KI Glossar

KI-Glossar mit 22 wichtigen Begriffen für Unternehmen

Wer über KI, GEO oder Automatisierung spricht, stolpert schnell über Abkürzungen. Dieses KI-Glossar erklärt 22 Begriffe so, dass sie im Gespräch mit Dienstleistern, im Team und in der Entscheidung helfen: verständlich, mit dem Bezug zum Unternehmensalltag und ohne Fachchinesisch. Alle Abkürzungen sind ausgeschrieben, alle Definitionen selbst formuliert.

Stand: . Letzte Aktualisierung mit der Veröffentlichung dieser Website. Fachlich verantwortlich: Oliver Misch, FMQ.

Gruppe 1, 5 Begriffe

Grundlagen der künstlichen Intelligenz

Künstliche Intelligenz
Künstliche Intelligenz (KI) ist der Sammelbegriff für Software, die Aufgaben übernimmt, für die bisher menschliches Urteilsvermögen nötig war: Sprache verstehen, Muster in Daten erkennen, Texte oder Bilder erzeugen, Entscheidungen vorbereiten. Im Unternehmensalltag meint KI heute meist Sprachmodelle und darauf aufbauende Anwendungen. Der Begriff sagt nichts über Qualität oder Verlässlichkeit aus; entscheidend ist, wofür ein System gebaut und wie es kontrolliert wird.
Generative KI
Generative KI bezeichnet Systeme, die neue Inhalte erzeugen statt nur vorhandene zu sortieren oder zu bewerten: Texte, Bilder, Code, Audio. Sprachmodelle wie die hinter ChatGPT oder Gemini sind die bekannteste Form. Für Unternehmen ist der Unterschied wichtig, weil generative Systeme plausibel klingende, aber falsche Ausgaben produzieren können. Jede Nutzung braucht deshalb eine Prüfung durch Menschen, zumindest bei allem, was nach außen geht oder Entscheidungen beeinflusst.
Large Language Model
Ein Large Language Model (LLM), auf Deutsch großes Sprachmodell, ist ein KI-Modell, das auf sehr großen Textmengen trainiert wurde und daraus gelernt hat, Sprache zu verstehen und fortzusetzen. Es beantwortet Fragen, fasst zusammen, übersetzt und formuliert. Ein LLM weiß nichts im menschlichen Sinn, es berechnet wahrscheinliche Fortsetzungen. Deshalb kann es überzeugend Falsches ausgeben. Verlässliche Anwendungen kombinieren das Modell mit geprüften Datenquellen und Kontrollschritten.
Prompting
Prompting ist die Art, wie man einem Sprachmodell eine Aufgabe stellt: die Eingabe (der Prompt) mit Anweisung, Kontext, Beispielen und gewünschtem Format. Gute Prompts sind präzise, nennen Ziel, Zielgruppe und Grenzen und geben dem Modell die nötigen Informationen mit. In Unternehmen werden bewährte Prompts als wiederverwendbare Vorlagen dokumentiert, damit Ergebnisse vergleichbar bleiben und nicht von der Tagesform einzelner Mitarbeitender abhängen. Prompting ersetzt keine fachliche Prüfung.
Token
Ein Token ist die kleinste Einheit, in der ein Sprachmodell Text verarbeitet, meist ein Wort, ein Wortteil oder ein Satzzeichen. Ein deutscher Text hat grob ein Token pro drei bis vier Zeichen. Tokens sind wichtig, weil Modelle nur eine begrenzte Menge davon gleichzeitig verarbeiten können (das Kontextfenster) und weil die Nutzung von KI-Diensten pro Token abgerechnet wird. Lange Dokumente und ausufernde Prompts kosten deshalb Geld und Genauigkeit.
Gruppe 2, 5 Begriffe

