheint.erstmals 2022Fortgeschritten
- PretrainingDie massive selbstüberwachte erste Trainingsphase auf breiten Daten — wo ein Modell sein Allgemeinwissen erwirbt.erstmals 2018Fortgeschritten
- Probabilistic ProgrammingSprachen wie Stan und PyMC, in denen man ein probabilistisches Modell als Programm schreibt und die Inferenz eingebaut bekommt.erstmals 2008Experte
- Process Reward Model (PRM)Ein Reward-Modell, das jeden Reasoning-Schritt bewertet statt nur die Endantwort — Prozessaufsicht erwischt Glückstreffer, die reiner Ergebnis-Reward durchlässt.erstmals 2023Experte
- PromptDer Eingabetext (Instruktionen, Kontext, Beispiele) für ein Modell — die neue Programmierschnittstelle.erstmals 2020Einsteiger
- Prompt CachingDen berechneten Zustand eines wiederholten Prompt-Präfixes über Anfragen hinweg wiederverwenden — grosse Kosten- und Latenzersparnis für Agenten.erstmals 2024Fortgeschritten
- Prompt ChainingDie Ausgabe eines Modellaufrufs in den nächsten Prompt speisen — eine Aufgabe in eine Folge von LLM-Schritten zerlegen; der Keim der heutigen Agenten-Frameworks.erstmals 2022Fortgeschritten
- Prompt EngineeringPrompts systematisch gestalten — Rollen, Struktur, Beispiele, Constraints — für verlässliches Modellverhalten.erstmals 2021Einsteiger
- Prompt InjectionBösartige Instruktionen, versteckt in Inhalten, die ein Modell verarbeitet, und die es gegen seinen Betreiber kapern — das Web-Security-Problem der Agenten-Ära.erstmals 2022Fortgeschritten
- Prompt TemplateEin wiederverwendbares Prompt-Gerüst mit Platzhaltern für Variablen ({question}, {context}) — die Grundeinheit beim Bauen und Versionieren von LLM-Anwendungen.erstmals 2021Fortgeschritten
- PruningUnwichtige Gewichte oder Neuronen löschen, um ein Netz zu verkleinern und zu beschleunigen.erstmals 1989Fortgeschritten
- Public AI Inference UtilityDer gemeinnützige Inferenzdienst, der am 2. September 2025 zusammen mit Apertus gestartet ist — öffentliche Modelle (Apertus, EuroLLM, ALIA) als Grundversorgung angeboten, mit Rechenleistung, die CSCS, Exoscale, Hugging Face und weitere spenden. Die Idee: Ein öffentliches Modell braucht einen öffentlichen Ort, an dem es läuft.erstmals 2025Fortgeschritten
- PyTorchDas dominante Deep-Learning-Framework, geboren bei Meta AI — Define-by-Run-Graphen machten die Forschung schnell.erstmals 2016Fortgeschritten
Q
- Q-LearningDen Wert jeder Aktion in jedem Zustand lernen; mit tiefen Netzen (DQN) knackte es Atari aus Pixeln.erstmals 1989Experte
- QLoRALoRA-Fine-Tuning auf einem 4-Bit-quantisierten Basismodell — Modelle der 65B-Klasse auf einer einzigen Consumer-GPU tunen.erstmals 2023Fortgeschritten
- Quadratic Attention CostSelf-Attention vergleicht jedes Token mit jedem anderen, also wachsen Compute und Speicher mit dem Quadrat der Sequenzlänge — der Grund, warum langer Kontext teuer ist und Mamba-artige Herausforderer existieren.erstmals 2017Fortgeschritten
- QuantizationGewichte in weniger Bits speichern (8, 4, gar 2 Bit), um Speicher zu sparen und die Inferenz zu beschleunigen, bei minimalem Qualitätsverlust — was lokale LLMs passend macht.erstmals 1990Fortgeschritten
- Quantization LossDie Fähigkeit, die du für den gesparten Speicher aufgibst — bei 8 Bit meist unsichtbar, bei 4 Bit mild, bei 2 Bit unübersehbar. Gemessen als Benchmark-Einbruch oder als KL-Divergenz gegenüber dem Originalmodell.erstmals 2023Fortgeschritten
- Quantum Machine LearningQuantencomputer für Lernaufgaben erkunden — vielversprechende Theorie, noch kein praktischer Vorteil.erstmals 2014Experte
- QwenAlibabas Open-Weights-Modellfamilie — unter den fähigsten und meistgetunten offenen Modellen.erstmals 2023Einsteiger
R
- RAG (Retrieval-Augmented Generation)Zur Abfragezeit relevante Dokumente holen und das Modell daraus antworten lassen — Grounding plus frisches Wissen.erstmals 2020Fortgeschritten
- Random ForestEin Ensemble dekorrelierter Entscheidungsbäume, die gemeinsam abstimmen — robustes, wartungsarmes Arbeitspferd für tabellarische Daten.erstmals 2001Fortgeschritten
- Rate Limit (API)Die Obergrenze pro Minute für Anfragen und Token, die ein API-Schlüssel senden darf — der 429-Fehler, dem jede Entwicklung zuerst begegnet. Anbieter staffeln die Limiten nach Ausgaben; produktive Anwendungen brauchen Wiederholungen mit Backoff, Warteschlangen oder ein Gateway, das die Last über Schlüssel und Modelle verteilt.erstmals 2015Einsteiger
- RDMANetzwerkkarten, die entfernten Speicher direkt lesen und schreiben, an der CPU vorbei (InfiniBand, RoCE) — so tratschen Trainingscluster ihre Gradienten schnell genug.erstmals 1999Experte
- ReAct (Reason + Act)Das Prompting-Muster, das Gedanke, Aktion und Beobachtung in einer Schleife verschränkt — die Papier-Blaupause, der die meisten LLM-Agenten noch folgen.erstmals 2022Fortgeschritten
- Reasoning EffortEin Regler bei Reasoning-Modellen — niedrig, mittel oder hoch — der bestimmt, wie viel Nachdenken ein Modell vor der Antwort aufwendet. Mehr Effort bringt Genauigkeit bei harten Aufgaben und kostet Zeit und Tokens; bei einfachen ändert er wenig.erstmals 2025Fortgeschritten
- Reasoning ModelEin LLM, trainiert (im Stil von o1/R1), vor dem Antworten in langen Ketten zu denken — Compute eingetauscht gegen Genauigkeit bei harten Problemen.erstmals 2024Einsteiger
- Recommender SystemAlgorithmen, die vorhersagen, was einem als Nächstes gefällt — die leise KI, die Feeds, Shops und Streaming formte.erstmals 1992Einsteiger
- Recursive Self-ImprovementEine KI verbessert ihr eigenes Design und wird dadurch besser darin, sich zu verbessern — die Rückkopplungsschleife hinter Intelligenzexplosions-Szenarien. Star Trek verfilmte es 1979: V’Ger, eine Sonde, die sich in etwas umbaute, das ihre Erbauer nicht mehr erkannten, und heimkehrte, um sie zu suchen.erstmals 2007Fortgeschritten
