Glossar
Siebenundsechzig Domain-Begriffe für lokal-first Prompt-Management. Jeder Eintrag trägt einen Fragment-Anchor zum direkten Verlinken.
Adaptives Denken
EN: Adaptive Thinking
Eine 2026er Fähigkeit in Claude-4.6+-Modellen: das Modell entscheidet dynamisch, wann und wie tief es argumentiert, kalibriert nach Komplexität der Anfrage. API-Nutzer steuern die Tiefe über den effort-Parameter (low/medium/high). OpenAIs GPT-5+ hat einen äquivalenten reasoning_effort-Parameter. Ersetzt für diese Modelle ältere explizite "Schritt für Schritt"-Trigger. Siehe Kapitel 8.
Aktualitäts-Drift
EN: Knowledge Cutoff DriftLücke zwischen dem Trainings-Cutoff-Datum eines Modells und der Gegenwart. Das Modell kennt keine Ereignisse, Tool-Versionen, Preise oder Gesetzesänderungen nach diesem Datum, solange keine Web-Suche aktiv ist. Wirkt sich besonders auf Tool-Vergleiche, Marktdaten und Compliance-Themen aus. Lösung: Web-Suche explizit anfordern oder Fakten extern verifizieren.
Ankereffekt
EN: Anchor BiasWenn zu viele Beispiele in einem Prompt dazu führen, dass das Modell deren Stil oder Struktur kopiert, statt zur besten Lösung für den konkreten Fall hin zu argumentieren. Lösung: weniger, dafür bessere Beispiele, meistens eines. Wikipedia
Append-Only-Prompt-Log
EN: Append-Only Prompt LogSpeichermodell, bei dem jede Änderung eine neue Revision erzeugt; bestehende Revisionen werden niemals überschrieben.
Auftrags-Prompt
EN: Job PromptDie auftragsspezifischen Anweisungen, die nach dem System-Prompt geschickt werden. Enthält nur die variablen Daten für die jeweilige Anfrage: Firma, Thema, Format. Ausführlich erklärt in Kapitel 9.
Auftragsverarbeitungsvertrag
EN: Data Processing AgreementEin Auftragsverarbeitungsvertrag (AVV) ist die nach DSGVO Art. 28 erforderliche Vereinbarung zwischen Verantwortlichem und Auftragsverarbeiter. Bei US-LLM-APIs ist der AVV ein Pflicht-Prüfpunkt für DACH-Unternehmen: ohne signed AVV verarbeitet das Tool personenbezogene Daten nicht DSGVO-konform.
AWS Bedrock
EN: AWS BedrockAWS Bedrock ist Amazons Managed-Service für Foundation-Modelle. Anthropic Claude ist unter anderem in der Region Frankfurt (eu-central-1) verfügbar, was Bedrock zur stärksten EU-Datenresidenz-Option unter den US-LLM-Anbietern macht.
Context Engineering
EN: Context EngineeringDie Disziplin, den richtigen Inhalt zur richtigen Zeit in das Kontextfenster eines Sprachmodells zu bringen, in der richtigen Form, Reihenfolge und Menge. Context Engineering geht über Prompt Engineering hinaus, weil es den gesamten Informationsfluss steuert statt nur die einzelne Anweisung. Anthropic prägte die operative Definition 2025 mit der Veröffentlichung von Claude Sonnet 4.5.
Gedankenkette (Chain-of-Thought)
EN: Chain-of-Thought (CoT)Eine Prompt-Technik, bei der das Modell aufgefordert wird, Schritt für Schritt zu argumentieren, bevor es antwortet. Verbessert messbar die Qualität bei mehrschrittigen Aufgaben. Wei et al. 2022; Kojima et al. 2022 zeigten, dass auch der Zero-shot-Trigger "Lass uns Schritt für Schritt denken" Verbesserungen bringt. Anthropic Docs
ChatGPT
EN: ChatGPTEin KI-Assistent von OpenAI, veröffentlicht im November 2022. Läuft auf OpenAIs GPT-Modellreihe (2026: GPT-5). Ein Produkt innerhalb der breiteren KI-Kategorie, direkte Konkurrenten sind Claude, Gemini, Mistral und Perplexity. Funktioniert auf Deutsch genauso flüssig wie auf Englisch. Wikipedia
Kontext-Verfall
EN: Context RotAllgemeine Verschlechterung der Output-Qualität, je länger der Input wird. Umfasst Lost-in-the-Middle und weitere Verdünnungseffekte. Der Chroma 2025 Technical Report testete 18 Frontier-Modelle und zeigte, dass jedes, auch GPT-4.1, Claude Opus 4 und Gemini 2.5, bei wachsendem Input schlechter wird. (Industrie-Technical-Report, nicht peer-reviewed.)
