# Dennis Drzosga

> KI-Beratung, KI-Workshops und Prozessautomatisierung für den Mittelstand in Aalen und dem Ostalbkreis.

Dennis Drzosga implementiert KI-Systeme, Automatisierungen und optimierte Prozesse für kleine und mittlere Unternehmen - Beratung, Umsetzung und laufende Betreuung aus Mögglingen (Raum Aalen, Ostalbkreis, Ostwürttemberg).

## Leistungen

- [KI-Beratung](https://dennisdrzosga.de/ki-beratung): Strategie und Umsetzung von KI im Mittelstand
- [KI-Workshop](https://dennisdrzosga.de/ki-workshop): Praxis-Workshops für Teams und Führungskräfte
- [KI-Automatisierung](https://dennisdrzosga.de/ki-automatisierung): Automatisierte Abläufe mit KI
- [KI-Prozesse](https://dennisdrzosga.de/ki-prozesse): KI-gestützte Geschäftsprozesse
- [Prozessoptimierung](https://dennisdrzosga.de/prozessoptimierung): Abläufe analysieren und verschlanken
- [Softwareentwicklung](https://dennisdrzosga.de/softwareentwicklung): Individuelle Lösungen
- [Wissens-KI](https://dennisdrzosga.de/wissens-ki): Firmenwissen durchsuchbar und nutzbar machen
- [Kontakt](https://dennisdrzosga.de/kontakt): Kostenlose Prozessanalyse vereinbaren

## Ratgeber

- [KI-Kostenrechner](https://dennisdrzosga.de/ki-kostenrechner): Lizenzkosten für ChatGPT Business und Claude Team und die Amortisation eines KI-Projekts berechnen
- [KI mit Firmenwissen: Der Ratgeber zu RAG, Wissensdatenbank und KI-Chatbot](https://dennisdrzosga.de/ratgeber/ki-mit-firmenwissen): Damit eine KI mit eurem Firmenwissen arbeitet, muss man sie in fast allen Fällen nicht trainieren. Man gibt ihr zu jeder Frage die passenden Stellen aus euren Dokumenten mit, das Verfahren heißt RAG, oder lässt sie in einem gepflegten Wissensbestand nachschlagen. So bleibt das Wissen aktuell, und die KI kann ihre Quelle nennen.
- [KI-Agenten: Der Ratgeber für Unternehmen](https://dennisdrzosga.de/ratgeber/ki-agenten): Ein KI-Agent ist ein Programm, das mit einem Sprachmodell eine Aufgabe selbstständig erledigt: Er bekommt ein Ziel, nutzt Werkzeuge wie Suche, E-Mail oder Datenbanken und entscheidet selbst über den nächsten Schritt. Im Mittelstand lohnen sich Agenten vor allem für klar umrissene Aufgaben mit wechselndem Bearbeitungsweg, etwa das Einordnen und Anreichern eingehender Anfragen.
- [Prozessautomatisierung und Prozessoptimierung: Der Ratgeber](https://dennisdrzosga.de/ratgeber/prozessautomatisierung): Prozessoptimierung macht einen Ablauf schneller, günstiger und fehlerärmer, indem man ihn aufnimmt, Engpässe findet und vereinfacht. Prozessautomatisierung lässt danach Software die Schritte übernehmen, die kein Mensch mehr machen muss, von festen Regeln bis zu KI. Die Reihenfolge entscheidet: erst optimieren, dann automatisieren.
- [Was kostet KI im Unternehmen? Der Ratgeber zu Lizenzen, Projekten und Betrieb](https://dennisdrzosga.de/ratgeber/ki-kosten): KI kostet im Unternehmen in drei Blöcken: Lizenzen für die Arbeit im Chat, meist 20 bis 25 US-Dollar je Nutzer und Monat, Projekte für Automatisierung oder Wissens-KI, typischerweise 2.000 bis 25.000 Euro Aufbau, und laufende Kosten für Modelle und Werkzeuge, oft ein zwei- bis dreistelliger Betrag im Monat. Ob sich das rechnet, zeigt eine einfache Gegenrechnung mit der eingesparten Arbeitszeit.
- [KI im Unternehmen einführen: Der Ratgeber für den Mittelstand](https://dennisdrzosga.de/ratgeber/ki-einfuehren): KI im Unternehmen einzuführen gelingt in acht Schritten: Ziel klären, Ist-Zustand messen, drei Vorhaben auswählen, Grundlagen schaffen, das Team schulen, klein starten, messen und quartalsweise nachsteuern. Der häufigste Fehler ist, mit dem Werkzeug anzufangen statt mit der Aufgabe.
- [Prompt Engineering und Context Engineering: Der Ratgeber](https://dennisdrzosga.de/ratgeber/prompt-engineering): Prompt Engineering ist das Formulieren von Anweisungen an ein KI-Modell. Bei aktuellen Modellen zählen dabei weniger Formulierungstricks als Informationen: die Absicht hinter der Aufgabe, gute Beispiele und ein prüfbares Ziel. Context Engineering geht einen Schritt weiter und sorgt dafür, dass das Modell zur richtigen Zeit genau die Informationen hat, die es braucht.

## Blog

- [KI-Fahrplan nach ChatGPT: So steigst du in Claude Code, Codex und KI-Agenten ein](https://dennisdrzosga.de/blog/ki-fahrplan-nach-chatgpt): Claude Code, Codex, n8n oder Hermes? Der Fahrplan nach ChatGPT: welches Werkzeug wofür taugt, in welcher Reihenfolge du einsteigst und womit du anfängst.
- [Bewerbungen und Stellenanzeigen: Wo KI hilft und wo nicht](https://dennisdrzosga.de/blog/bewerbungen-und-stellenanzeigen): Sortieren und aufbereiten ja, bewerten und aussortieren nein. Was auf der Eingangsseite hilft, wo der größere Hebel liegt und der Fall, den kaum jemand auf dem Schirm hat.
- [n8n installieren: n8n self-hosted mit Docker einrichten](https://dennisdrzosga.de/blog/n8n-installieren-self-hosted): n8n self-hosted in einer Stunde: Docker Compose mit PostgreSQL, Encryption Key, HTTPS mit Caddy, Absicherung, Backups und Updates. Mit allen Befehlen.
- [n8n vs. Make vs. Zapier: Welches Automatisierungswerkzeug zu deinem Betrieb passt](https://dennisdrzosga.de/blog/n8n-vs-make-vs-zapier): Ähnliche Einstiegspreise, sehr unterschiedliche Rechnungen: wie die drei abrechnen, was sie kosten, wie es mit Datenhoheit und KI aussieht und welches passt.
- [Befugnisse: Was ein KI-Mitarbeiter darf und was nicht](https://dennisdrzosga.de/blog/ki-mitarbeiter-befugnisse): Volle Rechte „erst mal“ ist der teuerste Satz im Projekt. Vier Stufen der Selbstständigkeit, fünf Regeln für Zugriffe und wann ein Agent mehr darf.
- [Anatomie eines KI-Agenten: Die sechs Bauteile, aus denen jeder besteht](https://dennisdrzosga.de/blog/ki-agent-bauteile): Auslöser, Modell, Anweisungen, Wissen, Werkzeuge, Protokoll: So ist jeder KI-Agent aufgebaut, und so baust du deinen ersten in vier Stufen.
- [Einarbeitung: Was ein KI-Mitarbeiter über deinen Betrieb wissen muss](https://dennisdrzosga.de/blog/ki-mitarbeiter-einarbeiten): Ein KI-Mitarbeiter weiß nur, was man ihm gibt. Die fünf Schichten der Einarbeitung, warum mehr Wissen nicht besser ist und wie du Lücken erkennst.
- [Die Stellenbeschreibung für einen KI-Mitarbeiter](https://dennisdrzosga.de/blog/ki-mitarbeiter-stellenbeschreibung): Zehn Abschnitte auf einer Seite machen aus einer Idee eine Stelle: Bauplan, Prüfmaßstab und Grenze zugleich. Mit Vorlage und ausgefülltem Beispiel.
- [Welche Aufgabe dein erster KI-Mitarbeiter übernehmen sollte](https://dennisdrzosga.de/blog/ki-mitarbeiter-aufgabe-waehlen): Die erste Aufgabe entscheidet, ob es eine zweite gibt. Sechs Merkmale einer guten ersten Stelle, vier Aufgaben, die scheitern, und eine einfache Bewertung.
- [Was ist ein KI-Agent? Definition, Beispiele und der Unterschied zum Chatbot](https://dennisdrzosga.de/blog/was-ist-ein-ki-agent): Ein KI-Agent verfolgt ein Ziel, nutzt Werkzeuge und wählt seinen Weg selbst. Die Definition in drei Merkmalen, Beispiele aus dem Mittelstand und die Grenzen.
- [Wenn das Modell abgeschaltet wird](https://dennisdrzosga.de/blog/anbieter-abhaengigkeit): Modelle werden abgekündigt, das ist normal. Entscheidend ist, dass der Wechsel klein bleibt. Vier Arten von Abhängigkeit, was tatsächlich hilft, was übertrieben ist und die eine Frage vor der Unterschrift.
- [Anforderungen für ein KI-Projekt aufschreiben](https://dennisdrzosga.de/blog/anforderungen-ki-projekt): Zwei Seiten mit sieben Punkten reichen, und du solltest sie selbst schreiben. Sonst beschreibt der Anbieter dein Problem in der Sprache seiner Lösung. Mit Beispiel und den drei häufigsten Fehlern.
