KI-Abkürzungen erklärt: Ein Glossar 2026 zu Prompting-, Agenten- und Trainingsbegriffen

Lesen Sie zehn Minuten über moderne KI, und Sie ertrinken in Abkürzungen. Ein Forschungspapier erwähnt CoT und ReAct; ein Anbieter verspricht RLHF; eine Entwicklerin sagt, sie werde das Modell einfach „LoRA-en“. Der Jargon ist eine Hürde — doch die Ideen dahinter sind überraschend zugänglich, sobald sie jemand ausbuchstabiert.

Dieses Glossar entschlüsselt die Abkürzungen, die 2026 am häufigsten auftauchen, aufgeteilt in zwei Familien: wie wir KI zum Denken und Handeln bringen (Prompting und Agenten) und wie wir die Modelle selbst bauen und formen (Training). Zu jedem Begriff erhalten Sie die Langform, eine verständliche Definition und einen Hinweis, wann er tatsächlich relevant ist.

Teil 1 — Prompting & Agenten

Die erste Familie betrifft die Inferenzzeit — Techniken, die Sie auf ein bereits trainiertes Modell anwenden, damit es besser nachdenkt, Werkzeuge nutzt und als Teil eines größeren Systems arbeitet. Keine davon erfordert Eingriffe in die Gewichte des Modells; es geht darum, wie Sie prompten, strukturieren und orchestrieren. Wenn Ihnen das Konzept eines Agenten ganz neu ist, beginnen Sie mit unserem Einstieg Was sind KI-Agenten und warum braucht Ihr Unternehmen einen?

CoT — Chain of Thought

Der einfachste und einflussreichste Trick beim Prompting. Statt ein Modell direkt nach einer Antwort zu fragen, bitten Sie es, seinen Lösungsweg Schritt für Schritt zu zeigen („Lass uns das durchdenken“). Das Durchlaufen von Zwischenschritten verbessert die Genauigkeit bei allem, was Logik erfordert — Mathematik, mehrstufige Fragen, Planung — dramatisch. Es funktioniert, weil das Modell quasi „laut denkt“ und sich Raum zum Arbeiten verschafft, statt in einem einzigen Sprung zu raten. Chain of Thought ist das Fundament, auf dem fast jede andere Technik dieser Liste aufbaut.

ToT — Tree of Thoughts

Tree of Thoughts verallgemeinert CoT von einer einzigen Denklinie zu einem verzweigten Baum. Das Modell erzeugt mehrere mögliche nächste Schritte, bewertet, wie vielversprechend jeder ist, und verfolgt die besten weiter — und geht zurück, wenn sich ein Weg als Sackgasse erweist, ähnlich wie ein Schachspieler mehrere Züge vorausdenkt. Das kostet mehr Rechenleistung, glänzt aber bei Problemen mit großem Suchraum und vielen gültigen Ansätzen, etwa Rätseln, Planung und kreativer Problemlösung, bei der die erste Idee nicht immer die beste ist.

ReAct — Reason + Act

ReAct ist das Muster, das einen Chatbot in einen Agenten verwandelt. Das Modell verschränkt Denken („Ich brauche den aktuellen Wechselkurs“) mit Handeln („Währungs-API aufrufen“) und Beobachten des Ergebnisses („Der Kurs liegt bei 1,08“), bevor es erneut nachdenkt. Diese Denken–Handeln–Beobachten-Schleife lässt ein Modell Werkzeuge nutzen, im Web suchen, Code ausführen und auf Rückmeldungen aus der realen Welt reagieren, statt sich nur auf das zu verlassen, was es im Kopf hat. Fast jeder produktive Agent läuft 2026 unter der Haube mit einer Version dieser Schleife — wie das in der Praxis aussieht, zeigt unsere Analyse Agentic AI: vom Pilotprojekt in die Produktion.

AoT — Agent of Thought

Agent of Thought treibt die Idee „Denken als Handeln“ weiter: Jeder Schritt im Denken des Modells wird als autonome Aktion eines Agenten gerahmt statt nur als Satz in einer Kette. In der Praxis verwischt das die Grenze zwischen „Denken“ und „Tun“ — das Modell entscheidet, handelt und reflektiert in einer engeren, selbstgesteuerten Schleife. Der Begriff ist neuer und weniger standardisiert als die anderen hier; verstehen Sie ihn eher als Entwicklungsrichtung (agentischer, selbstgesteuerter) denn als festes Rezept.

HITL — Human in the Loop

Nicht jede Entscheidung sollte automatisiert werden. Human in the Loop bedeutet, dass ein Mensch die Ausgabe der KI an den entscheidenden Stellen prüft, bearbeitet oder genehmigt — bevor eine Zahlung rausgeht, eine E-Mail versendet oder ein Datensatz geändert wird. HITL ist das wichtigste Sicherheitsmuster für den KI-Einsatz in einem echten Unternehmen: Es sichert den Großteil der Effizienz und lässt dennoch einen Menschen für folgenreiche Entscheidungen verantwortlich. Gutes Design weitet die Autonomie schrittweise aus, in dem Maße, wie sich das System durch eine messbare Erfolgsbilanz Vertrauen verdient.