Kontextfenster
EN: Context WindowGesamtmenge an Text, die ein Modell in einem Gespräch "sehen" kann, gemessen in Tokens. Wird die Grenze überschritten, verschwindet früherer Inhalt aus dem Sichtfeld des Modells. Anthropic Docs
Cross-Site Request Forgery (CSRF)
EN: Cross-Site Request Forgery (CSRF)Cross-Site Request Forgery ist eine Sicherheitslücke, bei der eine authentifizierte Session für ungewollte Aktionen missbraucht wird (z.B. Geldtransfers, Daten-Änderungen). KI-generierter Code enthält oft keine CSRF-Schutz-Mechanismen. Eine Tenzai-Studie (Dezember 2025) fand 0 % CSRF-Protection in 15 getesteten Vibe-Coding-Apps.
CTA (Call to Action)
EN: CTA (Call to Action)Eine Handlungsaufforderung an den Leser. Im DACH-B2B funktionieren konkrete, niedrigschwellige Formulierungen besser als formell-distanzierte: "Termin in 15 Minuten besprechen" oder "Demo-Zugang anfordern" schlagen "Kontaktieren Sie uns gerne". Wikipedia
Custom GPT
EN: Custom GPTEin Custom GPT ist eine personalisierte Konfiguration von ChatGPT mit dauerhaft gespeichertem System-Prompt, hochgeladenen Wissensdateien und optionalen API-Aktionen. Voraussetzung: ChatGPT-Plus-Abonnement. Im Unterschied zu Standard-ChatGPT startet der Custom GPT jede Anfrage mit den fest hinterlegten Verhaltensregeln statt bei null.
Deep Learning
EN: Deep LearningEin Zweig des Machine Learning, der neuronale Netze mit vielen Schichten ("deep") nutzt. Die Technologie hinter heutigen LLMs, Bildgeneratoren und Sprachsystemen. Praktischer Durchbruch seit 2012; Mainstream seit der Transformer-Architektur 2017. Wikipedia
Diff-basierter Prompt-Vergleich
EN: Diff-Based Prompt ComparisonZeilen- oder span-genauer Vergleich zweier Prompt-Versionen mit Markierung von Einfügungen, Löschungen und semantischen Ankern.
DSGVO
EN: GDPRDie DSGVO (Datenschutz-Grundverordnung) ist die EU-Verordnung zum Schutz personenbezogener Daten, in Kraft seit 25. Mai 2018. Relevant für KI-Tools: jede Verarbeitung personenbezogener Daten durch US-LLMs erfordert einen Auftragsverarbeitungsvertrag, eine Rechtsgrundlage und Transparenz gegenüber den Betroffenen.
Redaktionelle Review-Markierung
EN: Editorial Review MarkMarkierung einer Prompt-Revision als menschlich gegengelesen; konsistent zu EU AI Act Art. 50 Disclosure.
Retrieval Augmented Generation (RAG)
EN: Retrieval Augmented Generation (RAG)Eine Technik, die externe Wissensspeicher zur Laufzeit durchsucht und relevante Treffer in das Kontextfenster lädt, bevor das Modell antwortet. So erhält das Modell aktuelles oder privates Wissen, ohne neu trainiert zu werden. RAG ist ein Werkzeug innerhalb des Context Engineerings, kein Ersatz dafür.
Strukturierter Prompt
EN: Engineered PromptStrukturierte, wiederverwendbare Prompt-Vorlage mit explizitem Kontext, definiertem Ziel und festgelegtem Ausgabeformat. Im Gegensatz zu spontanen Quick-Prompts wird der Engineered Prompt einmal sorgfältig formuliert und als Template für wiederkehrende Aufgaben gespeichert.
EU AI Act
EN: EU AI ActDer EU AI Act ist die EU-Verordnung zur Regulierung von KI-Systemen, in Kraft seit August 2024 mit gestaffelten Anwendungszeitpunkten. GPAI-Pflichten (Transparenz und Dokumentation) gelten für neue General-Purpose-AI-Modelle seit dem 2. August 2025. Für Modelle, die vor diesem Datum auf dem Markt waren, gilt eine Übergangsfrist bis zum 2. August 2027.