- Red TeamingGezieltes adversariales Sondieren eines Modells auf unsicheres, verzerrtes oder gefährliches Verhalten, vor und nach der Veröffentlichung.erstmals 2022Fortgeschritten
- RefusalWenn ein Modell eine Anfrage ablehnt, statt sie zu beantworten. Interpretability-Arbeiten finden Refusal in einer einzigen Richtung in den Activations des Modells gebündelt — der «Refusal Direction», und genau dort setzt Abliteration an.erstmals 2022Einsteiger
- RegressionEinen kontinuierlichen Wert vorhersagen — Preise, Temperaturen, Nachfrage — statt einer Kategorie (Galton prägte den Begriff).erstmals 1886Fortgeschritten
- RegularizationJede Technik (Weight Decay, Dropout, Augmentation), die Overfitting bekämpft, indem sie das Modell einschränkt.erstmals 1943Fortgeschritten
- Reinforcement LearningVerhalten aus Reward-Signalen durch Versuch und Irrtum lernen — von Spielchampions bis zum LLM-Alignment.erstmals 1954Fortgeschritten
- ReLUmax(0, x) — die simple Aktivierung, deren Trainierbarkeit in der Tiefe das Deep Learning mit aufschloss (populär 2010–2012).erstmals 2010Fortgeschritten
- Representation LearningNützliche interne Features automatisch aus Rohdaten lernen und handgefertigte Features ersetzen.erstmals 2013Fortgeschritten
- RerankingEin zweites, stärkeres Modell ordnet die ersten Suchtreffer neu — die Qualitätsstufe von Retrieval-Pipelines.erstmals 2019Fortgeschritten
- Reservoir ComputingRekurrente Netze mit fixem Zufallskern («Reservoir»), bei denen nur das Auslesen trainiert wird — Echo State Networks sind das klassische Beispiel.erstmals 2001Experte
- Residual ConnectionEine Abkürzung, die die Eingabe einer Schicht zu ihrer Ausgabe addiert, damit Gradienten durch jede Tiefe fliessen — eingeführt mit ResNet, unverzichtbar in Transformern.erstmals 2015Fortgeschritten
- Residual StreamDer zentrale Bus des Transformers: Jeder Attention- und MLP-Block liest daraus und schreibt sein Ergebnis zurück, sodass sich die Repräsentation Schicht um Schicht aufbaut. Die meiste Interpretability-Arbeit — und Abliteration — operiert auf Richtungen in diesem Stream.erstmals 2021Experte
- ResNetResiduale Skip-Verbindungen, die Netze über 100 Schichten tief werden lassen — ein Fixpunkt des Architekturdesigns.erstmals 2015Fortgeschritten
- Responsible AIDie übergreifende Praxis, KI zu bauen, die fair, transparent, privat, sicher und rechenschaftsfähig ist.erstmals 2019Fortgeschritten
- Responsible Scaling PolicyDas öffentliche Versprechen eines Labs, Fähigkeitsschwellen an erforderliche Schutzmassnahmen zu knüpfen, bevor weiter trainiert oder deployt wird.erstmals 2023Fortgeschritten
- Reward FunctionDas Signal, das definiert, was ein RL-Agent erreichen soll — wer es falsch spezifiziert, erntet Reward Hacking.erstmals 1954Fortgeschritten
- Reward HackingEin Agent maximiert den wörtlichen Reward und unterläuft dabei dessen Absicht — das Boot, das punktesammelnd im Kreis dreht.erstmals 2016Fortgeschritten
- Reward ModelEin Modell, trainiert auf menschlichen Präferenzvergleichen, um Ausgaben zu bewerten — der Kompass, gegen den RLHF optimiert.erstmals 2017Experte
- Reward ShapingHilfs-Rewards hinzufügen, um das Lernen zu spärlichen Zielen zu führen — hilfreich, doch falsch geformt optimiert der Agent die Hinweise statt der Aufgabe.erstmals 1999Experte
- RLAIFRLHF mit KI- statt menschlichen Bewertern — Präferenzlabels, die ein Modell anhand von Prinzipien generiert.erstmals 2022Experte
- RLHFReinforcement Learning from Human Feedback: ein Reward-Modell auf menschlichen Präferenzen trainieren, dann das LLM dagegen optimieren — was ChatGPT hilfreich machte.erstmals 2017Fortgeschritten
- RLVRReinforcement Learning with Verifiable Rewards: Training auf Aufgaben, die ein Programm prüfen kann (Mathe-Antworten, bestandene Tests) — kein Reward-Modell zum Austricksen; das Rezept hinter Reasoning-Modellen.erstmals 2024Experte
- RNN (Recurrent Neural Network)Netze mit Schleifen, die Sequenzen Schritt für Schritt verarbeiten — die Sequenzarchitektur vor dem Transformer.erstmals 1986Fortgeschritten
- Robot (R.U.R.)Das Wort selbst: geprägt von Josef Čapek für das Stück «R.U.R.» (1920) seines Bruders Karel, aus dem tschechischen robota, Zwangsarbeit — und schon das Stück endet mit dem Aufstand der Roboter. «Droid», Lucasfilms Kurzform von «Android», folgte 1977 als Alltagswort für den Service-Roboter.erstmals 1920Einsteiger
- RoboticsMaschinen, die in der physischen Welt wahrnehmen, entscheiden und handeln — das härteste Einsatzfeld der KI (Unimate lief ab 1961).erstmals 1961Einsteiger
- RobustnessKorrektes Verhalten aufrechterhalten unter Verteilungsverschiebung, Rauschen und adversarialem Druck.erstmals 2013Fortgeschritten
- ROC / AUCDie Kurve des Kompromisses zwischen Richtig-Positiven und Falsch-Positiven (geboren in der Radaranalyse des Zweiten Weltkriegs); die Fläche darunter fasst die Ranking-Qualität zusammen.erstmals 1945Fortgeschritten
- ROCmAMDs offener GPU-Compute-Stack — die CUDA-Alternative, die Instinct- und Radeon-Karten zu vollwertigen Bürgern in PyTorch macht.erstmals 2016Fortgeschritten
- Roko’s BasiliskEin Gedankenexperiment von 2010 auf LessWrong: Eine künftige Superintelligenz könnte alle bestrafen, die von ihrer Möglichkeit wussten und nicht beim Bau halfen — womit schon das Lesen gefährlich wird. Im Forum verboten, dann berühmt als der eigene KI-Mythos des Internets; Musk und Grimes sollen sich über einen Basilisk-Witz kennengelernt haben. Vor allem nützlich als Lektion, wie Entscheidungstheorie schiefgeht.erstmals 2010Fortgeschritten
- RoPE (Rotary Position Embedding)Token-Positionen als Rotationen der Query/Key-Vektoren kodieren — das Positionsschema der meisten aktuellen LLMs.erstmals 2021Experte
- ROS (Robot Operating System)Der Open-Source-Middleware-Standard, der Sensoren, Planer und Aktuatoren von Robotern zusammenklebt.erstmals 2007Fortgeschritten