A2A — Agent-to-Agent

Je mehr Organisationen eigene Agenten betreiben, desto öfter müssen diese miteinander sprechen — Ihr Einkaufsagent verhandelt etwa mit dem Vertriebsagenten eines Lieferanten. A2A bezeichnet die Protokolle und Muster, mit denen Agenten direkt kommunizieren, Kontext teilen und delegieren, statt alles über einen Menschen oder eine fragile Integration zu leiten. Es ist eine entstehende Standardschicht und macht unternehmensübergreifende Automatisierung überhaupt erst möglich.

MAS — Multi-Agenten-System

Ein Multi-Agenten-System ist ein Team spezialisierter Agenten, die an Aufgaben zusammenarbeiten, die ein einzelner Agent nicht zuverlässig bewältigen könnte — einer recherchiert, ein anderer entwirft, ein dritter prüft die Compliance, und ein Orchestrator koordiniert das Ganze. MAS-Architekturen verbessern die Genauigkeit durch Spezialisierung, die Geschwindigkeit durch Parallelität und die Sicherheit durch Isolation. Sie vervielfachen aber auch Kosten und Komplexität und lohnen sich daher nur, wenn ein einzelner Agent strukturell scheitert. Die Muster, die in Produktion funktionieren, beschreiben wir in unserem Deep Dive Multi-Agenten-Systeme: Wenn ein KI-Agent nicht reicht.

Teil 2 — Modelltraining

Die zweite Familie betrifft das Verändern des Modells selbst — das Anpassen seiner internen Gewichte, damit es sich anders verhält. Das ist schwereres Gerät: Es braucht Daten, Rechenleistung und Expertise und lohnt sich meist erst, wenn Prompting und Retrieval an ihre Grenzen gestoßen sind. Wer diese Begriffe versteht, kann jedem Anbieter die richtige Frage stellen: Trainieren Sie tatsächlich ein Modell, oder prompten Sie nur gut? Beides hat sehr unterschiedliche Kosten- und Risikoprofile — mehr dazu in Was kostet KI-Implementierung wirklich?

FT — Fine-Tuning

Fine-Tuning bedeutet, ein Modell, das bereits auf dem Internet im Allgemeinen trainiert wurde, mit Ihren eigenen, enger gefassten Daten weiterzutrainieren, damit es sich an einen bestimmten Stil, eine Domäne oder Aufgabe anpasst. Stellen Sie es sich vor, als würden Sie einen gut ausgebildeten Generalisten zur Spezialisierung schicken. Es kann Ihre Markenstimme verankern, ein Nischenvokabular vermitteln oder die Leistung bei einer wiederkehrenden Aufgabe verbessern — erfordert aber hochwertige Daten und laufende Pflege und ist oft übertrieben, wenn gutes Prompting oder Retrieval die Aufgabe erledigen würden.

SFT — Supervised Fine-Tuning

Die häufigste Form des Fine-Tunings. Beim Supervised Fine-Tuning liefern Sie explizite Paare aus Eingabe und korrekter Ausgabe — eine Frage und ihre ideale Antwort, ein Dokument und seine ideale Zusammenfassung —, und das Modell lernt, diese Beispiele nachzuahmen. „Supervised“ bedeutet schlicht, dass zu jedem Beispiel eine bekannte richtige Antwort gehört. SFT ist meist die erste Stufe bei der Anpassung eines Basismodells, und für viele Geschäftsanwendungen ist es alles, was Sie brauchen, bevor Sie zu den fortgeschritteneren Ausrichtungsverfahren unten greifen.

RLHF — Reinforcement Learning from Human Feedback

RLHF ist die Technik, die moderne KI-Assistenten hilfsbereit und gut erzogen wirken lässt. Statt dem Modell eine „richtige“ Antwort zu zeigen, lassen Sie es mehrere erzeugen, lassen Menschen bewerten, welche sie bevorzugen, trainieren ein separates „Belohnungsmodell“, das diese Präferenzen vorhersagt, und schieben das Modell dann per Reinforcement Learning in Richtung besser bewerteter Antworten. Das ist stark, um unscharfe Qualitäten wie Hilfsbereitschaft, Ton und Sicherheit einzufangen, die sich schwer als eine einzige gelabelte Antwort ausdrücken lassen — aber es ist komplex, teuer und hat viele bewegliche Teile.

DPO — Direct Preference Optimization

DPO ist der verschlankte Nachfolger von RLHF. Es nutzt dieselbe Art menschlicher Präferenzdaten — „Antwort A ist besser als Antwort B“ —, verzichtet aber ganz auf das separate Belohnungsmodell und die Reinforcement-Learning-Schleife und optimiert das Modell direkt auf diesen Präferenzpaaren, in einem einzigen, stabilen Trainingsschritt. Das Ergebnis ist deutlich einfacher und günstiger im Betrieb bei vergleichbarer Qualität — weshalb DPO 2026 für viele Teams zum Standardverfahren für Präferenz-Tuning geworden ist.

