Glossar
Was ist Large Language Model (LLM)?
Kurz erklärt
Ein Large Language Model (LLM, großes Sprachmodell) ist ein KI-Modell, das mit sehr großen Textmengen trainiert wurde. Es berechnet, welches Textstück wahrscheinlich als Nächstes folgt, und kann so Texte verstehen, zusammenfassen und formulieren.
Large Language Models stehen hinter Assistenten wie ChatGPT, Claude oder Gemini. Der Eintrag erklärt in einfachen Worten, wie sie funktionieren, wofür sie taugen und wo sie an Grenzen stoßen.
Was ist ein Large Language Model?
Ein Large Language Model ist ein neuronales Netz, das Sprachmuster aus riesigen Textsammlungen gelernt hat. Es nimmt eine Eingabe entgegen, den Prompt, und erzeugt daraus Wort für Wort eine Antwort.
Die technische Grundlage ist seit 2017 die Transformer-Architektur. Sie verarbeitet Text in kleinen Einheiten, den Tokens, und gewichtet über einen Aufmerksamkeitsmechanismus, welche Teile des Kontexts füreinander wichtig sind.
Wie funktioniert ein Large Language Model?
Das Modell wird zuerst auf großen Textmengen vortrainiert und danach für bestimmte Aufgaben oder Umgangsformen nachtrainiert. Bei der Nutzung sagt es wiederholt das nächste Token voraus, bis die Antwort vollständig ist.
Es schlägt dabei nicht in einer Datenbank nach, sondern berechnet Wahrscheinlichkeiten. Aktuelles oder internes Wissen kommt nur hinein, wenn es im Prompt steht oder über Verfahren wie RAG bereitgestellt wird.
Wofür werden Large Language Models eingesetzt?
Typische Aufgaben sind das Zusammenfassen und Übersetzen von Texten, das Entwerfen von Antworten, das Extrahieren von Angaben aus Dokumenten und das Schreiben von Programmcode. Als Steuerung eines KI-Agenten entscheiden sie außerdem, welches Werkzeug als Nächstes aufgerufen wird.
Welche Grenzen haben Large Language Models?
Modelle können überzeugend klingende, aber falsche Angaben machen. Dieses Phänomen heißt Halluzination. Hinzu kommen ein begrenztes Kontextfenster, ein Wissensstand mit festem Stichtag und die Abhängigkeit von der Qualität der Eingabe.
Für den Unternehmenseinsatz heißt das: wichtige Ergebnisse prüfen, Quellen mitliefern lassen und personenbezogene Daten nur nach Klärung der datenschutzrechtlichen Grundlagen verarbeiten. Die Wahl des Anbieters und des Verarbeitungsortes gehört dazu.