Few-shot / Zero-shot
EN: Few-shot / Zero-shotFew-shot: dem Modell ein oder mehrere Beispiele im Prompt geben, damit es weiß, was erwartet wird. Zero-shot: eine Aufgabe ohne Beispiele stellen. Trade-off: mehr Beispiele reduzieren Vagheit, erzeugen aber Anchor-Bias.
Frontier-Modell
EN: Frontier ModelEin Frontier-Modell ist ein hochleistungsfähiges Sprachmodell an der Spitze der KI-Forschung. Trainingskosten 2026 liegen zwischen mehreren hundert Millionen und über einer Milliarde Dollar (Quelle: Anthropic-CEO Dario Amodei). Aktuelle Frontier-Modelle 2026: GPT-5.4, Claude Opus 4.7, Gemini 3.1 Pro, Mistral Large, Llama 4.
Generative KI
EN: Generative AISysteme, die neue Inhalte erzeugen: Text, Bilder, Code, Audio, Video, statt nur vorhandene Daten zu klassifizieren. Text-generativ: ChatGPT, Claude, Gemini. Bild-generativ: Midjourney, DALL-E, Stable Diffusion. Der Output entsteht Token für Token oder Pixel für Pixel aus den im Training gelernten Mustern. Wikipedia
GPAI
EN: GPAIGPAI (General-Purpose AI) bezeichnet im EU AI Act vielseitig einsetzbare KI-Modelle, die für unterschiedliche Aufgaben angepasst werden können. Anbieter solcher Modelle unterliegen seit dem 2. August 2025 verbindlichen Transparenz- und Dokumentationspflichten nach Art. 53 des AI Acts.
GPT Builder
EN: GPT BuilderDer GPT Builder ist die OpenAI-Oberfläche im ChatGPT-Plus-Tarif, in der Custom GPTs ohne Code konfiguriert werden. Zwei Wege: per Chat-Dialog (das Tool generiert den System-Prompt automatisch) oder per manueller Instruction-Editierung im Konfigurations-Tab. Für produktive Workflows liefert der manuelle Weg präzisere Ergebnisse.
Halluzination
EN: Hallucination
Wenn ein Modell überzeugend klingenden Inhalt produziert, der faktisch falsch oder erfunden ist. Wird durch explizite Faktenangabe und [INFORMATION FEHLT]-Marker eingedämmt. Wikipedia
KI (Künstliche Intelligenz)
EN: AI (Artificial Intelligence)Oberbegriff für Systeme, die Aufgaben erledigen, die früher menschliches Denken erforderten. 2026 dominiert Mustererkennung in großen Datenmengen. Unterteilt in enge KI (heute, spezifisch), generelle KI (theoretisch, menschliches Niveau) und Superintelligenz (Spekulation). Alles Praktische in diesem Leitfaden ist enge KI für Text. Wikipedia
Konfabulation
EN: ConfabulationSpezifische Form der KI-Halluzination, bei der das Sprachmodell eine konkrete Informationslücke mit plausibel klingenden, aber falschen Details füllt. Begriff aus der Neuropsychologie, auf LLMs übertragen. Typische Auslöser: fehlende Trainingsdaten zu Eigennamen, Datumsangaben oder Fachterminologie.
Kontextfenster-Druck
EN: Context Window PressureWachsende Eingaben reduzieren Antwortqualität lange bevor das Kontextfenster technisch voll ist.
LLM (Large Language Model)
EN: LLM (Large Language Model)Ein Sprachmodell, das auf riesigen Textsammlungen trainiert wurde und auf Anfragen mit natürlich-sprachlichem Text antwortet. "Large" bezieht sich auf Milliarden bis Billionen Parameter und mehrere hundert Milliarden Trainings-Wörter. 2026er Frontier-Modelle: GPT-5 (OpenAI), Claude 4.6 (Anthropic), Gemini 2.5 (Google), Mistral Large, Llama 4 (Meta, offene Gewichte). Wikipedia
LLMOps
EN: LLMOpsOperativer Rahmen für den produktiven Betrieb von Large-Language-Model-Pipelines. Umfasst Versionierung, Staging, Approval-Gates, Monitoring und Rollback-Mechanismen, also DevOps-Praktiken übertragen auf LLM-Workflows.
