AI Washing beschreibt die Praxis von Unternehmen, den Einsatz von künstlicher Intelligenz in ihren Produkten, Dienstleistungen oder Prozessen zu übertreiben oder sogar zu fälschen.

Der Prompt fordert die KI auf, eine konkrete Aktion vorzuschlagen oder auszuführen. Beispiel: Generiere ein Testkonzept

Eine eindeutige, endliche Handlungsvorschrift zur Lösung eines Problems. KI-Systeme basieren auf Algorithmen, die Daten analysieren und daraus Entscheidungen ableiten.

KI, die über das gesamte Spektrum der kognitiven Fähigkeiten ein dem Menschen vergleichbares intelligentes Verhalten zeigt Synonym: starke KI

Ein autoregressives Modell schätzt die Wahrscheinlichkeit einer Sequenz, indem es bedingte Wahrscheinlichkeiten jedes Tokens multipliziert, wobei jedes Token auf allen vorhergehenden Tokens basiert. Dieser Ansatz wird typischerweise für Textgenerierung, -vervollständigung und viele bedingte Aufgaben verwendet.

Eine Instruktion oder Abfrage, die ein Benutzer in ein Large Lan- guage-Modell (LLM) eingibt und die die Antwort des Modells so steuert, dass bestimmte Aufgaben erfüllt oder gewünschte Infor- mationen bereitgestellt werden.

Die Erstellung eines ML-Modells durch einen Prozess des Ausprobierens und Belohnens, um ein Ziel zu erreichen

Sehr große, komplexe Datenmengen, die mit klassischen Methoden kaum verarbeitet werden können. KI nutzt Big Data häufig als Trainingsgrundlage.

Chain-of-Thought (CoT) ist eine Prompt-Engineering-Technik, bei der man das KI-Modell dazu anleitet, seine Zwischenschritte und Gedankengänge explizit aufzuschreiben, anstatt nur direkt das Endergebnis zu liefern.

Teilgebiet der KI, das Maschinen befähigt, Bilder und Videos zu analysieren und zu interpretieren.

Klar definierte Regeln oder Einschränkungen setzen (z. B. „Antwort maximal 150 Wörter“, „In Tabellenform“).

Vorherige Informationen oder lange Kontexte nutzen, um konsistent zu bleiben.

Ein Convolutional Neural Network (CNN oder ConvNet, faltendes neuronales Netz) ist eine Netzwerkarchitektur für Deep Learning, die direkt anhand von Daten lernt. CNNs sind besonders nützlich, um Muster in Bildern zu finden und Objekte, Klassen und Kategorien zu erkennen. Zudem können sie bei der Klassifizierung von Audio-, Zeitreihen- und Signaldaten sehr effektiv sein.

Teilgebiet der KI, das Maschinen befähigt, Bilder und Videos zu analysieren und zu interpretieren.

Das Hinzufügen aussagekräftiger Tags zu Objekten in Rohdaten zur Unterstützung der Klassifikation in ML Synonym: Kennzeichnung

Strukturierte Sammlung von Daten, die zum Training oder Testen von KI-Modellen verwendet wird.

Spezielle Form des maschinellen Lernens mit tiefen neuronalen Netzen (mehrere verborgene Schichten).

Text durch Trennzeichen schützen (z. B. Text zwischen Backticks nicht verändern).

Dialogsystem, das mittels KI oder regelbasierter Logik Gespräche mit Nutzern führt (z. B. Support-Systeme).

Eine Technik, mit der Token als dichte Vektoren in einem kontinu- ierlichen Raum dargestellt werden, die während des Trainings ge- lernt werden, um semantische, syntaktische und kontextuelle Be- Ziehungen zu erfassen.

Der Bereich der Studie, der sich mit dem Verständnis der Faktoren befasst, welche die Ergebnisse von KI-Systemen beeinflussen

KI soll typische Fehler erkennen und korrigieren

Ein überwachtes Lernen, bei dem ein Datensatz mit gekennzeich- neten Beispielen verwendet wird, um die Gewichtung des LLMs zu aktualisieren und sie an bestimmte Aufgaben oder Domänen an- zupassen.

