Das KI-Glossar für Macher.

Methode zum systematischen Vergleich zweier Varianten einer Anzeige, Landingpage oder E-Mail, um datenbasiert zu entscheiden, welche Version besser performt. Gruppe A sieht Variante A, Gruppe B sieht Variante B.

KI beschleunigt A/B Testing massiv: Statt wochenlanger Tests analysiert KI Echtzeit-Daten und optimiert automatisch weiter. Multivariate Tests mit vielen Varianten gleichzeitig werden erst durch KI skalierbar.

KI-Systeme, die nicht nur auf Anfragen reagieren, sondern eigenständig Aufgaben planen, Zwischenschritte ausführen und Tools nutzen, um ein Ziel zu erreichen. Anders als klassische Chatbots agiert Agentic AI in Schleifen: planen → ausführen → überprüfen → anpassen.

Claude Code ist ein Beispiel — er schreibt nicht nur Code, sondern führt ihn aus, liest Fehlermeldungen und korrigiert sich selbst. Für Marketing bedeutet das: Kampagnen-Setups, Content-Pipelines und Reports können vollständig autonom erstellt werden.

Voraussetzung: klare Zieldefinition und Qualitätskontrolle durch Menschen.

Wirtschaftskonzept, das beschreibt, wie KI-Agenten zunehmend Rollen übernehmen, die bisher Menschen oder Unternehmen inne hatten: Entscheidungen treffen, Transaktionen ausführen, Dienstleistungen erbringen.

Wenn KI-Agenten eigenständig einkaufen, buchen und verhandeln, verschiebt sich der gesamte Marketing-Funnel: Werbung richtet sich künftig nicht mehr an Menschen, sondern an KI-Entscheidungsalgorithmen. Für Unternehmen bedeutet das: Wer seine digitale Infrastruktur nicht KI-ready macht, verliert mittelfristig Sichtbarkeit.

AGREEMENT hat diesem Thema einen eigenen Insights-Artikel gewidmet.

Hypothetisches KI-System mit allgemeiner Intelligenz auf Menschenniveau — das in jedem kognitiven Bereich so gut oder besser ist wie ein Mensch. Noch nicht existent, aber aktiv erforscht.

Alle heutigen Systeme sind "Narrow AI": exzellent in spezifischen Aufgaben, aber kein echter Verstand. Anthropic, OpenAI und Google nennen AGI explizit als langfristiges Ziel. Ob und wann das realistisch ist, spaltet die Branche.

KI-generierter digitaler Sprecher, der Texte mit natürlicher Mimik und Stimme präsentiert. Kein echter Mensch nötig — ideal für skalierbare Video-Inhalte wie Erklärvideos, Produkt-Demos oder personalisierten Content.

Tools: HeyGen, Synthesia.

Einsatz von KI-Werkzeugen zur Planung, Erstellung und Verteilung von Marketing-Inhalten. Umfasst Text (LLMs), Bild (Diffusion Models), Video (Text-to-Video) und Audio (TTS).

Der Vorteil: deutlich höhere Produktionsgeschwindigkeit bei gleichbleibender oder besserer Qualität.

Texterstellung mit KI-Unterstützung — von Social-Media-Posts über Anzeigentexte bis hin zu Landing-Page-Copy. Modelle wie GPT-4o oder Claude produzieren in Sekunden, was früher Stunden dauerte.

Entscheidend bleibt das Briefing: Garbage in, garbage out.

Webbasiertes Audio-Mastering-Tool, das Lautstärke, Rauschen, EQ und Klangbalance automatisch optimiert. Besonders stark für Podcasts, Voice-Over-Produktionen und KI-generierte Sprachausgaben: Es kompensiert die leichten Artefakte, die bei TTS-Ausgaben oft entstehen.

Kostenlos bis 2 Stunden pro Monat — reicht für viele Marketing-Formate. Im AGREEMENT Toolstack für alle Audio-Outputs im Einsatz.

Die definierte Persönlichkeit und Tonalität einer Marke — übersetzt in KI-Prompts, damit jeder generierte Text klingt wie die Marke selbst.

Eine gute Brand Voice setzt voraus: Adjektiv-Palette, Verbotsliste, Beispieltexte und klare Zielgruppen-Ansprache.

Systematische Verzerrung in KI-Modellen, die zu ungleichen oder diskriminierenden Outputs führt. Entsteht durch fehlerhafte oder einseitige Trainingsdaten: Ein Modell, das überwiegend mit Bildern westlicher Gesichter trainiert wurde, performt bei anderen schlechter.

Für Marketing relevant: KI-generierter Content kann ungewollt Stereotype reproduzieren. Gegenstrategie: diverse Trainingsdaten, regelmäßige Output-Audits und Human-in-the-Loop-Kontrolle bei sensiblen Kampagnen.

