Unternehmens-KI-Glossar
Leitfäden für Führung, IT und Datenverantwortliche. Risiken verstehen und Private-AI-Umfang gemeinsam festlegen.
Private AI
Private AI lässt Unternehmen Datengrenzen, Nutzer, Modelle und Bereitstellung definieren. Datenschutz entsteht durch Architektur und Betrieb, nicht den Produktnamen.
Mehr erfahrenLocal LLM
Ein Local LLM führt Inferenz auf gewähltem Rechner oder Server aus. Datennähe hilft bei Verarbeitungswegen; OCR, Embeddings und Logs separat prüfen.
Mehr erfahrenOn-premise AI
On-Premise AI läuft auf selbst betriebener Infrastruktur. Neben GPUs gehören Netzwerk, Speicher, Identität, Backups und Vorfallreaktion dazu.
Mehr erfahrenEnterprise RAG
RAG sucht relevante Informationen als Modellkontext. Enterprise RAG ergänzt Rechte, Versionen und Audit, damit nur erlaubtes Wissen abgerufen wird.
Mehr erfahrenAI Agent
Agenten wählen mit Modellen Schritte und Werkzeuge. Aktionsrechte gehen über Dokumentzugriff hinaus; ein Modellvorschlag erteilt keine Berechtigung.
Mehr erfahrenRole-based access control (RBAC)
RBAC vergibt Rechte nach Rollen, verknüpft mit Bereichen, Quellen und Agenten. Versteckte Buttons erzwingen keinen Zugriffsschutz.
Mehr erfahrenWorkspace
Arbeitsbereiche bündeln Personen, Dokumente und Agenten je Abteilung, Kunde oder Projekt und machen Kontextgrenzen sichtbar.
Mehr erfahrenShadow AI
KI außerhalb von Freigabe oder Sichtbarkeit. Risiko hängt von Daten, Werkzeugen, Konten und Verträgen ab; nicht jede öffentliche KI ist unsicher.
Mehr erfahrenAudit log
Aufzeichnen, wer wann mit welchen Daten und Modellen was tat und wer prüfen darf. Nachweise und sensible Log-Inhalte abwägen.
Mehr erfahrenEnterprise AI
Private AI lässt Unternehmen Datengrenzen, Nutzer, Modelle und Bereitstellung definieren. Datenschutz entsteht durch Architektur und Betrieb, nicht den Produktnamen.
Mehr erfahrenPrivate LLM
Ein Local LLM führt Inferenz auf gewähltem Rechner oder Server aus. Datennähe hilft bei Verarbeitungswegen; OCR, Embeddings und Logs separat prüfen.
Mehr erfahrenSovereign AI
Datenkontrolle umfasst Originale, Chunks, Embeddings, Indizes, Caches, Antworten und Logs. Standort, Zugriff, Löschung und Wiederherstellung klären.
Mehr erfahrenRAG
RAG sucht relevante Informationen als Modellkontext. Enterprise RAG ergänzt Rechte, Versionen und Audit, damit nur erlaubtes Wissen abgerufen wird.
Mehr erfahrenGrounding
Quellen verbinden Antworten mit Dokument, Abschnitt, Seite und Version. Ein Dateiname allein garantiert keine Richtigkeit.
Mehr erfahrenSemantic search
Suche über Unternehmensquellen mit Nutzerrechten. Stichwörter helfen bei Kennungen, Semantik bei anderer Formulierung. Beide an echten Aufgaben testen.
Mehr erfahrenLLM
Ein Sprachmodell erzeugt Text aus gelernten Mustern und Kontext, ist aber keine geprüfte Faktendatenbank.
Embedding
Numerische Vektordarstellung zum Vergleich von Beziehungen. Mit echten Sprachen und Aufgaben bewerten.
Vector database
Speicher für Vektorsuche. Rechte, Sicherungen und Löschung bei Quellenänderungen verwalten.
Vector search
Suche nach ähnlichen Vektoren. Ähnlichkeit belegt weder Richtigkeit noch Leseberechtigung.
Keine Ergebnisse. Anderen Begriff versuchen.
Referenzen
Öffentliche Quellen erläutern Prinzipien und zertifizieren RAGBOX nicht.
- NIST AI Risk Management Framework
- Microsoft: Retrieval-augmented generation
- OWASP: RAG Security Cheat Sheet
- OWASP: Prompt Injection Prevention
Vor operativer Nutzung fachlich prüfen. Keine individuelle Rechts- oder Steuerberatung.