- [KI im Produktionsbetrieb: Wo es sich zuerst rechnet](https://dennisdrzosga.de/blog/ki-im-produktionsbetrieb): Nicht an der Linie, sondern im Papier drumherum. Ausschreibungen vorsortieren, technische Dokumentation, Erfahrungswissen sichern, Prüfnachweise. Und warum der Engpass fast immer die Unterlagen sind.
- [Business OS: So baust du das Betriebssystem deiner Firma](https://dennisdrzosga.de/blog/business-os-aufbauen): Prozesse, Rollen, Zahlen, Regeln, Wissen und Entscheidungen an einem gepflegten Ort. Die sechs Bausteine, der Drei-Wochen-Start und die vier Gründe, an denen es scheitert.
- [RAG oder LLM-Wiki: Was dein Firmenwissen wirklich braucht](https://dennisdrzosga.de/blog/rag-oder-llm-wiki): Vektordatenbank oder ein Ordner gepflegter Textdateien? Die Rechnung, die Grenzen beider Wege und vier Fragen, die die Entscheidung tragen.
- [Woran du erkennst, ob die KI etwas gebracht hat](https://dennisdrzosga.de/blog/ki-erfolg-messen): Gute Projekte werden abgeschaltet und schlechte weiterbetrieben, weil beide Male dieselbe Zahl fehlt. Die drei Kennzahlen, die reichen, die vier, die nichts sagen, und der Rahmen, mit dem du nach vier Wochen entscheidest.
- [KI in der Steuerkanzlei: Was geht und wo die Grenze verläuft](https://dennisdrzosga.de/blog/ki-in-der-steuerkanzlei): Was ohne Mandantendaten sofort geht, was mit ihnen unter Bedingungen möglich ist, wo die Grenze verläuft und womit ich in der Kanzlei anfangen würde.
- [KI im Handwerksbetrieb: Wo es wirklich hilft](https://dennisdrzosga.de/blog/ki-im-handwerksbetrieb): Der Engpass sitzt längst nicht mehr auf der Baustelle, sondern abends im Büro. Die vier Fälle, die sich am schnellsten rechnen, was im Handwerk nicht funktioniert und die Voraussetzung, an der es meistens hakt.
- [Die E-Mail-Flut ordnen, ohne dass die KI antwortet](https://dennisdrzosga.de/blog/email-flut-ordnen): Der erste Versuch im Postfach greift fast immer zu weit. Warum der Gewinn im Sortieren und Verdichten liegt statt im Antworten, die drei Stufen in der richtigen Reihenfolge und die Regeln, die das Risiko herausnehmen.
- [Angebote aus Gesprächsnotizen: der Ablauf, der am schnellsten wirkt](https://dennisdrzosga.de/blog/angebote-aus-gespraechsnotizen): 150 Stunden im Jahr für eine Tätigkeit, die niemand Arbeit nennt. Was der Ablauf konkret tut, die eine Regel, an der alles hängt, welche Vorarbeit du brauchst und wo die Grenze liegt.
- [Agent Skills: Was das ist und wie du deinen ersten baust](https://dennisdrzosga.de/blog/agent-skills-erstellen): Ein Skill ist ein Ordner mit einer Markdown-Datei, und er springt von selbst an, statt aufgerufen zu werden. Der Aufbau einer SKILL.md, die vier Teile, an denen die Qualität hängt, und eine Anleitung für die ersten zwanzig Minuten.
- [Prompt Injection: Wenn der Assistent gegen dich arbeitet](https://dennisdrzosga.de/blog/prompt-injection): Ein Modell unterscheidet nicht zwischen deiner Anweisung und dem Text, den es liest. Warum das keine Lücke ist, die geschlossen wird, wann es dich betrifft und welche Bauweise tatsächlich hilft.
- [Warum dein Team die KI nicht benutzt](https://dennisdrzosga.de/blog/team-nutzt-ki-nicht): Der Zugang ist bezahlt, die Schulung war, und trotzdem arbeiten nur drei Leute damit. Die vier echten Gründe, was dagegen hilft, die Kennzahl, auf die du schauen solltest, und wann Nichtbenutzen die richtige Entscheidung ist.
- [Schatten-KI: Deine Leute nutzen längst ChatGPT, nur nicht offiziell](https://dennisdrzosga.de/blog/schatten-ki): Ein Verbot macht die Nutzung unsichtbar, nicht kleiner. Was wirklich passiert, wenn Firmendaten in private Konten wandern, der Weg aus erlauben, benennen und ersetzen, und die drei Regeln, die für den Anfang reichen.
- [Woran du einen brauchbaren KI-Dienstleister erkennst](https://dennisdrzosga.de/blog/ki-dienstleister-erkennen): Eine Vorführung ist ein Durchlauf, dein Betrieb sind tausend. Sieben Fragen, mit denen du einen Anbieter ohne technisches Vorwissen einschätzt, die Warnzeichen und was in ein Angebot gehört.
- [Selbst bauen oder kaufen? Wann sich Eigenentwicklung rechnet](https://dennisdrzosga.de/blog/selbst-bauen-oder-kaufen): Standard ist billiger, das stimmt am Anfang fast immer und danach oft nicht mehr. Vier Fragen, die die Entscheidung tragen, die Rechnung über drei Jahre und die dritte Möglichkeit, die in der Debatte meistens fehlt.
- [Was kostet ein KI-Projekt im Mittelstand?](https://dennisdrzosga.de/blog/was-kostet-ki-projekt): Wer sofort eine Zahl nennt, ohne den Ablauf gesehen zu haben, rät. Woraus sich der Preis zusammensetzt, welche fünf Faktoren ihn treiben, konkrete Größenordnungen für Aufbau und Betrieb und woran du ein Angebot erkennst, das nicht trägt.
- [Prozess richtig automatisieren: Die Reihenfolge, die hält](https://dennisdrzosga.de/blog/prozess-richtig-automatisieren): Der Prozess steht, und jetzt fangen die meisten beim Werkzeug an. Das ist die letzte Frage, nicht die erste. Sieben Schritte von der Messung des Ist-Zustands über den schmalsten Schnitt bis zum Parallelbetrieb, plus die Frage, die vor dem Start beantwortet sein muss.
- [Was ist ein SOP und wie schreibst du einen, den auch jemand benutzt?](https://dennisdrzosga.de/blog/sop-erstellen): Ein SOP ist eine Anleitung, mit der jemand eine Aufgabe zum ersten Mal richtig erledigt, ohne nachzufragen. Die acht Bausteine, wie ein brauchbarer Schritt aussieht, die fünf häufigsten Fallen und warum ein SOP schon die halbe Automatisierung ist.
- [Automatisierungspotenzial finden: Die Woche, die dir zeigt, wo es klemmt](https://dennisdrzosga.de/blog/automatisierungspotenzial-finden): Dein Gedächtnis merkt sich, was geärgert hat, nicht was oft war. Deshalb fängt die Suche nach Automatisierungspotenzial mit einer Woche Mitschreiben an. Vier Spalten, Hochrechnung auf Jahresstunden und drei Fragen, die entscheiden, ob ein Ablauf überhaupt taugt.
- [GPT Image 2.5: Was sich für Bilder im Betrieb wirklich ändert](https://dennisdrzosga.de/blog/gpt-image-2-5-was-sich-aendert): OpenAI hat ChatGPT Images 2.5 veröffentlicht. Die interessante Neuerung ist nicht die Bildqualität, sondern dass dasselbe Motiv ein zweites Mal gelingt. Was das für Bildserien im Mittelstand bedeutet und wo es weiter klemmt.
- [Generative KI verstehen: Was sie kann, was sie nicht kann und woran du es erkennst](https://dennisdrzosga.de/blog/generative-ki-was-sie-kann-und-was-nicht): Sie erzeugt, sie schlägt nicht nach. Aus diesem einen Satz folgt alles: warum sie halluziniert, nicht rechnet und nichts behält. Und welche Aufgaben deshalb passen.
- [GPT-6 Astra: Was OpenAIs neues Modell für dich bedeutet und was nicht](https://dennisdrzosga.de/blog/gpt-6-astra-was-das-fuer-den-mittelstand-bedeutet): OpenAI erklärt mit GPT-6 Astra die AGI-Ära für eröffnet. Die Zahlen, die Preisfalle bei 272.000 Tokens und die Nachricht aus dem Sicherheitsbericht, die untergeht.
- [Von Prompt Engineering zu Context Engineering: Was sich mit den neuen Modellen ändert](https://dennisdrzosga.de/blog/prompt-engineering-context-engineering): Anthropic hat 80 Prozent des Claude-Code-Systemprompts gelöscht und das Ergebnis wurde besser. Warum Rollen-Prompts ausgedient haben und was stattdessen zählt.
- [KI-Kosten senken: Wo die Token-Rechnung wirklich entsteht](https://dennisdrzosga.de/blog/ki-kosten-senken-token-optimierung): Sechs Hebel bei den Token-Kosten, die kostenlosen zuerst. Warum Caching am häufigsten kaputt ist, Ausgabe das Fünffache kostet und Deutsch teurer ist als Englisch.