PPO — Proximal Policy Optimization

PPO ist gar nicht spezifisch für Sprachmodelle — es ist ein allgemeiner Reinforcement-Learning-Algorithmus aus Robotik und Spiele-KI, der zum Standard-„Motor“ in RLHF wurde. Seine Kernidee: das Modell in kleinen, kontrollierten Schritten verbessern, damit sich kein Update zu weit von der vorherigen Version entfernt, und so das Training stabil halten. Wenn man sagt, RLHF sei fummelig, ist die Empfindlichkeit von PPO ein großer Teil davon — und genau deshalb ist DPO so attraktiv.

PEFT — Parameter-Efficient Fine-Tuning

Vollständiges Fine-Tuning aktualisiert alle Gewichte eines Modells — Milliarden Zahlen —, was langsam und teuer ist und für jede Aufgabe eine riesige neue Kopie des Modells erzeugt. PEFT ist der Oberbegriff für Verfahren, die das ursprüngliche Modell einfrieren und stattdessen nur eine kleine Menge neuer Parameter trainieren. Sie erhalten den Großteil des Nutzens von Fine-Tuning zu einem Bruchteil der Kosten für Rechenleistung, Speicher und Ablage und können viele leichtgewichtige Spezialisierungen rund um ein gemeinsames Basismodell vorhalten. PEFT hat individuelle Modelle in Reichweite von Teams gebracht, die keine Hyperscaler sind.

LoRA — Low-Rank Adaptation

LoRA ist mit großem Abstand die beliebteste PEFT-Methode. Sie fügt neben dem eingefrorenen Modell kleine Matrizen mit niedrigem Rang ein und trainiert nur diese — einige Millionen Parameter statt Milliarden. Das ursprüngliche Modell bleibt unangetastet, der trainierte „Adapter“ ist klein genug, um ihn ein- und auszuwechseln, und die Qualität bleibt nahe am vollständigen Fine-Tuning. LoRA (und seine speichersparende Variante QLoRA) ist der praktische Grund, warum ein Start-up heute ein leistungsfähiges Modell auf einer einzigen GPU feintunen kann. Wenn jemand sagt, man solle es „einfach LoRA-en“, ist genau das gemeint.

Wie alles zusammenpasst

Diese beiden Familien sind keine Konkurrenten — sie sind Schichten. Ein Modell wird zunächst trainiert und ausgerichtet (SFT, dann RLHF oder DPO, oft über PEFT/LoRA), damit es leistungsfähig und gut erzogen ist. Dann wenden Sie zur Inferenzzeit Prompting- und Agententechniken an (CoT, ReAct, HITL, MAS), um diese Fähigkeit auf echte Aufgaben loszulassen. Die meisten Unternehmen stecken den Großteil ihres Aufwands in die zweite Schicht — zu Recht, denn sie ist schneller, günstiger und risikoärmer als Training. Wer weiß, wo eine Abkürzung einzuordnen ist, kann besser beurteilen, ob eine vorgeschlagene Lösung zum Problem passt.

Wenn Sie diese Entscheidungen auf eine echte Roadmap und ein Budget abbilden möchten, zeigt unser Leitfaden So entwickeln Sie eine KI-Strategie, die tatsächlich ROI liefert, wie Sie entscheiden, was sich lohnt — und was nicht.

Häufig gestellte Fragen

Was ist der Unterschied zwischen Chain of Thought und Tree of Thoughts?

Chain of Thought denkt in einer einzigen geraden Linie von Schritten. Tree of Thoughts erkundet mehrere Denkzweige gleichzeitig, bewertet sie und kann zurückgehen — mehr Rechenaufwand für bessere Ergebnisse bei Problemen mit vielen möglichen Wegen.

RLHF oder DPO — was ist besser?

Beide lösen dasselbe Problem (ein Modell an menschlichen Präferenzen ausrichten), doch DPO kommt ohne separates Belohnungsmodell und Reinforcement-Learning-Schleife aus und ist daher einfacher und stabiler zu trainieren. RLHF ist flexibler und praxiserprobt. Für die meisten Teams ist DPO 2026 die pragmatische Standardwahl; RLHF bleibt wertvoll, wo man seine zusätzliche Flexibilität braucht.

Muss ich für mein Unternehmen ein Modell feintunen?

Als ersten Schritt meist nicht. Starkes Prompting, Retrieval (dem Modell Ihre Dokumente zuführen) und ein gut gestalteter Agent lösen einen großen Teil der Geschäftsanwendungen ganz ohne Training. Fine-Tuning (FT/SFT) und Präferenz-Tuning (RLHF/DPO) lohnen sich, sobald Sie die Grenzen dieser günstigeren Ansätze erreicht haben und hochwertige Trainingsdaten besitzen.

Ist LoRA dasselbe wie Fine-Tuning?

LoRA ist eine Art von Fine-Tuning — genauer eine parametereffiziente. Statt das ganze Modell zu aktualisieren, trainiert es einen kleinen Zusatzadapter und liefert so den Großteil des Nutzens zu einem Bruchteil der Kosten. Es ist heute der gängigste Weg, wie kleinere Teams Modelle feintunen.