Zum Inhalt springen
Interaktive Lern-Landkarte · Stand Juli 2026

Verstehen, wie KI funktioniert –
Schicht für Schicht

Diese Seite erklärt die wichtigsten KI-Fachbegriffe didaktisch aufgebaut: Was ist KI überhaupt? Woraus besteht ein Sprachmodell? Wo läuft es, wie spricht man es an, und wie wird daraus ein handelnder Agent? Jedes Thema hat eine eigene Unterseite mit Schaubildern und deutschen Übersetzungen. Jede Karte lässt sich aufklappen und zeigt die Details direkt an Ort und Stelle – immer nach demselben 8-Punkte-Muster: ① Begriff ② Bedeutung ③ Funktionsweise ④ Hintergrund ⑤ Alternativen ⑥ Vor- & Nachteile ⑦ Kosten ⑧ Empfehlung.

Einordnung: KI, Machine Learning, Deep Learning, GenAI

Die Begriffe werden oft durcheinandergeworfen, dabei stecken sie ineinander wie Zwiebelschalen – jeder innere Kreis ist ein Spezialgebiet des äußeren:

KÜNSTLICHE INTELLIGENZ (AI) Maschinen, die „intelligente“ Aufgaben lösen – Oberbegriff seit den 1950ern MACHINE LEARNING (ML) Lernen aus Daten statt fester Programmierung DEEP LEARNING (DL) Vielschichtige neuronale Netze GENERATIVE KI LLMs · Bild- & Video-Modelle GPT · Claude · Gemini · Llama … Beispiele je Schale: KI: Schachprogramm, Navi-Routing ML: Spam-Filter, Empfehlungen DL: Gesichtserkennung, Übersetzer GenAI: ChatGPT, Midjourney, Musik- & Video-Generatoren
Schaubild 1: Jeder Begriff ist eine Teilmenge des äußeren. Ein LLM ist also gleichzeitig Deep Learning, Machine Learning und KI – nur eben die konkreteste Form.

Das große Schichtenmodell – die Landkarte selbst

So bauen alle Begriffe dieser Seite aufeinander auf. Klicke auf eine Schicht, um zur passenden Unterseite zu springen:

6 Agenten & Anwendung — KI, die handelt Agent · Harness · MCP · Skills · Subagenten · Plugins · Artefakte · openClaw ➜ Seite öffnen nutzt Modelle über Schnittstellen 5 Zugriff & Routing API · CLI · OpenRouter · LiteLLM · Open WebUI D Daten & Wissen RAG · Embeddings · Vektor-DB · Data Lake 4 Betrieb / Serving — wo das Modell läuft Lokal vs. Cloud · Ollama · vLLM · Nvidia NIM · Hugging Face · Edge 3 Modelle & Anbieter — die „Denk-Dateien“ LLM · GPT/ChatGPT · Claude · Gemini · Llama · Qwen · GPT-OSS · Hermes · LoRA 2 Grundlagen — womit KI rechnet Token · Tensor · Prompt · Parameter · Training & Inferenz · Kontextfenster 1 Hardware — GPU · CUDA · Nvidia GB10 · DGX Spark · DGX OS
Schaubild 2: Jede Schicht baut auf der darunter auf. „Daten & Wissen“ steht seitlich, weil sie quer einspeist: Agenten und Modelle greifen darauf zu. Alle Schichten sind klickbar.

Das Zusammenspiel: Wer spricht mit wem?

Das Schichtenmodell zeigt die Ordnung – dieses Schaubild zeigt den Datenfluss in einem realen System (z.B. ein Firmen-Chatassistent mit eigenem Wissen):

Nutzer:in Oberfläche Chat-UI / App z.B. Open WebUI Agent im Harness plant · entscheidet · ruft Werkzeuge auf agentische Schleife ↺ Modell-Router LiteLLM / OpenRouter wählt Anbieter (API) LLM · Cloud GPT · Claude · Gemini LLM · Lokal Ollama · vLLM · NIM GPU / GB10 rechnet Tensoren Wissensbasis (RAG) Vektor-DB · Dokumente Data Lake / Warehouse Werkzeuge via MCP Dateien · Web · GitHub Slack · Datenbanken … Prompt Antwort Anfrage route oder Wissen holen Werkzeuge nutzen läuft auf
Schaubild 3: Der Nutzer spricht mit einer Oberfläche, dahinter arbeitet ein Agent. Der holt sich Wissen (RAG), nutzt Werkzeuge (MCP) und schickt die eigentliche „Denk-Anfrage“ über einen Router an ein Cloud- oder lokales Modell – das auf GPU-Hardware rechnet. Alles klickbar.

Empfohlener Lernpfad

Die Seiten bauen aufeinander auf – von unten nach oben durch den Stapel. Du kannst aber jederzeit frei springen: