LernpfadeAIPfad
AIPfad

Glossar

Begriffe von A bis Z

58 Begriffe aus dieser Ausbaustufe. Der vollständige AIPfad-Lehrplan bringt deutlich mehr — sieh dir docs/LEHRPLAN.md an.

AIPfad-LernprinzipStufe 1
Das Grundprinzip von AIPfad: weniger Inhalt gleichzeitig, dafür tatsächliches Verständnis. Ein geführter Pfad schlägt jeweils einen nächsten Schritt vor, eine Bibliothek bleibt zum gezielten Nachschlagen verfügbar. Es gibt keine Streaks oder künstlichen Druckmittel.
Änderungen zurücknehmenStufe 4
Drei ähnlich klingende Wege mit sehr verschiedenen Folgen: restore betrifft das Arbeitsverzeichnis, revert legt einen ausgleichenden neuen Commit an, reset verschiebt den Branch-Zeiger. Entscheidend ist, ob etwas bereits veröffentlicht wurde — dann ist revert der verträgliche Weg.
ArbeitsverzeichnisStufe 1
Die Dateien, die du gerade siehst und bearbeitest. Was hier steht, ist zunächst nur auf deiner Festplatte — Git weiß erst davon, wenn du es ausdrücklich weitergibst. Änderungen hier sind nicht durch Git gesichert.
Automatische Prüfungen (CI)Stufe 3
Prüfläufe, die bei jeder vorgeschlagenen Änderung automatisch starten: übersetzen, testen, Regeln prüfen. Sie beantworten die Frage "funktioniert das überhaupt", bevor ein Mensch Zeit investiert. Eine rote Prüfung ist eine Information, kein Urteil.
Belegte AntwortStufe 3
Eine belegte Antwort enthält nur Aussagen, die ein Chunk im Kontext tatsächlich stützt, und verweist auf genau diesen Chunk. Was sich nicht belegen lässt, wird als unbelegt gekennzeichnet oder weggelassen. "Nicht genügend Informationen" ist ein korrektes Ergebnis.
BranchStufe 3
Ein beweglicher Zeiger auf einen Commit — keine Kopie und kein Ordner. Deshalb kostet das Anlegen praktisch nichts. Ein neuer Commit verschiebt den Zeiger des aktuellen Branches; alle anderen bleiben, wo sie sind.
Chunk-Größe, Overlap und TrennstellenStufe 3
Chunk-Größe legt fest, wie viel Text ein Abschnitt umfasst; Overlap lässt aufeinanderfolgende Chunks einen Teil teilen. Trennstellen entlang inhaltlicher Grenzen halten zusammen, was zusammengehört — etwa eine Regel und ihre Ausnahme. Eine ungünstige Trennstelle macht einen Satz unverständlich.
ChunkingStufe 4
Lange Dokumente werden vor dem Einbetten in Abschnitte (Chunks) geteilt, weil ein einziger Vektor für ein langes Dokument viele Themen vermischt. Zu kleine Chunks verlieren den Zusammenhang, etwa wenn eine Regel und ihre Ausnahme getrennt werden; zu große verwässern die Bedeutung.
Code ReviewStufe 3
Die Durchsicht vorgeschlagener Änderungen durch andere, bevor sie übernommen werden. Ziel ist nicht Kontrolle, sondern geteiltes Wissen und frühes Entdecken von Problemen. Anmerkungen beziehen sich auf konkrete Zeilen des Diffs.
CommitStufe 2
Ein festgehaltener Stand mit Zeitpunkt, Urheberin und Begründung. Ein Commit ist keine Datei-Version, sondern eine Momentaufnahme des gesamten vorgemerkten Standes. Er ist unveränderlich: Spätere Korrekturen entstehen als neue Commits.