Few-Shot Prompting ist eine Technik, bei der einem KI-Modell vor der eigentlichen Aufgabe mehrere Beispiele (idR 2-5) gegeben werden, um ihm das gewünschte Muster oder Format zu vermitteln.

Allzweckmodelle, die auf einer Vielzahl von Textdaten vortrainiert wurden und in der Lage sind, das nächste Wort auf der Grundlage gelernter Sprachmuster vorherzusagen. Synonym: Basis-LLM

Generative KI bezeichnet Modelle, die neue Inhalte wie Texte, Bilder, Audio oder Code erzeugen, die den Trainingsdaten ähneln, ohne sie nur zu kopieren. Häufige Ansätze sind große Sprachmodelle (LLMs) und GANs.

Eine Art Deep Learning-Modell auf Basis eines Transformers, das auf einer Vielzahl von Textdaten vortrainiert wurde, um menschenähnlich klingende Texte zu verstehen und zu generieren.

Ein Generative Adversarial Network besteht aus zwei konkurrierenden Künstlichen Neuronalen Netzwerken (KNN) und ist in der Lage, Daten zu generieren. Die beiden Künstlichen Neuronalen Netze werden als Generator und Diskriminator bezeichnet. Der Generator erzeugt Daten, die der Diskriminator auf Basis echter Daten prüft. Die beiden Netze sind logisch und mathematisch so miteinander verknüpft, dass die vom Generator erzeugten Daten immer echter wirken. Ziel des Generators ist es, Daten zu erzeugen, die der Diskriminator nicht mehr von echten Daten unterscheiden kann.

GNN steht für Graph Neural Network (Graphen-Neuronales Netz). Das sind Modelle, die Daten verarbeiten, die als Graph vorliegen: Knoten (Nodes) + Kanten (Edges) + ggf. Eigenschaften (Features) an beiden. Wofür braucht man das? Immer dann, wenn Beziehungen zentral sind, z. B.: Soziale Netzwerke (Freunde/Follows) Moleküle (Atome = Knoten, Bindungen = Kanten) Wissensgraphen (Entitäten + Relationen) Betrugserkennung (Transaktionen als Netzwerk)

Falsche Informationen, die von einem LLM erzeugt werden.

Ein Parameter, der entweder zur Steuerung des Trainings eines ML-Modells oder zur Festlegung der Konfiguration eines ML-Modells verwendet wird

Die Bestimmung der optimalen Hyperparameter des Modells oder des Algorithmus auf der Grundlage bestimmter Ziele.

Verfahren zum logischen Schließen bzw. Schlussfolgern

Sehr klare, strukturierte Anweisung als Hauptteil des Prompts.

Ein Foundation-LLM (Large Language-Modell), das darauf trainiert ist, Instruktionen zu befolgen, oft verstärkt durch Feedback, um richtige Antworten zu fördern.

Ein autonomes Programm, das seine Aktivitäten anhand von Beobachtungen und Aktionen auf das Erreichen von Zielen ausrichtet (Lehrplan ISTQB® Certified Tester AI Testing)

Fähigkeit [des Menschen], abstrakt und vernünftig zu denken und daraus zweckvolles Handeln abzuleiten

Ein Dialogagent, der LLMs verwendet, um Anfragen zu verarbeiten und menschenähnlich klingende Textantworten zu generieren, wodurch eine interaktive Kommunikation mit Benutzern ermöglicht wird.