All-in-One Video-Editor von ByteDance, verfügbar für Mobile und Desktop. Besondere Stärken: KI-gestützte Untertitel-Generierung in Echtzeit, automatischer Schnitt, Hintergrundentfernung und Lip-Sync (via Dreamina).

Für Social-Media-Content und Kurzvideos erste Wahl: Reels, TikToks und YouTube Shorts in Minuten fertig. Komplett kostenlos für Standardfunktionen. Im AGREEMENT Workflow täglich genutzt.

Software, die automatisiert Gespräche mit Nutzern führt — von einfachen regelbasierten Systemen bis hin zu LLM-gestützten Assistenten.

Moderne Chatbots (wie Claude oder GPT-4o) verstehen Kontext, führen mehrstufige Gespräche und können in CRM-Systeme integriert werden.

KI-Assistent von OpenAI, basierend auf GPT-4o. Stärken: Geschwindigkeit, Kreativität und breite Anwendbarkeit — von Textentwürfen über Code bis zu Bildgenerierung (DALL·E 3).

Für Marketing-Teams besonders wertvoll bei schnellen Ideen, Briefings und Recherche. Die neueste Version generiert auch hochqualitative Bilder mit starkem Text-Verständnis. Im AGREEMENT Toolstack als ergänzendes Brainstorming-Tool.

KI-Assistent und Agenten-Plattform von Anthropic. Besonderheit gegenüber anderen LLMs: Claude Code ermöglicht echtes autonomes Arbeiten — Dateien schreiben, Code ausführen, Systeme bauen — alles in einer Sitzung ohne externe Automatisierungstools.

Für AGREEMENT ist Claude das primäre Werkzeug: Website-Updates, Content-Pipelines, Analysen und ganze Marketing-Systeme entstehen direkt im Chat. Verfügbar als claude.ai und über API.

Agentic-Modus von Claude, der es ermöglicht, direkt mit Dateisystemen, Terminals und Code zu arbeiten. Kein separates Automatisierungstool nötig — Claude Code plant, schreibt, testet und deployed eigenständig.

Perfekt für Entwickler, aber auch für nicht-technische Power-User.

KI-Disziplin, die Computern ermöglicht, Bilder und Videos zu "sehen" und zu verstehen: Objekte erkennen, Szenen beschreiben, Gesichter oder Texte identifizieren.

Für Marketing relevant: automatisches Bild-Tagging, visuelle Suche, Markenlogo-Erkennung in Social Media und die Grundlage aller Bildgeneratoren. Multimodale Modelle wie GPT-4o und Claude nutzen Computer Vision, um Screenshots oder Produktbilder direkt zu analysieren.

Strukturierter, automatisierter Workflow zur Content-Produktion: von der Idee über Brief, Generierung (Text, Bild, Video) bis zur Veröffentlichung.

Mit KI lassen sich Content Pipelines aufbauen, die täglich neue Inhalte ohne manuellen Aufwand produzieren.

Die maximale Menge an Text (gemessen in Token), die ein LLM gleichzeitig "sehen" und verarbeiten kann. Je größer das Context Window, desto längere Dokumente, Gespräche oder Dateien kann das Modell verarbeiten.

Claude 3.7 z.B. hat 200.000 Token — das entspricht einem ganzen Buch.

Anteil der Besucher, die eine gewünschte Aktion ausführen (Kauf, Anmeldung, Kontakt).

KI verbessert Conversion Rates durch personalisierte Ansprache, schnellere A/B-Tests und dynamisch optimierte Landingpages.

KI-generiertes Bild, Video oder Audio, das eine reale Person täuschend echt zeigt oder hören lässt — obwohl die Szene nie stattgefunden hat. Der Begriff kombiniert "Deep Learning" und "Fake".

Zwei Seiten: Für legitimes Marketing (Avatar-Videos, Synchronisation in andere Sprachen) ist die Technologie wertvoll. Als Missbrauchsform (gefälschte Statements von Unternehmern, manipulierte Testimonials) ist sie eine ernste Bedrohung für Markenreputation und rechtlich zunehmend reguliert.

Teilgebiet des Machine Learnings, das auf künstlichen neuronalen Netzwerken mit vielen Schichten (Layers) basiert. Diese tiefen Netze lernen selbstständig Muster aus Daten — von einfachen Kanten in Bildern bis zu komplexen Sprachstrukturen.

Deep Learning ist die Grundlage für alle modernen KI-Durchbrüche: LLMs, Bildgeneratoren, Spracherkennung und Video-KI. Ohne Deep Learning kein ChatGPT, kein Midjourney, kein Veo.

Klasse von KI-Modellen, die Bilder generieren, indem sie schrittweise Rauschen aus einem zufälligen Startbild entfernen. Grundlage für Stable Diffusion, DALL·E, Flux und viele andere Bildgeneratoren.

Je mehr Schritte (Steps), desto höher die Qualität — aber auch die Rechenzeit.

