Das KI-Glossar – von A bis Z

Für den Themen-Special zu Künstlicher Intelligenz in der Reisewelt und Reisebranche hat Travelnews mit zahlreichen Expertinnen und Experten gesprochen und wird in diesen Tagen verschiedene Anwendungsbereiche und Herausforderungen beleuchten. Dabei sind zahlreiche Fachbegriffe und KI-spezifische Wortkreationen gefallen. Zur Einstimmung und zum besseren Verständnis der KI-Beiträge liefern wir hier ein Glossar der wichtigsten Begriffe – von A bis Z:

• Algorithmus: Eine Reihe von Regeln oder Anweisungen, nach denen ein Computer Aufgaben löst. KI-Modelle basieren auf komplexen Algorithmen, die beispielsweise Reiseempfehlungen oder Preisprognosen berechnen.
• Bias: Systematische Verzerrungen in Daten oder KI-Modellen. Im Tourismus kann Bias dazu führen, dass bestimmte Reiseziele oder Kundengruppen bevorzugt oder benachteiligt werden.
• Chatbot: KI-gestützter virtueller Assistent, der Fragen beantwortet, Buchungen unterstützt oder rund um die Uhr Kundenservice bietet.
• Deep Learning: Ein Teilgebiet des maschinellen Lernens, bei dem künstliche neuronale Netze komplexe Muster erkennen – etwa in Bildern, Sprache oder Texten.
• Embeddings: Mathematische Darstellungen von Wörtern, Sätzen oder Bildern. Sie helfen KI-Systemen dabei, Bedeutungen und Ähnlichkeiten zu erkennen und relevante Inhalte zu finden.
• Fine-Tuning: Das gezielte Nachtrainieren eines bestehenden KI-Modells mit speziellen Daten, beispielsweise für den Einsatz im Reisevertrieb oder Hotelservice.
• Generative Engine Optimization (GEO): Optimierung von Inhalten für KI-gestützte Such- und Antwortsysteme wie ChatGPT, Google AI Overviews oder Perplexity. Ziel ist es, dass Inhalte nicht nur in klassischen Suchmaschinen gut gefunden werden, sondern auch möglichst häufig in den Antworten generativer KI erscheinen oder als Quelle herangezogen werden.
• Halluzination: Wenn eine KI überzeugend klingende, aber falsche Informationen erzeugt. Deshalb sollten KI-Antworten vor allem bei Reiseinformationen überprüft werden.
• Inference: Der Moment, in dem ein trainiertes KI-Modell eine Antwort oder Vorhersage auf eine Anfrage liefert – also die eigentliche Nutzung des Modells.
• Jailbreak: Der Versuch, Schutzmechanismen einer KI zu umgehen, um eigentlich verbotene oder unerwünschte Antworten zu erhalten.
• Kontextfenster: Der Informationsumfang, den eine KI gleichzeitig berücksichtigen kann. Je grösser das Kontextfenster, desto besser kann sie längere Dokumente oder Gespräche verstehen.
• Large Language Model (LLM): Ein grosses Sprachmodell, das auf riesigen Textmengen trainiert wurde und natürliche Sprache verstehen sowie erzeugen kann.

• Machine Learning: Maschinelles Lernen beschreibt Verfahren, bei denen Computer aus Daten lernen, ohne jede Regel explizit programmiert zu bekommen.
• Neuronales Netz: Ein vom menschlichen Gehirn inspiriertes Rechenmodell, das die Grundlage vieler moderner KI-Anwendungen bildet.
• Optimierung: Der Prozess, KI-Modelle effizienter, genauer oder schneller zu machen – etwa durch bessere Daten oder angepasste Parameter.
• Prompt: Die Eingabe oder Anweisung, mit der Nutzer einer KI sagen, welche Aufgabe sie lösen soll. Gute Prompts führen meist zu besseren Ergebnissen.
• Qualitätssicherung: Verfahren, mit denen KI-Ergebnisse überprüft, bewertet und verbessert werden, bevor sie beispielsweise Kunden angezeigt werden.
• Retrieval-Augmented Generation (RAG): Eine Technik, bei der eine KI vor der Antwort zusätzlich auf aktuelle oder unternehmenseigene Informationen zugreift. Dadurch werden Antworten präziser und aktueller.
• Sprachmodell: KI-System, das Sprache analysiert, versteht und erzeugt. Moderne Sprachmodelle bilden die Grundlage vieler KI-Assistenten.
• Token: Die kleinste Verarbeitungseinheit eines Sprachmodells. Ein Token kann ein Wort, ein Wortteil oder ein Satzzeichen sein. Die Anzahl der Tokens beeinflusst Kosten und Leistungsfähigkeit.
• Unüberwachtes Lernen: Lernverfahren, bei dem eine KI selbstständig Muster in Daten erkennt, ohne dass die Daten zuvor beschriftet wurden.
• Vektor-Datenbank: Spezielle Datenbank, die Inhalte anhand ihrer Bedeutung speichert und findet. Sie ist eine wichtige Grundlage vieler RAG-Systeme.
• Workflow-Automatisierung: Der Einsatz von KI zur Automatisierung wiederkehrender Abläufe – beispielsweise bei Angebotsanfragen, E-Mail-Antworten oder Reiseplanung.
• XAI (Explainable AI): Erklärbare KI. Ziel ist es, nachvollziehbar zu machen, wie eine KI zu ihren Entscheidungen oder Empfehlungen gelangt.
• YOLO (You Only Look Once): Ein bekanntes Verfahren der Bild- und Objekterkennung, das beispielsweise Personen, Gepäck oder Fahrzeuge in Bildern in Echtzeit identifizieren kann.
• Zero-Shot Learning: Die Fähigkeit einer KI, neue Aufgaben zu lösen, ohne zuvor speziell dafür trainiert worden zu sein – allein auf Basis ihres vorhandenen Wissens.