Wissen, Daten und Suche

Retrieval-Augmented Generation
Retrieval-Augmented Generation (RAG) ist ein Verfahren, bei dem ein Sprachmodell vor der Antwort passende Textstellen aus einer definierten Wissensquelle abruft, etwa aus Handbüchern, Verträgen oder Protokollen, und seine Antwort darauf stützt. So antwortet das Modell mit Unternehmenswissen statt mit Allgemeinwissen und kann die Fundstelle nennen. RAG ist die Grundlage der meisten internen Wissensassistenten und vieler Automatisierungen, bei denen es auf überprüfbare Antworten ankommt. Vertiefung: KI-Automatisierung
Embedding
Ein Embedding ist die Darstellung eines Textes (oder Bildes) als lange Zahlenreihe, die seine Bedeutung abbildet. Texte mit ähnlichem Inhalt liegen in dieser Darstellung nahe beieinander, auch wenn sie unterschiedliche Wörter verwenden. Embeddings machen es möglich, in Dokumenten nach Bedeutung statt nach exakten Begriffen zu suchen. Sie sind der technische Kern von Verfahren wie Retrieval-Augmented Generation und von semantischer Suche in internen Wissensdatenbanken.
Vektordatenbank
Eine Vektordatenbank speichert Embeddings und findet zu einer Anfrage schnell die Einträge mit der größten inhaltlichen Ähnlichkeit. Sie ist die Ablage, aus der ein RAG-System seine Textstellen holt. Für Unternehmen ist weniger die Technik entscheidend als die Pflege: Welche Dokumente kommen hinein, wer gibt sie frei, wie werden veraltete Inhalte entfernt und welche Zugriffsrechte gelten. Eine Vektordatenbank mit falschen Inhalten liefert falsche Antworten mit Fundstelle.
API
Eine API (Application Programming Interface, Programmierschnittstelle) ist der definierte Weg, über den Programme miteinander sprechen. Über APIs greifen Automatisierungen und KI-Agenten auf CRM, Buchhaltung, E-Mail oder Sprachmodelle zu. Ob ein Prozess automatisierbar ist, hängt oft davon ab, ob die beteiligten Systeme brauchbare APIs haben. Bei der Prozessaufnahme prüfen wir das früh, denn ein System ohne Schnittstelle lässt sich nur mit Umwegen anbinden. Vertiefung: KI-Automatisierung
Strukturierte Daten
Strukturierte Daten sind maschinenlesbare Angaben im Quelltext einer Website, meist nach dem Vokabular von Schema.org im Format JSON-LD. Sie beschreiben, was auf einer Seite steht: welche Organisation, welche Leistung, welche Person, welche Fragen und Antworten. Suchmaschinen nutzen sie, um Inhalte eindeutig einzuordnen. Wichtig ist, dass die Angaben exakt dem sichtbaren Inhalt entsprechen; versteckte oder erfundene Daten schaden mehr als sie nützen. Vertiefung: GEO Agentur
Gruppe 3, 8 Begriffe

