Zurück

KI & AI Glossar für KMU

Die wichtigsten Begriffe aus der Welt der Künstlichen Intelligenz, verständlich erklärt — ohne Fachchinesisch und leeres Gerede.

A

API (Schnittstelle)

Eine standardisierte Verbindung zwischen zwei Softwaresystemen — ermöglicht, dass sie miteinander kommunizieren.

Im Detail

APIs (Application Programming Interfaces) sind die Grundlage jeder modernen Softwareintegration. Über APIs kann ein KI-Modell in bestehende Systeme eingebunden werden: CRM, ERP, Website, Kalender. Fast alle KI-Dienste bieten APIs an — man bezahlt pro Nutzung (Token oder Request).

Praxisbeispiel

Bratman.ch nutzt die Gemini-API, um KI-Antworten zu generieren, und die Supabase-API, um Wissen zu speichern und zu durchsuchen.

Automatisierte Entscheidung

Eine Entscheidung, die ein KI-System vollständig ohne menschliche Prüfung trifft — mit rechtlichen Konsequenzen.

Im Detail

Wenn KI über Menschen entscheidet (Kreditwürdigkeit, Jobeignung, Versicherungsleistung) ohne menschliche Kontrolle, greift DSGVO Art. 22: Betroffene haben das Recht, eine menschliche Überprüfung zu verlangen und eine Erklärung zu erhalten. Deshalb ist 'Human in the Loop' nicht nur ethisch, sondern oft rechtlich nötig.

Praxisbeispiel

Ein Online-Kreditantrag wird vollautomatisch abgelehnt — der Antragsteller hat das Recht zu erfahren, warum, und kann eine menschliche Überprüfung verlangen.

Autonomer Agent

Ein KI-System, das selbstständig Ziele verfolgt, Entscheidungen trifft und Aufgaben ohne Aufsicht ausführt.

Im Detail

Autonome Agenten gehen über einfache Chatbots hinaus: Sie planen mehrstufige Aufgaben, nutzen Tools (Suche, Code, E-Mail), reagieren auf Ergebnisse und passen ihren Plan an. Der Bratman.ch ScrapeBot, der täglich Meldungen abruft und aufbereitet, ist ein Beispiel. Volle Autonomie bedeutet auch: klare Grenzen und Überwachung nötig.

Praxisbeispiel

Ein autonomer Agent wird damit beauftragt, wöchentlich Marktberichte zu recherchieren, zusammenzufassen und als Newsletter-Entwurf bereitzustellen.

C

Context Window (Kontextfenster)

Die maximale Textmenge, die ein KI-Modell auf einmal 'im Kopf behalten' und verarbeiten kann.

Im Detail

Alles, was ein Sprachmodell für eine Antwort nutzen kann — bisherige Nachrichten, Dokumente, Anweisungen — muss ins Context Window passen. Ist es voll, vergisst das Modell ältere Informationen. Moderne Modelle haben Context Windows von 100'000 bis über 1 Million Token.

Praxisbeispiel

Bei einem langen Beratungsgespräch kann ein Chatbot mit kleinem Context Window die ersten Fragen des Users 'vergessen', wenn das Gespräch zu lang wird.

D

DSGVO & KI

Beim Einsatz von KI gelten zusätzlich zu den normalen Datenschutzregeln spezifische Anforderungen.

Im Detail

Die DSGVO (bzw. in der Schweiz das revDSG) verlangt beim Einsatz von KI: Transparenzpflicht gegenüber Betroffenen, Recht auf Erklärung bei automatisierten Entscheidungen, Datensparsamkeit und sichere Verarbeitung. KI-Systeme, die Personendaten verarbeiten, brauchen eine Rechtsgrundlage.

Praxisbeispiel

Ein KI-Chatbot, der Namen, E-Mails und Gesprächsinhalte speichert, braucht eine Datenschutzerklärung, die das transparent beschreibt.

E

Edge Function / Serverless Function

Code, der ohne eigenen Server ausgeführt wird — startet nur bei Bedarf, skaliert automatisch.

Im Detail

Edge Functions oder Serverless Functions laufen in der Cloud und werden nur dann ausgeführt, wenn sie gebraucht werden. Kein Server muss dauerhaft laufen. Das spart Kosten und vereinfacht den Betrieb. Ideal für KI-Backends, Webhooks und API-Endpunkte.

Praxisbeispiel

Jedes Mal, wenn jemand das Kontaktformular auf bratman.ch absendet, wird eine Edge Function ausgelöst, die die Daten verarbeitet und eine Telegram-Benachrichtigung sendet.