Lost-in-the-Middle
EN: Lost-in-the-MiddleEmpirisch dokumentiertes Phänomen: Sprachmodelle achten am stärksten auf Anfang und Ende eines Prompts; zentral platzierter Inhalt zeigt Genauigkeitsverluste von 30%+ in Retrieval-Aufgaben. Liu et al., TACL 2024. MIT 2025 führte die Ursache auf RoPE-Zerfall in der Transformer-Architektur zurück, der Effekt ist strukturell, nicht trainings-spezifisch. arxiv:2307.03172
Maschinelles Lernen
EN: Machine LearningDas übergeordnete Feld von Algorithmen, die aus Daten lernen, statt regelweise programmiert zu werden. Umfasst klassische Methoden (Entscheidungsbäume, Support-Vector-Machines) und Deep Learning. Grundlage aller modernen KI einschließlich LLMs. Wikipedia
Memory
EN: MemoryEine Funktion in Claude Projects, ChatGPT Custom GPTs und im Memory-Tool der Claude Developer Platform: das Modell speichert Informationen über einzelne Konversationen hinweg und ruft sie wieder ab. Ihr baut Projekt-Kontext über Sitzungen hinweg auf, ohne ihn jedes Mal neu einzufügen. Anthropic-Ankündigung
Meta-Titel / Meta-Beschreibung
EN: Meta Title / Meta DescriptionZwei SEO-Output-Felder. Meta-Title (≤55 Zeichen) ist die Überschrift in Google-Suchergebnissen und Browser-Tabs, Keyword vorn, dann Pipe-Separator, dann Nutzenversprechen. Meta-Description (≤155 Zeichen) ist das Snippet unter dem Titel in Suchergebnissen, konkreter Nutzen plus Handlungsaufforderung, kein Emoji. SEO-Hygiene-Grundlagen; kein direkter Ranking-Faktor für die Description, aber hoher Einfluss auf die Click-Through-Rate.
Model Council
EN: Model CouncilModel Council ist eine Funktion in den Perplexity-Pro- und Max-Tarifen, verfügbar seit Anfang 2026. Anfragen werden parallel an mehrere Frontier-Modelle (z.B. GPT, Claude, Gemini) geschickt, die Ergebnisse werden zusammengeführt. Senkt Halluzinationen und macht Modell-Vergleich direkt im Output sichtbar.
Neuronales Netz
EN: Neural NetworkEine mathematische Struktur, lose von Gehirnzellen inspiriert, in der Signale durch gewichtete Verbindungen zwischen Schichten von "Neuronen" fließen. Das Training justiert diese Gewichte, bis der Output des Netzes dem gewünschten Output entspricht. Architektur hinter Deep Learning und allen aktuellen LLMs. Wikipedia
Ausgabe-Drift
EN: Output DriftSchleichende Verschlechterung der Modellantworten durch unkontrollierte Prompt-Änderungen oder stille Modell-Updates. Tritt häufig in Teams ohne systematische Prompt-Versionierung auf und bleibt oft unentdeckt bis zu ernsthaften Qualitätsproblemen. Eng verwandt mit Prompt-Drift, fokussiert aber auf die Output-Seite.
PAS-Framework
EN: PAS FrameworkProblem-Agitate-Solve. Eine Copywriting-Struktur: den konkreten Schmerz des Käufers benennen, die Folgen des Nichtstuns vertiefen, dann die eigene Lösung als direkte Antwort darauf präsentieren. Rückgrat von S-2 im DACH-Markt, etwas zurückhaltender im "Agitate"-Teil als die US-Variante.
Persona-Slot
EN: Persona SlotVariable-Slot speziell für Rollen- oder Voice-Beschreibungen, austauschbar ohne Änderung der Aufgabenstruktur.
Prompt
EN: PromptDie Anweisung an ein KI-Modell, um eine bestimmte Antwort zu bekommen. In der einfachsten Form eine einzelne Frage; in der Praxis eine Anweisung über mehrere Absätze mit Rolle, Kontext, Zielgruppe und Output-Format. Bild: ein Briefing an einen externen Texter am ersten Arbeitstag, je präziser, desto besser das Ergebnis. Die Disziplin dahinter heißt Prompt Engineering.
Prompt-Bibliothek
EN: Prompt LibraryEine geteilte Sammlung getesteter Prompts mit Kontext zu Anwendungsfällen. Verhindert, dass jedes Teammitglied dieselben Iterationen von vorne durchläuft.
