Auf dieser Seite erklären wir diverse Begriffe. 

Ein Agent in der Welt der künstlichen Intelligenz ist ein KI-System, das eine bestimmte Aufgabe selbstständig ausführen kann. Man kann sich einen Agenten als eine Art digitalen Mitarbeiter vorstellen, der nicht nur auf eine einzige Anweisung reagiert, sondern selbstständig denkt und handelt, um ein Ziel zu erreichen. Ein Agent ist in der Lage, seine Umgebung wahrzunehmen, Entscheidungen zu treffen, einen Plan zu erstellen und dann die notwendigen Schritte umzusetzen. Zum Beispiel könnte ein Agent beauftragt werden, einen Flug zu buchen. Er würde dann eigenständig Fluggesellschaften durchsuchen, Preise vergleichen und die Buchung abschließen, ohne dass man jeden einzelnen Schritt anweisen muss. Er nutzt oft ein LLM als sein „Gehirn", um komplexe Anweisungen zu verstehen und die nächsten Schritte zu planen.

Das Canvas ist einfach gesagt die digitale Arbeitsfläche oder das Dokument, das Sie gerade bearbeiten. Es ist der Ort, an dem die KI ihre Ergebnisse (wie Texte, Code oder Tabellen) direkt für Sie sichtbar macht und speichert. Es dient als zentraler, geteilter Raum, in dem Sie und das KI-System gemeinsam und schrittweise Inhalte erstellen, bearbeiten und zu einem fertigen Dokument zusammenfügen. Ein wesentlicher Vorteil des Canvas ist die Transparenz des Entstehungsprozesses: Jede von der KI beigesteuerte Information oder Strukturänderung ist nachvollziehbar. Zudem erleichtert es die iterative Entwicklung, da das KI-System auf Basis des aktuellen Canvas-Inhalts sofortige Folgeanweisungen umsetzen kann.

Deep Research (Tiefe Recherche) ist eine fortschrittliche Funktion von KI-Systemen, die darauf abzielt, durch das Zusammenspiel von Multisourcing, Quellenkritik und Synthese nicht nur Informationen zu sammeln und zusammenzufassen, sondern auch fundierte, interpretierte und widerspruchsfreie Erkenntnisse zu generieren. Sie unterscheidet sich von der einfachen Websuche durch die systematische Bewertung der Quellenqualität und die Fähigkeit, komplexe Sachverhalte neu zu kontextualisieren.

GPT ist eine spezifische Art eins LLM, die von der Firma OpenAI entwickelt wurde.  Im Deutschen bedeutet der Name Generativer vortrainierter Transformer. Generativ bedeutet, dass es in der Lage ist, neue Inhalte zu erzeugen. Vortrainiert bezieht sich darauf, dass das Modell bereits auf einem riesigen Datensatz gelernt hat, oder besser gesagt auf Basis eines riesigen Datensatzes trainiert wurde, bevor es für bestimmte Aufgaben eingesetzt wird. Transformer ist die spezielle Architektur, die es dem Modell ermöglicht, komplexe Zusammenhänge in Sätzen zu verstehen. Kurz gesagt ist ein GPT ein konkretes Beispiel für ein LLM, so wie ein Auto eine spezifische Art von Fahrzeug ist.

Ein LLM, oder auf Deutsch großes Sprachmodell, ist ein Computerprogramm, das aufgrund riesiger Mengen an Textdaten trainiert wurde. Sein Hauptziel ist es, menschliche Sprache zu verstehen, zu verarbeiten und zu erzeugen. Man kann sich ein LLM als eine Art „Super-Gehirn“ für Sprache vorstellen, das Muster in Wörtern und Sätzen erkennt, um dann neue, sinnvolle Texte zu schreiben, Fragen zu beantworten oder sogar zu übersetzen. Ein LLM ist also ein Oberbegriff für eine bestimmte Art von KI-Modell.

Die Methode, bei der die KI aktiv und gleichzeitig Informationen aus einer Vielzahl unabhängiger Quellen (wie Datenbanken, wissenschaftlichen Archiven, juristischen Dokumenten und dem offenen Internet) abruft und miteinander abgleicht. Dieses Vorgehen basiert auf der Annahme, dass die gleichzeitige Berücksichtigung vieler Perspektiven die Aussagekraft des Gesamtergebnisses stark erhöht. Das Ziel ist es, die Datenbasis zu maximieren, ein umfassendes Gesamtbild zu erstellen und insbesondere die Gefahr von Voreingenommenheit (Bias) oder unvollständiger Information durch die Fixierung auf eine einzelne, möglicherweise tendenziöse Quelle zu minimieren. Durch den Abgleich unterschiedlicher Datenpunkte identifiziert das KI-System frühzeitig Konsistenzen und Diskrepanzen in den Informationen.

Prompten bezeichnet den Prozess, einem KI-Modell – wie einem LLM – eine Anweisung oder eine Frage zu geben, um eine gewünschte Antwort oder Ausgabe zu erhalten. Ein Prompt ist dabei der eigentliche Text oder die Eingabe, die dem Modell eingegeben wird. Es ist vergleichbar mit dem Formulieren einer Suchanfrage bei einer Suchmaschine, aber anstatt eine Liste von Webseiten zu bekommen, liefert die KI eine direkte Antwort oder erstellt einen Text basierend auf deiner Eingabe. Je präziser und klarer der Prompt formuliert ist, desto besser und passender wird in der Regel die Antwort der KI sein. Kurz gesagt: Prompten ist die Kunst, die richtigen Befehle zu geben, um die gewünschte Leistung von einer KI zu erzielen.

Der kritische Bewertungsprozess, bei dem die KI die Glaubwürdigkeit, Zuverlässigkeit, Aktualität und Relevanz jeder einzelnen Quelle beurteilt. Diese Analyse ist essenziell für fundierte Rechercheergebnisse. Hierbei werden Faktoren wie die Autorität und die Reputation des Autors (z. B. ein anerkannter Forscher vs. ein anonymer Blogeintrag), die Art der Quelle (primäre Forschungsdaten oder sekundäre Zusammenfassung) und mögliche Interessenskonflikte (z. B. gesponserte Studien) analysiert. Die KI wendet dabei ein dynamisches Bewertungsschema an, das jeder Information ein spezifisches Vertrauensgewicht zuweist. Nur Informationen mit einer hohen kritischen Bewertung erhalten eine entsprechende Gewichtung in der nachfolgenden Synthese, wodurch die Robustheit der finalen Erkenntnis gewährleistet wird.

Der abschließende und kreativste Schritt, bei dem die zuvor durch Multisourcing gesammelten und durch Quellenkritik bewerteten Informationen logisch zusammengeführt, verarbeitet und interpretiert werden. Dieser Prozess geht über das reine Zitieren hinaus. Die KI identifiziert dabei nicht nur offensichtliche Muster und Zusammenhänge, sondern stellt auch komplexe, implizite Beziehungen zwischen scheinbar unverbundenen Datenpunkten her. Sie löst Widersprüche zwischen den Quellen auf, indem sie das zuvor zugewiesene Vertrauensgewicht der kritisierten Quellen berücksichtigt. Das Ergebnis ist die Generierung eines kohärenten, strukturierten und fundierten Rechercheergebnisses, einer umfassenden Zusammenfassung oder, im Idealfall, einer völlig neuen Erkenntnis, die aus der intelligenten Verknüpfung der Einzelinformationen entsteht.