Embedding (Vektorisierung)

Texte werden in Zahlenreihen umgewandelt, damit eine KI inhaltliche Ähnlichkeiten verstehen kann.

Im Detail

Embeddings sind mathematische Darstellungen von Texten im mehrdimensionalen Raum. Texte mit ähnlicher Bedeutung liegen im Vektorraum nah beieinander. Das ermöglicht semantische Suche: Die KI findet nicht nur exakte Worttreffer, sondern inhaltlich verwandte Passagen.

Praxisbeispiel

Eine Suche nach 'Kosten' findet auch den Abschnitt mit 'Preise und Konditionen', weil beide Embeddings inhaltlich nah beieinanderliegen.

EU AI Act

Das erste umfassende KI-Gesetz der Welt — regelt, welche KI-Anwendungen erlaubt sind und welche verboten.

Im Detail

Der EU AI Act klassifiziert KI-Systeme nach Risikoklassen: von 'minimal' (Spam-Filter) bis 'inakzeptabel' (Social Scoring). Unternehmen, die KI einsetzen oder entwickeln, müssen Transparenz-, Dokumentations- und Sicherheitspflichten erfüllen. Für Schweizer Unternehmen relevant, wenn sie EU-Märkte bedienen.

Praxisbeispiel

Ein KI-Bewerbungsfilter, der Kandidaten automatisch ablehnt, fällt in eine Hochrisiko-Kategorie und unterliegt strengen Anforderungen bezüglich Transparenz und menschlicher Kontrolle.

F

Fine-Tuning

Ein vortrainiertes KI-Modell wird mit eigenen Daten nachtrainiert, um es auf eine spezifische Aufgabe zu spezialisieren.

Im Detail

Beim Fine-Tuning wird ein bestehendes Basismodell mit einer kleineren, aufgabenspezifischen Datenmenge weitertrainiert. Das Modell übernimmt den neuen Stil, das Vokabular oder die Struktur. Für die meisten KMU-Anwendungen ist RAG effizienter als Fine-Tuning — weniger Aufwand, flexibler aktualisierbar.

Praxisbeispiel

Ein Versicherungsunternehmen trainiert ein Sprachmodell auf seinen internen Schadenbeschreibungen nach, damit es Schäden korrekt kategorisiert.

Foundation Model

Ein massiv vortrainiertes KI-Basismodell, das als Grundlage für viele verschiedene Anwendungen dient.

Im Detail

Foundation Models wie GPT-4, Gemini oder Claude wurden mit enormem Aufwand auf breiten Datensätzen trainiert. Unternehmen bauen darauf auf, statt eigene Modelle von Grund auf zu trainieren — das spart Zeit und Ressourcen. Sie können für spezifische Aufgaben weiter spezialisiert werden.

Praxisbeispiel

Bratman.ch baut den KI-Assistenten auf einem Foundation Model auf und verfeinert ihn mit spezifischem Wissen über Agentur-Leistungen und Schweizer Recht.

G

Generative KI

KI, die neuen Inhalt erstellt — Texte, Bilder, Code, Musik — statt nur zu analysieren.

Im Detail

Im Gegensatz zu klassischer KI, die Daten auswertet, erstellt Generative KI eigenständig neue Inhalte. Das Spektrum reicht von Texten über Bilder, Videos und Musik bis zu Programmcode. ChatGPT, Midjourney oder GitHub Copilot sind bekannte Beispiele.

Praxisbeispiel

Ein Marketingteam nutzt Generative KI, um zehn Varianten eines Werbetextes in verschiedenen Tonalitäten zu erstellen — in unter einer Minute.

H

Halluzination (KI)

Wenn eine KI selbstbewusst falsche oder erfundene Antworten gibt — und sich dabei sicher klingt.

Im Detail

Sprachmodelle optimieren auf glaubwürdige, flüssige Texte — nicht auf Wahrheit. Wenn das Modell keine passende Information hat, erfindet es manchmal eine. Das ist besonders gefährlich bei Fakten, Zahlen, Gesetzen oder Referenzen. RAG und klare Systemanweisungen reduzieren das Risiko deutlich.

Praxisbeispiel

Ein LLM wird nach einem Schweizer Gesetz gefragt und nennt eine Paragraphen-Nummer, die es gar nicht gibt — klingt überzeugend, ist aber falsch.

Human in the Loop

Ein Mensch bleibt an kritischen Stellen im KI-Prozess eingebunden — die KI entscheidet nicht allein.