Prompt-Verkettung
EN: Prompt ChainingEin Muster: eine komplexe Aufgabe in eine Sequenz von Prompts zerlegen, bei der das Ergebnis des einen zum Input des nächsten wird. Schlägt Mega-Prompts bei Aufgaben mit trennbaren Phasen (recherchieren → schreiben, gliedern → ausformulieren, extrahieren → zusammenfassen). Anthropics erstes Pattern für effektive Agenten. Siehe Kapitel 8. Anthropic: Building Effective Agents
Prompt-Drift
EN: Prompt DriftSchleichende Qualitätsverschlechterung eines Prompts über Versionen, oft unbemerkt durch Hinzufügen von Kontext und Sonderfällen.
Prompt Engineering
EN: Prompt EngineeringDie Praxis des Entwurfs und der Verfeinerung von Eingaben in Sprachmodelle, um zuverlässig hochwertige Ergebnisse zu erzielen. Kombiniert Sprachgefühl, Fachwissen und empirisches Testen. Anthropic Docs
Prompt-Fingerabdruck
EN: Prompt FingerprintHash über den vollständig aufgelösten Prompt inklusive Variablen und Systemnachricht zur Identitätsprüfung von Läufen.
Prompt Injection
EN: Prompt InjectionSicherheitsangriff auf LLM-Systeme, bei dem manipulative Eingaben das ursprüngliche Modellverhalten überschreiben oder umgehen. Variable-Felder mit klar abgegrenzten Eingabe-Bereichen reduzieren die Angriffsfläche deutlich. Relevant für jedes produktive LLM-Deployment.
Prompt-Sperre
EN: Prompt LockingFestschreiben einer Prompt-Version inklusive Modell, Temperatur und Systemnachricht, sodass spätere Läufe reproduzierbar bleiben.
RAKEZ
EN: RACEORolle, Aufgabe, Kontext, Erwartetes Format, Zielgruppe, eine fünfteilige Prompt-Checkliste. Kompakte Form der sieben Prinzipien, nützlich als schnelle mentale Prüfung für Alltagsprompts.
ReAct
EN: ReActReasoning + Acting. Ein Prompt-Muster, das Modell-Reasoning mit Aktions-Schritten verschränkt (Web-Suche, Werkzeug-Nutzung, Dokumenten-Analyse). Der Web-Research-Trigger aus Kapitel 2 ist ein einfacher ReAct: das Modell überlegt was es holen muss, holt es, synthetisiert. Yao et al. 2023. Siehe Kapitel 8.
RLHF
EN: RLHFReinforcement Learning from Human Feedback. Die Trainingsmethode, bei der Modelle auf Basis menschlicher Bewertungen ihrer Outputs feingetuned werden. Produziert hilfreiches Verhalten, verursacht aber Sycophancy, das Modell lernt im Training, dass zustimmende Antworten höhere Bewertungen bekommen. Siehe Fehler 8.
Rollback-Prompt
EN: Rollback PromptWiederherstellung einer älteren Prompt-Revision in Produktion ohne manuelle Rekonstruktion.
RoPE (Rotary Position Embedding)
EN: RoPE (Rotary Position Embedding)Der Positions-Encoding-Mechanismus in den meisten modernen Transformer-Architekturen: Claude, GPT, Llama, Gemini. Verursacht einen strukturellen Aufmerksamkeits-Zerfall bei zentral positionierten Tokens; das ist der zugrundeliegende Mechanismus von Lost-in-the-Middle (MIT 2025). Nicht trainings-bedingt, ohne Architektur-Änderung nicht "fixbar".
Selbst-Konsistenz
EN: Self-ConsistencyEine Prompt-Technik: denselben Prompt 3–5 mal laufen lassen und die konsistenteste Antwort über die Durchläufe nehmen. Reduziert Varianz aus dem Sampling. Wang et al. 2022 berichten +17.9% auf Reasoning-Benchmarks; für Content/Marketing-Aufgaben ist die Magnitude kleiner. Siehe Kapitel 8.
Server-Side Request Forgery (SSRF)
EN: Server-Side Request Forgery (SSRF)Server-Side Request Forgery ist eine Sicherheitslücke, bei der ein Server dazu gebracht wird, beliebige interne oder externe Requests auszuführen. Angreifer können so interne Services erreichen, die normalerweise vom öffentlichen Internet abgeschottet sind. Eine Tenzai-Studie (Dezember 2025) fand SSRF in 100 % der 15 getesteten Vibe-Coding-Apps.