- [AGI: Warum die Antwort für deinen Betrieb keine Rolle spielt](https://dennisdrzosga.de/blog/agi-was-das-fuer-den-mittelstand-bedeutet): Niemand weiß, was AGI genau sein soll oder wann sie kommt. Warum das für deine Entscheidungen egal ist und welche Arbeit sich in jedem Fall lohnt.
- [ChatGPT oder Claude? Die Frage bringt dich nicht weiter](https://dennisdrzosga.de/blog/chatgpt-oder-claude-welches-tool): Die beiden überholen sich im Quartalstakt. Warum der Vergleich die falsche Frage ist, was ein Werkzeugwechsel wirklich kostet und wonach du stattdessen entscheidest.
- [Erst Prozesse, dann KI: Warum die Reihenfolge über den Erfolg entscheidet](https://dennisdrzosga.de/blog/prozesse-vor-ki-aufbauen): KI wirkt als Verstärker — auch für Chaos. Warum Prozessarbeit vor der Automatisierung kommt, was der DORA-Report dazu zeigt und wie du in zwei Vormittagen anfängst.
- [KI-Agent erstellen: Fünf Wege von Claude bis Eigenentwicklung](https://dennisdrzosga.de/blog/ki-agenten-selbst-erstellen): KI-Agent erstellen mit Claude, Copilot Studio, n8n, Langdock oder selbst programmiert: die fünf Wege im Vergleich und was davon kostenlos geht.
- [Deterministische vs. KI-Automatisierung: Wann Regeln besser sind als Modelle](https://dennisdrzosga.de/blog/deterministische-vs-ki-automatisierung): Nicht jede Automatisierung braucht KI. Die vier Unterschiede, die über Kosten und Nachvollziehbarkeit entscheiden — und warum Anthropic selbst zur einfachsten Lösung rät.
- [Prompting-Techniken: Was wirklich wirkt — und was überholt ist](https://dennisdrzosga.de/blog/prompting-techniken-was-wirklich-wirkt): „Denk Schritt für Schritt" bringt bei modernen Modellen kaum noch etwas. Was die Studien zu Chain of Thought, Few-Shot und Co. heute wirklich zeigen.
- [Context Engineering vs. Prompt Engineering: Wo der Hebel wirklich liegt](https://dennisdrzosga.de/blog/context-engineering-vs-prompt-engineering): Nicht die Formulierung entscheidet, sondern die Informationen. Woher der Begriff stammt, was ihn vom Prompt Engineering trennt und wie du im Betrieb anfängst.
- [OpenAI Codex: Befehle, Freigabe-Stufen und ein realistischer Einstieg](https://dennisdrzosga.de/blog/codex-befehle): Codex veröffentlicht fast täglich neu. Welche Befehle zählen, warum die Freigabe-Stufe wichtiger ist als jeder Befehl — und ein Einstiegsplan für zwei Wochen.
- [10 Tipps für bessere Claude-Prompts (nach Anthropics eigener Anleitung)](https://dennisdrzosga.de/blog/claude-prompts-10-tipps): Keine Zaubersprüche, sondern was Anthropic selbst empfiehlt: zehn Tipps für Prompts, die verlässlich bessere Ergebnisse liefern — mit Beispielen aus der Praxis.
- [Claude-Code-Befehle: Die 12 Handgriffe, die im Alltag zählen](https://dennisdrzosga.de/blog/claude-code-befehle): Von 111 Befehlen brauchst du ein Dutzend. Die wichtigsten Slash-Befehle, Betriebsarten und was sich zuletzt geändert hat — Stand September 2026.
- [Interaktive Leadmagneten: Quiz-Funnel selbst bauen statt Tools mieten](https://dennisdrzosga.de/blog/interaktive-leadmagneten-quiz-funnel-selbst-bauen): Warum das PDF ausgedient hat, was ein Quiz-Funnel wirklich bringt — und wie du ihn mit Claude selbst baust, statt monatlich für Typeform und Co. zu zahlen.
- [Git erklärt: Warum Versionskontrolle im KI-Zeitalter zur Pflicht wird](https://dennisdrzosga.de/blog/git-versionskontrolle-ki-agenten): Was Git ist, warum KI-Agenten wie Claude Code und Codex ohne Versionskontrolle riskant sind — und welche vier Fragen du deinem Dienstleister stellen solltest.
- [Claude Fable 5.1: bessere Ergebnisse, halber Cache-Preis - und ein Haken](https://dennisdrzosga.de/blog/claude-fable-5-1-was-das-fuer-den-mittelstand-bedeutet): Anthropic hat Claude Fable 5.1 veröffentlicht. Was die neuen Benchmarks, der um 75 Prozent gesenkte Cache-Preis und der Widerspruch beim Verbrauch bedeuten.
- [OpenClaw 2.0: Was das größte Release der Open-Source-Agentenplattform für dich bedeutet](https://dennisdrzosga.de/blog/openclaw-2-0-was-das-release-fuer-den-mittelstand-bedeutet): OpenClaw 2.0 bringt einfache Installation, eine neue Browser-App und geteilte Sessions. Was davon im Mittelstand trägt - und was du vorher klären musst.
- [Woran scheitern KI-Projekte? Die 7 echten Gründe](https://dennisdrzosga.de/blog/woran-scheitern-ki-projekte): Nicht 95 Prozent scheitern - aber jedes zweite KI-Projekt bleibt zwischen Pilot und Produktion liegen. Die sieben echten Ursachen und was dagegen hilft.
- [Ab wann macht lokale KI Sinn? Die vier Schwellen für Unternehmen](https://dennisdrzosga.de/blog/ab-wann-macht-lokale-ki-sinn): Cloud oder eigener Server? Vier klare Schwellen zeigen dir, ab wann lokale KI im Unternehmen wirklich Sinn ergibt und wann die Cloud die bessere Wahl ist.
- [Second Brain: So baust du dir ein externes Gedächtnis für dein Wissen](https://dennisdrzosga.de/blog/second-brain-externes-gedaechtnis-aufbauen): Warum ein Second Brain dein wertvollstes Werkzeug ist: Zettelkasten, PARA, Obsidian und KI - so baust du dir ein externes Gedächtnis, das mitdenkt.
- [Seedance 2.5: Was ByteDances Videomodell für KMU bedeutet](https://dennisdrzosga.de/blog/seedance-2-5-bytedance-videomodell): Seedance 2.5 erzeugt 30 Sekunden Video mit Ton in einem Durchgang. Was ByteDances neues Videomodell kann, was es kostet und wo es sich für KMU lohnt.
- [Wer ist Jarvis? Warum jeder seinen eigenen KI-Assistenten baut](https://dennisdrzosga.de/blog/was-ist-jarvis-eigener-ki-assistent): Jarvis aus Iron Man ist Popkultur – doch 2026 bauen viele ihren eigenen KI-Assistenten. Was heute geht, was Fantasie bleibt und was dein Betrieb davon hat.
- [Claude Code 24/7: VPS einrichten und von überall arbeiten](https://dennisdrzosga.de/blog/claude-code-auf-vps-einrichten): Claude Code läuft auf einem VPS rund um die Uhr: Schritt-für-Schritt-Anleitung mit tmux, SSH und Sicherheits-Setup - plus die offiziellen Cloud-Alternativen.
- [Design mit Claude erstellen: So funktioniert Claude Design](https://dennisdrzosga.de/blog/design-mit-claude-erstellen): Mit Claude Design entstehen klickbare Website-Entwürfe in Minuten statt Wochen. So nutzt Du den Design-first-Workflow von Anthropic im Mittelstand.
- [Wispr Flow im Praxistest: Diktieren statt Tippen mit KI](https://dennisdrzosga.de/blog/wispr-flow-diktieren-statt-tippen): Wispr Flow macht aus Sprache sauberen Text, in jeder App. Was das KI-Diktiertool kann, was es kostet und wo deine Daten landen.
- [Eigene Software entwickeln: Wann sich der Eigenbau lohnt](https://dennisdrzosga.de/blog/eigene-software-entwickeln-wann-sinnvoll): Standardsoftware oder Eigenentwicklung? Diese 6 Signale zeigen, wann sich eigene Software im Mittelstand rechnet – mit ehrlicher Gegenrechnung und Checkliste.
- [KI-Telefonassistent im Mittelstand: Kosten, Grenzen und wann sich Voice-KI lohnt](https://dennisdrzosga.de/blog/ki-telefonassistent-mittelstand): KI-Telefonassistent, Voicebot oder KI-Anrufbeantworter: was die Systeme können, was sie kosten, wo die Grenzen liegen und wann es sich lohnt.
- [KI-Agenten im Kundenservice: Vom Bot zum End-to-End-Prozess](https://dennisdrzosga.de/blog/ki-agenten-kundenservice): KI-Agenten erledigen Kundenanfragen end-to-end statt nur zu antworten: Use Cases, verifizierte Zahlen 2026 und ehrliche Grenzen für den Mittelstand.
- [Langdock im Überblick: Was die KI-Plattform aus Deutschland kann](https://dennisdrzosga.de/blog/langdock-dsgvo-ki-plattform): Langdock bündelt GPT, Claude und Gemini in einer Plattform aus Berlin: Multi-Modell-Chat, Assistenten und EU-Hosting. Was sie kann und wo ihre Grenzen liegen.