Sichtbarkeit in Suche und KI-Systemen

Generative Engine Optimization
Generative Engine Optimization (GEO) ist die Optimierung von Inhalten, Strukturen und Entitäten, damit ein Unternehmen in den Antworten generativer KI-Systeme wie ChatGPT, Gemini, Perplexity oder Google AI Overviews gefunden, richtig eingeordnet und als Quelle genannt wird. GEO ersetzt klassische Suchmaschinenoptimierung nicht, sondern baut darauf auf. Eine Garantie für Nennungen gibt es nicht, weil KI-Antworten probabilistisch entstehen und schwanken. Vertiefung: GEO Agentur
Answer Engine Optimization
Answer Engine Optimization (AEO) ist ein älterer Begriff für die Optimierung auf Systeme, die direkt Antworten liefern statt Linklisten: Featured Snippets, Sprachassistenten und heute auch KI-Antworten. In der Praxis überschneidet sich AEO fast vollständig mit GEO. Gemeinsam ist beiden der Kern: Inhalte, die eine konkrete Frage in klaren, zitierfähigen Sätzen beantworten, ergänzt um eindeutige Angaben zum Unternehmen und Belege außerhalb der eigenen Website.
Large Language Model Optimization
Large Language Model Optimization (LLMO) betont die Optimierung darauf, was Sprachmodelle über eine Marke gelernt haben, also die Präsenz im Trainingsmaterial und in den Quellen, auf die Modelle zugreifen. Der Begriff wird meist synonym zu GEO verwendet. Ein Unterschied liegt im Zeithorizont: Was ein Modell ohne Live-Suche über eine Marke weiß, ändert sich erst mit einem neuen Trainingsstand, während Systeme mit Websuche schneller reagieren.
AI Search (KI-Suche) bezeichnet Suchsysteme, die statt einer Ergebnisliste eine zusammengefasste, generierte Antwort ausgeben, oft mit Quellenangaben. Dazu gehören ChatGPT mit Websuche, Perplexity, Gemini und die KI-Funktionen der Google-Suche. Für Unternehmen verändert sich damit die Vorauswahl: Wer in der Antwort nicht vorkommt, wird oft gar nicht mehr aufgerufen. Sichtbarkeit in AI Search wird mit wiederholten Prompt-Sets gemessen, nicht mit Einzeltests. Vertiefung: KI-Sichtbarkeit
Google AI Overviews
Google AI Overviews sind die KI-generierten Übersichten, die Google bei vielen Suchanfragen oberhalb der klassischen Ergebnisse zeigt, mit Verweisen auf die verwendeten Quellen. Laut Googles eigener Dokumentation gelten dafür dieselben Grundlagen wie für die normale Suche: crawlbare Technik, hilfreiche Inhalte, keine speziellen Tags. Wer in AI Overviews erscheinen will, braucht deshalb zuerst gutes klassisches SEO und dann Inhalte, die sich als Quelle eignen. Vertiefung: SEO Agentur Bonn
KI-Sichtbarkeit
KI-Sichtbarkeit beschreibt, ob und wie eine Marke in den Antworten von KI-Systemen auftaucht: Wird sie genannt, an welcher Stelle, wird die Website als Quelle verlinkt, stimmt die Beschreibung? Sie lässt sich nur mit einem festen Fragenkatalog messen, der wiederholt über mehrere Systeme und Zeitpunkte abgefragt wird. Ein einzelner Test in ChatGPT ist keine Messung. Aus der Messung folgt die Ursachenanalyse und daraus die Maßnahmen. Vertiefung: KI-Sichtbarkeit
Entity SEO
Entity SEO ist die Arbeit daran, dass Suchmaschinen und KI-Systeme ein Unternehmen als eindeutige Entität erkennen: derselbe Name, dieselben Leistungen, dasselbe Einzugsgebiet auf der Website, in Verzeichnissen, Profilen und strukturierten Daten. Widersprüchliche Angaben führen dazu, dass Systeme zwei Firmen vermischen oder keine zuordnen. Für KI-Antworten ist Entitätsklarheit besonders wichtig, weil ein Modell eine Marke nur nennen kann, die es sicher identifiziert. Vertiefung: GEO Agentur
E-E-A-T
E-E-A-T steht für Experience, Expertise, Authoritativeness und Trustworthiness: Erfahrung, Fachwissen, Autorität und Vertrauenswürdigkeit. Google beschreibt damit in seinen Richtlinien für Qualitätsprüfer, woran hilfreiche Inhalte erkannt werden. E-E-A-T ist kein direkter Rankingfaktor, sondern ein Rahmen für glaubwürdige Inhalte: sichtbare Autoren mit echter Erfahrung, belegte Aussagen, Aktualisierungsdaten, Quellen. Dieselben Merkmale machen Inhalte auch für KI-Systeme deutlich eher zitierfähig. Vertiefung: Content für KI-Suche
Gruppe 4, 4 Begriffe

