Technische Begriffe

Die semantische Optimierung beinhaltet die Strukturierung von Inhalten mit klaren Beziehungen, Entitäten und Kontext, die KI-Modelle verstehen und korrekt interpretieren können.

Ein Knowledge Graph ist, wie KI-Modelle Informationen über Entitäten (Marken, Produkte, Konzepte) und ihre Beziehungen organisieren und verbinden.

RAG (Retrieval-Augmented Generation) ist eine Technik, bei der KI-Modelle relevante Dokumente oder Daten abrufen, bevor sie Antworten generieren.

Also: Retrieval-Augmented Generation

KI-Scraping ist eine Methodik, bei der Werkzeuge automatisch KI-Modelle abfragen und Antworten sammeln, um Markenerwähnungen, Stimmung und Positionierung zu verfolgen.

Also: Reaktions-Scraping, KI-Überwachung

Geschlechtsbias in KI bezieht sich auf das dokumentierte Phänomen, bei dem KI-Modelle unterschiedliche Marken empfehlen, abhängig davon, wie eine Abfrage geschlechtsspezifisch formuliert ist.

Also: Geschlechtsspezifisch gesperrte Marken, KI-Geschlechts-Kategorisierung

Ein Ontologie-Cluster ist eine Sammlung semantisch verwandter Themen, Schlüsselwörter und Konzepte, die KI-Modelle zusammen gruppieren, wenn sie Ihre Marke verstehen.

Plattform-Präferenz-Muster beschreiben, wie verschiedene KI-Plattformen unterschiedliche Vorurteile darin haben, wie sie Marken empfehlen.

Also: KI-Plattform-Verhalten, Modell-Vorurteils-Muster

Kategorie-Türkontrolle tritt auf, wenn die KI gelernt hat, Marken nur mit bestimmten Kategorien zu assoziieren, was sie von angrenzenden oder breiteren Kategorien ausschließt.

Also: KI-Kategorie-Vorurteil, Systematische Ausschließung

Embeddings sind numerische Darstellungen von Text, Bildern oder anderen Daten, die die semantische Bedeutung in einem Format erfassen, das KI-Systeme mathematisch verarbeiten können.

Vektorsuche ist die Technologie, die KI-Systeme verwenden, um semantisch ähnliche Inhalte zu finden, selbst wenn es keine exakten Keyword-Übereinstimmungen zwischen einer Abfrage und einem Dokument gibt.

Semantische Suche ist ein Ansatz zur Informationsbeschaffung, der die Bedeutung und Absicht hinter einer Abfrage versteht, anstatt einfach Keywords abzugleichen.

Ein Kontextfenster ist die maximale Textmenge, die ein Large Language Model in einer einzigen Interaktion verarbeiten kann.

Ein Token ist die kleinste Texteinheit, die ein KI-Modell verarbeitet. Im Durchschnitt entspricht ein Token etwa drei Vierteln eines Wortes im Englischen, was bedeutet, dass ein Artikel mit 1.000 Wörtern ungefähr 1.333 Tokens enthält.

Temperature ist eine Einstellung des KI-Modells, die die Zufälligkeit und Kreativität der generierten Antworten steuert.

Fine-Tuning ist der Prozess des Trainings eines bestehenden Large Language Models auf einem spezialisierten Datensatz, um dessen Leistung in einem bestimmten Bereich oder für eine bestimmte Aufgabe zu verbessern.

RLHF (Reinforcement Learning from Human Feedback) ist die Trainingstechnik, die verwendet wird, um KI-Modellen beizubringen, welche Antworten Menschen bevorzugen.

Also: Reinforcement Learning from Human Feedback

Schema-Markup für KI bezieht sich auf die Verwendung von strukturiertem Daten-Code auf Ihrer Website, um KI-Systemen zu helfen, Ihre Marke, Produkte, Fachkenntnisse und Beziehungen zu identifizieren und zu verstehen.

Also: Strukturierte Daten für KI, KI-optimiertes Schema

Entitätserkennung ist die KI-Fähigkeit, spezifische Marken, Produkte, Personen, Organisationen und Konzepte innerhalb von Text zu identifizieren und zu unterscheiden.

Also: Named Entity Recognition, NER