Glossar
Klare Definitionen in einfachem Deutsch, ohne Vorwissen. Überfliege es oder suche nach einem Begriff, auf den du anderswo gestoßen bist.
Wiederhole die Grundlagen als Flashcards — tippe zum Umdrehen:
Agent
Eine KI, die darauf eingerichtet ist, in einer Schleife Aktionen auszuführen — sie liest ein Ziel, ruft Tools auf, sieht die Ergebnisse und wiederholt, bis fertig. Claude Code ist ein Agent für deine Codebasis.
Anthropic
Das Unternehmen, das Claude herstellt.
API (Application Programming Interface)
Eine Möglichkeit für deine Software, programmatisch mit Claude zu sprechen, statt in einem Chatfenster zu tippen. Siehe Dein erster API-Aufruf.
Artifact
Eine live lauffähige Ausgabe (eine App, ein Diagramm oder ein Dokument), die Claude in einem Seitenpanel auf claude.ai rendert, getrennt vom Chat.
Chain-of-Thought (CoT)
Das Modell bitten, vor der Antwort Schritt für Schritt zu argumentieren, was die Genauigkeit bei schwierigen Problemen verbessert.
Claude
Die Familie der KI-Modelle (und Apps) von Anthropic. „Claude“ kann je nach Kontext die Chat-App, die Modelle oder die Marke meinen.
Claude Code
Anthropics agentisches Kommandozeilen-/IDE-Tool, das deine Codebasis lesen und bearbeiten, Befehle ausführen und Tools nutzen kann. Siehe Was Claude Code ist.
CLAUDE.md
Eine Klartextdatei, in der du Claude Code dauerhafte Anweisungen zu deinem Projekt gibst — seine wirkungsvollste Anpassung.
Compaction
Das automatische Verdichten älterer Konversations-Turns zu einer kurzen Zusammenfassung, wenn das Kontextfenster sich füllt, damit eine lange Sitzung weitergehen kann, ohne den Faden zu verlieren. Siehe Context Management.
Context Engineering
Bewusst entscheiden, was in das Kontextfenster des Modells kommt — Anweisungen, Beispiele, abgerufene Daten — um das beste Ergebnis zu erzielen. Die Disziplin hinter Prompting, RAG und Memory.
Kontextfenster
Die maximale Textmenge (gemessen in Tokens), die ein Modell auf einmal berücksichtigen kann — dein Prompt plus seine Antwort. Überschreite es, und der älteste Inhalt fällt weg.
Effort
Eine Steuerung bei neueren Claude-Modellen dafür, ungefähr wie viel das Modell nachdenkt, bevor es antwortet. Passe das Tier an die Aufgabe an, statt es auszureizen — du zahlst fürs Nachdenken in Latenz und Kosten. Siehe Extended Thinking & Effort.
Embedding
Eine Liste von Zahlen, die die Bedeutung eines Textstücks repräsentiert, sodass Software Dinge finden kann, die sich in der Bedeutung ähneln (nicht nur in den Schlüsselwörtern). Treibt semantische Suche und RAG an.
Eval (Evaluation)
Ein wiederholbarer Test der Qualität von KI-Ausgaben, damit du erkennst, ob eine Änderung etwas besser oder schlechter gemacht hat.
Few-Shot
Ein paar durchgearbeitete Beispiele in deinen Prompt aufzunehmen, um dem Modell das gewünschte Muster zu zeigen.
Fine-Tuning
Ein Modell mit deinen eigenen Beispielen weiter zu trainieren, um es zu spezialisieren. Meist ein letztes Mittel — probiere zuerst Prompting und RAG.
Grounding
Das Modell anweisen, nur aus dem von dir bereitgestellten Kontext zu antworten — und „Ich weiß es nicht“ zu sagen, wenn die Antwort nicht da ist. Die wichtigste Verteidigung auf Prompt-Ebene gegen Halluzination. Siehe die Musterbibliothek.
Guardrails
Regeln und Grenzen, die das Verhalten einer KI sicher und auf Kurs halten — z. B. Berechtigungsregeln, „vor dem Abschluss Tests laufen lassen“ oder menschliche Freigabe für riskante Aktionen. Siehe Agenten absichern.
Halluzination
Wenn ein Modell etwas Falsches, aber Selbstbewusstes behauptet. Die Kernfähigkeit ist Verifikation. Siehe Halluzinationen.
Hook
In Claude Code ein Befehl, der automatisch bei einem Lifecycle-Ereignis läuft (z. B. nach jeder Dateibearbeitung), um Formatierung, Gates oder Sicherheit durchzusetzen.
Inference
Der Akt, ein Modell auszuführen, um eine Ausgabe zu erhalten (im Gegensatz zum Training).
Knowledge Cutoff
Das Datum, nach dem ein Modell keine Trainingsdaten hat — es weiß wirklich nicht, was später geschah, es sei denn, du lieferst die Fakten in deinem Prompt. Claudes Cutoff wird in den Release Notes jedes Modells veröffentlicht. Deshalb können Fragen zu sehr aktuellen Ereignissen ohne Kontext veraltete oder erfundene Antworten erzeugen; die Lösung ist, die relevanten Fakten einzufügen oder ein Tool zu nutzen, das Live-Informationen abruft.
