KI-Begriffe einfach erklärt

Der Glossar für DACH-Solopreneurs und kleine KMU. Keine akademischen Definitionen, sondern verständliche Erklärungen mit konkretem Praxisbeispiel — sortiert alphabetisch und kategorisiert nach dem Use-Case-Bereich.

Wir aktualisieren diesen Glossar quartalsweise, wenn sich Definitionen, Anbieter-Tarife oder Compliance-Lage ändern.

Inhaltsverzeichnis nach Kategorien

Modelle und Architektur: AGI, Claude, Embedding, Foundation Model, GPT, Halluzination, LLM, Multimodal, RAG, Sonnet/Opus/Haiku, Tokens, Transformer
Tools und Plattformen: Aleph Alpha, Anthropic, ChatGPT, Copilot, DeepL, Lurus.ai, Make.com, Mindverse, n8n, Neuroflash, Notion AI, OpenAI, Perplexity, Zapier
Datenschutz und Recht: AVV/DPA, Adequacy-Decision, Cloud Act, DSGVO, EU-AI-Act, Drittland-Transfer, GDPR, GPAI, Hochrisiko-AI, ISO 27001, Limited Risk, revDSG, SCCs, Server-Standort, Sub-Prozessor, Zero Data Retention, Zweckbindung
Workflows und Integration: API, Connector, Custom Instructions, Operations/Credits, Pretty Link, Trigger, Webhook, Workflow-Automation
Marketing und Content: Brand Voice, Content-Marketing, CTR (Click-Through-Rate), Funnel, Lead-Magnet, Long-Form, Newsletter, Open Rate, Pillar-Post, SEO, Subject Line
Pricing und Geschäftsmodell: Add-on, Affiliate-Programm, Enterprise-Tarif, Free-Tier, MRR, Per-Seat-Pricing, ROI, Sales-Assisted, Self-Hosted, Subscription, Token-Pricing
Entwicklung und Architektur: Endpoint, Fine-Tuning, GPU, Inference, Latency, Open Source, Self-Hosted, Vector Database

A

Adequacy-Decision (EU-Angemessenheitsbeschluss)

Erklärung: Beschluss der EU-Kommission, dass ein Drittland ein der EU vergleichbares Datenschutzniveau bietet — Datentransfers in dieses Land sind dann ohne Standardvertragsklauseln (SCCs) erlaubt. Für die Schweiz gilt der Beschluss 2000/518/EG, der unter dem revDSG weiterhin als gültig betrachtet wird.
Praxisbeispiel: Sie senden Mandanten-Daten von einem deutschen CRM zu einem Schweizer Treuhand-Cloud-Service — dank Adequacy-Decision keine zusätzlichen SCCs nötig.

Add-on

Erklärung: Zusatzfunktion, die separat zu einem Basis-Tarif gebucht werden muss. Bei AI-Tools oft als Modul für erweiterte Features (z.B. Custom Agents, API-Zugang).
Praxisbeispiel: Notion bietet seit Mai 2026 Custom Agents als kostenpflichtiges Credits-Add-on für Business und Enterprise — der Standard-Business-Tarif enthält die Funktion nicht.

Affiliate-Programm

Erklärung: Vertrag zwischen Tool-Anbieter und Empfehler — der Empfehler bekommt Provision für Kunden, die über seinen Link kaufen. Muss nach UWG und DSGVO transparent gekennzeichnet werden.
Praxisbeispiel: Make.com bietet ein 35-Prozent-Affiliate-Programm über 12 Monate — wer den Link /go/make-com setzt und einen Kauf generiert, bekommt anteilige Vergütung.

AGI (Artificial General Intelligence)

Erklärung: Theoretische allgemeine künstliche Intelligenz, die jede menschliche kognitive Aufgabe lösen kann. Stand 2026 nicht erreicht; aktuelle Modelle sind „narrow AI» — auf bestimmte Aufgaben spezialisiert.
Praxisbeispiel: ChatGPT, Claude und Gemini sind Sprachmodelle (narrow AI), keine AGI — sie können sehr gut Texte generieren, aber haben keine echte Welt-Intuition oder kontinuierliches Lernen wie ein Mensch.

