KI-Vokabular: Begriffe, die du wirklich brauchst
In fast jedem Meeting zum Thema KI fallen heute dieselben Wörter: Agent, Skill, Automatisierung, Large Language Model. Oft benutzt jeder am Tisch die Begriffe ein bisschen anders, und am Ende der Diskussion ist unklar, worüber eigentlich entschieden wurde. Für Führungskräfte ist das ein Problem, denn Entscheidungen über KI-Investitionen, Prozesse und Verantwortlichkeiten brauchen eine gemeinsame Sprache. Wer die Grundbegriffe kennt, kann in der nächsten Strategiesitzung präzise mitreden, kritische Fragen stellen und Hype von echtem Nutzen unterscheiden. Hier sind die Begriffe, die dafür wirklich zählen.
Künstliche Intelligenz (KI)
Künstliche Intelligenz bezeichnet Systeme, die Aufgaben übernehmen, für die bisher menschliches Denken nötig war: Muster erkennen, Sprache verstehen, Entscheidungen treffen, Texte oder Bilder erzeugen. Der Begriff ist bewusst weit gefasst und reicht von einfachen Algorithmen bis zu den großen Sprachmodellen, die aktuell die öffentliche Debatte dominieren. Für deine Arbeit als Führungskraft ist wichtig: KI beschreibt eine ganze Kategorie von Technologien, kein einzelnes Produkt. Wenn jemand in einer Präsentation "wir setzen jetzt auf KI" sagt, lohnt sich immer die Nachfrage, welche konkrete Ausprägung gemeint ist.
Large Language Model (LLM)
Ein Large Language Model ist ein Sprachmodell, das mit riesigen Textmengen trainiert wurde, um Sprache statistisch vorherzusagen und zu erzeugen. Modelle wie Claude von Anthropic gehören in diese Kategorie. Ein LLM versteht keine Bedeutung im menschlichen Sinn. Es berechnet auf Basis von Wahrscheinlichkeiten, welches Wort als nächstes am besten passt, und tut das inzwischen so gut, dass die Ergebnisse oft überzeugender wirken als manche menschlich verfassten Texte. Für Führungskräfte ist die wichtigste praktische Konsequenz: Ein LLM ist die Basistechnologie, auf der die meisten heutigen KI-Anwendungen aufbauen, von einfachen Chat-Oberflächen bis zu komplexen KI-Agenten.
Prompt und Prompting
Ein Prompt ist die Eingabe, mit der du einem Sprachmodell eine Aufgabe gibst, egal ob als Frage, Anweisung oder Kontext. Prompting bezeichnet die Fähigkeit, solche Eingaben so zu formulieren, dass das Ergebnis wirklich brauchbar ist. Klingt banal, ist es aber nicht: Die Qualität eines Prompts entscheidet oft stärker über das Ergebnis als das eingesetzte Modell selbst. In vielen Unternehmen ist Prompting mittlerweile eine echte Kernkompetenz, die man genauso systematisch aufbauen sollte, wie Excel früher zum Bürostandard wurde.
KI-Agent
Ein KI-Agent unterscheidet sich vom klassischen Chatbot dadurch, dass er nicht nur auf eine einzelne Eingabe antwortet, sondern eigenständig mehrere Schritte plant und ausführt. Er kann Werkzeuge nutzen, Informationen aus verschiedenen Quellen zusammenführen, Zwischenergebnisse bewerten und sein Vorgehen anpassen, bis ein Ziel erreicht ist. Ein Chatbot beantwortet eine Frage. Ein KI-Agent recherchiert einen Sachverhalt, erstellt daraus einen Entwurf, prüft ihn gegen definierte Kriterien und meldet sich erst zurück, wenn das Ergebnis fertig ist. Für Führungsverantwortliche ist dieser Unterschied entscheidend, weil KI-Agenten echte Arbeitspakete übernehmen und damit neue Fragen zu Kontrolle, Verantwortung und Qualitätssicherung aufwerfen.
Skill
Eine Skill ist ein Paket aus Anweisungen, Beispielen und manchmal Skripten, das ein KI-Agent bei Bedarf lädt, um eine bestimmte Aufgabe zuverlässig immer wieder gleich gut zu erledigen. Ohne Skills muss man einem Agenten bei jedem neuen Auftrag von vorne erklären, wie eine Aufgabe abläuft, welche Formate gelten und welche Ausnahmen es gibt. Eine Skill speichert dieses Wissen einmal und stellt es dem Agenten künftig automatisch zur Verfügung, sobald die Aufgabe passt. Für Unternehmen bedeutet das: Erfahrungswissen, das bisher nur im Kopf einzelner Mitarbeiter steckte, lässt sich direkt in eine wiederholbare Fähigkeit für KI-Agenten übersetzen. Genau hier liegt der eigentliche Hebel für Wissenstransfer, wenn erfahrene Kollegen in Rente gehen.
Record a Skill
Record a Skill ist eine Funktion, die Anthropic im Juli 2026 vorgestellt hat und die das Erstellen einer Skill deutlich einfacher macht. Bisher musste man eine Skill mühsam als Textdokument schreiben und dabei jeden Schritt, jede Ausnahme und jedes Format selbst dokumentieren. Mit Record a Skill zeichnet man stattdessen den eigenen Bildschirm auf, während man eine Aufgabe wie gewohnt erledigt, und erklärt dabei laut, was man tut und warum. Aus dieser Aufnahme baut das System automatisch eine wiederverwendbare Skill, ganz ohne technisches Schreiben. Für Führungskräfte ist das der eigentliche Fortschritt: Die Hürde, Wissen in eine Skill zu übersetzen, sinkt von einer technischen Aufgabe auf eine reine Demonstration am Bildschirm.