Die Situation, dass ein zuvor als KI gekennzeichnetes System aufgrund des technologischen Fortschritts nicht mehr als KI angesehen wird

Eine Komponente, die KI-Funktionalität bietet

Ein Software-Lizenzierungs- und Bereitstellungsmodell, bei dem KI und KI-Entwicklungsdienste zentral gehostet werden (Lehrplan ISTQB® Certified Tester AI Testing)

Ein System, das eine oder mehrere KI-Komponenten integriert

Eine Art spezialisierte Hardware zur Beschleunigung von KI- Anwendungen

Eine Art von ML-Funktion, welche die Ausgabeklasse für eine gegebene Eingabe vorhersagt

Ein ML-Modell für die Klassifikation Synonym: Klassifikationsmodell

Der Textabschnitt, gemessen in Token, den ein Sprachmodell bei der Generierung von Antworten berücksichtigt und der die Relevanz und Kohärenz seiner Ausgaben beeinflusst.

Eine Veränderung in der wahrgenommenen Genauigkeit der Vorhersagen eines ML-Modells im Laufe der Zeit, die durch Veränderungen in den Erwartungen und im Verhalten der Nutzer sowie in der betrieblichen Einsatzumgebung verursacht wird.

Die Fähigkeit eines technischen Systems, Wissen und Fähigkeiten zu erwerben, zu verarbeiten, zu erzeugen und anzuwenden

Eine Anwendung, die logisches Denken, Entscheidungsfindung und Gedächtnis eines LLMs integriert und Tools zur Ausführung von Aufgaben verwendet.

Praktiken und Werkzeuge, die sich auf die Bereitstellung, Überwachung und Wartung von LLMs in Produktionsumgebungen konzentrieren.

Large Language Models (kurz: LLM und auf Deutsch: Große Sprachmodelle) sind leistungsstarke Modelle, die darauf ausgelegt sind, menschliche Sprache zu verstehen und zu generieren. Sie können Text analysieren und verstehen, kohärente Antworten generieren und sprachbezogene Aufgaben ausführen.

Ein Programm, das ein ML-Modell auf der Grundlage der Eigenschaften des Trainingsdatensatzes erstellt

Ein Algorithmus, der zur Erstellung eines ML-Modells aus einem Trainingsdatensatz verwendet wird

Ein Werkzeug oder eine Bibliothek, welche die Erstellung eines ML-Modells unterstützt

Von einem ML-Modell implementierte Funktionen, wie Klassifikation, Regression oder Clusterbildung

Der Prozess des Vergleichs der erzielten funktionalen Leistungsmetriken von ML mit den erforderlichen Kriterien und denen anderer ML-Modelle

Der Prozess der Anwendung des ML-Algorithmus auf den Trainingsdatensatz zur Erstellung eines ML-Modells

Der Prozess des Testens von Hyperparametern, um eine optimale Leistung zu erreichen

Ein System, das ein oder mehrere ML-Modelle integriert

Der Prozess, bei dem computergestützte Techniken eingesetzt werden, um Systeme in die Lage zu versetzen, aus Daten oder Erfahrungen zu lernen

Messbares Merkmal eines Datensatzes, das einem Modell als Eingabe dient.

Die Erstellung von Instruktionen auf höherer Ebene, die spezifische Prompts zum Erkunden oder Automatisieren von Funktionen generieren.

Das Model Context Protocol (MCP) ist ein offener Standard und Open-Source-Framework, das vom US-Unternehmen Anthropic entwickelt wurde, um die Integration und den Datenaustausch zwischen künstlicher Intelligenz (KI), insbesondere großen Sprachmodellen (LLMs), und externen Tools, Systemen sowie Datenquellen zu standardisieren.

GenAI-Modelle, die Inhalte aus verschiedenen Datentypen wie Text, Bildern und Audio verarbeiten und generieren können.

Prompts mit Text + Bild, Audio oder PDF.