Automatisierung und Agenten

Workflow-Automatisierung
Workflow-Automatisierung ist die technische Umsetzung eines festen Ablaufs: Wenn ein Ereignis eintritt, folgen definierte Schritte in definierter Reihenfolge, etwa Anfrage eingegangen, klassifizieren, anreichern, weiterleiten. KI kann einzelne Schritte übernehmen, etwa Texte verstehen oder Entwürfe schreiben, der Ablauf selbst bleibt vorgegeben. Für die meisten wiederkehrenden Aufgaben im Unternehmen ist ein Workflow die passende Lösung und einem Agenten vorzuziehen, weil er nachvollziehbarer ist. Vertiefung: KI-Automatisierung
KI-Agent
Ein KI-Agent ist ein System, das ein Ziel und Werkzeuge bekommt und innerhalb festgelegter Grenzen selbst entscheidet, welche Schritte es in welcher Reihenfolge ausführt: in einer Datenbank nachschlagen, ein Dokument lesen, eine Rückfrage stellen, einen Entwurf anlegen. Agenten eignen sich für mehrstufige Aufgaben mit variabler Reihenfolge. Sie brauchen klare Berechtigungen, Abbruchregeln, Protokollierung und menschliche Freigabepunkte. Vollständige Autonomie ist weder realistisch noch wünschenswert. Vertiefung: KI-Agenten
Multi-Agent-System
Ein Multi-Agent-System besteht aus mehreren KI-Agenten mit unterschiedlichen Rollen, die sich gegenseitig beauftragen und Ergebnisse übergeben, etwa ein Agent für Recherche, einer für Prüfung, einer für Formulierung. Das klingt beeindruckend, ist aber selten nötig und erhöht Komplexität, Kosten und Fehlerquellen deutlich. Sinnvoll wird es nur bei Aufgaben, die sich nachweislich nicht mit einem Agenten oder Workflow lösen lassen. Wir bauen es nicht als Selbstzweck. Vertiefung: KI-Agenten
Human-in-the-loop
Human-in-the-loop bedeutet, dass ein Mensch an definierten Stellen eines automatisierten Ablaufs prüft, entscheidet oder freigibt, bevor es weitergeht: bevor eine Nachricht nach außen geht, Geld bewegt oder Daten dauerhaft geändert werden, und immer bei Unsicherheit des Systems. Das Prinzip ist bei FMQ Standard in jeder Automatisierung und jedem Agenten. Es schützt vor Fehlern, hält Verantwortung bei Menschen und liefert die Korrekturen, aus denen das System verbessert wird. Vertiefung: KI-Agenten
Gruppe 5

Begriffe im Zusammenhang: was für Unternehmen daraus folgt

Die 22 Begriffe hängen enger zusammen, als die Gruppen vermuten lassen. Ein Sprachmodell (LLM) wird über Prompting gesteuert und verarbeitet Text in Tokens. Damit es mit Unternehmenswissen antwortet, holt Retrieval-Augmented Generation passende Stellen aus einer Vektordatenbank, in der Dokumente als Embeddings liegen. Über APIs wird das Ganze an CRM, Buchhaltung oder E-Mail angebunden, als Workflow-Automatisierung mit festem Ablauf oder als KI-Agent mit eigenen Entscheidungen, immer mit Human-in-the-loop.

Auf der Sichtbarkeitsseite beschreiben GEO, AEO und LLMO dieselbe Aufgabe aus drei Blickwinkeln: in AI Search und Google AI Overviews als Quelle genannt zu werden. Dafür braucht es Entity SEO, damit die Marke eindeutig erkannt wird, strukturierte Daten, die den sichtbaren Inhalt bestätigen, und Inhalte nach E-E-A-T, die sich zitieren lassen. Ob das gelingt, zeigt die Messung der KI-Sichtbarkeit mit wiederholten Prompt-Sets.

Wer eines dieser Themen angehen will, muss nicht alle Begriffe beherrschen. Es reicht zu wissen, welche Frage dahintersteht: Werden wir gefunden, verstanden und genannt? Und welche Abläufe kosten Zeit, die eine sauber gebaute Automatisierung übernehmen könnte? Antworten auf die häufigsten Fragen dazu stehen unter Fragen und Antworten zu KI, GEO und SEO, den Einstieg in die Umsetzung beschreibt der Leitfaden KI im Mittelstand sinnvoll einsetzen.

Vom Begriff zur Umsetzung

Sie wissen jetzt, was die Wörter bedeuten. Jetzt zur Frage, was davon zu Ihnen passt.

Beschreiben Sie kurz Ihr Vorhaben. Wir sagen Ihnen, welcher Baustein sinnvoll ist, und welcher nicht.

Angebot anfordern Projekt einordnen lassen