Prompt, Output, Hallucination: Die AI-Wörter, die seltsamer klingen, als sie sind

Sie öffnen ein AI-Werkzeug und jemand sagt Ihnen, Sie sollten "write a better prompt". Dann warnt man Sie, das Modell könnte "hallucinate", und erwähnt, dass Ihr Text eine bestimmte Anzahl von "tokens" kostet. Würden Sie über diese Wörter für sich allein nachdenken, klängen sie bizarr. Ein Werkzeug, das halluziniert? Tokens, wie Spielhallen-Münzen?

Die gute Nachricht: Diese Wörter sind nicht so seltsam, wie sie klingen. Jedes leiht sich ein Alltagswort und gibt ihm eine enge, spezifische Aufgabe. Sobald Sie die Aufgabe kennen, hört das Vokabular auf, einschüchternd zu sein, und fängt an, nützlich zu werden.

Es hilft, sich diese Wörter als Kostüme vorzustellen. Ein vertrautes Wort zieht ein Tech-Kostüm an und betritt einen neuen Raum. "Prompt" sieht von außen gleich aus, doch im AI-Raum bedeutet es etwas Bestimmtes. Ihre Aufgabe ist einfach: zu erkennen, in welchem Raum Sie gerade stehen, damit Sie das Wort richtig lesen.

Schnelle Antwort

In der AI ist ein prompt die Anweisung oder Frage, die Sie eintippen, output ist das, was das System als Antwort erzeugt, eine hallucination ist ein selbstsicheres, aber falsches Stück dieses Outputs, ein token ist ein kleines Textstück, das das System verarbeitet, und ein model ist das trainierte System selbst. Keines davon bedeutet das, was es an einem Esstisch bedeuten würde, und in dieser Lücke verheddern sich die Leute.

Schlüsselwörter

• Prompt. Das, was Sie der AI geben: Ihre Frage, Anweisung oder Ihr Text. "Write me a prompt" heißt "schreib den Input, den du sendest".
• Output. Was auch immer das System zurückerzeugt. Es ist bewusst neutral. Wir sagen "output" statt "answer", weil das Ergebnis nicht garantiert richtig oder auch nur zum Thema passend ist.
• Hallucination. Ein selbstsicheres, flüssiges Stück Output, das schlicht erfunden oder falsch ist. Die falsche Tatsache, das erfundene Zitat, die Quellenangabe, die es nicht gibt.
• Token. Ein kleines Textstück, oft ein Wort oder Wortteil, das als Einheit dient, die das System liest und zählt. Länge und Kosten werden meist in Tokens gemessen.
• Model. Das trainierte System, das Output erzeugt. "The model" ist das Ding, das die Arbeit macht, keine Person und kein nachzuahmendes Vorbild.
• Context. Der Text, dem das System gerade Aufmerksamkeit schenkt, einschließlich Ihres Prompts und des jüngsten Gesprächs. Ein "context window" ist, wie viel Text es auf einmal halten kann.
• Fine-tune. Ein bestehendes Modell zu nehmen und es ein Stück weiter an bestimmtem Material zu trainieren, damit es sich auf eine gewisse Weise verhält. Nicht "eine kleine Anpassung von Hand machen", sondern ein echter, wenn auch kleinerer Trainingsschritt.

Häufige Fallen

Eine häufige Falle ist, prompt zu hören und an seine Alltagsbedeutungen zu denken. Im Alltagsenglisch kann "prompt" schnell heißen ("a prompt reply") oder jemanden erinnern ("she prompted him to speak"). In der AI ist es ein Substantiv: der Eingabetext. Also heißt "improve your prompt" nicht "sei schneller", sondern "schreib die Anweisung um, die du eingetippt hast".

Das Wort output bringt Leute aus dem Tritt, weil sie erwarten, dass es "die richtige Antwort" bedeutet. Tut es nicht. Output ist einfach das, was herauskam. Es kann brillant sein, es kann Unsinn sein. Das neutrale Wort im Kopf zu behalten schützt Sie davor, Ergebnissen zu schnell zu vertrauen.

Hallucination klingt dramatisch, fast medizinisch, und viele nehmen an, es bedeute, die AI sei kaputt oder habe eine Art Anfall. Es ist ruhiger als das. Es ist ein schlichter Fachbegriff für Output, der flüssig und selbstsicher, aber falsch ist. Das System sieht nichts; es füllt eine Lücke mit plausibel klingendem Text. Die Gefahr ist genau, dass es nicht wie ein Fehler aussieht, sondern glatt.