Marktführer für KI-Sprachsynthese (TTS) und Voice Cloning. Generiert täuschend echte Stimmen auf Basis kurzer Audiosamples. Einsatzgebiete: Voice-Over für Videos, Podcast-Produktion, mehrsprachiger Content und KI-Avatare.

Die eigene Stimme lässt sich in wenigen Minuten klonen und für beliebige Texte nutzen. Im AGREEMENT Toolstack für alle Sprach-Outputs.

Teilgebiet, das sich mit den moralischen Implikationen von KI-Systemen befasst: Fairness, Transparenz, Verantwortlichkeit, Datenschutz und Machtkonzentration. Zentrale Fragen: Wer haftet, wenn eine KI diskriminiert? Wem gehören die Trainingsdaten?

Für Unternehmen zunehmend relevant: Kunden und Gesetzgeber (EU AI Act) fordern nachweisbar ethischen KI-Einsatz. Eine Marke, die KI-Ethik ignoriert, riskiert Vertrauensverlust und rechtliche Konsequenzen.

Die weltweit erste umfassende KI-Regulierung, verabschiedet von der EU und schrittweise in Kraft seit 2025. Klassifiziert KI-Systeme nach Risikostufen (minimal, begrenzt, hoch, inakzeptabel) und schreibt für jede Stufe Pflichten vor.

Für KI-Marketing-Teams: Transparenzpflicht bei KI-generiertem Content, Verbote für manipulative KI-Techniken und besondere Regeln für personalisierte Werbung. Wer KI-Tools in der EU einsetzt, kommt am AI Act nicht vorbei — Verstöße werden mit bis zu 35 Mio. € oder 7 % des Jahresumsatzes geahndet.

Trainingsverfahren, bei dem ein KI-Modell dezentral auf vielen Geräten verbessert wird — ohne dass Rohdaten das Gerät verlassen. Nur die gelernten Modellgewichte werden zusammengeführt, nicht die eigentlichen Daten.

Für datenschutzsensible Branchen (Healthcare, Finance, aber auch personalisiertes Marketing) besonders relevant: Das Modell lernt aus Nutzerdaten, ohne diese je zu übertragen. Ermöglicht personalisierte KI ohne Datenschutzverstöße.

Training eines bestehenden KI-Modells auf eigenen Daten, um es auf spezifische Aufgaben oder einen bestimmten Schreibstil zu spezialisieren.

Für Unternehmen relevant, wenn Standard-LLMs die eigene Brand Voice nicht treffen oder spezifisches Fach-Wissen benötigt wird.

Bildgenerierungsmodelle von Black Forest Labs (BFL) — den Entwicklern hinter dem ursprünglichen Stable Diffusion-Team. Flux zeichnet sich durch hohe Konsistenz bei Charakteren und Objekten aus, was es zur ersten Wahl für Brand-Visuals macht.

Flux.2 Pro bietet exzellente Qualität, Flux.2 MAX maximale Detailtiefe. Verfügbar über Higgsfield und andere Plattformen.

KI-gestützte Telefonie-Plattform für Inbound und Outbound-Gespräche. KI-Agenten führen vollständige Verkaufsgespräche, qualifizieren Leads, beantworten Fragen und buchen Termine — ohne menschliche Beteiligung.

Besonders für Unternehmen mit hohem Anrufvolumen ein Game Changer: 24/7 verfügbar, kein Qualitätsverlust, vollständige Skalierbarkeit. Im AGREEMENT Toolstack für B2B-Outreach.

Sehr großes KI-Modell, das auf riesigen Datensätzen vortrainiert wurde und als Basis für viele spezialisierte Anwendungen dient. GPT-4, Claude 3.7 und Gemini sind Foundation Models.

Sie werden durch Prompting, Fine-tuning oder RAG für spezifische Aufgaben angepasst.

Marketing-Trichter, der den Weg eines potenziellen Kunden von der ersten Aufmerksamkeit bis zum Kauf beschreibt.

KI optimiert jeden Funnel-Schritt: von der Zielgruppen-Ansprache (Top of Funnel) über Nurturing (Mid) bis zur Conversion-Optimierung (Bottom).

KI-gestützte Präsentations- und Dokument-Plattform. Aus einem kurzen Briefing entstehen designte Slides, One-Pager oder interaktive Webseiten in wenigen Minuten.

Kein PowerPoint-Kampf mehr: Gamma übernimmt Layout, Formatierung und Bildauswahl. Im AGREEMENT Toolstack für Pitches, Kundenunterlagen und interne Decks.

Architektur aus zwei konkurrierenden neuronalen Netzen: Ein Generator erzeugt Bilder, ein Diskriminator bewertet, ob sie echt wirken. Beide verbessern sich gegenseitig im Wettbewerb. Ergebnis: täuschend echte synthetische Bilder.

GANs waren die erste große Revolution in der KI-Bildgenerierung (2014-2022). Heute haben Diffusion Models GANs in der Bildqualität überholt — aber das Prinzip konkurrierender Netzwerke findet sich noch in vielen modernen KI-Systemen, auch für Videos und Audio.

