Ein klares Verständnis hilft, dabei KI-Systeme besser zu benutzen und gute Ergebnisse zu erzeugen. Wir empfehlen, jede Interaktion mit einem KI-System mit einer klaren Absicht zu starten. In diesem Beitrag stelle ich die wichtigen Begriffe vor.
Das Wichtigste zuerst: Formulieren von Absichten
KI-Systeme sind elektronische Praktikanten (Ethan Mollick). Sie können bestimmte Dinge gut. Bei anderen machen sie Fehler. Und sie machen meist genau das, was man ihnen sagt. Und wenn das Ergebnis nicht zu den Erwartungen passt, hat man meist seine Absichten falsch mitgeteilt.
Es gibt eine Reihe guter Glossare zum Thema KI, z. B.:
In Ergänzung zu den bisher bekannten KI-Begriffen wie Sprachmodell oder Kontextfenster möchte ich drei neue, wesentliche Begriffe definieren: Absicht, Absichtskompression, intentionale Kette.
Warum definiere ich diese Begriffe? Ich komme akademisch gesehen aus einer erkenntnistheoretischen Tradition, die mit Ernst Mach verbunden ist. Ich wurde so ausgebildet, die Gestalten von wichtigen Begriffen zu erkennen und die Grenzen auszutesten. Gestalten sind mentale Modelle. Dadurch kann ich Probleme schneller erkennen und zielgerichteter lösen. Die Diskussion um KI ist mir in manchen Teilen zu technisch, was Menschen davon abhält, sich mit KI-Systemen zu beschäftigen. Ich glaube, dass KI eine Antwort auf die Wissensexplosion der letzten Jahre ist. KI ist eine Schlüsseltechnologie, um mit dem Wissen, das uns zur Verfügung steht, zu interagieren. Beim Erstellen dieser Liste und Klären der Begriffe hat mir natürlich mein elektronischer Praktikant gut geholfen.
Schauen wir uns diese Begriffe unten genauer an.
 |
| Wichtige Begriffe zur Nutzung von KI-Systemen im Überblick |
Können wir unsere Absichten mittteilen?
Der wichtigste Begriff für den Umgang mit KI-Systemen ist der Begriff der Absicht. Alles andere leitet sich daraus ab. Prompting bedeutet, seine Absicht so gut mitzuteilen, dass die Nachrichten oder Antworten aus einem KI-System zur Wirkung passen, die die Anwender:innen in ihrem eigentlichen Geschäftsprozess oder in ihrem konkreten Vorgang erreichen wollen.
Eine Absicht ist etwas anderes als ein Auftrag. Ein Auftrag wird von außen erteilt. Die Absicht ist das, was die Anwender:innen denken.
Absichten entstehen, wenn Anwender:innen einen Vorgang bearbeiten oder eine Aufgabe erledigen.
Das TÜV-AI-Lab hat eine Taxonomie für den Einsatz von KI-Systemen veröffentlicht. Dort wurden Aufgabenkategorien zusammengetragen, die als Grundlagen für Absichten genutzt werden können:
- Gruppieren (Clustering): aus den Eingabedaten Gruppen mit ähnlichen Elementen bilden
- Zukünftige Zustände vorhersagen (Future State Prediction): Aus den Eingabedaten des aktuellen Zustands einen oder mehrere zukünftige Zustände ableiten
- Etwas identifizieren (Identification): aus den Eingabedaten Elemente finden, die zu bestimmten Bewertungskriterien passen
- Etwas bezeichnen (Labelling): Bezeichnungen für die Eingabedaten finden oder zuordnen
- Etwas ordnen (Ranking): die Eingabedaten gemäß Bewertungskriterien in eine Reihenfolge bringen
- Zusammenhänge quantitativ beschreiben (Regression): aus den Eingabedaten Beziehungen ableiten und numerisch beschreiben
- Etwas suchen (Retrieval): Aus den Eingabedaten und einem Suchraum Elemente heraussuchen, ohne die Eingabedaten wesentlich zu verändern
- Segmentieren (Segmentation): die Eingabedaten in kleinere sinnvolle Einheiten unterteilen
- Inhalte erzeugen (Generation-Creation): auf Basis der Eingabedaten etwas Neues erzeugen
- Inhalte umwandeln (Generation-Transformation): die Basisdaten in etwas anderes umwandeln.