Commit-VerlaufStufe 2
Die Kette der Commits, jeder mit Verweis auf seinen Vorgänger. Aus dieser Kette ergibt sich, wie ein Stand entstanden ist. Weil jeder Commit auf seine Eltern zeigt, ist der Verlauf ein Graph — keine bloße Liste.
Context WindowStufe 2
Das Kontextfenster (Context Window) ist die begrenzte Menge an Tokens, die ein Modell in einem Gespräch gleichzeitig "sehen" kann. Wird das Limit erreicht, fallen ältere Inhalte heraus oder werden gekürzt und sind für das Modell nicht mehr sichtbar.
DiffStufe 2
Die zeilenweise Gegenüberstellung zweier Stände: Was kam hinzu, was fiel weg. Ein Diff beantwortet die Frage "was genau ändert sich hier" — die zentrale Frage jeder Durchsicht. Welche zwei Stände verglichen werden, hängt vom Befehl ab.
EmbeddingStufe 2
Die Abbildung eines Tokens auf eine lange Liste von Zahlen (einen Vektor), die seine Position in einem Bedeutungsraum beschreibt. Bedeutungsähnliche Tokens liegen dort nah beieinander, unabhängig von ihrer Schreibweise.
Fähigkeiten und Grenzen heutiger KIStufe 1
Aktuelle KI-Sprachmodelle sind bei Textentwürfen, Übersetzung und Zusammenfassung stark, aber unzuverlässig bei exaktem Zählen, aktuellen Fakten und der Einschätzung der eigenen Unsicherheit. Sie erzeugen Sprache statistisch, ohne echtes Verständnis im menschlichen Sinn.
Fetch und PullStufe 3
Fetch holt den entfernten Stand herunter und lässt deine Arbeit unangetastet — du kannst danach in Ruhe ansehen, was sich getan hat. Pull holt UND baut sofort in deinen aktuellen Branch ein. Der Unterschied entscheidet, ob du überrascht wirst oder nicht.
GitHub als PlattformStufe 2
GitHub ist nicht Git. Git ist das Versionsverwaltungssystem auf deinem Rechner; GitHub ist ein Dienst, der Repositories hostet und darum herum Zusammenarbeit organisiert: Issues, Pull Requests, Durchsichten, automatische Prüfungen, Rechte. Git funktioniert vollständig ohne GitHub.
HalluzinationStufe 3
Sicher klingende, aber erfundene oder falsche Aussagen eines Sprachmodells. Sie entstehen strukturell, weil das Modell das plausibelste nächste Token vorhersagt, ohne eingebauten Abgleich mit einer verlässlichen Wissensquelle.
JSON-AusgabevertragStufe 2
Ein JSON-Ausgabevertrag legt vorab fest, welche Felder und Typen eine maschinenlesbare Antwort haben soll. Das ist eine prüfbare Datenform und keine Garantie für korrekte Tatsachen.
Kompetenzstufen statt ProzentzahlenStufe 1
AIPfad zeigt Fortschritt als wenige, grobe Kompetenzbanden statt als genaue Prozentzahl, und verzichtet auf Streak-Verlust bei Pausen. Das verhindert falsche Präzision und unnötigen Druck, ohne den tatsächlichen Lernstand zu verschleiern.
KontextbudgetStufe 3
Der Kontext für eine Antwort ist begrenzt. Welche Chunks hineinpassen, hängt von ihrer Größe, ihrem Rang und dem verfügbaren Budget ab. Was nicht hineinpasst, steht für die Antwort nicht zur Verfügung — auch wenn es gefunden wurde.
KosinusähnlichkeitStufe 3
Die Kosinusähnlichkeit teilt das Skalarprodukt durch das Produkt beider Vektorlängen. Sie misst nur die Richtung, nicht die Länge, und liegt zwischen −1 und 1: 1 heißt gleiche Richtung, 0 heißt senkrecht. Für einen Nullvektor ist sie nicht definiert.