- [KI-Richtlinie fürs Unternehmen erstellen: Was reingehört](https://dennisdrzosga.de/blog/ki-richtlinie-unternehmen-erstellen): KI-Richtlinie erstellen: Welche Tools erlaubt sind, welche Daten hinein dürfen, wer prüft und wie du sie einführst. Acht Abschnitte als Vorlage.
- [Lokale KI im Mittelstand: 5 Vorteile für Datenhoheit & Kosten](https://dennisdrzosga.de/blog/lokale-ki-im-mittelstand): Lokale KI läuft auf eigener Hardware statt bei OpenAI oder Google: für Datenhoheit, Unabhängigkeit und planbare Kosten. Die Vorteile für den Mittelstand.
- [Wissens-Chatbot und Onboarding-Agent - und wann RAG schadet](https://dennisdrzosga.de/blog/wissens-chatbot-onboarding-agent-wann-rag-schadet): Wissens-Chatbot, Onboarding-Agent und Voice-KI im Mittelstand - plus der ehrliche Teil: wann RAG das falsche Werkzeug ist und ein Kontextfenster reicht.
- [Knowledge Graphs und GraphRAG: Wenn Zusammenhänge zählen](https://dennisdrzosga.de/blog/knowledge-graphs-graphrag-zusammenhaenge): Von naivem bis agentisches RAG, dann Knowledge Graphs und GraphRAG: Was die Ausbaustufen leisten, was sie kosten und wann sie sich für den Mittelstand lohnen.
- [Hybrid Search und Reranking: Warum Vektorsuche allein nicht reicht](https://dennisdrzosga.de/blog/hybrid-search-reranking-vektorsuche): Reine Vektorsuche verfehlt Artikelnummern und Normen. Warum Hybrid Search BM25 dazunimmt und ein Reranker die Treffer neu sortiert – der größte Qualitätssprung.
- [Von der PDF zur Antwort: OCR, Chunking und Vektordatenbank](https://dennisdrzosga.de/blog/von-pdf-zur-antwort-ocr-chunking-vektordatenbank): So baust du eine KI-Wissensbasis, die funktioniert: OCR für Scans und Handschrift, richtiges Chunking und eine austauschbare Vektordatenbank ohne Lock-in.
- [Firmenwissen ohne Halluzinationen in die KI bringen (RAG)](https://dennisdrzosga.de/blog/rag-systeme-firmenwissen-in-ki-bringen): So bringst du dein Firmenwissen sauber und ohne Halluzinationen in eine KI: RAG richtig aufsetzen mit Metadaten, Agenten und laufender Qualitätssicherung.
- [RAG einfach erklärt: Wie KI dein Unternehmenswissen nutzt](https://dennisdrzosga.de/blog/rag-einfach-erklaert-ki-unternehmenswissen): RAG einfach erklärt: Wie die KI zu jeder Frage genau die passenden Stellen aus deinen Dokumenten liefert, was Embeddings sind und warum RAG der Standard ist.
- [Warum deine Dokumente für KI unbrauchbar sind](https://dennisdrzosga.de/blog/warum-deine-dokumente-fuer-ki-unbrauchbar-sind): Ein Stapel PDFs ist kein Wissen. Warum Stichwortsuche im Unternehmen scheitert – und warum semantische Suche findet, was gemeint ist, nicht nur, was dasteht.
- [KI-Wissensmanagement im Mittelstand: Wissen schlägt Modell](https://dennisdrzosga.de/blog/ki-wissensmanagement-im-mittelstand-wissen-schlaegt-modell): Warum im Mittelstand nicht das größere KI-Modell entscheidet, sondern das Wissen, auf das die KI zugreift – und warum die Demografie das Zeitfenster schließt.
- [Was ist n8n? Das Automatisierungs-Tool einfach erklärt](https://dennisdrzosga.de/blog/n8n-so-automatisieren-sie-ihre-geschaeftsprozesse): Was ist n8n? Workflows, KI-Agenten, MCP und Templates auf Deutsch erklärt, dazu die aktuellen Kosten und wann sich n8n self-hosted lohnt.
- [WhatsApp Chatbot für Unternehmen: Service und Sales automatisieren](https://dennisdrzosga.de/blog/whatsapp-chatbot-fuer-unternehmen-service-und-sales-automatisieren): Wie kann ein WhatsApp Chatbot deinen Kundenservice revolutionieren und Prozesse automatisieren? Immer mehr Unternehmen…
- [OpenClaw erklärt: So steuert der KI-Agent deinen Computer](https://dennisdrzosga.de/blog/openclaw-erklaert-so-steuert-der-ki-agent-ihren-computer): Stell dir vor, deine künstliche Intelligenz schreibt nicht nur Texte, sondern…
- [Airtable erklärt: Flexible Datenbank für effiziente Workflows](https://dennisdrzosga.de/blog/airtable-erklaert-flexible-datenbank-fuer-effiziente-workflows): Airtable revolutioniert die Art und Weise, wie moderne Teams ihre Daten organisieren….
- [Claude Code: Der autonome Agent für deine Softwareentwicklung](https://dennisdrzosga.de/blog/claude-code-der-autonome-agent-fuer-ihre-softwareentwicklung): Suchst du nach einer Möglichkeit, deine Entwicklungsprozesse durch echte Autonomie zu beschleunigen?…
- [KI Automatisierung verstehen: Vorteile und Praxis-Guide](https://dennisdrzosga.de/blog/ki-automatisierung-verstehen-vorteile-und-praxis-guide): Einleitung Fragst du dich, wie KI-Automatisierung deine täglichen Arbeitsprozesse revolutionieren kann? Viele Firmen stehen…
- [KI Wissensdatenbank aufbauen: Der Praxis-Guide für Unternehmen](https://dennisdrzosga.de/blog/ki-wissensdatenbank-aufbauen-der-praxis-guide-fuer-unternehmen): Einleitung Wie oft geht wertvolle Arbeitszeit verloren, weil wichtige Informationen im Unternehmen…
- [Der KI Agent im Unternehmen: Vom Chatbot zum autonomen Mitarbeiter](https://dennisdrzosga.de/blog/der-ki-agent-im-unternehmen-vom-chatbot-zum-autonomen-mitarbeiter): Einleitung Ein KI Agent markiert den nächsten logischen Schritt in der digitalen Transformation von…

## Glossar

182 KI-Begriffe von A bis Z, verständlich erklärt: [Übersicht](https://dennisdrzosga.de/glossar)

- [AGI](https://dennisdrzosga.de/glossar/agi): Kurz für Artificial General Intelligence – eine hypothetische KI, die in jeder geistigen Aufgabe mindestens so leistungs
- [AI Slop](https://dennisdrzosga.de/glossar/ai-slop): Bezeichnet automatisch erzeugte Inhalte minderer Qualität, die in großen Mengen von KI-Tools produziert werden. Solche T
- [ASI](https://dennisdrzosga.de/glossar/asi): Artificial Super Intelligence beschreibt eine theoretische KI, die menschliche Intelligenz in jedem Bereich deutlich übe
- [Accelerator](https://dennisdrzosga.de/glossar/accelerator): Spezialisierte Chips, die so gebaut sind, dass sie KI-Berechnungen besonders schnell ausführen können. Sie übernehmen re
- [Accuracy](https://dennisdrzosga.de/glossar/accuracy): Eine Kennzahl, mit der die Trefferquote eines Klassifikationsmodells gemessen wird. Sie gibt den Anteil der korrekt zuge
- [Actionable Intelligence](https://dennisdrzosga.de/glossar/actionable-intelligence): Informationen, die so aufbereitet sind, dass sie unmittelbar in Entscheidungen oder konkrete Maßnahmen einfließen können
- [Adversarial Attack](https://dennisdrzosga.de/glossar/adversarial-attack): Ein gezielt manipulierter Input, der ein KI-Modell zu Fehlentscheidungen verleiten soll. Typischer Sicherheitsthema bei 
- [Agenten](https://dennisdrzosga.de/glossar/agenten): Softwareprogramme, die Aufgaben eigenständig planen und ausführen, ohne dass ein Mensch jeden Schritt anstoßen muss. Sie
- [Alignment](https://dennisdrzosga.de/glossar/alignment): Das Forschungsfeld, das sicherstellen soll, dass KI-Systeme Ziele verfolgen, die mit menschlichen Werten und Absichten v
- [Anaphor](https://dennisdrzosga.de/glossar/anaphor): Sprachwissenschaftlicher Begriff für ein Wort, das auf ein zuvor genanntes Substantiv verweist – meist ein Pronomen. Für
- [Annotation](https://dennisdrzosga.de/glossar/annotation): Das Anreichern von Rohdaten mit zusätzlichen Markierungen, zum Beispiel grammatische, semantische oder phonetische Hinwe
- [Anthropic API](https://dennisdrzosga.de/glossar/anthropic-api): Die Programmierschnittstelle für Anthropic-Modelle wie Claude. Sie wird in Apps, Backends und Agenten verwendet, wenn Cl
- [Attention](https://dennisdrzosga.de/glossar/attention): Ein Mechanismus in neuronalen Netzen, der dem Modell hilft, die relevantesten Teile einer Eingabe stärker zu gewichten. 