Oberbegriff für KI-Systeme, die neue Inhalte erzeugen können: Text, Bilder, Audio, Video, Code. Im Gegensatz zu klassischer KI, die nur analysiert oder klassifiziert, erschafft Generative KI Originaloutputs auf Basis gelernter Muster.

Technisch stecken dahinter Large Language Models, Diffusion Models und neuronale Netzwerkarchitekturen. Für Marketing ist Generative KI die entscheidende Kategorie — ChatGPT, Claude, Midjourney, ElevenLabs und Veo sind alle Generative KI.

Optimierung von Inhalten für KI-Suchsysteme wie ChatGPT Search, Perplexity und Google SGE. Statt Keywords stehen Konzepte, Fakten und klare Quellenangaben im Vordergrund.

Wer für GEO optimiert, wird als Referenz in KI-Antworten zitiert — der neue "Platz 1 bei Google".

Phänomen, bei dem ein LLM überzeugend klingende, aber faktisch falsche Informationen generiert. Nicht "Lügen" — das Modell kennt keinen Unterschied zwischen richtig und falsch, es vervollständigt Muster.

Gegenmaßnahmen: Fakten-Checks, RAG-Systeme und klare Prompts, die das Modell zur Unsicherheitsangabe auffordern.

Führende Plattform für KI-Avatar-Videos. Eigene Stimme klonen, eigenen Avatar trainieren — dann per Text beliebige Videos produzieren. Besonders stark für skalierbare Erklärvideos, Produkt-Demos und personalisiertes Video-Marketing.

Unterstützt über 40 Sprachen mit natürlicher Lippensynchronisation. Im AGREEMENT Toolstack für längere Avatar-Inhalte.

All-in-One KI-Creative-Plattform mit Zugang zu den besten Bild- und Videogeneratoren in einer Oberfläche. Anstatt 10 verschiedene Tools zu abonnieren, bietet Higgsfield Flux, Seedance, Kling, Veo und andere aus einer Hand.

Besonders stark: vorgefertigte Video-Templates für aktuelle KI-Trends, Character-Consistency-Features und die Möglichkeit, eigene Charaktere zu trainieren. Im AGREEMENT Toolstack zentrales Werkzeug für Bild- und Video-Produktion.

Designprinzip für KI-Systeme, bei dem Menschen aktiv in den Entscheidungs- oder Kontrollprozess eingebunden bleiben. Nicht vollständige Automation, sondern KI als Co-Pilot mit menschlicher Freigabe für kritische Schritte.

Für Marketing-Teams: KI generiert den Content, Mensch prüft und gibt frei. Besonders wichtig bei sensiblen Themen, Markenkommunikation und Kampagnen mit hohem Budget. Human-in-the-Loop schützt vor Halluzinationen und Bias-Problemen im skalierten KI-Einsatz.

Der Vorgang, bei dem ein trainiertes KI-Modell auf neue Eingaben reagiert und Output erzeugt. Training ist einmalig und teuer; Inference passiert bei jeder Nutzung.

Schnellere Inference = niedrigere Latenz = bessere User Experience.

Technik, bei der Nutzer durch geschickt formulierte Prompts die Sicherheitsmechanismen eines KI-Modells umgehen — um Inhalte zu erzeugen, die das Modell eigentlich ablehnen würde. Ähnlich wie Hacking, aber auf Sprachebene.

Für Marketing-Teams und Marken relevant als Brand-Safety-Thema: Jailbreaking-Angriffe können dazu genutzt werden, KI-Chatbots einer Marke zu kompromittieren. Außerdem: Wer eigene KI-Systeme betreibt, muss Jailbreaking-Resistenz aktiv einplanen.

Ersatz manueller, repetitiver Tätigkeiten durch KI-gestützte Systeme. Betrifft nicht nur körperliche Arbeit, sondern zunehmend auch Wissensarbeit: Texterstellung, Datenanalyse, Kundenservice, Bildbearbeitung.

Für Marketing-Teams kein Bedrohungsszenario, sondern eine Chance: Repetitive Tasks (Reporting, Caption-Writing, Briefings) werden automatisiert — der Mensch konzentriert sich auf Strategie, Kreativität und Beziehungen. AGREEMENT ist genau dafür gebaut.

Autonomes KI-System, das Aufgaben selbstständig plant, ausführt und dabei Tools, APIs und externe Dienste nutzen kann. Im Gegensatz zu einem simplen Chatbot arbeitet ein Agent in Schleifen, bis das Ziel erreicht ist.

Beispiele: Claude Code, Manus, AutoGPT.

Software auf Basis eines LLM, die menschliche Anfragen versteht und beantwortet. ChatGPT, Claude und Gemini sind KI-Assistenten.

Der Unterschied zum KI-Agenten: Assistenten reagieren auf Anfragen, Agenten handeln proaktiv.