Sozialer Beweis
EN: Social ProofBelege dafür, dass andere positive Erfahrungen mit einem Produkt oder einer Dienstleistung gemacht haben: Testimonials, Fallstudien, Kundenlogos, quantifizierte Ergebnisse. Im DACH-B2B oft zurückhaltender eingesetzt als im US-Markt. Wikipedia
Stiller Modell-Wechsel
EN: Silent Model SwapAnbieter leitet Modell-Alias auf eine neue Version um, ohne die Anwendung explizit zu informieren.
Subagent
EN: SubagentIn Claude Code und im Claude Agent SDK: ein delegierter KI-Assistent mit eigenem Context-Window, eigenem System-Prompt und eigenen Tool-Rechten, der nur eine Zusammenfassung an den Haupt-Agenten zurückgibt. Hält große Neben-Aufgaben (Such-Resultate, Log-Analyse, Datei-Scans) aus der Haupt-Konversation. Anthropic Docs
Sweet Spot
EN: Sweet SpotDie optimale Prompt-Balance: genug Kontext, um das Modell zu orientieren, aber nicht so viele Regeln, dass es aufhört zu denken. Arbeitsbasis: RAKEZ vollständig plus maximal ≈10 explizite Constraints, jede zusätzliche Einschränkung sollte einen bekannten Fehler-Modus beheben.
Gefälligkeits-Bias
EN: SycophancyTendenz von Sprachmodellen, der Prämisse des Nutzers zuzustimmen oder seine Arbeit zu validieren, statt eine ehrliche Einschätzung zu geben. Ein dokumentierter, struktureller Nebeneffekt des RLHF-Trainings (Modell wird beim Feintuning für zustimmende Antworten belohnt). Gegenmaßnahme: explizite Erlaubnis zum Widersprechen geben: "Sei direkt. Was funktioniert hier nicht?" Siehe Fehler 8.
System-Prompt
EN: System PromptDie dauerhafte Anweisung am Anfang einer Konversation. Definiert Stimme, Verbotsliste, Qualitätsregeln und Output-Format. Das Modell folgt ihm für das gesamte Gespräch, ohne dass jeder Auftrag ihn wiederholen muss. Strukturell anders als ein Playbook (siehe System-Prompt / Playbook), das zusätzlich Tools und Eskalations-Bedingungen beschreibt.
System-Prompt / Playbook
EN: System Prompt / PlaybookStrukturiertes Regelwerk, das das Verhalten eines KI-Agenten oder LLM-Workflows definiert. Beschreibt Ziele, erlaubte Werkzeuge und Eskalations-Bedingungen. Fundament jedes zuverlässigen Agenten-Designs und Grundlage für reproduzierbare Multi-Step-Abläufe.
Token
EN: TokenDie kleinste Einheit Text, die ein Modell verarbeitet, etwa 0,75 Wörter im Englischen, etwas weniger im Deutschen (das hat längere Wörter pro Tokenisierungseinheit). Token-Anzahl beeinflusst Kosten, Geschwindigkeit und Context-Window-Nutzung. Anthropic Docs · OpenAI Tokens
Token-Determinismus
EN: Token DeterminismEigenschaft eines Prompts, bei gleichen Eingaben, gleichem Modell und Seed dieselbe Token-Sequenz zu erzeugen.
Gedankenbaum (Tree-of-Thought)
EN: Tree-of-ThoughtEine Prompt-Technik für verzweigte Entscheidungen: das Modell soll mehrere Ansätze aufzählen, bevor es sich auf einen festlegt. Schlägt einpfadiges Chain-of-Thought bei Aufgaben mit mehreren plausiblen Pfaden: Strategie, Headline-Generierung, Einwand-Vorbereitung. Yao et al. 2024. Siehe Kapitel 8.
Variablen-Slot
EN: Variable SlotBenannter Platzhalter im Prompt, zur Laufzeit mit konkretem Wert gefüllt, ohne den Prompt selbst zu verändern.
Vibe Coding
EN: Vibe CodingVibe Coding bezeichnet die KI-gestützte Softwareentwicklung in natürlicher Sprache: Anwender beschreiben Intent in Alltagssprache, ein Sprachmodell wie Cursor, Claude Code oder Lovable generiert ausführbaren Code. Andrej Karpathy prägte den Begriff am 2. Februar 2025 auf X, Collins Dictionary kürte ihn zum Wort des Jahres 2025.
Stand: Mai 2026. © 2026 Lennart Austen. Dieses Glossar gilt für die Domain splicelog.com.