Im Detail

Human in the Loop ist ein Designprinzip für KI-Systeme: Automatisierung ja, aber bei wichtigen Entscheidungen (z.B. Vertragsabschluss, Kreditvergabe, medizinische Diagnose) prüft ein Mensch das Ergebnis. Das erhöht Verlässlichkeit und bleibt rechtlich auf der sicheren Seite.

Praxisbeispiel

Der KI-Assistent qualifiziert eine Kundenanfrage als hochwertig und benachrichtigt Aaron — Aaron sieht das Protokoll, bewertet es selbst und entscheidet, ob er sich meldet.

K

KI-Agent

Eine KI, die eigenständig komplexe Aufgaben plant, ausführt und dabei eigene Tools nutzt — ohne menschliche Zwischenschritte.

Im Detail

Ein KI-Agent bekommt ein Ziel, plant die Schritte selbst und führt sie durch: Websuche, E-Mail senden, Daten auswerten, Code ausführen. Im Gegensatz zu einem Chatbot wartet der Agent nicht auf jede manuelle Bestätigung. Das Feld entwickelt sich rasant — mit grossem Potenzial und noch offenen Fragen bezüglich Verlässlichkeit.

Praxisbeispiel

Ein KI-Agent wird mit der Aufgabe 'Analysiere die letzten 50 Kundenbewertungen und erstelle einen Bericht' beauftragt — und liefert das Ergebnis autonom, ohne Rückfragen.

KI-Assistent

Eine KI, die Nutzern bei konkreten Aufgaben hilft — als Gesprächspartner, Schreibhilfe oder Informationsquelle.

Im Detail

KI-Assistenten sind darauf ausgelegt, mit Menschen zu interagieren: Fragen beantworten, Texte erstellen, Aufgaben erledigen. Im Unternehmenskontext übernehmen sie Routineaufgaben im Dialog — Erstgespräche, FAQ, Terminvereinbarung. Qualität und Verlässlichkeit hängen stark vom System-Design ab.

Praxisbeispiel

Der KI-Assistent auf bratman.ch beantwortet Erstfragen zu Leistungen, erklärt Konzepte verständlich und leitet bei Bedarf an Aaron weiter.

KI-Automatisierung

Wiederkehrende Aufgaben werden durch KI-gestützte Systeme übernommen — ohne manuellen Eingriff.

Im Detail

KI-Automatisierung geht über klassische Skript-Automatisierung hinaus: Die Systeme können mit unstrukturierten Daten (Texte, E-Mails, Formulare) umgehen und Entscheidungen treffen. KMU in der Schweiz nutzen das z.B. für Dokumentenverarbeitung, Kundenanfragen oder Reporting.

Praxisbeispiel

Eingehende Bestellungen per E-Mail werden automatisch ausgelesen, ins ERP-System eingetragen und eine Bestätigung versendet — ohne menschlichen Eingriff.

KI-Chatbot

Ein dialogfähiges System, das Nutzeranfragen in natürlicher Sprache beantwortet — automatisch und rund um die Uhr.

Im Detail

Moderne KI-Chatbots basieren auf Sprachmodellen und können weit mehr als einfache FAQ-Bäume: Sie führen echte Gespräche, beantworten komplexe Fragen, sammeln Leads und eskalieren bei Bedarf an Menschen. Die Qualität hängt stark von der Wissensbasis und dem System-Prompt ab.

Praxisbeispiel

Der Bratman.ch Chatbot beantwortet Fragen zu Leistungen und Preisen, qualifiziert Anfragen vor und informiert Aaron direkt per Telegram über neue potenzielle Kunden.

KI-Workflow

Eine Abfolge von automatisierten Schritten, bei der KI-Komponenten mit bestehenden Tools und Daten zusammenarbeiten.

Im Detail

Ein KI-Workflow verbindet verschiedene Dienste: z.B. eingehende E-Mail → KI liest und kategorisiert → Daten ins CRM → Antwort wird formuliert → Mensch bestätigt (Human in the Loop). Gute KI-Workflows sind modular, testbar und klar dokumentiert.

Praxisbeispiel

Neues Lead-Formular auf der Website → KI bewertet Relevanz → bei hoher Relevanz: sofortige Benachrichtigung per Telegram, bei niedriger: wöchentliche Zusammenfassung.

Künstliche Intelligenz (KI / AI)

Software, die menschliches Denken imitiert — Muster erkennt, Entscheidungen trifft und aus Erfahrungen lernt.

