
TechCrunch-Glossar erklärt KI-Fachbegriffe von AGI bis Diffusion
Das TechCrunch-AI-Glossar erklärt in verständlicher Sprache die wichtigsten Begriffe rund um künstliche Intelligenz und wird nach eigenen Angaben laufend aktualisiert. Besonders aufschlussreich ist der Abschnitt zu AGI: OpenAI-CEO Sam Altman beschreibt AGI als den „Äquivalent eines mittleren Menschen, den man als Mitarbeiter einstellen könnte", während das OpenAI-Charter AGI als „hochautonome Systeme, die Menschen bei den meisten wirtschaftlich wertvollen Tätigkeiten übertreffen" definiert. Google DeepMind wiederum fasst AGI als „KI, die bei den meisten kognitiven Aufgaben mindestens so fähig wie Menschen ist". Das Glossar erklärt außerdem Chain-of-Thought-Reasoning als Technik, bei der LLMs Probleme in Zwischenschritte aufteilen, um die Antwortqualität zu verbessern – optimiert durch Reinforcement Learning. Coding Agents werden als spezialisierte Agenten beschrieben, die Code eigenständig schreiben, testen und debuggen können. Daneben werden Begriffe wie API-Endpunkte, Deep Learning, Diffusion und Compute mit anschaulichen Analogien erklärt. Das Dokument richtet sich explizit an Menschen, die täglich mit KI-Begriffen konfrontiert werden, ohne sie vollständig zu durchdringen.
- AGI wird von OpenAI, Google DeepMind und anderen Akteuren unterschiedlich definiert – kein einheitlicher Branchenkonsens.
- Chain-of-Thought-Reasoning verbessert Antwortqualität bei Logik- und Coding-Aufgaben durch intermediäre Rechenschritte, dauert aber länger.
- Coding Agents können eigenständig über gesamte Codebasen agieren: Bugs finden, Tests ausführen, Fixes pushen.
- Deep-Learning-Modelle benötigen Millionen von Datenpunkten und haben höhere Trainingskosten als einfachere ML-Algorithmen.
- Diffusion-Modelle zerstören schrittweise die Struktur von Daten (Bilder, Musik, Text) durch Rauschen und lernen, diesen Prozess umzukehren.
Frag die KI zum Artikel
Folgefragen zu Headline, Quelle und Volltext — Antwort streamt in wenigen Sekunden.
Verwandte Beiträge
- MEINUNGtechcrunch.com3w
RSI löst AGI als Buzzword ab – aber bleibt genauso schwer greifbar
- LAUNCHopenai.com1w
OpenAI Academy startet drei neue Kurse für KI am Arbeitsplatz
- FORSCHUNGarxiv.org2w
Meta-kognitives Framework verbessert Wissensaugmentierung in LLMs
- FORSCHUNGhuggingface.co1w
SciAgentArena: Benchmark für KI-Agenten in wissenschaftlichen Forschungsszenarien

TechCrunch-Glossar erklärt KI-Fachbegriffe von AGI bis Diffusion
Das TechCrunch-AI-Glossar erklärt in verständlicher Sprache die wichtigsten Begriffe rund um künstliche Intelligenz und wird nach eigenen Angaben laufend aktualisiert. Besonders aufschlussreich ist der Abschnitt zu AGI: OpenAI-CEO Sam Altman beschreibt AGI als den „Äquivalent eines mittleren Menschen, den man als Mitarbeiter einstellen könnte", während das OpenAI-Charter AGI als „hochautonome Systeme, die Menschen bei den meisten wirtschaftlich wertvollen Tätigkeiten übertreffen" definiert. Google DeepMind wiederum fasst AGI als „KI, die bei den meisten kognitiven Aufgaben mindestens so fähig wie Menschen ist". Das Glossar erklärt außerdem Chain-of-Thought-Reasoning als Technik, bei der LLMs Probleme in Zwischenschritte aufteilen, um die Antwortqualität zu verbessern – optimiert durch Reinforcement Learning. Coding Agents werden als spezialisierte Agenten beschrieben, die Code eigenständig schreiben, testen und debuggen können. Daneben werden Begriffe wie API-Endpunkte, Deep Learning, Diffusion und Compute mit anschaulichen Analogien erklärt. Das Dokument richtet sich explizit an Menschen, die täglich mit KI-Begriffen konfrontiert werden, ohne sie vollständig zu durchdringen.
- AGI wird von OpenAI, Google DeepMind und anderen Akteuren unterschiedlich definiert – kein einheitlicher Branchenkonsens.
- Chain-of-Thought-Reasoning verbessert Antwortqualität bei Logik- und Coding-Aufgaben durch intermediäre Rechenschritte, dauert aber länger.
- Coding Agents können eigenständig über gesamte Codebasen agieren: Bugs finden, Tests ausführen, Fixes pushen.
- Deep-Learning-Modelle benötigen Millionen von Datenpunkten und haben höhere Trainingskosten als einfachere ML-Algorithmen.
- Diffusion-Modelle zerstören schrittweise die Struktur von Daten (Bilder, Musik, Text) durch Rauschen und lernen, diesen Prozess umzukehren.
Frag die KI zum Artikel
Folgefragen zu Headline, Quelle und Volltext — Antwort streamt in wenigen Sekunden.
Verwandte Beiträge
- MEINUNGtechcrunch.com3w
RSI löst AGI als Buzzword ab – aber bleibt genauso schwer greifbar
- LAUNCHopenai.com1w
OpenAI Academy startet drei neue Kurse für KI am Arbeitsplatz
- FORSCHUNGarxiv.org2w
Meta-kognitives Framework verbessert Wissensaugmentierung in LLMs
- FORSCHUNGhuggingface.co1w
SciAgentArena: Benchmark für KI-Agenten in wissenschaftlichen Forschungsszenarien