KI verstehen
Komplexe KI-Fragen. Klar eingeordnet.
Kompaktes Fachwissen und verständliche Einordnungen für fundierte Entscheidungen rund um Auswahl, Betrieb und Einsatz von KI.
Human in the Loop: Wo braucht KI menschliche Kontrolle?
Warum scheitern so viele KI-Projekte?
Sensible Daten und KI: Was ist möglich und unter welchen Bedingungen?
Cloud oder On-Premise: Wo sollte KI betrieben werden?
Ist das leistungsstärkste KI-Modell auch das richtige?
Open Weight oder proprietär: Was macht bei der Modellwahl den Unterschied?
Kurz erklärt
KI-Begriffe auf den Punkt gebracht.
Zentrale Begriffe und Konzepte rund um KI – kompakt und verständlich erklärt.
Bei einem Open-Weight-Modell sind die trainierten Modellgewichte verfügbar. Dadurch kann das Modell – abhängig von Lizenz und technischen Voraussetzungen – selbst betrieben und teilweise angepasst werden. Quellcode und Trainingsdaten müssen deshalb jedoch nicht offen zugänglich sein.
Ein Drittlandtransfer liegt vor, wenn personenbezogene Daten in ein Land außerhalb der EU bzw. des EWR übermittelt oder dort verarbeitet werden. Bei KI-Anwendungen kann das zusätzliche datenschutzrechtliche Anforderungen und Schutzmaßnahmen erforderlich machen.
Bei Open Source AI sind die wesentlichen Bestandteile und Informationen so zugänglich, dass das System genutzt, untersucht, verändert und weitergegeben werden kann. Dazu gehören neben dem Code auch die Modellparameter sowie ausreichende Informationen über die verwendeten Trainingsdaten.
On-Premise bedeutet, dass eine KI-Anwendung auf der eigenen bzw. selbst kontrollierten Infrastruktur betrieben wird. Daten und Modelle müssen die eigene Infrastruktur dabei nicht verlassen – das ermöglicht ein hohes Maß an Kontrolle und Datenhoheit.
Modellgewichte sind die beim Training erlernten Parameter eines KI-Modells. Vereinfacht gesagt bestimmen sie mit, wie das Modell Eingaben verarbeitet und daraus Antworten erzeugt. Sind die Gewichte verfügbar, kann ein Modell – abhängig von Lizenz und technischen Voraussetzungen – selbst betrieben werden.
Ein einfacher Anwendungsfall ist eine klar abgegrenzte KI-Aufgabe mit überschaubarer Komplexität – zum Beispiel das Klassifizieren von Dokumenten oder das Extrahieren bestimmter Informationen. Dafür kann bereits ein kleineres, spezialisiertes Modell ausreichen.
Der CLOUD Act ist ein US-Gesetz, nach dem Anbieter unter US-amerikanischer Jurisdiktion unter bestimmten Voraussetzungen zur Herausgabe von Daten verpflichtet werden können, die sich in ihrem Besitz oder unter ihrer Kontrolle befinden – unabhängig davon, wo diese gespeichert sind.
Hyperscaler sind große Cloud-Anbieter wie Microsoft, Amazon Web Services oder Google Cloud, die weltweit skalierbare IT-Infrastruktur und Cloud-Dienste bereitstellen. Darüber lassen sich auch KI-Anwendungen und -Modelle betreiben.
Ein Auftragsverarbeitungsvertrag (AVV) regelt nach Art. 28 DSGVO die Verarbeitung personenbezogener Daten durch einen Dienstleister im Auftrag einer Organisation. Er ist erforderlich, wenn eine Verarbeitung im Sinne von Art. 28 DSGVO vorliegt.
Ein proprietäres KI-Modell wird von einem Anbieter unter dessen eigenen Nutzungs- und Lizenzbedingungen bereitgestellt. Modellgewichte, Trainingsverfahren oder andere interne Bestandteile sind in der Regel nicht vollständig offen zugänglich. Nutzung und Anpassung richten sich nach den Möglichkeiten des jeweiligen Anbieters.
Skalierbarkeit beschreibt die Fähigkeit eines Systems, seine Kapazität an einen steigenden oder sinkenden Bedarf anzupassen. Bei KI betrifft das beispielsweise Rechenleistung, Speicher oder die Anzahl gleichzeitig verarbeiteter Anfragen.
Sie möchten herausfinden, welches KI-Setup zu Ihren Anforderungen passt?
Oder Empfehlung erhalten:
Entscheidungs-Assistent nutzen →