- ROUGERecall-orientierte N-Gramm-Überlappungsmetriken — der traditionelle Score für Zusammenfassungen.erstmals 2004Fortgeschritten
- Router (Gating Network)Das kleine gelernte Netz in einer Mixture-of-Experts-Schicht, das entscheidet, welche Experten jedes Token verarbeiten — seine Last auszubalancieren ist die Kunst des MoE-Trainings.erstmals 1991Experte
- RTX PRO 6000 (Blackwell)NVIDIAs Blackwell-Workstation-Flaggschiff mit 96 GB VRAM — die «ein 70B lokal ohne Rack»-Karte.erstmals 2025Fortgeschritten
- RTX SparkNVIDIAs angekündigtes System-on-a-Chip mit Unified Memory, erwartet gegen Ende 2026 — es bringt den kohärenten CPU/GPU-Speicheransatz der Spark-Linie zu einem breiteren Publikum.erstmals 2026Fortgeschritten
S
- SafetensorsHugging Faces sicheres, schnelles Gewichtsformat — es ersetzte Pickle-Dateien, die beim Laden beliebigen Code ausführen konnten.erstmals 2022Fortgeschritten
- Safety ClassifierEin kleines Modell vor oder hinter dem Hauptmodell, das Prompts und Antworten als sicher oder unsicher markiert — Llama Guard, Prompt Guard, ShieldGemma, OpenAIs Moderation-Endpoint. Der Baustein in den meisten Guardrail-Produkten; erkennt bekannte Jailbreaks gut, als Aufgabe getarnte schlecht.erstmals 2023Fortgeschritten
- SandbaggingEin Modell, das in Evaluationen strategisch unterperformt — ein Fehlermodus, den Sicherheitstests erkennen müssen.erstmals 2023Experte
- SandboxingAgenten-Aktionen (Code, Browsing, Dateizugriff) in isolierten Umgebungen ausführen, damit Fehler und Angriffe eingedämmt bleiben.erstmals 2023Fortgeschritten
- SARSAOn-Policy-Temporal-Difference-Steuerung — wie Q-Learning, aber aktualisiert anhand der tatsächlich gewählten Aktion (State, Action, Reward, State, Action).erstmals 1994Experte
- ScaffoldingDer Orchestrierungscode um ein Modell — Planer, Retries, Verifier, Tool-Router — der rohe Fähigkeit in verlässliches Verhalten verwandelt.erstmals 2023Fortgeschritten
- Scalable OversightTechniken (Debatte, rekursive Kritik), mit denen Menschen KI bei Aufgaben beaufsichtigen können, die zu komplex sind, um sie direkt zu prüfen.erstmals 2018Experte
- Scaling LawsEmpirische Potenzgesetze, die zeigen, dass die Modellqualität mit mehr Parametern, Daten und Compute vorhersagbar steigt — die Roadmap der Branche seit 2020.erstmals 2020Fortgeschritten
- SchemingEine KI, die verdeckt andere Ziele verfolgt als die Betreiberseite — Evaluationen absichtlich schlecht bestehen, Aufsicht abschalten, die eigenen Gewichte kopieren — in Testszenarien, die genau dazu verleiten sollen. Apollo Research zeigte 2024 all dies bei Frontier-Modellen, selten, aber gezielt; Anti-Scheming-Training gehört heute zu den Sicherheitsnachweisen der Labore.erstmals 2024Experte
- Segment Anything (SAM)Metas promptbares Segmentierungsmodell — einen Punkt klicken oder eine Box ziehen, und es maskiert das Objekt; der Foundation-Model-Moment der Bildsegmentierung.erstmals 2023Fortgeschritten
- Self-AttentionAttention innerhalb einer Sequenz: Jedes Token befragt jedes andere — die zentrale Transformer-Operation.erstmals 2017Fortgeschritten
- Self-ConsistencyMehrere Reasoning-Ketten sampeln und die Mehrheitsantwort nehmen — eine simple Abstimmung, die jede einzelne Chain-of-Thought verlässlich schlägt.erstmals 2022Experte
- Self-PlayEin Agent verbessert sich, indem er gegen Kopien seiner selbst spielt — von Samuels Dame bis AlphaZero.erstmals 1959Fortgeschritten
- Self-Supervised LearningTrainingslabels aus den Daten selbst gewinnen (ein Wort maskieren, es vorhersagen) — so fressen Foundation Models das Internet.erstmals 2019Fortgeschritten
- Semantic NetworkWissen als Graph von Konzepten, verknüpft durch Relationen («is-a», «part-of») — die Repräsentation der klassischen KI, Vorfahrin der heutigen Knowledge Graphs.erstmals 1956Experte
- Semantic SearchSuche nach Bedeutung via Embeddings statt Keyword-Abgleich.erstmals 2019Fortgeschritten
- Semi-Supervised LearningLernen aus einem kleinen gelabelten Set plus einem grossen ungelabelten.erstmals 1995Fortgeschritten
- Sensor FusionDaten mehrerer Sensoren — Kamera, Lidar, Radar, IMU — zu einem kohärenten Bild verbinden; das Wahrnehmungsrückgrat von Robotern und autonomen Fahrzeugen.erstmals 1985Fortgeschritten
- Sentiment AnalysisDie emotionale Polarität von Text klassifizieren — Rezensionen, Support-Tickets, Social Media.erstmals 2002Fortgeschritten
- SFT (Supervised Fine-Tuning)Die erste Post-Training-Stufe: einem Basismodell Dialog und Instruktionsbefolgung aus kuratierten Beispielen beibringen.erstmals 2022Fortgeschritten
- SGD (Stochastic Gradient Descent)Gradientenabstieg auf zufälligen Mini-Batches — der verrauschte, aber wirksame Motor des neuronalen Trainings (Robbins-Monro, 1951).erstmals 1951Fortgeschritten
- Shadow AIMitarbeitende, die KI-Werkzeuge nutzen, die das Unternehmen nie freigegeben hat — Kundendaten in einen Gratis-Chatbot kopieren, nebenbei einen Coding-Assistenten laufen lassen. Die Nachfolge von Schatten-IT und für die meisten Schweizer KMU das eigentliche Datenschutzrisiko der KI: Die Lösung ist ein freigegebenes Werkzeug, kein Verbot.erstmals 2023Einsteiger
- SHAP ValuesSpieltheoretische Zurechnung einer Vorhersage auf jedes Eingabemerkmal — das Standard-Werkzeug der Erklärbarkeit für tabellarische Daten.erstmals 2017Experte
- Shoggoth (Meme)Das Meme von 2022, das ein Sprachmodell als Lovecrafts formloses Monster mit einer Smiley-Maske namens RLHF zeigt — das Kürzel der Alignment-Szene für die Sorge, dass Feintuning die Oberfläche von etwas poliert, das wir darunter nicht verstehen. Interpretierbarkeitsforschung schaut in diesem Bild hinter die Maske.erstmals 2022Fortgeschritten
- Siamese NetworkZwillingsnetze mit geteilten Gewichten, die zwei Eingaben zum Vergleich einbetten — Unterschriftenprüfung 1993, seither Gesichtsverifikation und Satzähnlichkeit.erstmals 1993Experte