Das NIST hat eine andere Liste von Aktivitäten erstellt, die Menschen mit einem KI-System ausführen:
- Content creation
- Content synthesis
- Decision making
- Detection
- Digital assistance
- Discovery
- Image analysis
- Information retrieval/search
- Monitoring
- Performance improvement
- Personalization
- Prediction
- Process automation
- Recommendation
- Robotic automation
- Vehicular automation
Vielleicht helfen diese Listen, um unsere Absichten besser zu formulieren.
Bei einer Absicht spielen unser implizites und explizites Wissen (tacit knowing) eine wichtige Rolle. Vom ungarischen Philosophen und Naturwissenschaftler Michael Polanyi stammt der Satz: "Wir wissen mehr, als wir zu sagen vermögen." Im Umgang mit KI-Systemen müssen wir uns wieder daran erinnern, welches Wissen eigentlich mit unserer Absicht verbunden ist.
Daraus leiten sich drei Fehlerquellen ab. Wenn die Anwender:innen aus der Interaktion mit einem KI-System nicht die Nachrichten bekommen, die zu Fortschritt im Prozess oder Vorgang führt, könnte es an folgenden Ursachen liegen:
- Die Anwender:innen verstehen den Prozess oder Vorgang und damit die Ziele des Prozesses oder des konkreten Vorgangs nicht.
- Die Anwender:innen haben andere Annahmen über den Prozess oder Vorgang. Sie formulieren eine falsche Absicht.
- Die Anwender:innen können ihre Absicht nicht ausdrücken. Ihr Prompt führt zu falschen Ergebnissen.
Jede Nachricht, mit der ein KI-System auf einen Prompt antwortet, wird von den Anwender:innen bewertet: "Hilft mir die Antwort dabei, im Prozess oder konkreten Vorgang voran zu kommen?". Sie schätzen die Wirkung ab. Nach jeder Nachricht entscheiden die Anwender:innen, ob sie weiter mit dem KI-System interagieren oder ob sie die Nachricht als Ergebnis nehmen, um ihre eigentliche Arbeit zu erledigen.
Verbunden mit dem Formulieren von Absichten ist die Auftragstaktik von Scharnhorst, Clausewitz und Moltke.
Wir komprimieren Absichten
Anwender:innen verfolgen ein ökonomisches Ziel beim Benutzen von KI-Systemen. Sie wollen in einem Prompt mit möglichst wenig Worten ihre Absicht ausdrücken. Daher haben sich schon verschiedene Techniken zur Absichtskompression etabliert:
- Beispiele mitliefern, die das KI-System kennt.
- Rollen beschreiben.
- Kontext mitgeben.
- Metaphern, Analogien oder Vergleiche mitliefern.
- Einen Wissensvorrat im System anlegen (Systemprompt, Projekt/Custom-GPT).
- Fähigkeiten (Skills) beschreiben, die später genutzt werden können.
Beim Komprimieren geht es immer darum, explizites Wissen mit der eigenen Absicht zu verknüpfen.
Wir verketten Absichten
Beim Bearbeiten eines konkreten Vorgangs gibt es nicht eine, sondern mehrere Absichten. Es entsteht eine Kette von Absichten, die man meist vom Ergebnis her zurück aufbaut.
Beispielvorgang: Video erstellen.
Intentionale Kette:
- Am Ende steht ein fertiges Video.
- Davor brauche ich für das Video Videoschnipsel, die ich zusammen schneide.
- Davor brauche ich Videos, die aus Standbildern animiert werden.
- Davor brauche ich Bilder, die sich aus einem Text ableiten.
- Davor brauche ich eine Audiospur, die den Text spricht.
- Davor brauche ich Texte über mein Thema, die passend zusammengefasst werden.
- Davor brauche ich Recherchematerial, aus dem ich meine Texte zum Sprechen und für die Bilder ableite.