Multi-Agenten-System
Sobald mehrere KI-Agenten gemeinsam an einer Aufgabe arbeiten, jeder mit einer eigenen Rolle, spricht man von einem Multi-Agenten-System. Ein Agent recherchiert, ein zweiter prüft die Fakten, ein dritter formatiert das Ergebnis. Die Agenten übergeben sich Zwischenergebnisse wie an einer Produktionslinie, nur dass sich die Reihenfolge und Besetzung je nach Aufgabe ändern kann.
Fluide Teams
Fluide Teams sind unser eigenes Konzept, das wir gemeinsam mit der Universität Wien und der Universität Luzern erforscht haben: Teams aus Menschen und KI-Agenten, die sich je nach Aufgabe flexibel neu zusammensetzen, statt in starren Rollen festzuhängen. Statt einer festen Abteilungsstruktur gibt es einen Pool an Fähigkeiten, menschlichen wie agentischen, aus dem sich für jede Aufgabe die passende Besetzung zusammenstellt. Das ist mehr als ein Automatisierungskonzept. Es ist ein neues Organisationsmodell, in dem Führungskräfte lernen müssen, Aufgaben zwischen Mensch und Agent bewusst zu verteilen.
Ein Konzept aus der technischen KI-Entwicklung hilft, das Prinzip zu verstehen: Graph Engineering. Gemeint ist damit, ein System als Netzwerk aus Knoten und Verbindungen zu bauen, das sich je nach Aufgabe unterschiedlich zusammenschalten lässt, anstatt es als starre Abfolge von Schritten zu planen. Ein Knoten erledigt eine bestimmte Aufgabe, eine Verbindung bestimmt, wer als nächstes an der Reihe ist, und diese Struktur kann sich von Aufgabe zu Aufgabe verändern. Fluide Teams übertragen genau dieses Prinzip von der Softwarearchitektur auf die Organisation. Die Knoten sind bei uns keine Funktionen im Code. Es sind Menschen und KI-Agenten mit bestimmten Skills, und der Graph aus Zuständigkeiten und Übergaben wird für jede neue Aufgabe neu gespannt. Wie das konkret funktioniert, haben wir in unserem Blogbeitrag zu Fluiden Teams ausführlich beschrieben.
Anschlussfähigkeit
Anschlussfähigkeit beschreibt, wie schnell und wie gut ein Team, egal ob aus Menschen, KI-Agenten oder beiden, auf eine veränderte Aufgabe reagieren kann, ohne komplett neu aufgesetzt zu werden. In klassischen Organisationen sieht die Antwort auf eine neue Anforderung meist so aus: neue Rolle schaffen, neuen Prozess dokumentieren, neue Software einführen. Das dauert und bindet Ressourcen, oft über Monate. In einem KI-gestützten Umfeld verschiebt sich das deutlich. Ein Fluides Team kann sich Aufgabe für Aufgabe neu zusammensetzen, weil KI-Agenten ihre Fähigkeiten als Skills mitbringen und sich direkt zuschalten lassen, statt erst mühsam aufgebaut werden zu müssen. Wir haben dieses Prinzip in unserem Blogbeitrag zu Fluiden Teams ausführlich hergeleitet: Anschlussfähigkeit ist dort eine messbare Größe, die zeigt, wie widerstandsfähig eine Organisation gegenüber Veränderung tatsächlich ist, weit mehr als nur eine weiche Eigenschaft im Leitbild. Für Führungskräfte ist das ein direkter Hebel. Wer die Anschlussfähigkeit seiner Teams gezielt erhöht, senkt gleichzeitig das Risiko, von der nächsten Marktveränderung überrascht zu werden.
KI-Betriebssystem
Während einzelne KI-Agenten Aufgaben erledigen, sorgt ein KI-Betriebssystem dafür, dass all diese Agenten koordiniert zusammenarbeiten, auf gemeinsame Daten zugreifen und nach denselben Regeln handeln. Man kann es sich wie das Betriebssystem eines Computers vorstellen, nur dass hier Agenten verwaltet werden statt einzelner Programme. Für Unternehmen wird dieser Begriff relevant, sobald mehr als eine Handvoll KI-Agenten im Einsatz sind und die Frage aufkommt, wer diese Agenten zentral steuert, überwacht und absichert.
Human-First und AI-First
Diese beiden Begriffe beschreiben, wie ein Unternehmen Aufgaben zwischen Mensch und KI verteilt. Human-First heißt: Der Mensch behält die Aufgabe, KI unterstützt punktuell. AI-First heißt: Die KI übernimmt die Aufgabe zuerst, der Mensch prüft und greift dort ein, wo es wirklich nötig ist. Beide Ansätze haben ihre Berechtigung, und die Wahl hängt stark von Risiko, Komplexität und Reife der jeweiligen Aufgabe ab. Führungskräfte, die diese Unterscheidung bewusst treffen, verteilen Verantwortung klarer, als wenn KI einfach irgendwie mitläuft.
Governance und Compliance im KI-Kontext
Governance beschreibt die Regeln, Zuständigkeiten und Kontrollmechanismen, mit denen ein Unternehmen den Einsatz von KI steuert: Wer darf welche Agenten einsetzen, welche Daten dürfen verarbeitet werden, wie wird Qualität geprüft. Compliance meint konkret die Einhaltung gesetzlicher Vorgaben, in Europa vor allem des EU AI Act. Für Führungskräfte mit Personalverantwortung ist das kein Randthema. Es ist der Rahmen, der entscheidet, ob eine KI-Initiative im Unternehmen tragfähig ist oder juristisch riskant wird.