MergeStufe 3
Das Zusammenführen zweier Entwicklungslinien. Liegt der eigene Stand vollständig in der Vorgeschichte des anderen, wandert nur der Zeiger weiter. Sind beide Linien auseinandergelaufen, entsteht ein Commit mit zwei Eltern, der beide Wege zusammenhält.
Merge-KonfliktStufe 3
Entsteht, wenn beide Seiten dieselbe Stelle unterschiedlich geändert haben. Kein Fehler und kein Schaden: Git markiert die Stelle und überlässt die Entscheidung dem Menschen, weil nur er weiß, was gemeint war. Die Marker müssen vor dem Abschluss entfernt werden.
Metadaten und Quellen eines ChunksStufe 2
Jeder Chunk trägt mit, woher er stammt: Quellenkennung, Version, Gültigkeit und Position im Dokument. Ohne diese Metadaten lässt sich eine Antwort nicht belegen und eine veraltete Fassung nicht von der aktuellen unterscheiden.
Nachrichtenrollen (System, User, Assistant)Stufe 1
Nachrichten in einem Chat-Verlauf tragen eine Rolle: System (Regeln des Betreibers), User (Eingaben der Nutzerin oder des Nutzers) und Assistant (bisherige Antworten des Modells). Alle Rollen zusammen füllen dasselbe Context Window.
Pfad, Ordner und DateiendungStufe 1
Ein Pfad beschreibt den Weg zu einer Datei durch verschachtelte Ordner. Absolute Pfade beginnen an der Wurzel des Dateisystems, relative Pfade gelten nur ausgehend vom aktuellen Arbeitsverzeichnis. Die Dateiendung benennt das erwartete Format.
Precision und RecallStufe 4
Precision ist der Anteil relevanter Dokumente unter den gelieferten Treffern; Recall ist der Anteil der gefundenen unter allen relevanten Dokumenten. Ein größeres k hebt meist den Recall und senkt die Precision. Beide brauchen ein fachliches Urteil, welche Dokumente relevant sind.
Prompt-Constraints und BeispieleStufe 2
Einschränkungen (Länge, Tonfall, Ausschlüsse, Format) und Beispiele engen den Ergebnisraum eines Prompts gezielt ein und erhöhen die Trefferwahrscheinlichkeit der Antwort deutlich.
Prompt-Ziel und KontextStufe 1
Ein wirksamer Prompt benennt explizit das gewünschte Ziel (wofür wird die Antwort gebraucht) und liefert den nötigen Hintergrund (Kontext), damit das Modell nicht raten muss, was gemeint ist.
Pull RequestStufe 3
Der Vorschlag, einen Branch in einen anderen zu übernehmen — samt Ort für Diskussion, Durchsicht und automatische Prüfungen. Ein Pull Request ist ein Konzept der Plattform, nicht von Git selbst. Er macht aus einem Merge eine nachvollziehbare, gemeinsame Entscheidung.
QuellenidentifikationStufe 3
Zu jedem Treffer gehört die Frage, aus welchem Dokument, welcher Version und welcher Stelle er stammt. Erst damit lässt sich ein Beleg nachprüfen, ein Widerspruch auflösen und eine veraltete Quelle aussortieren.
RAG-EvaluationStufe 4
RAG wird an zwei Stellen geprüft: Hat das Retrieval die nötigen Belege in den Kontext gebracht, und stützt die Antwort jede ihrer Aussagen? Eine gute Suche mit schlechter Antwort ist ein anderer Fehler als eine gute Antwort auf schlechter Grundlage.
RAG-FehlerbilderStufe 4
Typische Fehler einer RAG-Antwort: erfundene Quellenverweise, veraltete oder widersprüchliche Dokumente, zerschnittene Belege, fehlende Treffer durch Top-k oder Budget und Antworten, die nur einen Teil der Frage abdecken. Jeder Fehler hat eine andere Ursache in der Pipeline.