Im Unterschied zu einem festen Workflow ist eine intentionale Kette explorativ. Im Workflow weiß die Maschine, was als Nächtes zu tun ist. In der Absichtskette kann das Ergebnis aus einer Interaktion die Absicht für die nächste Interaktion verändern. Bei einem Workflow führt man aus, was man weiß. Bei einer intentionalen Kette findet man heraus, was man eigentlich wissen will. Wenn man eine Kette häufig genug durchgegangen ist, kann man später daraus einen Workflow bauen.
Den Begriff der intentionalen Kette habe ich von Franz Reuleaux's kinematischer Kette abgeleitet.
KI-Begriffe in einer logischen Reihenfolge
-
Vorgang,
Ziel,
Prozess,
Absicht,
Ergebnis,
Absichtskompression,
Kontext,
Rolle,
Beispiel,
Projekt,
Cynefin,
explizites Wissen,
implizites Wissen,
Wissensbasis
-
Absicht,
Intentionale Kette,
Prompt,
Rezept,
Prompt-Library,
Ergebnis,
Bewertung,
Nutzungsentscheidung,
Wirkung im Prozess,
Absichtsdelegation
-
KI-System,
Modell,
LLM,
Prompt,
Nachricht,
Nachrichtenlänge,
Interaktion,
Kontextfenster,
gezackte Kompetenzgrenze,
Halluzination,
Elektronischer Praktikant,
RAG,
Agent
KI-Begriffe in alphabetischer Reihenfolge
Absicht:Beschreibt, was jemand erreichen will — nicht wie er es erreichen will. Eine Absicht ist kleinteilig und flüchtig. Bei der Nutzung von KI-Systemen teilt man immer eine Absicht mit. Siehe auch: Intention.
Absichtsdelegation:Übergabe einer Absicht zur Ausführung an ein System, das dann selbständig handelt. Siehe auch: Agent.
Absichtskompression:Die Kunst, mit möglichst wenigen Worten möglichst viel von der eigenen Absicht zu kommunizieren. Ein gutes Wort kann tausend Erklärungen ersetzen — wenn beide Seiten dasselbe darunter verstehen. Kontext, Rolle und Beispiel sind Techniken der Absichtskompression: Sie übertragen eine Absicht effizient, ohne jeden Schritt einzeln erklären zu müssen.
Agent:Ein KI-System, dem man eine Absicht übergibt und das dann selbständig handelt — über mehrere Schritte und Werkzeuge, ohne dass der Mensch jeden Schritt begleiten muss. Siehe auch: Elektronischer Praktikant, Absichtsdelegation.
Beispiel:Zeigt dem KI-System das gewünschte Ergebnis direkter als jede Beschreibung. Überträgt implizites Wissen über das Ziel, das sich schwer in Worte fassen lässt. Eine Technik der Absichtskompression.
Bewertung:Beurteilung einer Nachricht durch einen Menschen oder ein System: Erfüllt diese Nachricht die Absicht hinreichend? Die Bewertung führt zu einer Entscheidung über die Interaktion — entweder wird die Iteration fortgesetzt oder ein Ergebnis akzeptiert.
Cynefin:Ein Framework von Dave Snowden, das Probleme in verschiedene Domänen einteilt — vereinfacht: klar, kompliziert, komplex, chaotisch. Jede Domäne braucht andere Herangehensweisen und andere Prompts. In der einfachen Domäne funktionieren klare Rezepte. In der komplexen Domäne kann KI beim Erkunden helfen, aber nicht entscheiden.
Elektronischer Praktikant:Analogie für ein KI-System (Mollick). Man muss dem Praktikanten erklären, was man will, seine Arbeit prüfen — er macht Fehler, ist aber schnell und lernwillig. Setzt realistische Erwartungen: weder Überschätzung noch Unterschätzung.
Ergebnis:Eine Nachricht aus einem KI-System, die bewertet wurde und bei der ein Mensch oder ein System zu dem Schluss kommt: Diese Nachricht erfüllt die Absicht hinreichend. Das Ergebnis ist kein technischer Begriff, sondern ein Urteil. Da implizites Wissen sich nie vollständig explizieren lässt, ist ein Ergebnis immer eine Annäherung an die Absicht — nie eine vollständige Erfüllung.