Vorgeben, was nicht passieren soll (z.B. füge keine Emojis ein)

Ein Knoten in einem neuronalen Netz, der normalerweise mehrere Eingangswerte empfängt und einen Aktivierungswert erzeugt

Ein Netzwerk von primitiven Verarbeitungselementen, die durch gewichtete Verbindungen mit einstellbaren Gewichten verbunden sind, in dem jedes Element einen Wert durch Anwendung einer nichtlinearen Funktion auf seine Eingangswerte erzeugt und ihn an andere Elemente weitergibt oder als Ausgangswert präsentiert Synonym: künstliches neuronales Netz

Ein System, das bei einer bestimmten Menge von Eingaben und einem bestimmten Ausgangszustand nicht immer dieselbe Menge von Ausgaben und denselben Endzustand erzeugt

One-Shot-Prompting ist eine KI-Technik, bei der einem Sprachmodell eine einzelne Beispielaufgabe mit korrekter Lösung präsentiert wird, um ihm die Struktur, den Stil und das erwartete Ausgabeformat zu verdeutlichen.

KI bekommt eine bestimmte Persönlichkeit (z. B. streng, kreativ, sarkastisch, sehr detailorientiert).

EEin Perzeptron ist die Urform eines künstlichen neuronalen Netzwerk, beschrieben erstmals 1958 von Frank Rosenblatt.

Ein System, dessen Verhalten in Form von Wahrscheinlichkeiten beschrieben wird und dessen Ergebnisse daher nicht genau vorhergesagt werden können.

KI nutzt kleine Hilfsprogramme oder Funktionen (z. B. Code) als Teil des Lösungswegs.

Eine Eingabe in natürlicher Sprache, die bereitgestellt wird, um eine bestimmte Antwort in generativer KI und Large-Language- Modellen hervorzurufen

Prompt Engineering ist die systematische Gestaltung, Formulierung und Optimierung von Eingaben (Prompts) für KI-Modelle – insbesondere große Sprachmodelle wie ChatGPT –, um möglichst präzise, nützliche und konsistente Ergebnisse zu erhalten. Prompt Engineering ist die Kunst und Wissenschaft, KI so anzuleiten, dass sie das tut, was man möchte.

Prompt Chaining ist eine Technik, bei der eine komplexe Aufgabe in mehrere, aufeinanderfolgende Prompts aufgeteilt wird, wobei die Ausgabe eines Prompts zur Eingabe für den nächsten wird.

Eine funktionale Leistungsmetrik von ML, die zur Evaluierung eines Klassifikators verwendet wird; misst den Anteil der korrekten Ergebnisse unter den als positiv vorhergesagten Ergebnissen

Prompt nutzt externe Wissensquellen → Modell generiert darauf basierend Antworten.

Eine Störung oder Verfälschung von Daten

Kombiniert Reasoning (Denken) + Acting (Aktionen/Tools). Wird oft in Agenten- und Automatisierungsszenarien genutzt.

Falsche Interpretation logischer Strukturen, wie z. B. Ursache-Wirkungs-Beziehungen, bedingte Logik oder schrittweise Problemlösungsprozesse, was zu falschen Schlussfolgerungen des LLMs führt.

Ein LLM, das auf Instruction-Tuned-LLMs aufbaut, indem es deren Fähigkeit zur Nachahmung menschlicher Schlussfolgerungsprozesse verfeinert.

KI soll ihre eigene Antwort bewerten und verbessern.

Eine Art von ML-Funktion, die zu einem numerischen oder kontinuierlichen Ausgabewert für eine gegebene Eingabe führt

Ein ML-Modell, dessen erwartete Ausgabe für eine gegebene numerische Eingabe eine kontinuierliche Variable ist

Eine Technik, die die Fähigkeiten von LLMs mit einem Retriever kombiniert, um relevante Daten für die Generierung präziser, kontextbezogener Antworten abzurufen.

Die Risikopyramide für KI-Systeme ist ein Modell zur Einordnung von Risiken nach steigender Auswirkung, Komplexität und Verantwortung – von technischen Basisrisiken bis hin zu ethischen, rechtlichen und gesellschaftlichen Folgen. Sie verdeutlicht, dass mit zunehmender Risikostufe stärkere Kontrolle, menschliche Aufsicht und Governance-Maßnahmen erforderlich sind.