- [Auto-Klassifizierung](https://dennisdrzosga.de/glossar/auto-klassifizierung): Verfahren, bei denen Texte oder andere Inhalte automatisch in vorgegebene Kategorien einsortiert werden – meist mithilfe
- [Auto-Vervollständigung](https://dennisdrzosga.de/glossar/auto-vervollstaendigung): Ein Eingabehilfen-Verfahren, das während des Tippens passende Wörter oder Suchanfragen vorschlägt. Es basiert in moderne
- [BERT](https://dennisdrzosga.de/glossar/bert): Ein von Google entwickeltes Sprachmodell, das auf riesigen unannotierten Textmengen vortrainiert wurde. Es bildete einen
- [Back Propagation](https://dennisdrzosga.de/glossar/back-propagation): Lernalgorithmus für neuronale Netze, der ermittelt, wie stark jedes Gewicht zum Fehler beigetragen hat. Auf dieser Basis
- [Batch Inference](https://dennisdrzosga.de/glossar/batch-inference): Mehrere Anfragen werden zu einem Paket zusammengefasst und gemeinsam vom Modell verarbeitet. Erhöht Durchsatz und senkt 
- [Benchmark](https://dennisdrzosga.de/glossar/benchmark): Ein standardisierter Test, mit dem die Leistung verschiedener KI-Modelle vergleichbar gemessen wird. Bekannte Beispiele 
- [Bias](https://dennisdrzosga.de/glossar/bias): Systematische Verzerrungen, die ein KI-Modell aus seinen Trainingsdaten oder seiner Architektur übernimmt. Bias kann zu 
- [Big Data](https://dennisdrzosga.de/glossar/big-data): Sehr große, oft heterogene Datenmengen, die mit klassischen Methoden kaum mehr auswertbar sind. Mithilfe von KI lassen s
- [Bolt](https://dennisdrzosga.de/glossar/bolt): Ein KI-gestütztes Web-IDE-Tool von StackBlitz, das ganze Anwendungen direkt im Browser erzeugt und startet. Schnell für 
- [CLIP](https://dennisdrzosga.de/glossar/clip): Ein von OpenAI entwickeltes Modell, das Bilder und zugehörige Beschreibungen in einen gemeinsamen Repräsentationsraum br
- [Chain of Thought](https://dennisdrzosga.de/glossar/chain-of-thought): Eine Technik, bei der ein Sprachmodell die einzelnen Denkschritte hin zu einer Antwort offenlegt. Das verbessert oft die
- [Chatbot](https://dennisdrzosga.de/glossar/chatbot): Eine Anwendung, die menschliche Konversation per Text oder Sprache simuliert. Moderne Chatbots basieren auf großen Sprac
- [Chunking](https://dennisdrzosga.de/glossar/chunking): Das Zerlegen längerer Dokumente in kleinere, sinnvoll geschnittene Abschnitte. Diese Chunks werden separat indexiert, da
- [Claude](https://dennisdrzosga.de/glossar/claude): Eine Familie großer Sprachmodelle von Anthropic, die besonders auf Sicherheit, lange Kontexte und durchdachte Antworten 
- [Claude Code](https://dennisdrzosga.de/glossar/claude-code): Ein CLI-Tool von Anthropic, mit dem Claude direkt im Terminal arbeitet – etwa Code lesen, schreiben und ausführen. Wird 
- [Computer Vision](https://dennisdrzosga.de/glossar/computer-vision): Ein Forschungs- und Anwendungsfeld, in dem Computer lernen, visuelle Inhalte wie Bilder oder Videos zu interpretieren. T
- [Context Compression](https://dennisdrzosga.de/glossar/context-compression): Verfahren, mit denen lange Eingaben für ein Sprachmodell komprimiert werden, ohne wesentliche Informationen zu verlieren
- [Context Window](https://dennisdrzosga.de/glossar/context-window): Die maximale Textmenge, die ein Sprachmodell auf einmal verarbeiten kann. Je größer das Kontextfenster, desto mehr Inhal
- [ControlNet](https://dennisdrzosga.de/glossar/controlnet): Eine Erweiterung für Bildmodelle, mit der sich Komposition, Pose oder Tiefe gezielt vorgeben lassen. So lassen sich Bild
- [Cursor](https://dennisdrzosga.de/glossar/cursor): Ein KI-nativer Code-Editor, der auf VS Code basiert und große Sprachmodelle tief in den Entwicklungsworkflow integriert.
- [DALL-E](https://dennisdrzosga.de/glossar/dall-e): Ein Bildgenerierungsmodell von OpenAI, das aus Textbeschreibungen passende Bilder erzeugt. Eines der ersten Tools, das d
- [DSGVO und KI](https://dennisdrzosga.de/glossar/dsgvo-und-ki): Die Anwendung der Datenschutz-Grundverordnung auf KI-Systeme. Themen sind insbesondere die Verarbeitung personenbezogene
- [Data Augmentation](https://dennisdrzosga.de/glossar/data-augmentation): Eine Methode, um den Umfang von Trainingsdaten künstlich zu vergrößern, indem leicht abgewandelte Varianten bestehender 
- [Data Mining](https://dennisdrzosga.de/glossar/data-mining): Das systematische Durchsuchen großer Datenbestände nach wiederkehrenden Mustern, Zusammenhängen oder Auffälligkeiten. Hä
- [Data Science](https://dennisdrzosga.de/glossar/data-science): Ein interdisziplinäres Feld, das Statistik, Programmierung und Fachwissen kombiniert, um aus Daten Erkenntnisse zu gewin
- [Datenresidenz](https://dennisdrzosga.de/glossar/datenresidenz): Die Frage, in welchen Ländern oder Rechtsräumen Daten gespeichert und verarbeitet werden. Für europäische Unternehmen is
- [Deep Learning](https://dennisdrzosga.de/glossar/deep-learning): Ein Teilgebiet des maschinellen Lernens, das mit tiefen neuronalen Netzen arbeitet. Es ist besonders stark in der Verarb
- [DeepSeek](https://dennisdrzosga.de/glossar/deepseek): Eine chinesische KI-Modellfamilie, die mit hoher Leistungsfähigkeit und sehr günstigem Training und Betrieb für Aufsehen
- [Diffusion](https://dennisdrzosga.de/glossar/diffusion): Ein Generierungsverfahren, bei dem ein Modell lernt, aus stark verrauschten Daten schrittweise das ursprüngliche Signal 
- [Distillation](https://dennisdrzosga.de/glossar/distillation): Eine Technik, bei der ein kleines 'Student'-Modell von einem großen 'Teacher'-Modell lernt. Ergebnis ist ein deutlich sc
- [Double Descent](https://dennisdrzosga.de/glossar/double-descent): Ein Effekt im maschinellen Lernen, bei dem sich die Modellgüte mit zunehmender Komplexität zuerst verbessert, dann versc
- [EU AI Act](https://dennisdrzosga.de/glossar/eu-ai-act): Die KI-Verordnung der Europäischen Union, die KI-Systeme je nach Risiko einstuft und reguliert. Sie definiert unter ande
- [Edge Functions](https://dennisdrzosga.de/glossar/edge-functions): Code, der nicht in einem zentralen Rechenzentrum, sondern in einem weltweit verteilten Netzwerk nahe am Nutzer ausgeführ
- [Edge-Modell](https://dennisdrzosga.de/glossar/edge-modell): Ein KI-Modell, das nicht in einer Cloud, sondern direkt auf dem Endgerät läuft – etwa auf einem Smartphone, einer Kamera
- [Einbettung](https://dennisdrzosga.de/glossar/einbettung): Eine numerische Darstellung von Wörtern, Sätzen oder anderen Objekten als hochdimensionale Vektoren. Ähnliche Inhalte li
- [ElevenLabs](https://dennisdrzosga.de/glossar/elevenlabs): Ein Anbieter, der mit KI sehr natürlich klingende Stimmen synthetisiert und das Klonen eigener Stimmen ermöglicht. Wird 
- [Emergentes Verhalten](https://dennisdrzosga.de/glossar/emergentes-verhalten): Fähigkeiten oder Verhaltensweisen, die ein KI-Modell ab einer bestimmten Größe oder Trainingsphase plötzlich zeigt, ohne
- [End-to-End Learning](https://dennisdrzosga.de/glossar/end-to-end-learning): Ansatz, bei dem ein Modell vom rohen Eingang bis zum gewünschten Ergebnis vollständig selbst lernt, ohne dass Zwischensc
- [Entität](https://dennisdrzosga.de/glossar/entitaet): Ein Wort oder eine Wortgruppe, die ein konkretes Objekt, eine Person oder ein Konzept bezeichnet. In der Sprachverarbeit
- [Erklärbare KI](https://dennisdrzosga.de/glossar/erklaerbare-ki): Ansätze und Methoden, die nachvollziehbar machen, wie ein Modell zu einer bestimmten Entscheidung gekommen ist. Wichtig 
- [Evaluation](https://dennisdrzosga.de/glossar/evaluation): Die systematische Bewertung eines KI-Systems, ob es seine Aufgabe zuverlässig löst. In KI-Engineering-Teams oft mit eige
- [Expertensysteme](https://dennisdrzosga.de/glossar/expertensysteme): Ältere KI-Systeme, die regelbasiert das Fachwissen menschlicher Experten in einem klar abgegrenzten Gebiet abbilden. Sie