Halluzination:KI-Modelle können Informationen erfinden, die plausibel klingen, aber falsch sind. Halluzination entsteht, wenn das Modell eine Absicht falsch interpretiert oder wenn das nötige Wissen im Modell fehlt. Wer das nicht weiß, baut ein falsches Vertrauen auf. Nachrichten müssen kritisch geprüft werden.
Intention:Siehe: Absicht.
Intentionale Kette:Beschreibt die Struktur, durch die eine menschliche Absicht in eine Wirkung im Prozess umgewandelt wird — analog zur kinematischen Kette von Franz Reuleaux, die die Struktur der Bewegungsübertragung in Maschinen beschreibt, unabhängig von der Energiequelle. Die Kette lautet: Intention → Prompt → Modell → Nachricht → Bewertung → Ergebnis → Nutzungsentscheidung → Wirkung im Prozess. Die Kette endet nie mit vollständiger Erfüllung der Absicht — weil implizites Wissen sich prinzipiell nicht vollständig explizieren lässt. Das ist keine technische Schwäche der KI, sondern eine erkenntnistheoretische Grenze.
Interaktion:Jeder Austausch von Nachrichten mit einem KI-System — unabhängig vom Ziel, unabhängig vom Ergebnis. Eine Interaktion kann manuell (der Mensch tippt), iterativ (der Mensch verfeinert schrittweise) oder automatisch (ein Agent sendet Nachrichten ohne menschliches Zutun) sein. Sie kann aus einer einzigen Nachricht bestehen oder aus hundert. Das Kontextfenster begrenzt, wie viel der bisherigen Interaktion das Modell noch berücksichtigen kann — wenn das Fenster voll ist, nimmt die Qualität der Nachrichten schleichend ab.
Iteration:Eine zielgerichtete Form der Interaktion. Man tauscht Nachrichten aus, um sich schrittweise einem Ergebnis zu nähern — durch Nachfragen, Präzisieren, Korrigieren. Iteration ist kein Zeichen von Scheitern, sondern das normale Arbeiten mit KI, weil implizites Wissen sich nie vollständig in einem einzigen Prompt ausdrücken lässt.
Jagged Frontier:Siehe: Kompetenzgrenze, gezackt.
KI-System:Die Gesamtheit der Komponenten, die zusammenwirken, damit eine menschliche Absicht durch KI verarbeitet werden kann. Umfasst mindestens: das Modell, die Benutzeroberfläche (z.B. Claude, ChatGPT, Copilot) und den Kontext. In komplexeren Systemen kommen Werkzeuge (Websuche, Kalender, Datenbanken) und Speicher (persistente Informationen über mehrere Interaktionen) hinzu. Technische Grenzen: maximale Nachrichtenlänge (harte Grenze) und Kontextfenster (weiche Grenze).
Kompetenzgrenze, gezackt:KI hat keine gleichmäßige Kompetenzgrenze, sondern eine gezackte (englisch: Jagged Frontier, Mollick) — in manchen Bereichen überraschend gut (besser als Experten), in anderen überraschend schlecht. Das ist nicht intuitiv vorhersehbar und erfordert differenziertes Urteilsvermögen statt pauschaler Bewertung.
Kontext:Was muss das KI-System über meine Situation wissen, um gut zu antworten? Füllt die Lücke zwischen dem, was das Modell bereits weiß, und dem, was es für diese spezifische Situation wissen muss. Eine Technik der Absichtskompression.
Kontextfenster:Der Arbeitsbereich eines Modells für eine laufende Interaktion. Alles darin kann das Modell berücksichtigen — was außerhalb liegt, wird nicht mehr beachtet. Das Kontextfenster ist eine weiche Grenze: Die Interaktion läuft weiter, aber die Qualität der Nachrichten nimmt schleichend ab, weil ältere Inhalte aus dem Blickfeld fallen.
LLM:Large Language Model. Siehe: Sprachmodell.