Aleph Alpha

Erklärung: Heidelberger Anbieter von Sovereign-AI-Lösungen für regulierte Branchen. Hosting in Deutschland; Produktlinie PhariaAI für Enterprise-Compliance.
Praxisbeispiel: Eine Schweizer Anwaltskanzlei mit hohen Verschwiegenheits-Anforderungen nutzt PhariaAI für Mandanten-Recherche statt ChatGPT — die Daten verlassen DE/EU nicht.

Anthropic

Erklärung: US-AI-Unternehmen aus San Francisco, Hersteller der Claude-Modellfamilie. Fokus auf „Constitutional AI» und Safety. Produkte: claude.ai, Claude API, Claude über AWS Bedrock und Vertex AI.
Praxisbeispiel: Sie schreiben einen langen Beratungsbericht — Claude (Pro-Tarif, ca. 20 USD/Monat) liefert oft präzisere DACH-Geschäftssprache als ChatGPT.

API (Application Programming Interface)

Erklärung: Programmier-Schnittstelle, über die Software-Systeme miteinander kommunizieren. Bei AI-Tools die Möglichkeit, Prompts und Responses programmatisch zu schicken (statt im Browser-UI).
Praxisbeispiel: Ein Make.com-Workflow ruft die OpenAI-API auf, klassifiziert eingehende Mails und sortiert sie automatisch in Notion-Datenbanken — kein Mensch mehr im Loop.

AVV (Auftragsverarbeitungsvertrag) / DPA (Data Processing Agreement)

Erklärung: Pflicht-Vertrag nach Art. 28 DSGVO zwischen Verantwortlichem und Auftragsverarbeiter. Regelt, wie ein Drittanbieter personenbezogene Daten verarbeiten darf. Ohne AVV ist B2B-Nutzung von SaaS-Tools mit personenbezogenen Daten DSGVO-rechtlich problematisch.
Praxisbeispiel: Bevor Sie Mandanten-Daten in ChatGPT Team einkippen, schliessen Sie im Account-Dashboard den AVV ab — bei ChatGPT Plus (Privat-Tarif) gibt es keinen eigenständigen AVV, daher dort keine Mandanten-Daten.

B

Brand Voice

Erklärung: Konsistenter Schreibstil eines Unternehmens — Tonfall, Wortwahl, Satzbau. Bei AI-Writing-Tools oft als trainierbare Funktion: das Tool lernt aus Sample-Texten und ahmt den Stil nach.
Praxisbeispiel: Sie laden drei Newsletter-Issues in Neuroflash hoch und aktivieren Brand Voice — folgende Texte werden automatisch in Ihrem Sie-Form-und-sober-Stil generiert.

C

ChatGPT

Erklärung: Sprachmodell-Produkt von OpenAI, basiert auf der GPT-Modellfamilie. Tarife: Free, Plus (Privat, ca. 20 USD/Monat), Team (B2B mit AVV), Business, Enterprise (mit EU-Datenresidenz).
Praxisbeispiel: Solopreneur nutzt ChatGPT Plus für Brainstorming und Outline-Erstellung; sobald Mandanten-Daten ins Spiel kommen, wechselt er auf ChatGPT Team mit AVV.

Claude

Erklärung: Sprachmodell-Familie von Anthropic. Stärke bei langen, nuancierten Texten und ethisch-sensitiven Themen. Modelle: Claude Sonnet (Standard), Opus (Höchstleistung), Haiku (schnell und günstig).
Praxisbeispiel: Eine Steuerberaterin lässt Claude Sonnet eine 15-seitige Steuerberaterhonorar-Rechnung in eine 2-Seiten-Mandanten-Erläuterung umwandeln — der Output bleibt fachlich präzise.

Cloud Act

Erklärung: US-Gesetz von 2018, das US-Behörden Zugriff auf Daten ermöglicht, die US-Anbieter speichern — auch wenn die Daten in der EU liegen. Hauptgrund, warum DACH-Sovereign-AI für sensible Branchen attraktiv ist.
Praxisbeispiel: Mandanten-Daten einer deutschen Anwaltskanzlei in Microsoft 365 EU-Region — der Cloud Act bleibt theoretisches Risiko, weil Microsoft als US-Anbieter dem Gesetz unterliegt.