- [F-Score](https://dennisdrzosga.de/glossar/f-score): Eine Kennzahl, die Präzision und Recall in einem einzigen Wert zusammenfasst. Sie hilft, die Qualität eines Klassifikati
- [Federated Learning](https://dennisdrzosga.de/glossar/federated-learning): Ein verteilter Trainingsansatz, bei dem das Modell zu den Daten kommt – nicht umgekehrt. Sensible Informationen bleiben 
- [Few-Shot-Learning](https://dennisdrzosga.de/glossar/few-shot-learning): Ein Ansatz, bei dem ein Modell mit nur wenigen Beispielen eine neue Aufgabe lösen lernt. Besonders nützlich, wenn umfang
- [Fine-Tuning](https://dennisdrzosga.de/glossar/fine-tuning): Das gezielte Nachtrainieren eines bereits vortrainierten Modells auf einen spezifischen Anwendungsfall oder Datensatz. S
- [Forward Propagation](https://dennisdrzosga.de/glossar/forward-propagation): Der Vorwärtsdurchlauf in einem neuronalen Netz, bei dem die Eingabe Schicht für Schicht in eine Vorhersage umgewandelt w
- [Foundation Model](https://dennisdrzosga.de/glossar/foundation-model): Ein sehr großes, breit trainiertes Modell, das als Basis für viele unterschiedliche Anwendungen dient. Über Fine-Tuning 
- [Function Calling](https://dennisdrzosga.de/glossar/function-calling): Eine Fähigkeit moderner Sprachmodelle, gezielt definierte Funktionen oder Werkzeuge aufzurufen. Damit lassen sich KI-Ant
- [GPT-4](https://dennisdrzosga.de/glossar/gpt-4): Eine der bekanntesten Sprachmodell-Generationen von OpenAI. GPT-4 versteht und erzeugt Texte mit hoher Qualität und bild
- [GPT-5](https://dennisdrzosga.de/glossar/gpt-5): Die Nachfolgegeneration von GPT-4, mit deutlich verbessertem logischem Schlussfolgern, längerem Kontext und besseren mul
- [GPU](https://dennisdrzosga.de/glossar/gpu): Grafikprozessor, der ursprünglich für Bildberechnung entwickelt wurde. Wegen seiner Stärke bei parallelen Rechenoperatio
- [Gemini](https://dennisdrzosga.de/glossar/gemini): Die KI-Modellfamilie von Google, die Text, Bilder, Audio und Video verarbeiten kann. Gemini steckt unter anderem in Goog
- [Generative KI](https://dennisdrzosga.de/glossar/generative-ki): Sammelbegriff für KI-Systeme, die neue Inhalte erzeugen – etwa Texte, Bilder, Audio, Videos oder Code. Im Gegensatz zu k
- [GitHub Copilot](https://dennisdrzosga.de/glossar/github-copilot): Ein KI-Assistent, der direkt im Editor Codevorschläge macht. Eines der ersten Tools, das KI-gestützte Softwareentwicklun
- [Gradient Descent](https://dennisdrzosga.de/glossar/gradient-descent): Ein Optimierungsverfahren, das die Parameter eines Modells Schritt für Schritt in die Richtung anpasst, in der der Fehle
- [Guardrails](https://dennisdrzosga.de/glossar/guardrails): Technische und organisatorische Leitplanken, die festlegen, wie ein KI-System mit sensiblen Themen oder gefährlichen Anf
- [Halluzination](https://dennisdrzosga.de/glossar/halluzination): Wenn ein KI-Modell Informationen erfindet, die plausibel klingen, aber sachlich falsch sind. Halluzinationen sind eine d
- [Hidden Layer](https://dennisdrzosga.de/glossar/hidden-layer): Schichten in einem neuronalen Netz zwischen Eingabe- und Ausgabeschicht. In ihnen finden die eigentlichen Berechnungen s
- [Hugging Face](https://dennisdrzosga.de/glossar/hugging-face): Eine Plattform und Community rund um Open-Source-KI-Modelle. Sie stellt Modelle, Datensätze und Werkzeuge bereit und ist
- [Hyperparameter](https://dennisdrzosga.de/glossar/hyperparameter): Einstellungen, die vor dem Training festgelegt werden und das Lernverhalten eines Modells steuern – zum Beispiel Lernrat
- [Img2Img](https://dennisdrzosga.de/glossar/img2img): Ein Verfahren, bei dem ein bestehendes Bild als Ausgangspunkt für eine neue Generierung dient. Die KI erzeugt eine Varia
- [Inference](https://dennisdrzosga.de/glossar/inference): Der Anwendungsmodus eines bereits trainierten Modells. Hier werden für neue Eingaben Vorhersagen oder Antworten berechne
- [Inpainting](https://dennisdrzosga.de/glossar/inpainting): Eine Bearbeitungstechnik, bei der ausgewählte Bildbereiche gezielt durch eine KI neu generiert werden. Praktisch zum Ent
- [Instruction Tuning](https://dennisdrzosga.de/glossar/instruction-tuning): Eine Trainingsmethode, bei der ein Modell gezielt mit Anweisung-Antwort-Paaren feinabgestimmt wird. Das verbessert seine
- [Jailbreak](https://dennisdrzosga.de/glossar/jailbreak): Versuche, die Sicherheitsrichtlinien eines KI-Modells durch geschickte Eingaben zu umgehen. Anbieter härten ihre Modelle
- [KI](https://dennisdrzosga.de/glossar/ki): Die Nachbildung menschlicher Intelligenzleistungen durch Maschinen oder Software – etwa Verstehen, Schlussfolgern, Plane
- [KI-Ethik](https://dennisdrzosga.de/glossar/ki-ethik): Die Auseinandersetzung mit den Fragen, die der Einsatz von KI für Gesellschaft, Wirtschaft und Individuum aufwirft. Them
- [Knowledge Graph](https://dennisdrzosga.de/glossar/knowledge-graph): Eine strukturierte Wissensbasis, in der Entitäten und ihre Beziehungen maschinenlesbar abgebildet sind. Knowledge Graphs
- [Kognitives Computing](https://dennisdrzosga.de/glossar/kognitives-computing): Ein Sammelbegriff für Systeme, die menschliche Denkprozesse nachbilden sollen – inhaltlich weitgehend deckungsgleich mit
- [LLMOps](https://dennisdrzosga.de/glossar/llmops): Eine speziellere Variante von MLOps für große Sprachmodelle. Themen sind unter anderem Prompt-Management, Eval-Pipelines
- [LangChain](https://dennisdrzosga.de/glossar/langchain): Ein Framework, das den Aufbau komplexerer LLM-Anwendungen erleichtert – etwa Agenten, RAG-Pipelines oder Tool-Aufrufe. S
- [Large Language Model](https://dennisdrzosga.de/glossar/large-language-model): Ein sehr großes Sprachmodell, das auf enormen Mengen Text trainiert wurde und Sprache mit hoher Qualität versteht und er
- [Latent Space](https://dennisdrzosga.de/glossar/latent-space): Der intern verdichtete Repräsentationsraum, in dem ein Modell die wesentlichen Eigenschaften seiner Daten ablegt. In die
- [Latenz](https://dennisdrzosga.de/glossar/latenz): Die Zeit zwischen Anfrage und Antwort. In KI-Anwendungen entscheidet niedrige Latenz oft darüber, ob sich ein Produkt na
- [Limited Memory](https://dennisdrzosga.de/glossar/limited-memory): KI-Systeme, die kurzfristige Informationen aus der Umgebung aufnehmen und für aktuelle Entscheidungen nutzen können, abe
- [Llama](https://dennisdrzosga.de/glossar/llama): Eine offene Sprachmodellreihe von Meta, deren Gewichte heruntergeladen und lokal betrieben werden können. Beliebte Basis
- [LlamaIndex](https://dennisdrzosga.de/glossar/llamaindex): Ein Framework, das speziell auf den Aufbau von RAG-Systemen ausgerichtet ist. Es hilft beim Einlesen, Strukturieren und 
- [LoRA](https://dennisdrzosga.de/glossar/lora): Steht für Low-Rank Adaptation und ist eine ressourcenschonende Methode, um große Modelle gezielt anzupassen. Statt das g
- [Loss Function](https://dennisdrzosga.de/glossar/loss-function): Eine Funktion, die misst, wie weit eine Modellvorhersage vom tatsächlichen Ergebnis abweicht. Beim Training wird sie akt
- [Lovable](https://dennisdrzosga.de/glossar/lovable): Eine Plattform, mit der sich komplette Web-Apps in natürlicher Sprache bauen lassen. Richtet sich auch an Personen ohne 
- [MCP](https://dennisdrzosga.de/glossar/mcp): Steht für Model Context Protocol und ist ein offener Standard, über den KI-Modelle einheitlich mit Datenquellen und Werk
- [MLOps](https://dennisdrzosga.de/glossar/mlops): Die Übertragung von DevOps-Prinzipien auf Machine Learning. Umfasst Training, Deployment, Versionierung und Monitoring v
- [Maschinelles Lernen](https://dennisdrzosga.de/glossar/maschinelles-lernen): Ein Teilbereich der KI, in dem Systeme aus Daten lernen, statt explizit programmiert zu werden. Verbindet Konzepte aus S
- [Metakontext und Metaprompt](https://dennisdrzosga.de/glossar/metakontext-und-metaprompt): Oberhalb der eigentlichen Nutzeranfrage liegende Anweisungen, die das Verhalten eines Sprachmodells grundsätzlich prägen
