Glossar: Glossar: LLM, RAG, Embedding, Agent, Model Routing, Node und mehr.
Die wichtigsten Begriffe rund um Unternehmens-KI kurz und verständlich erklärt – von LLM über RAG und Agent bis Node, Routing, gemeinsamer Datenkern und Private AI.
Kurz gesagt: Das Glossar erklärt zentrale Begriffe kurz, damit Angebote und technische Aussagen besser verglichen werden können.
Erklärung
Zentrale Begriffe für Gespräche über KI.
Die Tabelle unten erklärt die Begriffe, die auf dieser Website und in Gesprächen mit uns vorkommen. Wo ein Begriff eine eigene Seite hat, ist sie verlinkt.
Begriffe
Glossar.
| Begriff | Erklärung |
|---|---|
| LLM (Large Language Model) | Ein Sprachmodell erzeugt Text aus gelernten Mustern. Interne Daten kennt es nur, wenn sie ihm bereitgestellt werden. |
| RAG (Retrieval-Augmented Generation) | Verfahren, bei dem zuerst passende Textstellen aus eigenen Dokumenten gesucht und dem Modell bereitgestellt werden. Antworten sollen die verwendeten Quellen nennen; das Modell wird dafür nicht neu trainiert. |
| Embedding | Zahlenvektor, der die Bedeutung eines Textabschnitts abbildet. Grundlage der semantischen Suche in RAG-Systemen. |
| Agent | Ein KI-System, das eine Aufgabe bearbeitet: Werkzeuge nutzt, Zwischenschritte entscheidet, Zustand hält und an definierten Stellen Freigaben einholt. |
| Human-in-the-loop / Freigabe | Definierte Stelle in einem Ablauf, an der ein Mensch bestätigt, bevor eine Aktion ausgelöst wird – z. B. vor Versand oder Buchung. |
| Model Routing | Zuordnung einer Aufgabe zum passenden Modell nach Fähigkeit, Datenschutz, Geschwindigkeit, Kosten und Verfügbarkeit (Swiss AI Factory). |
| AI / Reverse Gateway | Einheitlicher Zugang der Anwendungen zu allen Modellen – lokal wie extern – über eine Schnittstelle. |
| Load Balancing | Verteilung der Last auf mehrere Nodes oder Modelle. |
| Fallback | Ersatzmodell oder -node, das übernimmt, wenn das primäre ausfällt – nach Regeln, die zur Datenklasse passen. |
| Node (KI-Node) | Rechenknoten mit Modellen, der Aufgaben von der Modellschicht entgegennimmt. Zusätzliche Last kann weitere Komponenten und Tests erfordern. |
| Private AI | Betriebsform, bei der Modelle, Wissen und Agenten in einer vom Unternehmen kontrollierten Umgebung laufen – On-Premise, Private Cloud oder hybrid. |
| On-Premise | Betrieb auf eigenen Servern im eigenen Haus. |
| Hybrid | Sensible Aufgaben lokal, unkritische extern – geregelt über Datenklassen und Routing. |
| Datenklasse | Einstufung von Daten (öffentlich, intern, vertraulich, besonders schützenswert), die bestimmt, wo eine Aufgabe laufen darf. |
| Gemeinsamer Datenkern (Shared Business Core) | Zentraler Datenbestand für Kunden, Firmen, Personen, Projekte, Dokumente, Benutzer und Rollen, den mehrere Module nutzen. |
| Fine-Tuning | Anpassung eines Modells mit Beispieldaten für eine bestimmte Aufgabe. Ob RAG oder Fine-Tuning passt, hängt vom Anwendungsfall ab. |
| Distillation | Ein kleines Modell lernt das Verhalten eines grossen – für spezialisierte, günstige Aufgaben. |
| OCR | Texterkennung aus Bildern und Scans. |
| Swiss AI Studio / Agents / Factory | Die drei Ebenen der Swiss AI Platform: Steuerung, Ausführung, Modellschicht. |
Entscheidungshilfe
So nutzen Sie das Glossar
- Vor einem Angebot: Begriffe klären, die im Angebot stehen.
- Vor einer Potenzialanalyse: LLM, RAG, Agent, Routing verstehen.
- Bei Datenschutzfragen: Private AI, On-Premise, Hybrid, Datenklasse.
Quellen
Worauf sich der Beitrag stützt.
- Eigene Arbeitsdefinitionen Swiss AI Agency & Labs; keine externe Studie
Weiterführend
Produkte, Labs und Cases.
Häufige Fragen
Häufige Fragen: Glossar
Fehlt ein Begriff?
Schreiben Sie uns – wir ergänzen das Glossar laufend.
Nächster Schritt
Lassen Sie einen konkreten Prozess prüfen.
Die Potenzialanalyse untersucht Nutzen, Voraussetzungen und Risiken des Prozesses.