Unternehmensweiter Plan, wie KI eingesetzt wird um Wettbewerbsvorteile zu erzielen. Umfasst: Tool-Stack-Entscheidungen, Workflow-Integration, Mitarbeiter-Schulung, Datenstrategie und ethische Leitplanken.

Video-KI von Kuaishou (China) mit Fokus auf realistische Bewegungsdynamik und Multi-Kamera-Shots. Kling erzeugt besonders flüssige, physikalisch korrekte Animationen — Wasser, Stoff, Haare.

Text-to-Video und Image-to-Video. Für aufwändige visuelle Sequenzen im AGREEMENT Toolstack erste Wahl.

Strukturierte Wissensdatenbank, die Entitäten (Personen, Orte, Konzepte) und ihre Beziehungen zueinander in einem Netzwerk abbildet. Googles Knowledge Graph ist die Grundlage für die Info-Boxen in Suchergebnissen.

Für KI-Marketing relevant: KI-Systeme nutzen Knowledge Graphs, um Kontext zu verstehen und präzisere Antworten zu liefern. Wer als Marke in Wissensgraphen präsent ist (strukturierte Daten, Wikipedia, Wikidata), wird von KI-Suchsystemen zuverlässiger zitiert — ein zentraler GEO-Hebel.

Speziell für Conversions optimierte Einzelseite — kein Ablenkungspotenzial, ein klares Ziel (Lead, Kauf, Anmeldung).

KI-optimierte Landingpages testen automatisch Headlines, CTAs und Layouts auf Basis von Echtzeitdaten.

Prozess der Kontakterfassung potenzieller Kunden.

KI verbessert Lead-Gen durch präziseres Targeting, personalisierte Ansprache und automatisiertes Nurturing nach der ersten Interaktion.

Video-Technik, bei der ein Audio-Track automatisch mit passender Mundbewegung auf ein Bild oder Video synchronisiert wird. KI generiert dabei realistische Gesichtsbewegungen.

Anwendung: Avatar-Videos, Nachvertonung in anderen Sprachen, Social-Media-Content. Tools: CapCut (Dreamina), HeyGen.

Klasse von KI-Modellen, die auf riesigen Textmengen trainiert wurden und natürliche Sprache verstehen und generieren können. Technisch: Transformer-Architekturen mit Milliarden von Parametern.

Bekannte Vertreter: GPT-4o (OpenAI), Claude 3.7 (Anthropic), Gemini 2.0 (Google), Llama 3 (Meta). LLMs sind die Grundlage für Chatbots, Coding-Assistenten und autonome KI-Agenten.

Teilbereich der KI, bei dem Systeme aus Daten lernen, ohne explizit programmiert zu werden. Das Modell erkennt Muster in Trainingsdaten und generalisiert diese auf neue Eingaben.

Unterteilt in Supervised Learning (mit gelabelten Daten), Unsupervised Learning (ohne Labels) und Reinforcement Learning (durch Belohnungen). Machine Learning ist die Grundlage für Empfehlungsalgorithmen, Spam-Filter, Targeting-Systeme und alle modernen KI-Tools im Marketing.

Spezialisiertes Tool für KI-Upscaling und Bild/Video-Enhancement. Magnific erhöht nicht einfach die Auflösung — es halluziniert fehlende Details dazu, was aus einem mittelmäßigen Output einen professionellen macht.

Einsatz: Nach der Bildgenerierung mit Flux oder Midjourney, um Details und Schärfe zu maximieren. Auch für Video-Outputs nutzbar. Im AGREEMENT Toolstack als "Qualitäts-Finisher".

Multi-Agenten-Plattform für komplexe, autonome Aufgaben. Im Gegensatz zu Claude oder ChatGPT (einzelner Agent) koordiniert Manus mehrere spezialisierte Agenten gleichzeitig: Recherche, Schreiben, Coden, Surfen — parallel.

Ideal für Massentasks: 5+ Projekte gleichzeitig, autonome Marktanalysen, vollständige Dokument-Erstellungen. Im AGREEMENT Toolstack für Volumen-Aufgaben.

Softwaregestützte Automatisierung von Marketing-Prozessen: E-Mail-Sequenzen, Lead-Scoring, Social Posting, Reporting.

KI macht Automation intelligenter: Inhalte werden dynamisch personalisiert, Timing optimiert und Empfänger automatisch segmentiert.

Bildgenerierungs-KI mit besonderem Fokus auf ästhetische, künstlerisch hochwertige Outputs. Über einen Discord-Bot oder die Weboberfläche bedienbar.

Stark für Lifestyle-Bilder, abstrakte Konzepte und Marketing-Visuals mit hohem Wow-Faktor.

KI-Modell, das nicht nur Text, sondern mehrere Modalitäten verarbeitet: Bild, Audio, Video, Code, Dokumente. GPT-4o und Claude 3.7 sind multimodal — sie können Screenshots analysieren, PDFs auslesen, Bilder beschreiben und gleichzeitig Code schreiben.