- [Midjourney](https://dennisdrzosga.de/glossar/midjourney): Ein kommerzieller Bildgenerator, der vor allem für seine stark stilisierten, ästhetisch hochwertigen Ergebnisse bekannt 
- [Mistral](https://dennisdrzosga.de/glossar/mistral): Ein französisches KI-Unternehmen und gleichzeitig der Name seiner Sprachmodelle. Mistral ist bekannt für effiziente Open
- [Mixture of Experts](https://dennisdrzosga.de/glossar/mixture-of-experts): Architektur, bei der mehrere spezialisierte Teilmodelle parallel existieren und ein Steuerungsmechanismus pro Anfrage en
- [Model Card](https://dennisdrzosga.de/glossar/model-card): Eine standardisierte Dokumentation für ein Modell, die Trainingsdaten, Fähigkeiten, Grenzen und Risiken beschreibt. Wich
- [Modell-Drift](https://dennisdrzosga.de/glossar/modell-drift): Der schleichende Qualitätsverlust eines Modells, weil sich die Daten in der realen Welt verändern. Regelmäßiges Monitori
- [Multimodale Modelle](https://dennisdrzosga.de/glossar/multimodale-modelle): KI-Modelle, die mehrere Datentypen gleichzeitig verarbeiten – etwa Text, Bild, Audio oder Video. Sie ermöglichen Anwendu
- [Mustererkennung](https://dennisdrzosga.de/glossar/mustererkennung): Verfahren, bei denen Algorithmen wiederkehrende Strukturen in Daten erkennen. Sie ist ein Grundbaustein vieler KI-Anwend
- [Natural Language Processing](https://dennisdrzosga.de/glossar/natural-language-processing): Ein Bereich der KI, der sich damit beschäftigt, natürliche Sprache maschinell zu verstehen, zu analysieren und zu erzeug
- [NeRF](https://dennisdrzosga.de/glossar/nerf): Ein Verfahren, das aus mehreren 2D-Bildern eine begehbare 3D-Szene rekonstruiert. NeRF-Modelle werden unter anderem in A
- [Negative Prompt](https://dennisdrzosga.de/glossar/negative-prompt): Eine zusätzliche Eingabe, die einem Bildmodell mitteilt, welche Inhalte oder Stile vermieden werden sollen. Sehr nützlic
- [Neuronales Netzwerk](https://dennisdrzosga.de/glossar/neuronales-netzwerk): Ein Rechenmodell, das in seiner Struktur lose an Nervenzellen im Gehirn angelehnt ist. Es bildet die technische Grundlag
- [Next.js](https://dennisdrzosga.de/glossar/next-js): Ein verbreitetes React-Framework, mit dem moderne Webanwendungen samt Server-Logik, Routing und API-Routen gebaut werden
- [Objective Function](https://dennisdrzosga.de/glossar/objective-function): Die Funktion, an deren Wert ein Modell beim Training optimiert wird – je nach Aufgabe wird sie maximiert oder minimiert.
- [Ollama](https://dennisdrzosga.de/glossar/ollama): Ein Werkzeug, mit dem sich Open-Source-Sprachmodelle bequem lokal auf dem eigenen Rechner betreiben lassen. Praktisch fü
- [On-Premise-KI](https://dennisdrzosga.de/glossar/on-premise-ki): Der Betrieb von KI-Modellen auf eigener Infrastruktur statt in der Cloud. Maximale Kontrolle über Daten, aber höhere Anf
- [OpenAI API](https://dennisdrzosga.de/glossar/openai-api): Die Programmierschnittstelle, über die OpenAI-Modelle wie GPT, DALL-E oder Whisper in eigene Anwendungen eingebunden wer
- [Overfitting](https://dennisdrzosga.de/glossar/overfitting): Wenn ein Modell die Trainingsdaten zu genau lernt und auf neuen Daten schlechter funktioniert. Es 'kennt' die Beispiele 
- [PII](https://dennisdrzosga.de/glossar/pii): Steht für Personally Identifiable Information, also personenbezogene Daten wie Namen, E-Mail-Adressen oder Telefonnummer
- [Pinecone](https://dennisdrzosga.de/glossar/pinecone): Ein bekannter, vollständig gemanagter Cloud-Dienst für Vektordatenbanken. Wird häufig als schneller Einstieg für RAG-Anw
- [Pre-training](https://dennisdrzosga.de/glossar/pre-training): Die erste, breit angelegte Trainingsphase eines Modells, in der es allgemeine Strukturen lernt. Erst danach folgt – wenn
- [Predictive Analytics](https://dennisdrzosga.de/glossar/predictive-analytics): Verfahren, bei denen aus historischen Daten Vorhersagen über künftige Ereignisse abgeleitet werden. Häufig eingesetzt in
- [Prompt](https://dennisdrzosga.de/glossar/prompt): Die Eingabe, mit der ein Nutzer einem KI-System mitteilt, was er möchte. Wie genau ein Prompt formuliert ist, beeinfluss
- [Prompt Caching](https://dennisdrzosga.de/glossar/prompt-caching): Eine Technik, bei der wiederkehrende Teile von Eingaben zwischengespeichert werden. Spart spürbar Tokens, Geld und Antwo
- [Prompt Engineering](https://dennisdrzosga.de/glossar/prompt-engineering): Die Disziplin, Eingaben für KI-Modelle so zu formulieren, dass möglichst gute und konsistente Ergebnisse entstehen. Umfa
- [Prompt Injection](https://dennisdrzosga.de/glossar/prompt-injection): Ein Sicherheitsangriff, bei dem manipulierte Inhalte das Verhalten eines Sprachmodells übersteuern – etwa, indem eine We
- [Pruning](https://dennisdrzosga.de/glossar/pruning): Das gezielte Entfernen unwichtiger Verbindungen oder Neuronen in einem neuronalen Netz. Macht Modelle kleiner und schnel
- [Qdrant](https://dennisdrzosga.de/glossar/qdrant): Eine in Rust geschriebene Open-Source-Vektordatenbank mit Fokus auf Geschwindigkeit und einfacher Integration. Beliebte 
- [Quantisierung](https://dennisdrzosga.de/glossar/quantisierung): Ein Verfahren, bei dem die Genauigkeit der Modellparameter reduziert wird – zum Beispiel von 16 Bit auf 4 Bit. Spart Spe
- [Quantum Computing](https://dennisdrzosga.de/glossar/quantum-computing): Rechentechnologie, die quantenphysikalische Effekte nutzt, um bestimmte Probleme deutlich schneller zu lösen als klassis
- [RLHF](https://dennisdrzosga.de/glossar/rlhf): Steht für Reinforcement Learning from Human Feedback. Menschliche Bewertungen fließen direkt in das Training ein, um das
- [Railway](https://dennisdrzosga.de/glossar/railway): Eine Cloud-Plattform, die das Bereitstellen von Web-Apps, Datenbanken und KI-Diensten stark vereinfacht. Beliebt für Sta
- [React](https://dennisdrzosga.de/glossar/react): Eine JavaScript-Bibliothek von Meta zum Bauen von Benutzeroberflächen. Sie ist die Grundlage von Next.js und vieler mode
- [React Server Components](https://dennisdrzosga.de/glossar/react-server-components): Komponenten, die ausschließlich auf dem Server gerendert werden und kein JavaScript an den Browser ausliefern. Sie reduz
- [Red Teaming](https://dennisdrzosga.de/glossar/red-teaming): Eine Methode, bei der Spezialisten gezielt versuchen, ein KI-System zu Fehlverhalten zu bringen. Ziel ist, Schwachstelle
- [Regularization](https://dennisdrzosga.de/glossar/regularization): Methoden, die Overfitting eindämmen, indem sie die Komplexität eines Modells gezielt begrenzen – zum Beispiel über zusät
- [Reinforcement Learning](https://dennisdrzosga.de/glossar/reinforcement-learning): Eine Lernform, bei der ein Agent durch Versuch und Irrtum mit seiner Umgebung interagiert und für gute Aktionen Belohnun
- [Replit Agent](https://dennisdrzosga.de/glossar/replit-agent): Ein KI-Agent in der Cloud-Entwicklungsumgebung Replit, der eigenständig Apps baut, testet und deployed. Ein typischer Ve
- [Reranking](https://dennisdrzosga.de/glossar/reranking): Ein zusätzlicher Schritt nach der ersten Suche, in dem die Top-Treffer von einem stärkeren Modell neu sortiert werden. V
- [Retrieval Augmented Generation](https://dennisdrzosga.de/glossar/retrieval-augmented-generation): Ein Ansatz, bei dem ein Sprachmodell vor der Antwort gezielt Informationen aus externen Quellen abruft. So lassen sich a
- [Seed](https://dennisdrzosga.de/glossar/seed): Ein numerischer Startwert, der den Zufall bei der Bildgenerierung steuert. Bei gleichem Seed und gleichen Eingaben liefe
- [Semantische Suche](https://dennisdrzosga.de/glossar/semantische-suche): Eine Suche, die nicht nur nach Stichwörtern, sondern nach Bedeutung sucht. Sie findet Inhalte, die inhaltlich zur Anfrag
- [Sentiment-Analyse](https://dennisdrzosga.de/glossar/sentiment-analyse): Verfahren, mit dem die Stimmung oder Meinung in einem Text automatisch erkannt wird – etwa positiv, negativ oder neutral