Token verwirrt fast jeden zuerst. Es ist keine Münze, kein Geschenk, keine Geste ("a token of thanks") und kein Sicherheitspass. In der AI ist es ein Textstück. Wenn ein Werkzeug sagt, Sie hätten ein Limit von so und so vielen Tokens, geht es darum, wie viel Text es verarbeiten kann, nicht um eine Währung, die Sie für Preise ausgeben.

Schließlich klingt model, als müsste es ein Mensch sein, der für Fotos posiert, oder ein perfektes Vorbild zum Nachahmen ("a model student"). In der AI bedeutet es das trainierte System selbst. "Which model are you using?" fragt, welches trainierte System, nicht welches Beispiel oder welches Vorbild.

Eine leisere Falle lauert in context. Im Alltag heißt context Hintergrund oder Situation ("in this context"). In der AI hat es eine präzise Kante: Es ist der bestimmte Text, den das System gerade sehen kann. Wenn Leute sagen "it forgot, the context ran out", meinen sie, das Gespräch wurde länger, als das System halten konnte, nicht dass es das Interesse verlor. Und fine-tune heißt im lockeren Englisch, eine winzige Feinjustierung machen ("fine-tune the wording"). In der AI benennt es eine echte zusätzliche Trainingsrunde. So ist "we fine-tuned the model" eine größere Handlung als "we tweaked a setting", auch wenn das Alltagswort sanft und unbedeutend klingt.

Bei all dem ist das Muster dasselbe: Ein weiches, vertrautes Wort verbirgt eine präzise technische Aufgabe. Die Missverständnisse kommen nicht daher, dass die Wörter schwer sind, sondern dass wir der Alltagsbedeutung einen Tick zu lange vertrauen. Bremsen Sie bei jedem Begriff ab, hängen Sie ihm seine enge Aufgabe an, und die Verwirrung löst sich auf.

Natürlich vs. Holprig

Holprig: I gave the AI a quick prompt, so it answered promptly with the right output.

Natürlich: I typed a short prompt, and the model produced an output I still had to check.

Weniger natürlich: The model hallucinated, so something must be seriously wrong with it.

Besser: The model hallucinated a source, so I verified the claim before trusting it.

Holprig: My message used too many tokens, like spending coins.

Natürlich: My message was long, so it used a lot of tokens.

Holprig: This AI model is a real role model for writing.

Natürlich: This model produces strong writing, though it still makes mistakes.

Die natürlichen Versionen halten die Wörter in ihren engen technischen Aufgaben und lassen die Alltagsbedeutungen nicht hereinschleichen.

Weniger natürlich: The conversation got too long, so the AI lost interest in the context.

Besser: The conversation got too long, so it ran past the context the model could hold.

Hier schmuggelt "lost interest" ein Gefühl ein. Das Modell hat kein Interesse, das es verlieren könnte. Es konnte einfach nicht den ganzen früheren Text im Blick behalten.

Mini-Tabelle

Schnelle Übung

Füllen Sie die Lücke mit einem von: prompt, output, hallucination, token, model. Prüfen Sie sich danach.

1. The system invented a study that does not exist; that is a ________.
2. The instruction you type into the tool is the ________.
3. Long text costs more because it uses more ________s.
4. Whatever the tool generates back is its ________.
5. The trained system answering you is the ________.

Antworten:

1. hallucination
2. prompt
3. token
4. output
5. model

Bonus-Check: In "she gave a prompt reply" – ist "prompt" die AI-Bedeutung? (Nein. Dort heißt es schnell, die Alltagsbedeutung.)

Fazit

Dieses Vokabular klingt nur seltsam, weil jedes Wort sich ein gewöhnliches leiht und ihm eine einzige, spezifische Aufgabe gibt. Ein prompt ist Ihr Input, output ist das rohe Ergebnis, eine hallucination ist selbstsicherer Unsinn, ein token ist ein Textstück, und ein model ist das System selbst. Halten Sie jedes Wort an seiner engen Bedeutung fest, besonders output und hallucination, und Sie lesen AI-Texte, ohne zusammenzuzucken, und reden über diese Werkzeuge wie jemand, der wirklich weiß, was die Wörter tun. Die Begriffe sind keine tiefe Magie. Sie sind nur Etiketten, und jetzt gehören sie Ihnen.