Latenz
Wie lange du auf eine Antwort wartest. Größere Modelle sind meist langsamer; Streaming verbessert die wahrgenommene Latenz, indem die Ausgabe gezeigt wird, während sie erzeugt wird.
LLM (Large Language Model)
Die Art KI hinter Claude: trainiert, um den nächsten Textbrocken vorherzusagen, was sich als genug erweist, um zu schreiben, zu coden, zusammenzufassen und zu argumentieren. Siehe Was ist ein LLM?.
MCP (Model Context Protocol)
Ein offener Standard, um KI mit externen Tools und Daten zu verbinden (Datenbanken, GitHub, Browser). Ein „MCP-Server“ stellt ein Tool bereit; Claude kann es aufrufen. Siehe MCP.
Multimodal
Ein Modell, das mehr als Text verarbeitet — z. B. Bilder und PDFs als Eingabe.
Output Style
In Claude Code eine Voreinstellung, die ändert, wie Claude kommuniziert (z. B. prägnant, erklärend, lernend), ohne zu ändern, was es kann. Siehe Output Styles.
Permission Mode
In Claude Code, wie viel es ohne zu fragen tun darf — vom Nachfragen bei jeder Aktion bis zum automatischen Akzeptieren von Edits. Der wichtigste Geschwindigkeit-vs-Sicherheit-Regler. Siehe Permissions.
Plan Mode
Ein schreibgeschützter Claude-Code-Modus, der recherchiert und einen Plan vorschlägt, bevor er Dateien anfasst — du genehmigst, bevor es handelt. Siehe Plan Mode.
Prompt
Was du dem Modell sendest: deine Anweisungen, Frage und jeglicher Kontext.
Prompt Caching
Den unveränderten vorderen Teil eines Prompts über Aufrufe hinweg wiederverwenden, um Kosten und Latenz zu senken. Siehe Prompt Caching.
Prompt Injection
Ein Angriff, bei dem schädliche Anweisungen, die in Inhalten versteckt sind, die die KI liest (eine Webseite, ein Dokument), versuchen, sie zu kapern. Siehe Prompt Injection.
RAG (Retrieval-Augmented Generation)
Relevante Schnipsel aus deinen Daten holen und sie dem Prompt hinzufügen, damit das Modell darüber antwortet. Siehe RAG.
Reasoning / Extended Thinking
Ein Modus, in dem das Modell zusätzliche Rechenleistung fürs „Nachdenken“ vor der Antwort aufwendet, für schwierigere Aufgaben. Bei neueren Modellen stimmst du es mit Effort ab.
Skill
Eine verpackte Fähigkeit (Anweisungen + optionale Skripte), die Claude bei Bedarf lädt, wenn sie relevant ist. Siehe Skills.
Slash Command
Eine mit / beginnende Abkürzung in Claude Code — eingebaut (wie /clear) oder dein eigener wiederverwendbarer Prompt — die eine definierte Aktion auslöst. Siehe Slash Commands.
Streaming
Die Ausgabe des Modells Token für Token senden, während sie erzeugt wird, statt auf die ganze Antwort zu warten. Für einen Nutzer sieht es so aus, als würde das Modell in Echtzeit tippen; für einen Entwickler bedeutet es, einen Strom von Chunks zu verarbeiten statt eines einzigen Response-Objekts. Es verbessert die wahrgenommene Latenz bei langen Ausgaben drastisch und lässt dich mit dem Rendern beginnen, bevor das Modell fertig ist. Siehe Streaming.
Structured Output
Ergebnisse in einer strikten, maschinenlesbaren Form erhalten (z. B. JSON, das einem Schema entspricht) statt Freitext — sodass andere Software sich darauf verlassen kann. Siehe Structured Output.
Subagent
Eine separate Claude-Instanz mit eigenem Kontext und eigenen Tools, genutzt, um einen Teil einer Aufgabe zu delegieren (z. B. Recherche), damit die Hauptsitzung fokussiert bleibt.
System-Prompt
Die übergeordneten Anweisungen, die die Rolle und Regeln des Modells für eine ganze Konversation festlegen — dein mächtigster Steuerungshebel.
Temperature
Eine Einstellung (bei manchen Modellen), die die Zufälligkeit steuert: niedrig = fokussiert und reproduzierbar, hoch = variabel und kreativ.
Token
Die Einheit, in der Modelle lesen und zählen — etwa ¾ eines Worts im Englischen. Preise und Kontextgrenzen werden in Tokens gemessen. Siehe Tokens & Kontext.
Tool Use / Function Calling
Dem Modell erlauben, von dir definierte Funktionen aufzurufen (Suche, Rechner, deine API) und die Ergebnisse zu nutzen. Siehe Tool Use.
Zero-Shot
Das Modell bitten, eine Aufgabe ohne Beispiele zu lösen — nur mit Anweisungen. Die meisten Alltags-Prompts sind Zero-Shot. Im Gegensatz zu Few-Shot, wo du durchgearbeitete Beispiele einfügst, um Format oder Stil zu leiten. Zero-Shot ist für unkomplizierte Aufgaben in Ordnung; füge Beispiele hinzu, wenn das Modell die gewünschte Ausgabeform immer wieder verfehlt.
Fehlt ein Begriff? Füge ihn hinzu — Glossareinträge sind ein perfekter erster Beitrag.