KI in eine Rolle versetzen (z. B. Scrum Master, Softwaretester, Senior Developer).

Die Verwendung von GenAI-Werkzeugen oder -Systemen innerhalb eines Unternehmens ohne formelle Genehmigung oder Aufsicht.

KI konzentriert sich auf eine einzelne, klar definierte Aufgabe, um ein spezifisches Problem zu lösen , Synonym: enge KI

Ein adaptives System, das sein Verhalten auf der Grundlage von Lernen durch Versuch und Irrtum ändert

KI erzeugt mehrere Lösungswege → wählt den plausibelsten.

Eine funktionale Leistungsmetrik von ML zur Evaluierung eines Klassifikators; misst den Anteil der korrekt vorhergesagten Ergebnisse unter den tatsächlich positiven Fällen Synonym: Empfindlichkeit

Sprachmodelle, die bewusst klein entworfen und trainiert sind und ein Gleichgewicht zwischen Effizienz und aufgabenspezifischem Sprachverständnis bieten.

Mit Gegenfragen arbeiten → KI führt den Nutzer zur Lösung.

Spec-Driven Development (SDD) ist strukturiert , erstellt detaillierte Spezifikationen vorab und zielt auf Wartbarkeit, Skalierbarkeit und Teamarbeit ab, indem es KI-Agenten gezielt lenkt. SDD legt Priorität auf Intent-Alignment, Qualität und Langzeit-Wartbarkeit komplexer Systeme.

Eine präzise und detaillierte Anweisung für eine künstliche Intelligenz (KI), die alle notwendigen Informationen enthält, um das gewünschte Ergebnis zu erzielen.

Stil, Ton oder Format vorgeben (z. B. „Technisch, knapp und formal“ oder „Humorvoll“).

Ein auf künstlicher Intelligenz basierendes System, das die menschlichen Fähigkeiten weit übertrifft

Eine ML-Technik, bei der die Datenpunkte als Vektoren im mehrdimensionalen Raum betrachtet werden, die durch eine Hyperebene getrennt sind

Ein KI-Ansatz, der Symbole, Regeln und strukturiertes Wissen verwendet, um logische Denkprozesse zu modellieren.

Ein vordefinierter Befehlssatz, der in der Regel für die Benutzer des Chatbots nicht sichtbar ist und der den Kontext, den Ton und die Grenzen für die Antworten eines LLMs konsistent festlegt und dessen Verhalten während der Interaktionen steuert. (Lehrplan ISTQB® Certified Tester-Spezialisten - Testen mit generativer KI)

Ein Parameter, der die Zufälligkeit oder Kreativität der Ausgaben eines LLM-Modells steuert.

Vom Trainingsdatensatz unabhängiger Datensatz für die Evaluierung, ob die vereinbarten funktionalen Leistungskriterien von ML erfüllt werden Synonym: Holdout-Datensatz

ML mit neuronalen Netzen mit mehreren Schichten

Ein neuronales Netz, das aus mehreren Schichten von Neuronen besteht Synonym: Mehrschichtiges Perzeptron

Der Prozess der Aufteilung von Text in kleinere Einheiten zur Verarbeitung durch Sprachmodelle.

Ein Datensatz, der zum Trainieren eines ML-Modells verwendet wird

Eine Technik zur Modifizierung eines vortrainierten ML- Modells, um eine andere verwandte Aufgabe zu erfüllen

Eine Deep Learning-Modellarchitektur, die Selbstaufmerksamkeitsmechanismen nutzt, um weitreichende Abhängigkeiten in Eingabesequenzen zu erfassen.

Der Grad der Sichtbarkeit des Algorithmus und der Daten, die von dem KI-basierten System verwendet werden

Die Erstellung eines ML-Modells, das zu sehr dem Trainingsdatensatz entspricht, was zu einem Modell führt, das nur schwer auf neue Daten verallgemeinert werden kann

Trainieren eines ML-Modells aus Eingabedaten und den entsprechenden Kennzeichnungen