Modell:Der rechnerische Kern eines KI-Systems — der Teil, der Eingaben verarbeitet und Nachrichten erzeugt. Entsteht durch einen Trainingsprozess, bei dem ein System aus großen Datenmengen Muster lernt. Für den Arbeitsalltag relevant: Sprachmodelle (LLM/SLM) für Text, Bildmodelle für Bilder, multimodale Modelle für mehrere Eingabearten gleichzeitig. Alle Modelle haben einen Wissensstand mit Stichtag, eine maximale Nachrichtenlänge, ein Kontextfenster — und können halluzinieren.
Nachricht:Ein einzelnes Glied der Kommunikation mit einem KI-System — ein Prompt, eine Antwort oder ein Systemprompt. Jede Nachricht hat eine maximale Länge, die durch das Modell begrenzt wird. Siehe auch: Nachrichtenlänge.
Nachrichtenlänge:Jede Nachricht hat eine maximale Länge, die durch das Modell begrenzt wird. Die maximale Nachrichtenlänge ist eine harte Grenze — zu lange Nachrichten werden abgeschnitten.
Nutzungsentscheidung:Voraussetzung dafür, dass ein Mensch oder ein Agent ein Ergebnis aufgreift und damit außerhalb des KI-Systems eine Wirkung im Prozess erzielt. Die Nutzungsentscheidung liegt beim Menschen — außer bei vollautomatischen Agenten.
Projekt:In KI-Tools wie Claude ein persistenter Kontext — ein Ort, wo Absichten, Hintergrundwissen und Rezepte dauerhaft gespeichert werden. Man muss nicht jedes Mal neu erklären, wer man ist und was man tut. Eine Möglichkeit der Absichtskompression auf Organisationsebene.
Prompt:Die sprachliche Form einer Absicht. Das, was man dem KI-System schreibt oder sagt, um eine Nachricht zu erhalten. Die Qualität des Prompts bestimmt maßgeblich die Qualität der Nachrichten. Ein Prompt ist selbst eine Nachricht — aber eine mit besonderer Funktion: Er trägt die Absicht.
Prompt-Library:Eine Sammlung bewährter Rezepte. Wer seine besten Prompts systematisch sammelt und pflegt, spart Zeit und vergisst weniger. Organisationswissen, das dem ganzen Team zur Verfügung steht.Prozess:Ein Prozess beschreibt den idealtypischen Ablauf einer Gruppe ähnlicher Vorgänge. Er ist allgemein, wo der Vorgang konkret ist. Ein Prozess definiert, welche Schritte typischerweise durchlaufen werden, welche Ergebnisse erwartet werden und welche Absichten dabei regelmäßig auftauchen.
Für die KI-Nutzung ist der Prozess der natürliche Ort für Rezepte und Prompt-Libraries. Wer einen Prozess gut kennt, weiß, welche Absichten immer wiederkehren — und kann dafür bewährte Prompts entwickeln und teilen. Prozesswissen ist deshalb eine wichtige Voraussetzung für systematische KI-Nutzung: Je besser ein Team seinen Prozess versteht, desto gezielter kann es KI einsetzen.
Es gibt strategische Prozesse, die die Zukunft einer Organisation sichern, Kernprozesse, mit denen eine Organisation ihre Hauptaufgaben erfüllt, und unterstützende Prozesse, die die Kernprozesse ermöglichen. KI kann in allen drei Arten eingesetzt werden — aber mit unterschiedlichen Absichten und unterschiedlichen Risiken. In komplexen oder strategischen Prozessen ist besondere Vorsicht geboten, weil Halluzinationen dort größeren Schaden anrichten können.RAG:Retrieval Augmented Generation. Externes Wissen, das zur Laufzeit abgerufen und dem Modell zur Verfügung gestellt wird — z.B. aus Dokumenten oder Datenbanken. Ergänzt das trainierte Wissen des Modells um aktuelle oder spezifische Informationen.
Rezept:Ein bewährter, wiederverwendbarer Prompt für eine wiederkehrende Absicht. Zentraler Begriff für die Systematisierung von KI-Nutzung. Anders als ein Programm — das vollständig, eindeutig und fehlerfrei sein muss — lässt ein Rezept Interpretationsspielraum und setzt Hintergrundwissen voraus. KI versteht Rezepte, weil sie das implizite Wissen mitbringt, das beim Programm der Programmierer einbauen müsste.