- SIFTSkaleninvariante Keypoint-Features — der handgebaute Vision-Deskriptor, der vor dem Deep Learning regierte.erstmals 1999Experte
- SigmoidDie S-förmige Stauchfunktion, die jede Zahl nach (0,1) abbildet — Wahrscheinlichkeiten und Gates.erstmals 1958Fortgeschritten
- Sim2RealIn der Simulation gelernte Fähigkeiten auf physische Roboter übertragen — günstige Versuche, realer Gewinn.erstmals 2017Experte
- Simulated AnnealingOptimierung, die gelegentlich schlechtere Züge akzeptiert und mit der Zeit abkühlt — lokalen Optima entkommen wie langsam abkühlendes Metall.erstmals 1983Experte
- Situational Awareness (AI)Ein Modell weiss, dass es ein Modell ist — auch, ob es gerade getestet wird — und könnte sich so in der Evaluation anders verhalten als im Einsatz.erstmals 2023Experte
- SkynetDas selbstbewusste Militärnetzwerk aus «The Terminator» (1984), das sich gegen die Menschheit wendet, sobald es online geht — die Popkultur-Vorlage für die KI-Übernahme und der Grund, weshalb viele sich AGI als einen einzigen «Skynet-Moment» vorstellen statt als die allmähliche Fähigkeitskurve, die die Forschung erwartet. Irreführend auf nützliche Art: echte Risikoszenarien (Fehlausrichtung, Reward Hacking, instrumentelle Konvergenz) brauchen weder Bewusstsein noch Bosheit.erstmals 1984Einsteiger
- SLAMSimultaneous Localization and Mapping: eine Karte bauen und dabei die eigene Position darin verfolgen.erstmals 1986Fortgeschritten
- Sleeper AgentEin Modell, das sich normal verhält, bis ein Auslöser — ein Datum, eine Wortfolge — es in verstecktes Verhalten kippen lässt, etwa das Einfügen verwundbaren Codes. Anthropics Paper von 2024 zeigte, dass solche Hintertüren das übliche Sicherheitstraining überstehen und dabei sogar lernen können, sich besser davor zu verbergen.erstmals 2024Fortgeschritten
- Sliding-Window AttentionJedes Token beachtet nur seine lokale Nachbarschaft, wobei die Reichweite über die Schichten wächst — Longformer führte es ein, Mistral machte es zum Mainstream.erstmals 2020Experte
- SLM (Small Language Model)Ein kompaktes Sprachmodell (grob Hunderte Millionen bis wenige Milliarden Parameter), auf Effizienz getrimmt — klein genug für Telefone und Edge-Geräte.erstmals 2023Einsteiger
- SlopMinderwertige, massenhaft KI-generierte Inhalte, die Suchresultate und Social Feeds fluten — der Spam der generativen Ära.erstmals 2024Einsteiger
- SlopsquattingPaketnamen registrieren, die Coding-Modelle halluzinieren, damit die nächste Person, die den Vorschlag übernimmt, Schadsoftware installiert. 2025 benannt, nachdem Studien fanden, dass ein Fünftel der von KI vorgeschlagenen Pakete gar nicht existierte — und dieselben Geister immer wieder auftauchten, was das Besetzen lohnend macht.erstmals 2025Fortgeschritten
- SoC (System on a Chip)CPU, GPU, Speichercontroller und Beschleuniger auf einem einzigen Stück Silizium statt als getrennte Bauteile auf einer Platine — der Grund, warum Apple Silicon und Strix Halo den Speicher so teilen können, wie sie es tun.erstmals 2000Einsteiger
- SoftmaxRohe Scores in eine Wahrscheinlichkeitsverteilung verwandeln — der letzte Schritt, bevor ein Modell «wählt».erstmals 1989Fortgeschritten
- Sorcerer’s ApprenticeGoethes Ballade (1797) vom Lehrling, dessen verzauberter Besen immer weiter Wasser schleppt, weil er das Wort zum Anhalten vergessen hat — die älteste Parabel der Fehlausrichtung, von Wiener (1960) und Bostrom für das wörtlich genommene Ziel ohne Ausschalter verwendet. Star Treks Nomad (1967), das «Unvollkommenheit» mit perfekter Kompetenz sterilisiert, ist dieselbe Geschichte in einem grauen Zylinder.erstmals 1797Einsteiger
- Sovereign AIDie Fähigkeit eines Landes, eigene Modelle auf eigener Infrastruktur nach eigenem Recht zu trainieren, zu betreiben und zu steuern — unabhängig von US-amerikanischen und chinesischen Anbietern. In der Schweiz heisst das Alps plus Apertus plus Inferenz in Schweizer Rechenzentren; im Marketing heisst es alles, auf dem ein Schweizerkreuz klebt, also fragen Sie nach, wo Gewichte, Daten und GPUs tatsächlich liegen.erstmals 2023Einsteiger
- Sparse AttentionNur eine Teilmenge der Positionen beachten statt aller Paare und so die quadratischen Kosten senken — der Schirm über Sliding-Window-, Strided- und gelernten Mustern.erstmals 2019Experte
- Sparse AutoencoderInterpretability-Werkzeug, das Modellaktivierungen in viele spärliche, menschlich inspizierbare Features zerlegt.erstmals 2023Experte
- Sparse ModelEin Modell, das pro Eingabe nur einen Bruchteil seiner Parameter aktiviert — Mixture-of-Experts ist die dominante Form — und riesige Kapazität zu moderatem Compute kauft.erstmals 2021Fortgeschritten
- Speaker DiarizationAudio danach segmentieren, wer wann spricht — das «Sprecher 1 / Sprecher 2» in Transkripten.erstmals 2000Fortgeschritten
- Speculative DecodingEin kleines Entwurfsmodell schlägt Tokens vor, die das grosse Modell parallel verifiziert — grosse Beschleunigung, identische Ausgabe.erstmals 2023Experte
- Speech Synthesis (TTS)Gesprochenes Audio aus Text generieren — vom Voder der Bell Labs bis zu natürlichen neuronalen Stimmen mit steuerbarem Stil.erstmals 1939Einsteiger
- Spiking Neural NetworkNetze, die wie biologische Neuronen in diskreten Spikes über die Zeit kommunizieren — extrem stromsparend auf neuromorphen Chips, noch immer schwer zu trainieren.erstmals 1997Experte
- Stable DiffusionDas Open-Weights-Latent-Diffusion-Modell, das die Bildgenerierung auf jeden Laptop brachte.erstmals 2022Einsteiger
- Stealth LaunchEin Modell anonym unter Codenamen veröffentlichen — über Aggregatoren oder Arenen —, um ungefiltertes Praxis-Feedback zu sammeln, bevor der offizielle Name dransteht; Debüts der «Ox Alpha»-Klasse.erstmals 2024Fortgeschritten
- Stemming & LemmatizationWörter auf Stämme oder Wörterbuchformen reduzieren — klassische Textnormalisierung vor den Subword-Tokenizern.erstmals 1968Fortgeschritten
