Glossar

Wissensstichtag (Knowledge Cutoff)

Was ist Wissensstichtag (Knowledge Cutoff)?

Der Wissensstichtag (Knowledge Cutoff) ist der Zeitpunkt, bis zu dem die Trainingsdaten eines Sprachmodells reichen. Ereignisse, Preise, Gesetze oder Produkte, die danach entstanden sind, kennt das Modell nicht von sich aus – es kann veraltete Angaben machen, wenn man es nicht mit aktuellen Informationen versorgt. Abhilfe schaffen Verfahren, die zur Laufzeit eigene Dokumente oder aktuelle Webinhalte einbinden.

So hilft KI.ordo

KI.ordo-Agenten gleichen den Stichtag aus, indem sie Ihr hinterlegtes Wissen nutzen und mit dem Werkzeug „Webseite lesen“ aktuelle öffentliche Seiten abrufen können.

Mehr erfahren →

Themen

LLM
Aktualität
Grundlagen

KI.ordo ausprobieren

Agenten, Abläufe und Vorlagen in einem Arbeitsbereich – 24 Stunden kostenlos als Demo.

Demo starten

← Alle Begriffe

Verwandte Begriffe

Großes Sprachmodell (LLM)

Ein großes Sprachmodell (Large Language Model, LLM) ist ein neuronales Netz, das mit sehr großen Textmengen trainiert wurde und dadurch Sprache verstehen und erzeugen kann. Es arbeitet, indem es Schritt für Schritt das wahrscheinlichste nächste Token berechnet. LLMs schreiben, fassen zusammen, übersetzen, beantworten Fragen und erzeugen Code; bekannte Beispiele sind Claude, GPT, Gemini und Llama. Ohne Zugriff auf aktuelle Quellen kennen sie nur den Stand ihrer Trainingsdaten.

Sprachmodelle
Generative KI
+1

Halluzination

Als Halluzination bezeichnet man Ausgaben eines KI-Modells, die überzeugend klingen, aber falsch oder frei erfunden sind – etwa ein nicht existierendes Gerichtsurteil, eine falsche Zahl oder eine erfundene Quelle. Die Ursache: Sprachmodelle erzeugen wahrscheinliche Formulierungen, sie schlagen nicht automatisch Fakten nach. Das Risiko sinkt, wenn Antworten auf geprüften Quellen beruhen, Belege angegeben werden und Menschen wichtige Ergebnisse kontrollieren.

Sprachmodelle
Verlässlichkeit
+1

Vorlage

Retrieval-Augmented Generation (RAG)

Retrieval-Augmented Generation verbindet eine Suche mit der Textgenerierung: Vor dem Antworten sucht das System in einer Wissenssammlung – etwa Handbüchern, Richtlinien oder FAQ – die passenden Abschnitte und gibt sie dem Sprachmodell als Kontext mit. So stützt sich die Antwort auf aktuelle, unternehmenseigene Inhalte statt nur auf das Trainingswissen des Modells. Das verringert erfundene Aussagen, macht Quellen nachvollziehbar und erlaubt Aktualisierungen ohne neues Training.

RAG
Wissenssuche
+1

Trainingsdaten

Trainingsdaten sind die Beispiele, aus denen ein KI-Modell Muster lernt – bei Sprachmodellen große Textsammlungen, bei Bildmodellen beschriftete Bilder. Ihre Qualität, Vielfalt und Aktualität bestimmen maßgeblich, wie zuverlässig, fair und auf welchem Wissensstand ein Modell später antwortet. Für Unternehmen ist zudem wichtig, ob ein Anbieter eingegebene Kundendaten für weiteres Training verwendet.

Daten
Training
+1