Für Marketing-Teams bedeutet das: ein einziges Tool für Text, Analyse und visuelle Auswertung.

Visual-Thinking-Tool, das aus Text automatisch Diagramme, Flowcharts und Infografiken erstellt. Kein Design-Know-how nötig: Text einfügen, Visualisierung auswählen, exportieren.

Ideal für die Kommunikation komplexer Konzepte in Präsentationen oder auf Landing Pages. Im AGREEMENT Toolstack für Strategie-Visualisierungen.

Teilbereich der KI, der sich mit der automatischen Erzeugung natürlichsprachiger Texte aus strukturierten Daten oder Anweisungen befasst. LLMs wie GPT-4o und Claude sind hochentwickelte NLG-Systeme.

Für Marketing direkt anwendbar: Produktbeschreibungen aus Datenbankfeldern, automatisierte Reporttexte aus Kennzahlen, personalisierte E-Mails aus CRM-Daten. Überall dort, wo aus Zahlen und Fakten Sprache werden soll, steckt NLG dahinter.

Teilbereich der KI, der sich mit dem Verstehen und Generieren natürlicher Sprache befasst. NLP ist die Grundlage für alle Textverarbeitungs-KIs: Sentimentanalyse, Zusammenfassung, Übersetzung, Named Entity Recognition.

Moderne LLMs haben klassische NLP-Aufgaben weitgehend übernommen.

KI-Modelle, deren Gewichte (und teils auch Trainingscode) öffentlich zugänglich sind — kostenlos nutzbar, anpassbar und lokal deploybar. Wichtigste Vertreter: Metas Llama-Familie, Mistral, DeepSeek.

Für Unternehmen relevant, wenn Datenschutz kritisch ist (kein Datentransfer zu externen Anbietern), Kosten minimiert werden sollen oder ein spezialisiertes Fine-tuning geplant ist. Open-Source-Modelle schließen die Lücke zwischen teuren proprietären LLMs und den eigenen Infrastrukturkosten.

Digitale Marketing-Disziplin, bei der Werbemaßnahmen direkt an messbare Ergebnisse geknüpft sind (Klicks, Leads, Käufe).

KI verbessert Performance Marketing durch präziseres Targeting, automatische Gebotsoptimierung und schnellere Creative-Tests.

Detaillierte Beschreibung einer Zielgruppen-Person, die als Basis für KI-generierte Inhalte dient.

Je präziser die Persona (Demografie, Schmerzpunkte, Sprache, Kaufmotive), desto relevanter die KI-Outputs.

Die Eingabe, die ein Nutzer einem KI-Modell gibt, um einen Output zu erzeugen. Ein guter Prompt enthält: Rolle, Kontext, Aufgabe, Format und Tonalität. Schlechte Prompts = generische Outputs; präzise Prompts = spezifische, nutzbare Ergebnisse.

Prompt Engineering ist die Disziplin, maximale Outputs durch optimale Eingaben zu erzielen. Im Marketing ist ein gut entwickeltes Prompt-System der Unterschied zwischen KI-Chaos und KI-Produktivität.

Die Kunst und Wissenschaft, KI-Modelle durch präzise Formulierungen zu optimalen Outputs zu führen. Umfasst Techniken wie Chain-of-Thought (Schritt-für-Schritt-Denken), Few-Shot-Prompting (Beispiele mitgeben), System Prompts (Rollen definieren) und Negative Prompting (was vermieden werden soll).

Gutes Prompt Engineering ist der wichtigste Hebel, um KI-Tools produktiv einzusetzen — ohne neue Modelle zu trainieren.

Technik zur Komprimierung von KI-Modellen: Statt 32-Bit-Gleitkommazahlen werden 8-Bit- oder 4-Bit-Werte verwendet. Das Modell wird kleiner, schneller und günstiger zu betreiben — bei minimalem Qualitätsverlust.

Für Marketing-Teams relevant: Quantisierte Modelle laufen lokal auf normalen Laptops (kein Cloud-Abo nötig), was Datenschutzbedenken reduziert. Llama 3, Mistral und andere Open-Source-Modelle sind durch Quantisierung für jedermann zugänglich geworden.

Technik, bei der ein LLM nicht nur auf sein Trainingswissen zurückgreift, sondern in Echtzeit relevante Dokumente aus einer Wissensdatenbank abruft und in die Antwort integriert.

Ergebnis: aktuellere, faktenbasierte Antworten mit reduzierten Halluzinationen. Grundlage für KI-gestützte Unternehmensassistenten, die auf eigene Dokumente und Daten zugreifen.

KI-Modell, das vor der Antwort explizit "denkt" — also Zwischenschritte durchläuft, Hypothesen prüft und Lösungswege abwägt. Beispiele: OpenAI o1/o3, Claude 3.7 Sonnet (extended thinking).