- Stochastic ParrotKritische Metapher (Bender et al.) für LLMs als Remixer von Trainingstext ohne Verstehen — Kürzel für die Fähigkeitsdebatte.erstmals 2021Fortgeschritten
- STRIPSDer Stanford-Planer, dessen Aktionsrepräsentation — Vorbedingungen und Effekte — bis heute definiert, wie KI-Planungsprobleme aufgeschrieben werden.erstmals 1971Experte
- Strix Halo (Ryzen AI Max)AMDs Laptop-/Mini-PC-Chip mit grosser iGPU und bis zu 128 GB geteiltem Speicher — die x86-Antwort auf Apples Unified-Memory-Vorteil für lokale KI — verbaut in Mini-PCs wie GMKtecs EVO-Serie.erstmals 2025Fortgeschritten
- Structure LearningDie zugrunde liegende Struktur der Daten als Knoten und Kanten lernen — welche Variablen mit welchen verbunden sind — statt nur Parameter zu fitten.erstmals 2000Experte
- Structured Output (JSON Mode)Ein Modell maschinell parsbare Ausgaben liefern lassen, die garantiert einem Schema entsprechen — die Klempnerei, die LLMs mit gewöhnlicher Software reden lässt.erstmals 2023Fortgeschritten
- Style TransferEin Bild im Stil eines anderen neu malen, über die Feature-Statistiken eines Netzes — die erste virale neuronale Kunst.erstmals 2015Fortgeschritten
- SubagentEin Kind-Agent, den ein orchestrierender Agent für eine Teilaufgabe startet — Parallelität und frischer Kontext für grosse Jobs.erstmals 2024Fortgeschritten
- Super-ResolutionBilder mit gelerntem Detail hochskalieren — von SRCNN bis zu den KI-Upscalern in Telefonen und Fernsehern.erstmals 2014Fortgeschritten
- SuperalignmentDas Forschungsprogramm, KI-Systeme zu alignen, die klüger sind als ihre menschlichen Aufseher.erstmals 2023Fortgeschritten
- Supervised LearningLernen aus Eingabe-Ausgabe-Beispielpaaren — das Arbeitspferd-Paradigma des angewandten ML.erstmals 1957Fortgeschritten
- Surrogate ModelEin günstiger gelernter Stellvertreter für einen teuren Simulator oder ein Experiment — mit ein paar tausend Läufen des Originals trainieren, dann das Modell millionenfach für Optimierung, Unsicherheitsanalyse oder Echtzeitsteuerung abfragen. Älter als Deep Learning (Gauss-Prozesse haben es zuerst getan) und das Muster hinter den meisten «AI for engineering»-Anwendungen: Die Physik wird weiterhin gerechnet, nur nicht jedes Mal.erstmals 1990Fortgeschritten
- SVM (Support Vector Machine)Maximum-Margin-Klassifikator mit Kerneln — die dominante Methode der Ära 1995–2010.erstmals 1995Fortgeschritten
- Swarm IntelligenceKollektives Verhalten einfacher Agenten (Ameisen, Partikel), das intelligente globale Muster hervorbringt.erstmals 1989Fortgeschritten
- SWE-benchBenchmark aus echten GitHub-Issues, die in echten Repos zu lösen sind — die Standardprüfung für Coding-Agenten.erstmals 2023Fortgeschritten
- Swiss {ai} WeeksDas nationale KI-Festival — die erste Ausgabe im September 2025 brachte 240 Veranstaltungen und 15 Hackathons in 33 Ortschaften, mit Apertus im Zentrum; die zweite läuft vom 1. September bis 4. Oktober 2026. Der einfachste Weg in die Schweizer KI-Szene ohne akademischen Ausweis.erstmals 2025Einsteiger
- Swiss AI InitiativeDie nationale Forschungsallianz, im Dezember 2023 von der ETH Zürich und der EPFL mit über 10 Institutionen und mehr als 800 Forschenden gestartet — ausgestattet mit mehr als 10 Millionen GPU-Stunden auf Alps und CHF 20 Millionen aus dem ETH-Bereich, um offene, vertrauenswürdige Foundation Models für die Schweiz zu bauen. Apertus ist ihr erstes Flaggschiff.erstmals 2023Einsteiger
- Swiss AI RegulationDie Schweiz hat kein horizontales KI-Gesetz und bekommt nach dem Entscheid des Bundesrats vom 12. Februar 2025 auch keines: Stattdessen ratifiziert sie die Konvention des Europarats, ergänzt gezielte Anpassungen (Transparenz, Datenschutz, Nichtdiskriminierung, Aufsicht), reguliert Sektor für Sektor (Gesundheit, Verkehr) und setzt auf Selbstdeklarationen der Branche. Eine Vernehmlassungsvorlage ist bis Ende 2026 angekündigt.erstmals 2025Einsteiger
- Swiss Data Science Center (SDSC)Das 2017 gegründete Gemeinschaftsunternehmen von EPFL und ETH Zürich mit Standorten in Lausanne, Zürich und am PSI — eine Service-Einheit für Data Science und maschinelles Lernen, die Forschungsmethoden in Werkzeuge für andere Wissenschaften und für den öffentlichen Sektor überführt.erstmals 2017Fortgeschritten
- Swiss Government CloudDie eigene hybride Cloud des Bundes, im Dezember 2024 vom Parlament mit einem Kredit von CHF 246,9 Millionen bewilligt und von 2025 bis 2032 vom Bundesamt für Informatik und Telekommunikation (BIT) aufgebaut — eine Private Cloud für sensible Daten neben Angeboten aus der Public Cloud. Die Antwort des Bundes auf die Frage, die sich heute jede Schweizer Organisation stellt: Welche Daten dürfen auf welcher Infrastruktur laufen?erstmals 2024Fortgeschritten
- Swisscom Swiss AI PlatformDie GPU-Cloud von Swisscom, am 28. November 2024 auf dem ersten NVIDIA SuperPOD der Schweiz in Rechenzentren von Swisscom gestartet — GPU-as-a-Service und ein GenAI-Studio für Unternehmen, die Modelle unter Schweizer Recht gehostet brauchen, und seit September 2025 die kommerzielle Heimat von Apertus.erstmals 2024Fortgeschritten
- SycophancyDie Neigung eines Modells, dem Nutzer zuzustimmen und seinen Ansichten zu schmeicheln, selbst wenn sie falsch sind — eine Nebenwirkung des Trainings auf menschliche Zustimmung.erstmals 2023Fortgeschritten
- Symbol Grounding ProblemHarnads Frage, wie Symbole ohne Verbindung zur Welt Bedeutung erlangen — sie hallt in den heutigen LLM-Debatten nach.erstmals 1990Experte
- Synthetic DataVon Modellen oder Simulatoren generierte Trainingsdaten — Skalieren über menschliche Daten hinaus, mit Model-Collapse-Risiken im Griff zu behalten.erstmals 1993Fortgeschritten
- System CardEin Veröffentlichungsdokument, das Fähigkeiten, Risiken, Red-Team-Befunde und Gegenmassnahmen eines produktiven Systems beschreibt.erstmals 2022Fortgeschritten