Im Detail

Künstliche Intelligenz bezeichnet Computersysteme, die Aufgaben erledigen, für die früher menschliche Intelligenz nötig war: Texte verstehen, Bilder erkennen, Vorhersagen treffen. KI ist kein Zaubertrick, sondern Statistik und Mustererkennung in grossem Massstab.

Praxisbeispiel

Ein KI-System liest eingehende Kundenanfragen und leitet sie automatisch an die richtige Abteilung weiter — ohne dass ein Mensch jede Mail lesen muss.

L

LLM (Large Language Model)

Ein KI-Sprachmodell, das auf riesigen Textmengen trainiert wurde und menschlich klingende Texte schreiben kann.

Im Detail

LLMs sind die Grundlage hinter Chatbots wie ChatGPT oder Google Gemini. Sie wurden auf Milliarden von Texten trainiert und können schreiben, zusammenfassen, übersetzen, Code generieren und Fragen beantworten. Sie kennen keine absolute Wahrheit — sie erzeugen statistisch wahrscheinliche Antworten.

Praxisbeispiel

Ein LLM liest zehn Kundenbewertungen und schreibt daraus in Sekunden eine strukturierte Zusammenfassung für den Geschäftsbericht.

M

Multimodale KI

KI-Systeme, die nicht nur Text, sondern auch Bilder, Audio oder Video verstehen und verarbeiten.

Im Detail

Multimodale Modelle können mehrere Eingabeformate gleichzeitig verarbeiten: Text + Bild, Text + Audio, usw. Das eröffnet neue Möglichkeiten wie Bild-Analyse, automatisches Transkribieren oder visuelle Qualitätskontrolle. Gemini und GPT-4o sind bekannte multimodale Modelle.

Praxisbeispiel

Ein Bauunternehmen fotografiert einen Schaden auf der Baustelle und lässt die KI automatisch eine Schadensmeldung daraus generieren.

N

NotebookLM

Ein KI-Tool von Google, das eigene Dokumente als Wissensquelle nutzt und darüber Fragen beantwortet.

Im Detail

NotebookLM lädt eigene PDFs, Texte oder URLs hoch und kann gezielt dazu Fragen beantworten, Zusammenfassungen erstellen oder Podcasts generieren. Im Gegensatz zu allgemeinen Chatbots halluziniert es weniger, da es sich strikt auf die hochgeladenen Quellen bezieht.

Praxisbeispiel

Aaron lädt alle Agentur-Leistungsbeschreibungen in NotebookLM hoch und lässt sich daraus direkt Antworten auf Kundenfragen generieren.

O

Open-Source KI

KI-Modelle, deren Gewichte und Code öffentlich zugänglich sind — nutzbar ohne Lizenzkosten, selbst hostarbar.

Im Detail

Open-Source Modelle wie Llama (Meta), Mistral oder Qwen können auf eigener Hardware oder in der eigenen Cloud betrieben werden. Das gibt maximale Datenkontrolle — ideal für sensible Unternehmensdaten. Nachteil: Mehr technischer Aufwand als Cloud-Dienste.

Praxisbeispiel

Ein Anwaltsbüro betreibt ein Open-Source Sprachmodell auf eigenen Servern, um sicherzustellen, dass Mandantendaten das Haus nie verlassen.

P

Prompt

Die Eingabe oder Anweisung, die du einer KI gibst — bestimmt massgeblich die Qualität der Antwort.

Im Detail

Ein Prompt ist alles, was du an ein KI-Modell sendest: eine Frage, eine Aufgabe, Kontext, Beispiele. Die Qualität des Prompts beeinflusst die Antwort enorm. Schlechter Prompt, schlechte Antwort — deshalb ist Prompt Engineering eine eigene Disziplin.

Praxisbeispiel

Statt 'Schreib mir einen Text' liefert der Prompt 'Schreib einen sachlichen, 3-sätigen Einleitungstext für einen KMU-Newsletter, Tonalität: freundlich-professionell' deutlich bessere Ergebnisse.

Prompt Engineering

Die Kunst, KI-Anfragen so zu formulieren, dass nützliche und präzise Antworten entstehen.

Im Detail

Prompt Engineering ist die bewusste Gestaltung von KI-Eingaben: Rollen vergeben, Kontext setzen, Beispiele mitgeben, Output-Format vorgeben. Gut formulierte Prompts machen den Unterschied zwischen einer generischen und einer treffsicheren KI-Antwort. Keine Programmierkenntnisse nötig.

Praxisbeispiel

Ein Prompt mit 'Du bist ein erfahrener Schweizer Steuerberater. Erkläre folgendes...' liefert deutlich spezifischere Antworten als eine offene Frage.