- [Server Actions](https://dennisdrzosga.de/glossar/server-actions): Ein Konzept in Next.js, bei dem Funktionen direkt aus React-Komponenten auf dem Server ausgeführt werden können. Vereinf
- [Server-Sent Events](https://dennisdrzosga.de/glossar/server-sent-events): Eine Web-Technik, bei der ein Server kontinuierlich Daten an den Browser pusht. Wird häufig genutzt, um Antworten von Sp
- [Serverless](https://dennisdrzosga.de/glossar/serverless): Ein Betriebsmodell, bei dem der Anbieter Server, Skalierung und Wartung übernimmt. Entwickler liefern nur den Code, der 
- [Singularität](https://dennisdrzosga.de/glossar/singularitaet): Ein hypothetisches Szenario, in dem technologische Entwicklung – insbesondere im Bereich KI – so schnell verläuft, dass 
- [Sora](https://dennisdrzosga.de/glossar/sora): Ein Modell von OpenAI zur Videogenerierung aus Textbeschreibungen. Es kann kurze, realistisch wirkende Clips inklusive B
- [Speculative Decoding](https://dennisdrzosga.de/glossar/speculative-decoding): Eine Beschleunigungstechnik, bei der ein kleines Modell mehrere Tokens 'vorrät' und ein großes Modell sie nur verifizier
- [Spracherkennung](https://dennisdrzosga.de/glossar/spracherkennung): Die Umwandlung gesprochener Sprache in Text durch Computer. Sie ist die Grundlage für Sprachassistenten, Transkriptions-
- [Stable Diffusion](https://dennisdrzosga.de/glossar/stable-diffusion): Ein Open-Source-Diffusionsmodell für Bildgenerierung. Da die Gewichte offen verfügbar sind, lässt es sich frei anpassen 
- [Stop Sequences](https://dennisdrzosga.de/glossar/stop-sequences): Definierte Zeichenfolgen, bei denen ein Sprachmodell die Antwort beendet. Nützlich, um Ausgaben sauber zu begrenzen und 
- [Streaming](https://dennisdrzosga.de/glossar/streaming): Antworten werden Stück für Stück ausgeliefert, während das Modell sie generiert. Nutzer sehen sofort die ersten Wörter, 
- [Strukturierte Daten](https://dennisdrzosga.de/glossar/strukturierte-daten): Daten, die in einem festen Format vorliegen – etwa in Tabellen oder Datenbanken – und gut durchsuchbar sind. Klassisches
- [Symbolische KI](https://dennisdrzosga.de/glossar/symbolische-ki): Ein klassischer KI-Ansatz, der auf festen Regeln, Symbolen und logischen Schlussfolgerungen basiert. Im Gegensatz zu ler
- [System Prompt](https://dennisdrzosga.de/glossar/system-prompt): Eine grundlegende Anweisung, die vor der eigentlichen Nutzerfrage steht und das Verhalten des Modells prägt – etwa Rolle
- [TPU](https://dennisdrzosga.de/glossar/tpu): Eine speziell von Google entwickelte Recheneinheit, die für KI-Workloads optimiert ist. TPUs sind besonders effizient be
- [Temperature](https://dennisdrzosga.de/glossar/temperature): Ein Parameter, der steuert, wie kreativ oder zufällig ein Sprachmodell antwortet. Niedrige Werte liefern stabilere, vorh
- [TensorFlow](https://dennisdrzosga.de/glossar/tensorflow): Eine von Google entwickelte Open-Source-Bibliothek für maschinelles Lernen und neuronale Netze. Sie wird in Forschung un
- [Text-to-Speech](https://dennisdrzosga.de/glossar/text-to-speech): Verfahren, bei dem geschriebener Text in gesprochene Sprache umgewandelt wird. Moderne TTS-Systeme klingen so natürlich,
- [Throughput](https://dennisdrzosga.de/glossar/throughput): Die Anzahl an Anfragen oder Tokens, die ein System pro Zeiteinheit verarbeiten kann. Wichtige Kennzahl bei der Skalierun
- [Token](https://dennisdrzosga.de/glossar/token): Kleinste Texteinheit, mit der ein Sprachmodell intern arbeitet – meist ein Wortteil oder ein Zeichen. Die Anzahl der Tok
- [Tokenomics](https://dennisdrzosga.de/glossar/tokenomics): Die wirtschaftliche Betrachtung von Tokens im Kontext von KI-Diensten: Wie werden Anfragen abgerechnet, wie wirken sich 
- [Top-p](https://dennisdrzosga.de/glossar/top-p): Eine alternative Methode zur Antwortvielfalt, bei der das Modell aus dem kleinsten Set von Wörtern auswählt, deren Wahrs
- [Trainingsdaten](https://dennisdrzosga.de/glossar/trainingsdaten): Die Beispiele, mit denen ein Modell während des Trainings lernt. Qualität und Vielfalt der Trainingsdaten haben großen E
- [Transfer Learning](https://dennisdrzosga.de/glossar/transfer-learning): Ein Verfahren, bei dem Wissen aus einer bereits gelösten Aufgabe genutzt wird, um eine neue, ähnliche Aufgabe schneller 
- [Transformer](https://dennisdrzosga.de/glossar/transformer): Eine neuronale Netzwerkarchitektur, die besonders gut mit sequentiellen Daten wie Sprache umgehen kann. Sie ist die Grun
- [Turing-Test](https://dennisdrzosga.de/glossar/turing-test): Ein klassischer Test, mit dem geprüft wird, ob eine Maschine in einem Gespräch von einem Menschen unterschieden werden k
- [TypeScript](https://dennisdrzosga.de/glossar/typescript): Eine Erweiterung von JavaScript um statische Typen. Sie macht große Projekte – etwa KI-Anwendungen mit komplexen APIs – 
- [Underfitting](https://dennisdrzosga.de/glossar/underfitting): Ein Modell ist zu einfach, um die Struktur der Daten gut abzubilden, und liefert deshalb auch auf den Trainingsdaten sch
- [Unstrukturierte Daten](https://dennisdrzosga.de/glossar/unstrukturierte-daten): Daten ohne festes Schema – wie Fließtext, Bilder, Audio oder Videos. Sie machen den Großteil der weltweit verfügbaren Da
- [Unüberwachtes Lernen](https://dennisdrzosga.de/glossar/unueberwachtes-lernen): Eine Lernform, bei der das Modell keine vorgegebenen Antworten erhält, sondern selbst Strukturen in den Daten erkennt – 
- [Validierungsdaten](https://dennisdrzosga.de/glossar/validierungsdaten): Ein vom Training getrennter Teil der Daten, der zur Auswahl von Hyperparametern und zur Modellbewertung dient. Er hilft 
- [Vektordatenbank](https://dennisdrzosga.de/glossar/vektordatenbank): Eine spezialisierte Datenbank, die Texte oder andere Inhalte als hochdimensionale Vektoren speichert. Sie ermöglicht Ähn
- [Veo](https://dennisdrzosga.de/glossar/veo): Ein Videogenerierungsmodell von Google DeepMind, das aus Prompts hochauflösende Filmszenen erzeugen kann. Eine direkte K
- [Vercel](https://dennisdrzosga.de/glossar/vercel): Eine Hosting-Plattform, die besonders eng mit Next.js verzahnt ist. Sehr beliebt für KI-Web-Apps, da sie Edge-Funktionen
- [Vercel AI SDK](https://dennisdrzosga.de/glossar/vercel-ai-sdk): Eine TypeScript-Bibliothek von Vercel, die das Anbinden von Sprachmodellen in React- und Next.js-Apps stark vereinfacht.
- [Weaviate](https://dennisdrzosga.de/glossar/weaviate): Eine Open-Source-Vektordatenbank mit eingebauten Modulen für KI-Workflows. Kann selbst gehostet oder als Cloud-Dienst be
- [WebSockets](https://dennisdrzosga.de/glossar/websockets): Eine bidirektionale Verbindung zwischen Browser und Server, über die kontinuierlich Daten ausgetauscht werden. Grundlage
- [Whisper](https://dennisdrzosga.de/glossar/whisper): Ein von OpenAI veröffentlichtes Modell zur Spracherkennung und Transkription, das viele Sprachen unterstützt. Häufig ein
- [Zero-Shot-Extraktion](https://dennisdrzosga.de/glossar/zero-shot-extraktion): Verfahren, mit dem Informationen aus Texten extrahiert werden, ohne dass das Modell zuvor speziell darauf trainiert wurd
- [Zero-Shot-Learning](https://dennisdrzosga.de/glossar/zero-shot-learning): Die Fähigkeit eines Modells, Aufgaben zu lösen, für die es im Training kein einziges Beispiel gesehen hat. Es nutzt sein
- [pgvector](https://dennisdrzosga.de/glossar/pgvector): Eine Erweiterung für PostgreSQL, die Vektor-Spalten und Ähnlichkeitssuche direkt in eine klassische SQL-Datenbank bringt
- [v0](https://dennisdrzosga.de/glossar/v0): Ein KI-Tool von Vercel, das aus Beschreibungen oder Skizzen einsatzfähige React-Komponenten generiert. Beliebt für schne
- [Überwachtes Lernen](https://dennisdrzosga.de/glossar/ueberwachtes-lernen): Eine Lernform, bei der das Modell aus eindeutig gelabelten Beispielen lernt. Für jeden Eingabewert ist die richtige Antw