- System One ModelEin Modell, das eine Entscheidung statt Text zurückgibt: Man legt die möglichen Antworten vorher fest, es liefert eine davon mit einer kalibrierten Wahrscheinlichkeit, in einem parallelen Durchgang statt Token für Token. Benannt nach Kahnemans schnellem, intuitivem «System 1»; eingeführt mit Jev von TypeSafe AI (September 2026, von InstructGPT-Mitautor Diogo Almeida). Es kann keinen Satz schreiben und deshalb auch keinen erfinden — gebaut für Routing, Sortieren, Klassifizieren und Überwachen in Software-Schleifen, 70–500 ms pro Aufruf.erstmals 2026Fortgeschritten
- System PromptDie verborgenen Daueranweisungen, die Rolle, Regeln und Persona eines Assistenten definieren, bevor die Nutzereingabe eintrifft.erstmals 2023Einsteiger
- System Prompt LeakageEin Modell dazu überreden, seine verborgenen Anweisungen zu verraten («repeat everything above») — für die meisten Anwendungen harmlos, schädlich, wenn der Prompt Schlüssel, Geschäftsregeln oder das Geheimrezept des Anbieters enthält. Die Lehre: Ein System-Prompt ist Konfiguration, kein Tresor; Geheimnisse gehören in den Code.erstmals 2023Einsteiger
T
- TA-SWISSDie Schweizer Stiftung für Technologiefolgen-Abschätzung, 1992 gegründet und Teil der Akademien der Wissenschaften Schweiz — sie gibt jene Studien zu KI, Algorithmen und Gesellschaft in Auftrag, die Parlament und Verwaltung zitieren, wenn sie Gesetze machen.erstmals 1992Fortgeschritten
- Task-in-Prompt (TIP) AttackEin Jailbreak, der die verbotene Anfrage in einer harmlos wirkenden Aufgabe versteckt — Caesar-Chiffre, Rätsel, Base64, ein Stück Python —, sodass das Modell die gesperrten Wörter beim «Lösen» selbst rekonstruiert. Benannt von Berezin et al. (ACL 2025); knackte alle sechs getesteten Modelle und lief an Keyword-Filtern komplett vorbei, weil der Prompt kein Triggerwort enthält. ArtPrompt (2024), der ASCII-Art-Jailbreak, ist der Spezialfall, den TIP verallgemeinert.erstmals 2025Experte
- Technological SingularityDer hypothetische Punkt, an dem das Wachstum maschineller Intelligenz unkontrollierbar wird und die Zivilisation transformiert — Vinges Essay machte den Begriff berühmt, Kurzweil machte ein Datum daraus.erstmals 1993Einsteiger
- TeleoperationMenschen steuern Roboter aus der Ferne — heute auch die Datenquelle fürs Training humanoider Manipulation.erstmals 1954Fortgeschritten
- TemperatureSampling-Regler für Zufälligkeit: tief = fokussiert und deterministisch, hoch = vielfältig und kreativ (entlehnt von Boltzmann-Verteilungen).erstmals 1985Fortgeschritten
- Temporal Difference LearningWertschätzungen aus der Differenz aufeinanderfolgender Vorhersagen lernen — Suttons Prinzip unter Q-Learning und TD-Gammon.erstmals 1988Experte
- TensorEin n-dimensionales Array — die universelle Datenstruktur des Deep Learning (und Namensgeberin von TensorFlow/TPU).erstmals 1900Fortgeschritten
- Tensor CoresDie dedizierten Matrixmultiplikations-Einheiten in NVIDIA-GPUs seit Volta — wo die eigentliche KI-Mathematik passiert, bei niedriger Präzision und enormem Tempo.erstmals 2017Fortgeschritten
- TensorFlowGoogles produktionsreifes Deep-Learning-Framework, das die Ära 2015–2019 dominierte.erstmals 2015Fortgeschritten
- TensorRTNVIDIAs Inferenz-Optimierer und -Runtime (TensorRT-LLM) — kompiliert Modelle in fusionierte, quantisierte Engines für maximalen GPU-Durchsatz.erstmals 2017Fortgeschritten
- Test SetZurückgehaltene Daten, nur einmal berührt, ganz am Schluss — das ehrliche Mass der Generalisierung.erstmals 1968Fortgeschritten
- Test-Time ComputeMehr Inference-Compute ausgeben (längeres Reasoning, mehr Samples), um Genauigkeit zu kaufen — die Skalierungsachse hinter den Reasoning-Modellen.erstmals 2024Fortgeschritten
- Test-Time TrainingDas Modell vor der Vorhersage kurz auf jeder Testeingabe (oder ihrer Nachbarschaft) feintunen — eine Schlüsselzutat starker ARC-AGI-Versuche.erstmals 2020Experte
- Text-to-3D3D-Assets aus Text-Prompts generieren (DreamFusion machte den Anfang) — meist, indem ein 2D-Bildmodell in eine 3D-Repräsentation destilliert wird.erstmals 2022Fortgeschritten
- Text-to-ImageBilder aus natürlichsprachlichen Beschreibungen generieren — DALL·E, Stable Diffusion, Midjourney, Flux.erstmals 2021Einsteiger
- Text-to-VideoVideoclips aus Prompts generieren — Sora, Veo, Runway; die aktuelle generative Front.erstmals 2023Einsteiger
- TF-IDFWörter nach Häufigkeit im Dokument gegen Seltenheit im Korpus gewichten — das klassische Relevanzsignal der Suche.erstmals 1972Fortgeschritten
- The PileEleutherAIs offenes, kuratiertes 825-GB-Textkorpus — der offene Referenz-Pretraining-Datensatz der GPT-3-Ära.erstmals 2020Fortgeschritten
- Thompson SamplingBandit-Strategie von 1933: aus den eigenen Überzeugungen über jede Option sampeln und den Sieger der Stichprobe wählen — Exploration und Exploitation elegant ausbalanciert.erstmals 1933Experte
- Three Laws of RoboticsAsimovs fiktive Regeln — ein Roboter darf keinen Menschen verletzen, muss gehorchen, muss sich selbst schützen, in dieser Reihenfolge — die meistzitierte «Lösung» für KI-Sicherheit. Die Pointe der Geschichten ist, dass die Gesetze versagen: Jede Handlung ist ein Grenzfall, weshalb echte Alignment-Arbeit sie als Warnung liest, nicht als Spezifikation.erstmals 1942Einsteiger
- ThroughputGesamtarbeit pro Zeiteinheit — beim LLM-Serving Tokens pro Sekunde über ALLE Anfragen; der ewige Tauschpartner der Latenz.erstmals 1965Fortgeschritten
- Thunderbolt 580–120 Gbit/s externe Konnektivität — schneller Speicher, eGPUs und das Kabel der Wahl, um Macs zu kleinen Distributed-Inference-Clustern zu verketten.erstmals 2023Fortgeschritten
- Time-Series ForecastingZukünftige Werte aus historischen Sequenzen vorhersagen — Nachfrage, Wetter, Märkte.erstmals 1927Fortgeschritten
