Glossar - KI-Begriffe für Anwält*innen

Embeddings

Die Umwandlung von Text in mathematische Vektoren (Zahlenreihen), die es einer KI ermöglichen, semantische Ähnlichkeiten zwischen Texten zu erkennen – die Grundlage dafür, dass eine juristische KI-Suche nicht nur nach exakten Stichworten, sondern nach inhaltlich verwandten Konzepten suchen kann.

Fine-Tuning (Feinabstimmung)

Die nachträgliche Spezialisierung einer allgemeinen KI auf ein bestimmtes Fachgebiet oder eine spezielle Aufgabe durch zusätzliches Training mit ausgewählten Beispielen – vergleichbar mit einem Fachanwalt, der nach dem Studium eine Spezialisierung durchläuft.

Grounding (Verankerung)

Der Prozess, die Antworten eines Sprachmodells an eine bestimmte, verlässliche Informationsquelle zu binden – die KI wird angewiesen, ihre Aussagen ausschließlich auf Basis eines vorgegebenen Dokuments (z.B. eines spezifischen Gesetzestextes) zu treffen, um freie Spekulationen zu vermeiden.

Halluzinationen der KI

Dies sind scheinbar überzeugende, aber falsche Antworten, die entstehen, weil ein Sprachmodell nicht „Wissen" im klassischen Sinn besitzt, sondern Wahrscheinlichkeiten für Wörter und Sätze berechnet: Wenn im Trainingsmaterial Lücken, Verzerrungen oder unklare Zusammenhänge bestehen, kann das Modell plausible, aber falsche Aussagen „konstruieren".

Human-in-the-Loop

Damit bezeichnet man ein Vorgehen in der Künstlichen Intelligenz, bei dem der Mensch gezielt in den Entscheidungs- oder Lernprozess eingebunden wird – sei es, um Daten zu prüfen, Zwischenergebnisse zu bewerten oder kritische Entscheidungen zu bestätigen – damit die KI nicht völlig autonom handelt, sondern von menschlichem Wissen, Kontrolle und Verantwortung begleitet wird.

KI-Bias (Verzerrung)

Systematische Voreingenommenheiten in KI-Antworten, die entstehen, wenn die Trainingsdaten selbst einseitig waren oder bestimmte Gruppen unterrepräsentiert sind – ähnlich wie wenn ein Richter nur Fälle aus einer bestimmten Region kennen würde und dadurch ein verzerrtes Bild der Rechtspraxis hätte.

Kontextfenster

Die maximale Textmenge, die eine KI gleichzeitig „im Blick behalten" kann bei der Bearbeitung einer Anfrage – wie die Anzahl der Aktenseiten, die ein Mensch gleichzeitig auf seinem Schreibtisch ausbreiten und überblicken kann, bevor er den Überblick verliert.

Prompt

Die Anweisung oder Frage, die man einer KI gibt, um eine bestimmte Antwort oder Aufgabe zu erhalten – vergleichbar mit der präzisen Formulierung einer Suchanfrage, nur dass hier die Qualität und Genauigkeit der Formulierung direkten Einfluss darauf hat, wie hilfreich und passend die KI-Antwort ausfällt.

RAG (Retrieval-Augmented Generation)

Ein Verfahren, bei dem die KI nicht nur auf ihr allgemeines Training zurückgreift, sondern gezielt aktuelle oder spezifische Dokumente (wie Ihre Kanzleidatenbank oder aktuelle Urteile) durchsucht und in ihre Antwort einbezieht – wie ein Anwalt, der erst in der Bibliothek recherchiert, bevor er seine Rechtsauskunft formuliert.

Sprachmodell (Large Language Model, LLM)

Ein Sprachmodell ist ein System der Künstlichen Intelligenz, das durch das Erkennen von Mustern in riesigen Textmengen gelernt hat, Sprache zu verstehen und zu erzeugen, und bildet damit das „Sprachverständnis" vieler moderner KI-Tools, die Fragen beantworten, Texte verfassen oder Gespräche führen können.

Token

Die kleinsten Einheiten, in die eine KI Text zerlegt (etwa Wortteile oder kurze Wörter), und gleichzeitig die Maßeinheit für Kosten und Limits bei KI-Diensten – je länger der eingegebene Text oder die gewünschte Antwort, desto mehr Token werden verbraucht und berechnet.

Wissensstichtag (Knowledge Cutoff)

Der Zeitpunkt, zu dem die Trainingsdaten eines Sprachmodells abgeschlossen wurden – das Modell hat keine Kenntnis von Ereignissen, Gesetzesänderungen oder Urteilen nach diesem Datum, was für die juristische Praxis kritisch zu beachten ist.

Zero-Shot vs. Few-Shot-Prompting

Zero-Shot bedeutet, der KI eine Aufgabe ohne Beispiele zu stellen („Fasse dieses Urteil zusammen"), während Few-Shot bedeutet, erst einige Beispiele zu zeigen („Hier sind drei Beispiele, wie ich Urteile zusammengefasst haben möchte, mache es bei diesem Urteil genauso") – letzteres führt meist zu präziseren Ergebnissen.