RAG-PipelineStufe 3
Retrieval-Augmented Generation verbindet Suche und Antwort: Chunks werden nach Ähnlichkeit zur Frage gerankt, die besten landen im Kontext, und nur auf dieser Grundlage darf geantwortet werden. Das Ranking findet Kandidaten; ob sie die Frage beantworten, ist eine eigene Prüfung.
Reflog als RettungsankerStufe 4
Git führt Buch über jede Bewegung von HEAD — auch über die, die im normalen Verlauf nicht mehr auftauchen. Nach einem versehentlichen Zurücksetzen steht hier die Commit-Kennung, zu der man zurückkann. Nie committete Arbeit rettet allerdings auch das Reflog nicht.
Relevanz ist nicht ÄhnlichkeitStufe 3
Ähnlichkeit ist eine berechnete Zahl, Relevanz ein fachliches Urteil: Beantwortet dieses Dokument die Frage? Ein Treffer kann sehr ähnlich und trotzdem nutzlos sein (False Positive), ein passendes Dokument kann zu niedrig landen (False Negative).
Remote-RepositoryStufe 3
Ein Repository, das woanders liegt — meist auf einem Server, damit mehrere darauf zugreifen können. "origin" ist dabei nur der übliche Name für das Remote, aus dem geklont wurde, kein feststehender Begriff. Dein lokales Repository bleibt vollständig eigenständig.
RepositoryStufe 1
Ein Ordner, in dem Git den vollständigen Verlauf mitführt — technisch im versteckten Unterordner .git. Erst dadurch wird ein gewöhnlicher Ordner zu einem Projekt mit Gedächtnis. Jede Kopie eines Repositories enthält den ganzen Verlauf, nicht nur den aktuellen Stand.
Semantische SucheStufe 3
Semantische Suche vergleicht das Embedding einer Anfrage mit den Embeddings vieler Dokumente und sortiert die Dokumente nach Ähnlichkeit. Sie findet auch Treffer ohne gemeinsames Wort, kann aber Dokumente hoch einstufen, die nur thematisch verwandt sind.
Skalarprodukt und VektorlängeStufe 2
Das Skalarprodukt multipliziert zwei Vektoren Position für Position und addiert die Produkte. Die Vektorlänge (Norm) ist die Wurzel aus dem Skalarprodukt eines Vektors mit sich selbst. Beide zusammen sind die Bausteine der Kosinusähnlichkeit.
Staging AreaStufe 2
Der Zwischenbereich zwischen Arbeitsverzeichnis und Repository. Hier stellst du zusammen, was in den nächsten Commit soll — und nur das kommt mit. Die Staging Area ist der Grund, warum sich aus vielen gemischten Änderungen mehrere saubere Commits bauen lassen.
Strikte Schema-ValidierungStufe 3
Eine strikte Validierung prüft JSON-Syntax, Feldnamen, Datentypen und zulässige Werte. Ungültige Eingaben werden mit einem erklärten Fehler abgelehnt und nicht still korrigiert.
Struktur gegen WahrheitStufe 3
Formal gültige Ausgaben können falsche oder unbelegte Behauptungen enthalten. Quellenbelege und fachliche Richtigkeit müssen daher unabhängig von der JSON-Struktur bewertet werden.
Terminal-GrundbegriffeStufe 2
Im Terminal besteht eine Eingabe aus einem Befehl und optionalen Argumenten. Das Arbeitsverzeichnis legt fest, wo relative Pfade und Befehle wie ls oder cd greifen. Jeder Befehl wirkt zuerst genau dort, wo du gerade "stehst".
Text-EmbeddingStufe 3
Ein Text-Embedding bildet einen ganzen Satz, Absatz oder ein Dokument auf einen einzigen Vektor ab — anders als ein Token-Embedding, das zu einem einzelnen Token gehört. Ähnlich gemeinte Texte sollen nahe beieinanderliegen. Was "ähnlich" heißt, hat das Modell aus seinen Trainingsdaten gelernt, nicht aus einer Definition.