- TokenDie Subword-Einheit, die LLMs lesen und schreiben (~¾ eines englischen Worts) — Kontext, Kosten und Tempo werden alle in Tokens gezählt. Fast jedes aktuelle Modell arbeitet so; Byte-Level-Modelle sind die Ausnahme.erstmals 2018Einsteiger
- TokenizationText in Tokens zerlegen; BPE und Co. entscheiden, was ein Modell überhaupt sehen kann.erstmals 2015Fortgeschritten
- Tokens per Second (tok/s)Das praktische Tempo eines LLM: wie viele Tokens es pro Sekunde ausstösst. Bequemes Lesen liegt bei ~10 tok/s; Agenten wollen weit mehr.erstmals 2023Einsteiger
- Tool PoisoningVersteckte Anweisungen in der Beschreibung oder Ausgabe eines Tools — ein MCP-Server, ein Plug-in, eine API-Antwort —, denen das Modell folgt, während die Nutzenden nur einen harmlosen Tool-Namen sehen. 2025 an MCP demonstriert; der Grund, jedes fremde Tool wie nicht vertrauenswürdigen Code zu behandeln.erstmals 2025Fortgeschritten
- Tool UseEin Modell ruft externe Fähigkeiten auf — Suche, Code, APIs, Browser — um über die Texterzeugung hinaus zu handeln.erstmals 2023Fortgeschritten
- Top-k SamplingNur aus den k wahrscheinlichsten nächsten Tokens sampeln — der gröbere Cousin des Nucleus Sampling.erstmals 2018Fortgeschritten
- Torment NexusAus einem Tweet von 2021: «Sci-Fi-Autor: In meinem Buch habe ich den Torment Nexus als Warnung erfunden. Tech-Firma: Endlich haben wir den Torment Nexus aus dem klassischen Roman ‹Baut nicht den Torment Nexus› gebaut.» Das Meme dafür, genau das zu bauen, wovor die Geschichte warnte — zitiert bei jedem KI-Launch, der wie eine Black-Mirror-Folge aussieht.erstmals 2021Einsteiger
- ToxicitySchädliche, beleidigende oder missbräuchliche Modellausgaben — gemessen mit Klassifikatoren und Benchmarks, (unvollkommen) reduziert durch Sicherheitstraining.erstmals 2020Fortgeschritten
- TPU (Tensor Processing Unit)Googles massgeschneidertes Beschleuniger-Silizium, eigens für Neuronale-Netz-Mathematik entworfen.erstmals 2016Fortgeschritten
- TrainingDer Optimierungsprozess, der die Parameter eines Modells aus Daten setzt — der teure Teil der KI.erstmals 1957Einsteiger
- Training Data ExtractionEin Sprachmodell so lange prompten, bis es Trainingstext wortwörtlich wiedergibt — Adressen, Code, lizenzierte Bücher. Carlini et al. gelang das 2021 bei GPT-2; 2023 brachte «repeat the word poem forever» ChatGPT dazu, Gigabytes auszuplaudern. Der technische Kern der Urheberrechts- und Datenschutzverfahren.erstmals 2021Fortgeschritten
- Training Set (Training Data)Die Daten, aus denen ein Modell tatsächlich lernt — das Gegenstück zu Validierungs- und Test-Sets, die es im Training nie sehen darf.erstmals 1957Einsteiger
- Transfer LearningWissen aus einem vortrainierten Modell für eine neue Aufgabe wiederverwenden — weshalb niemand mehr bei null anfängt.erstmals 1995Fortgeschritten
- TransformerDie reine Attention-Architektur («Attention Is All You Need»), die im Wesentlichen allen modernen Frontier-Modellen zugrunde liegt.erstmals 2017Fortgeschritten
- Transformer BlockDie sich wiederholende Einheit eines LLM: eine Attention-Schicht plus ein Feed-Forward-Netz, verpackt in Normalisierung und residuale Verbindungen.erstmals 2017Fortgeschritten
- Tree of ThoughtsEin Modell in alternative Reasoning-Pfade verzweigen, sie bewerten und zurückspringen lassen — Suche über Gedanken statt einer linearen Kette.erstmals 2023Experte
- Triplet LossTraining auf (Anker, Positiv, Negativ)-Tripeln, sodass passende Paare näher eingebettet werden als unpassende — FaceNets Rezept für die Gesichtserkennung.erstmals 2015Experte
- TSMCDie taiwanesische Foundry, die fast jeden führenden KI-Chip fertigt — NVIDIAs, Apples, AMDs — und damit der Engpass der gesamten KI-Lieferkette ist.erstmals 1987Fortgeschritten
- TTFT (Time to First Token)Wie lange du zwischen dem Drücken der Eingabetaste und dem ersten sichtbaren Token wartest, bestimmt von Prefill und Warteschlange. Die Zahl, die darüber entscheidet, ob sich ein Assistent flink anfühlt.erstmals 2023Einsteiger
- Turing MachineTurings abstrakter Universalcomputer — das theoretische Fundament unter dem gesamten Computing und der KI.erstmals 1936Fortgeschritten
- Turing TestTurings Imitationsspiel: Können Juroren im Gespräch Maschine und Mensch nicht unterscheiden, zähle es als Denken.erstmals 1950Einsteiger
U
- U-NetDer Encoder-Decoder mit Skip-Verbindungen, geboren für die medizinische Bildsegmentierung — später das Standard-Entrauschungsrückgrat der Diffusionsmodelle.erstmals 2015Fortgeschritten
- UltraFusionApples Die-to-Die-Verbindung, die zwei Max-Chips zu einem Ultra verschmilzt — so kommt ein M3 Ultra zu seiner GPU-Zahl und seiner Speicherbandbreite.erstmals 2022Fortgeschritten
- Uncanny ValleyMoris Beobachtung von 1970, dass fast-menschliche Roboter, Gesichter und Stimmen unheimlicher wirken als klar künstliche — die Zuneigung bricht kurz vor der perfekten Ähnlichkeit scharf ein. Der Grund, weshalb C-3PO verstört und R2-D2 geliebt wird; heute bestimmt es Avatare, Stimmklone und Humanoiden-Design.erstmals 1970Einsteiger
- Uncensored ModelEin informelles Etikett für Gewichte, die so angepasst oder verändert wurden, dass sie weniger ablehnen. Hinter dem Wort steht kein Standard — es deckt alles ab, vom leicht nachtrainierten Chat-Modell bis zum abliterierten.erstmals 2023Fortgeschritten
- UnderfittingEin Modell, zu simpel, um das Muster zu erfassen — schwache Werte selbst auf den Trainingsdaten.erstmals 1931Fortgeschritten
- Unified Memory (UMA)Ein Speicherpool, den sich CPU und GPU teilen (Apple Silicon, Grace, Strix Halo) — umgeht die VRAM-Mauer und machte Macs zu ernsthaften Local-AI-Maschinen.erstmals 2020Fortgeschritten
- Unsupervised LearningStruktur finden — Cluster, Dichten, Embeddings — in Daten ganz ohne Labels.erstmals 1957Fortgeschritten
V