R

RAG (Retrieval-Augmented Generation)

Ein KI-System, das vor dem Antworten zuerst in einer eigenen Wissensdatenbank nachschlägt — statt aus dem Gedächtnis zu raten.

Im Detail

RAG kombiniert einen Suchschritt mit einem Sprachmodell. Bevor die KI antwortet, durchsucht sie eine definierte Wissensbasis (z.B. interne Dokumente, FAQs, Produktinfos) und lädt relevante Textabschnitte. So entstehen fundierte, aktuelle Antworten statt Halluzinationen.

Praxisbeispiel

Der Bratman.ch Chatbot beantwortet Fragen zu Leistungen und Preisen korrekt, weil er per RAG in der aktuellen Wissensdatenbank nachschlägt — nicht weil er geraten hat.

S

SaaS (Software as a Service)

Software, die nicht installiert, sondern online genutzt und meist per Abo bezahlt wird.

Im Detail

SaaS-Produkte laufen in der Cloud — der Anbieter kümmert sich um Betrieb, Updates und Sicherheit. Der Nutzer bezahlt monatlich oder jährlich. Die meisten modernen KI-Tools sind SaaS: ChatGPT, Notion AI, Copilot. Für Unternehmen bedeutet SaaS: keine IT-Infrastruktur, schneller Start.

Praxisbeispiel

PARAT, das KI-Bewerbungstool von Bratman.ch, ist ein SaaS-Produkt: Registrierung, Nutzung, Bezahlung — alles im Browser, keine Installation.

System-Prompt

Unsichtbare Anweisungen, die einer KI sagen, wer sie ist, wie sie spricht und was sie tun oder lassen soll.

Im Detail

Der System-Prompt ist der 'Charakter' und die 'Arbeitsanweisung' für einen KI-Assistenten. Er wird vor dem Gespräch gesetzt und bleibt für den Nutzer unsichtbar. Gut designte System-Prompts sind der Unterschied zwischen einem generischen Chatbot und einer wirklich nützlichen, markenkonsistenten KI.

Praxisbeispiel

Der System-Prompt des Bratman.ch Assistenten definiert seinen Namen, seinen Ton (direkt, ohne Floskeln), seine Aufgaben (Leads qualifizieren) und was er nicht tun soll (Konkurrenten empfehlen).

T

Token

Die kleinste Einheit, mit der Sprachmodelle Text verarbeiten — grob gesagt: ein halbes bis ganzes Wort.

Im Detail

Sprachmodelle lesen und schreiben keinen Klartext, sondern Tokens — Textfragmente, die nach Häufigkeit aufgeteilt werden. Ein Token entspricht ungefähr 3–4 Zeichen auf Englisch. Tokens bestimmen, wie viel Text in ein Context Window passt, und sind auch die Grundlage für Preismodelle bei KI-APIs.

Praxisbeispiel

Das Wort 'Automatisierung' könnte als 2–3 Tokens gezählt werden. 1000 Wörter ≈ 1300 Tokens.

V

Vektordatenbank

Eine spezielle Datenbank, die Embeddings speichert und blitzschnell ähnliche Inhalte findet.

Im Detail

Klassische Datenbanken suchen nach exakten Begriffen. Vektordatenbanken suchen nach semantischer Nähe — sie finden Inhalte, die ähnlich bedeuten, auch wenn andere Wörter verwendet werden. Sie sind die Grundlage für RAG-Systeme und intelligente Suchfunktionen.

Praxisbeispiel

Das KI-Wissenssystem von Bratman.ch nutzt eine Vektordatenbank, um beim Chatbot-Einsatz in Millisekunden den relevantesten Wissens-Chunk zu finden.

Z

Zero-Shot / Few-Shot Prompting

Ob man einer KI für eine neue Aufgabe Beispiele mitgibt (Few-Shot) oder nicht (Zero-Shot).

Im Detail

Bei Zero-Shot bekommt das Modell nur die Aufgabenbeschreibung, keine Beispiele. Bei Few-Shot werden wenige Beispiele mitgegeben (typisch: 2–5), die zeigen, wie das gewünschte Output aussehen soll. Few-Shot liefert fast immer konsistentere Ergebnisse, kostet aber mehr Token.

Praxisbeispiel

Zero-Shot: 'Übersetze diese Adresse ins Englische.' Few-Shot: 'Übersetze diese Adresse — Beispiel: Musterstrasse 1 → Musterstrasse 1 (keine Übersetzung von Strassennamen).'