Besonders stark bei komplexen Aufgaben: Strategie, Code-Debugging, mathematische Probleme.

KI-System, das Nutzern personalisierte Vorschläge macht — basierend auf ihrem Verhalten, Präferenzen und ähnlichen Nutzerprofilen. Grundlage von Amazons "Kunden kauften auch", Spotifys Discover Weekly und TikToks For-You-Page.

Das mächtigste Marketing-Tool überhaupt: Algorithmen entscheiden, welche Produkte, Inhalte und Anzeigen welcher Nutzer sieht. Wer versteht, wie Recommendation Systems funktionieren (Collaborative Filtering, Content-Based Filtering), kann Content und Produkte gezielter platzieren.

Kostenlose Bildgenerierungs-KI mit Stärken bei realistischen Gesichtern und Charakterdarstellungen. Einfache Bedienung über reve.art.

Gute Wahl für schnelle Prototypen und Gesichts-fokussierten Content.

Reinforcement Learning from Human Feedback — Trainingsverfahren, bei dem menschliche Bewerter KI-Outputs bewerten und das Modell diese Präferenzen lernt.

Macht LLMs hilfreicher, harmloser und ehrlicher. Grundlage für ChatGPT und Claude.

Hochqualitatives Text-to-Video und Image-to-Video Modell von ByteDance. Zeichnet sich durch natürliche Bewegungsqualität und cineastische Ästhetik aus — besonders stark bei realistischen Szenen.

Verfügbar über Higgsfield. Im AGREEMENT Toolstack für Video-Content mit hohem Anspruch an Bewegungsrealismus.

Automatisierte Analyse von Texten, um die enthaltene Stimmung zu erkennen: positiv, negativ oder neutral. Grundlage für Social Listening, Bewertungsauswertung und Marken-Monitoring in Echtzeit.

KI-gestützte Sentiment Analysis verarbeitet tausende Kommentare, Reviews und Erwähnungen simultan. Für Marketing-Teams: Krisenerkennung in Social Media, Kampagnen-Feedback und Zielgruppen-Insights direkt aus echtem User-Verhalten.

Videoformat unter 60 Sekunden, optimiert für Plattformen wie TikTok, Instagram Reels und YouTube Shorts.

KI beschleunigt die Produktion massiv: Script → Voice → Avatar → Captions in unter 30 Minuten.

KI-Technik zur automatischen Transkription gesprochener Sprache in Text. Moderne Systeme (OpenAI Whisper, Google Speech-to-Text) erreichen nahezu menschliche Genauigkeit, auch bei Dialekten und schlechter Audioqualität.

Marketing-Anwendungen: automatische Untertitel für Videos (CapCut, Veed), Podcast-Transkripte für SEO, Sprachsteuerung in Apps und Analyse von Kundengesprächen. Speech Recognition ist der unsichtbare Motor hinter jedem KI-Untertitel-Feature.

KI-Musik-Generator, der aus einem kurzen Text-Prompt vollständige Songs inklusive Vocals produziert. Stilvorgaben wie Genre, Tempo und Mood werden zuverlässig umgesetzt.

Ideal für Reels-Untermalung, Intro-Jingles und eigene Soundtracks ohne GEMA-Probleme. Im AGREEMENT Toolstack für Social-Media-Audio.

Kritischer Begriff aus der KI-Forschung (Bender et al., 2021): LLMs seien letztlich nur "stochastische Papageien" — sie wiederholen statistische Muster aus Trainingsdaten, ohne wirklich zu verstehen, was sie sagen.

Relevant für die Einordnung von KI-Outputs: Ja, LLMs halluzinieren und reproduzieren Trainingsdaten. Nein, das macht sie nicht nutzlos — aber es erklärt, warum Human-in-the-Loop unverzichtbar bleibt. Wer KI-Outputs blind vertraut, arbeitet mit einem sehr gut klingenden Papagei.

KI-Technik, die aus Textbeschreibungen (Prompts) vollständige Video-Clips generiert. 2024/2025 hat die Qualität einen Sprung gemacht, der professionelle Produktionen möglich macht.

Führende Modelle: Veo 3 (Google), Seedance (ByteDance), Kling (Kuaishou), Wan (Alibaba). Für Marketing-Teams bedeutet das: Produktvideos, Brand Spots und Social Content ohne Kamera oder Schauspieler.

Kleinste Einheit, in die KI-Modelle Text aufteilen. Grob: 1 Token ≈ 0,75 Wörter auf Englisch, etwas weniger auf Deutsch.

Kosten bei API-Nutzung und Context Window-Limits werden in Tokens gemessen. 100.000 Token ≈ 75.000 Wörter ≈ ein Taschenbuch.

Die Datenmenge, auf der ein KI-Modell trainiert wurde. Qualität und Vielfalt der Trainingsdaten bestimmen maßgeblich, was ein Modell kann und nicht kann.

Urheberrechtliche Fragen rund um Training Data sind ein aktives juristisches Streitfeld.