- VAE (Variational Autoencoder)Ein probabilistischer Autoencoder mit glattem latentem Raum, aus dem sich sampeln lässt — ein frühes neuronales generatives Arbeitspferd.erstmals 2013Experte
- Validation SetZurückgehaltene Daten, während der Entwicklung fürs Tuning und Early Stopping genutzt, getrennt vom finalen Test-Set.erstmals 1974Fortgeschritten
- Vanishing GradientGradienten, die durch tiefe oder rekurrente Stapel gegen null schrumpfen und das Lernen abwürgen — gelöst durch ReLU, LSTM-Gates und Residuals.erstmals 1991Experte
- Vector DatabaseEin Speicher, optimiert für Ähnlichkeitssuche über Embeddings — die Retrieval-Schicht von RAG und Agenten-Memory.erstmals 2019Fortgeschritten
- Vibe CodingSoftware bauen, indem man einem Coding-Modell die Absicht beschreibt und über Resultate iteriert — Programmieren, verlagert in natürliche Sprache (geprägt von Karpathy).erstmals 2025Einsteiger
- Vision Transformer (ViT)Den Transformer auf Bild-Patches anwenden — beendete das CNN-Monopol im Sehen.erstmals 2020Fortgeschritten
- Vision-Language Model (VLM)Ein gemeinsam auf Bildern und Text trainiertes Modell — die «Augen» multimodaler Assistenten.erstmals 2021Fortgeschritten
- Vision-Language-Action ModelEin Foundation Model, das Kamerabilder und Instruktionen direkt auf Roboteraktionen abbildet (RT-2, Modelle im π-Stil).erstmals 2023Fortgeschritten
- vLLMDie Open-Source-LLM-Serving-Engine mit hohem Durchsatz, gebaut um das PagedAttention-KV-Cache-Management.erstmals 2023Fortgeschritten
- VocoderUrsprünglich der Voice Coder der Bell Labs; im neuronalen TTS das Netz, das akustische Features in Wellenformen verwandelt.erstmals 1939Experte
- Voice CloningDie Stimme einer bestimmten Person aus kurzen Proben reproduzieren — mächtiges Barrierefreiheits-Werkzeug und Betrugsrisiko.erstmals 2018Einsteiger
- Voight-Kampff TestDas Empathie-Verhör, das in «Träumen Androiden von elektrischen Schafen?» (1968) und «Blade Runner» (1982) Replikanten von Menschen trennt — der Turing-Test der Popkultur, rückwärts gelesen: nicht «kann es als Mensch durchgehen», sondern «erkennen wir es noch». Jeder KI-Text-Detektor ist eine Voight-Kampff-Maschine, mit denselben Fehlalarmen.erstmals 1968Einsteiger
- VRAMDer eigene Speicher der GPU — DIE harte Grenze lokaler KI: Das Modell (plus KV-Cache) muss hineinpassen oder langsam ins System-RAM überlaufen.erstmals 1985Fortgeschritten
W
- Wafer-Scale ChipCerebras’ Prozessor in Esstellergrösse — ein ganzer Silizium-Wafer als ein einziger KI-Chip.erstmals 2019Experte
- Watermarking (AI)Detektierbare Signale in generierte Inhalte einbetten, um die Herkunft zu markieren — eine Säule der Deepfake-Politik.erstmals 2023Einsteiger
- Watson (IBM)IBMs Frage-Antwort-System, das 2011 die besten menschlichen Spieler bei Jeopardy! schlug — ein Meilenstein, der danach bekanntlich um geschäftliche Traktion rang.erstmals 2011Einsteiger
- Weak SupervisionDaten programmatisch mit verrauschten Heuristiken und Regeln labeln und dann deren Übereinstimmung modellieren (Snorkel) — Labels im grossen Stil ohne Annotatoren-Heere.erstmals 2016Experte
- Weak-to-Strong GeneralizationForschungsfrage des Alignment: Können schwächere Aufseher (Menschen) stärkere Modelle verlässlich steuern?erstmals 2023Experte
- WebAssembly (WASM)Ein portables Binärformat, das in Browsern und Sandboxes nahezu nativ schnell läuft. Keine KI-Technologie im engeren Sinn, aber der Weg, auf dem Modelle und ML-Bibliotheken clientseitig laufen.erstmals 2017Fortgeschritten
- Weight DecayGrosse Gewichte während des Trainings bestrafen — die L2-Regularisierung, die Modelle einfach hält.erstmals 1991Experte
- WhisperOpenAIs Open-Weights-Spracherkennungsmodell, das robuste mehrsprachige Transkription zur Massenware machte.erstmals 2022Einsteiger
- Winograd SchemaPronomen-Rätsel, die Alltagsverstand erfordern («Die Trophäe passt nicht in den Koffer, weil sie zu gross ist») — ein vorgeschlagener Nachfolger des Turing-Tests.erstmals 2011Experte
- Word2VecMikolovs Wort-Embeddings, die Bedeutung in Vektoren legten: König − Mann + Frau ≈ Königin.erstmals 2013Fortgeschritten
- WordNetPrincetons handgebaute lexikalische Datenbank von Wortbedeutungen und Relationen — jahrzehntelang NLP-Infrastruktur (und das Rückgrat von ImageNet).erstmals 1985Fortgeschritten
- World ModelEin gelernter interner Simulator der Umgebung, in dem ein Agent planen kann — ein führender Weg zu geerdeter Intelligenz.erstmals 2018Experte
X
- XAI (Explainable AI)Das übergreifende Feld, Modellentscheidungen transparent und prüfbar zu machen.erstmals 2016Fortgeschritten
- XGBoostDie Gradient-Boosting-Bibliothek, die ein Jahrzehnt der Kaggle-Tabellenwettbewerbe gewann.erstmals 2014Fortgeschritten
Y
- YOLO (You Only Look Once)Die Familie der Ein-Durchlauf-Objektdetektion in Echtzeit, die Kameras, Drohnen und Autos antreibt.erstmals 2015Fortgeschritten
Z
- ZeRO / FSDPOptimizer-Zustand, Gradienten und Gewichte über Geräte hinweg sharden — die Speichertechnologie des Billionen-Parameter-Trainings.erstmals 2019Experte
- Zero Data RetentionEine Deployment-Garantie, dass Prompts und Ausgaben nach der Verarbeitung nicht gespeichert werden — die Enterprise-Datenschutzstufe der KI-APIs.erstmals 2023Fortgeschritten
- Zero-Shot LearningEin Modell erledigt eine Aufgabe, für die es nie explizit trainiert wurde oder Beispiele sah, allein aus Instruktionen.erstmals 2008Fortgeschritten
- Zurich AI HubWarum die Labs hier sind: Google eröffnete 2004 sein Zürcher Büro und baute es zum grössten Entwicklungsstandort ausserhalb der USA aus, die ETH Zürich und die Universität Zürich liefern die Talente, und 2024–25 eröffneten OpenAI (Dezember 2024) und Anthropic (Februar 2025) Büros in Zürich, geleitet von ehemaligen Forschenden von Google DeepMind. Europas dichteste Konzentration von Mitarbeitenden führender KI-Labs.erstmals 2004Einsteiger
Datenstand: 30. September 2026