Rolle:Eine Rollenangabe wie "Du bist ein erfahrener Verwaltungsjurist" aktiviert im Modell ein ganzes implizites Wissenspaket — Sprache, Denkweise, Prioritäten, typische Probleme. Effizienter als alles einzeln zu erklären. Eine Technik der Absichtskompression.
SLM:Small Language Model. Siehe: Sprachmodell.
Sprachmodell:Ein Modell, das auf großen Textmengen trainiert wurde und Sprache versteht und erzeugt. Im Training werden Eingaben mit guten Antworten verknüpft, woraus das System Wahrscheinlichkeiten für Antwortbausteine ableitet. Sprachmodelle sind die häufigste Modellart im Büroalltag. Große Sprachmodelle heißen LLM (Large Language Model), kleinere und spezialisierte SLM (Small Language Model). Siehe auch: Modell, Halluzination, Kontextfenster.
Systeminteraktion:Siehe: Interaktion.Vorgang:Ein Vorgang ist eine konkrete, abgrenzbare Arbeitseinheit — er startet mit einem Auslöser und endet mit einem Ergebnis oder einem erreichten Ziel. Ein Vorgang ist immer spezifisch: ein bestimmtes Objekt, ein bestimmter Zeitraum, eine bestimmte Person.
Für die KI-Nutzung ist der Vorgang die natürliche Einheit, in der Absichten entstehen. Wer einen Vorgang bearbeitet, hat konkrete Fragen, konkrete Entscheidungen und konkrete Ergebnisse zu liefern — und genau dort entstehen die Absichten, die mit KI unterstützt werden können. Ein Vorgang gibt der Absicht ihren Kontext: Worum geht es? Was soll am Ende da sein? Wer ist beteiligt?
Die Qualität der KI-Nutzung hängt deshalb stark davon ab, ob der Bearbeiter seinen Vorgang versteht. Wer nicht weiß, was der Vorgang erreichen soll, wird auch keine guten Absichten formulieren — und damit keine guten Prompts.Wirkung im Prozess:Der Moment, wo das Ergebnis der intentionalen Kette auf die reale Welt trifft — wo es in einem Vorgang eingesetzt wird und etwas verändert. Ein Ergebnis ist zunächst nur Text. Es wird zur Wirkung, wenn ein Mensch oder ein System es aufgreift und damit handelt. Die Wirkung liegt außerhalb des KI-Systems — sie liegt beim Menschen und beim Prozess.
Wissen, explizit:Wissen, das sich in Worte fassen, aufschreiben und übertragen lässt. Explizites Wissen kann direkt in Prompts eingebracht werden. Siehe auch: Wissen, implizit.
Wissen, implizit:Wissen, das durch Erfahrung und Intuition erworben wurde, ohne dass es sich vollständig ausdrücken lässt (Polanyi: "Wir wissen mehr, als wir sagen können"). Implizites Wissen ist die wichtigste Quelle für Unvollständigkeit in der intentionalen Kette — ein Ergebnis ist immer eine Annäherung, nie eine vollständige Erfüllung der Absicht. Siehe auch: Wissen, explizit.
Wissensbasis:Die Menge des Wissens, auf die über KI-Systeme zugegriffen werden kann. Umfasst das trainierte Wissen des Modells (mit Stichtag), per RAG abgerufenes externes Wissen sowie den im Prompt mitgegebenen Kontext. Ohne ausreichende Wissensbasis kann kein sinnvolles Ergebnis entstehen.
Ziel:Ergibt sich aus einem Prozess oder Vorgang — es beschreibt, was am Ende erreicht sein soll. Ein Ziel ist objektiv und prozessdefiniert: Es gilt unabhängig davon, wer den Vorgang bearbeitet. Der Unterschied zur Absicht ist entscheidend: Ein Ziel beschreibt das Soll des Prozesses. Eine Absicht beschreibt, was der Bearbeiter tatsächlich erreichen will. Im besten Fall sind beide kongruent. Stand des Glossars: 16.04.2026
Kommentare
Kommentar veröffentlichen