TokenStufe 1
Die kleinste Texteinheit, mit der ein Sprachmodell rechnet – oft ein Wortteil, kein ganzer Buchstabe und kein ganzes Wort. Modelle "sehen" Text als Folge von Tokens, nicht als Folge einzelner Zeichen.
TokenisierungStufe 2
Der Vorgang, der Text in Tokens zerlegt, bevor ein Sprachmodell ihn verarbeitet. Häufige Wörter werden oft zu einem Token, seltene oder lange Wörter in mehrere Teilstücke zerlegt.
Tool-Allowlist und BerechtigungStufe 3
Eine feste Werkzeugliste, ein strikter Argumentvertrag und serverseitig überprüfte Rechte verhindern, dass ein Modell oder ein Dokument unerlaubte Aktionen selbst freischaltet.
Tool-Aufruf als VorschlagStufe 3
Ein Modell kann Werkzeugname und Argumente vorschlagen. Das erzeugt noch keine tatsächliche Ausführung und keine Berechtigung. Die Anwendung entscheidet eigenständig über beides.
Tool-Ergebnisse als nicht vertrauenswürdige DatenStufe 4
Ein Werkzeug kann manipulierte Texte zurückgeben. Solche Daten dürfen keine höher priorisierten Anweisungen, neue Berechtigungen oder unauthorisierte Folgeaktionen erzeugen.
Top-k und SchwelleStufe 3
Top-k nimmt die k Dokumente mit den höchsten Scores aus der Rangliste. Eine Rangliste hat immer einen ersten Platz, auch wenn nichts passt; erst eine Mindestähnlichkeit (Schwelle) erlaubt die Antwort "nichts Passendes gefunden". Beide Werte müssen an den eigenen Daten geprüft werden.
Training vs. InferenzStufe 2
Training passt die Modellgewichte einmalig anhand riesiger Textmengen an und ist extrem rechenintensiv. Inferenz nutzt die danach eingefrorenen Gewichte, um bei jeder einzelnen Nachricht schnell eine Antwort zu berechnen, ohne dabei dauerhaft etwas Neues zu lernen.
Transformer-Aufmerksamkeit (Attention)Stufe 3
Der Mechanismus, mit dem ein Transformer-Modell für jedes Token berechnet, wie relevant jedes andere Token im Kontext für seine Interpretation ist. Diese gelernte Gewichtung entscheidet, welche früheren Wörter bei der nächsten Vorhersage stärker einfließen.
Umgebungsvariablen und .gitignoreStufe 2
Eine .env-Datei speichert geheime Werte wie Zugangsschlüssel lokal außerhalb des Quellcodes. Die .gitignore-Datei listet Dateien, die Git niemals in die Versionsgeschichte aufnehmen soll – so bleiben Geheimnisse aus dem Repository heraus.
Vektor und DimensionStufe 2
Ein Vektor ist eine geordnete Liste von Zahlen; jede Position heißt Dimension. Zwei Vektoren lassen sich nur vergleichen, wenn sie gleich viele Dimensionen haben und jede Position dasselbe bedeutet. Ein Vektor hat eine Richtung und eine Länge.
VersionsverwaltungStufe 1
Ein System, das jeden Bearbeitungsstand festhält und jederzeit wieder abrufbar macht. Es beantwortet drei Fragen, die Dateikopien mit Namen wie "final_v3_wirklich_final" nie zuverlässig beantworten: Was hat sich geändert, wann, und warum. Erst dadurch wird gemeinsames Arbeiten am selben Stand möglich.
Zerlegung und IterationStufe 2
Große, vage Aufträge lassen sich in kleinere, prüfbare Teilschritte zerlegen. Ein unbefriedigendes Zwischenergebnis wird gezielt nachgebessert statt komplett neu formuliert.