Neuronale Netzwerk-Architektur, die 2017 von Google vorgestellt wurde und die Grundlage aller modernen LLMs ist. Der Kern: Attention-Mechanismen, die relevante Teile des Kontexts gewichten.

Vor Transformern: RNNs und LSTMs. Nach Transformern: alles, was wir heute als KI kennen.

Technik, bei der ein vortrainiertes Modell als Ausgangspunkt für neue Aufgaben genutzt wird — statt von Null zu beginnen. Das Modell "transferiert" sein gelerntes Wissen auf den neuen Kontext.

Praktisch: Ein auf allgemeinen Texten trainiertes LLM wird durch Fine-tuning auf Branchen-Dokumente spezialisiert. Enorm effizienter als Neutraining. Transfer Learning ist die Basis für alle modernen Fine-tuning-Ansätze — und erklärt, warum kleine spezialisierte Modelle oft die großen generellen schlagen.

Von Alan Turing 1950 vorgeschlagener Test: Kann ein Mensch im schriftlichen Dialog unterscheiden, ob er mit einem Menschen oder einer Maschine kommuniziert? Wenn nicht, hat die Maschine "bestanden".

Heutige LLMs bestehen den klassischen Turing-Test problemlos. Das Konzept ist daher als alleiniges Intelligenzmaß überholt — zeigt aber, wie weit KI gekommen ist: Kommunikation auf Augenhöhe ist längst Realität.

User-Generated-Content, der mithilfe von KI erzeugt wird: Avatar-Videos, die wie echte Nutzervideos aussehen, KI-generierte Reviews oder Testimonials im Stil echter Kundenstimmen.

Wirkungsvolles Format für Social Ads — besonders auf TikTok und Meta.

Trainingsverfahren, bei dem das Modell anhand gelabelter Beispieldaten lernt: Für jede Eingabe gibt es eine bekannte richtige Ausgabe. Das Modell lernt die Zuordnung — und überträgt sie auf neue Fälle.

Beispiel: Ein Spam-Filter wird mit tausenden E-Mails trainiert, die als "Spam" oder "Kein Spam" markiert sind. Supervised Learning ist die häufigste Form des Machine Learnings und Grundlage für Klassifikations- und Vorhersagemodelle im Marketing.

Trainingsverfahren ohne gelabelte Daten: Das Modell entdeckt selbstständig Muster, Strukturen und Gruppierungen in den Rohdaten. Wichtigste Methoden: Clustering (ähnliche Datenpunkte gruppieren) und Dimensionsreduktion.

Marketing-Anwendung: Kundensegmentierung ohne vorher definierte Gruppen — KI findet eigenständig Cluster ähnlicher Kaufmuster. Auch Basis für Recommendation Systems und Anomalieerkennung (z. B. Fraud Detection in Ad Campaigns).

Vergrößerung von Bildern oder Videos bei gleichzeitiger Qualitätssteigerung durch KI. Anders als klassische Interpolation "erfindet" KI-Upscaling fehlende Details dazu.

Magnific AI ist der Marktführer für fotografisches Upscaling.

Browserbasierter Video-Editor mit starkem KI-Fokus auf automatische Untertitel und schnellen Schnitt. Kein Software-Download, kollaborativ nutzbar im Team.

Besonders geeignet für saubere Untertitel bei Interviews, Podcast-Clips und Social-Media-Cuts. Im AGREEMENT Toolstack für Caption-intensive Formate.

Googles leistungsstärkstes Text-to-Video-Modell, verfügbar über Google Labs. Veo 3 ist ein Gamechanger: 1080p Videos mit cineastischer Qualität, natürlichen Kamerabewegungen — und erstmals können Charaktere in generierten Videos sprechen und singen.

Für Marketing-Produktionen, die bisher Kamera-Teams benötigt haben, eine Revolution. Verfügbar über Higgsfield.

KI-Technik, die auf Basis kurzer Audio-Samples eine synthetische Kopie einer Stimme erstellt. Die geklonte Stimme liest beliebige Texte in originaler Klangqualität.

Einsatz: Skalierbare Voice-Overs, mehrsprachiger Content, Konsistenz über alle Video-Formate. Tools: ElevenLabs, HeyGen.

Automatisierung von wiederkehrenden Aufgaben-Abfolgen durch Regeln, Trigger und KI. Tools wie Make, n8n, Zapier oder direkt KI-Agenten verknüpfen Apps miteinander.

Im Marketing: automatisches Posten, Lead-Routing, Report-Generierung und CRM-Updates ohne manuellen Aufwand.

Prompting-Technik, bei der das Modell eine Aufgabe ohne Beispiele löst — nur auf Basis der Beschreibung. Funktioniert bei modernen LLMs oft überraschend gut.

Gegenteil: Few-Shot-Prompting, bei dem 2–5 Beispiele mitgegeben werden, um den Output zu steuern.