Connector

Erklärung: Vorgefertigte Schnittstelle in Workflow-Automation-Tools wie Make.com oder Zapier, die Apps verbindet. Connector = „Stecker» zwischen App und Workflow-Engine.
Praxisbeispiel: Make.com hat über 3’000 Connectoren (Anbieter-Angabe Stand Mai 2026) — etwa für Notion, Stripe, BexioCRM, Beehiiv (nativer Connector seit 2026).

Content-Marketing

Erklärung: Marketing-Strategie, die Reichweite und Vertrauen über regelmässige hochwertige Inhalte aufbaut — statt direkte Werbung. Pillar-Posts, Newsletter, Lead-Magnets sind typische Bausteine.
Praxisbeispiel: KI Contor publiziert einen Pillar-Post zu „Notion AI im Test 2026″ plus wöchentliche Newsletter — Leser, die das Pillar lesen, abonnieren oft den Newsletter.

Copilot (Microsoft 365 Copilot)

Erklärung: AI-Layer von Microsoft, integriert in Office 365 (Word, Excel, Outlook, Teams). Nutzt OpenAI-Modelle im Hintergrund. EU-Region wählbar.
Praxisbeispiel: Eine 12-MA-Kanzlei mit M365 nutzt Copilot direkt in Outlook für Mail-Zusammenfassungen und in Word für Vertrags-Vorlagen — kein Tool-Wechsel.

CTR (Click-Through-Rate)

Erklärung: Prozentsatz der Empfänger, die einen Link in einer Mail oder einem Beitrag klicken. CTR-Newsletter im DACH-Markt: 6–12 Prozent ist gut.
Praxisbeispiel: KI-Contor-Newsletter mit 1’000 Subscribers und 8 Prozent CTR = 80 Klicks pro Tool-Empfehlung.

Custom Instructions

Erklärung: Voreinstellungen in ChatGPT (oder Claude Projects), die jedem Prompt automatisch mitgegeben werden — Branche, Tonalität, Persona. Spart die Wiederholung gleicher Anweisungen.
Praxisbeispiel: Eine Schweizer Beraterin setzt Custom Instructions auf „Sie-Form, Schweizer Schreibweise, B2B-Geschäftskontext, branchenfremd erklären» — alle Outputs sind ohne Extra-Prompt schon im richtigen Stil.

D

DeepL Pro

Erklärung: Deutscher Übersetzungs-Anbieter aus Köln. EU-Server, AVV verfügbar. Stärke: hohe Qualität bei DE↔EN/FR/IT-Übersetzungen.
Praxisbeispiel: Sie übersetzen ein 20-seitiges deutsches Vertragsdokument für einen italienischen Kunden in 5 Minuten in DeepL Pro — Qualität auf Augenhöhe mit menschlicher Übersetzung.

DSGVO (Datenschutz-Grundverordnung)

Erklärung: EU-weite Datenschutzverordnung seit 2018. Regelt Verarbeitung personenbezogener Daten. Pflichten: Rechtsgrundlage (Art. 6), Zweckbindung (Art. 5), AVV (Art. 28), Betroffenenrechte (Art. 12 ff.). Bussgelder bis 20 Mio. EUR oder 4 Prozent Jahresumsatz.
Praxisbeispiel: Bevor Sie Newsletter-Subscriber automatisch in ein US-CRM senden, müssen Sie eine Rechtsgrundlage haben (Einwilligung), AVV abschliessen und SCCs sicherstellen.

DPIA (Data Protection Impact Assessment, Datenschutz-Folgenabschätzung)

Erklärung: Pflicht-Prüfung nach Art. 35 DSGVO bei hohem Risiko für Betroffene. Insbesondere bei AI-Systemen, die automatisiert über Personen entscheiden.
Praxisbeispiel: Vor Einsatz eines AI-Tools, das Mandanten automatisch nach Honorar-Klassen einsortiert, dokumentiert die Kanzlei eine DPIA — Risiko, Massnahmen, Restrisiko.

Drittland-Transfer

Erklärung: Übermittlung personenbezogener Daten aus der EU/EWR in ein Drittland (z.B. USA). DSGVO erfordert dafür entweder Adequacy-Decision oder Standardvertragsklauseln (SCCs) plus zusätzliche Schutzmassnahmen.
Praxisbeispiel: Sie senden Kundendaten von Notion (US-Server) zu HubSpot (US-Server) — beide Hops sind Drittland-Transfers, jeweils mit AVV und SCCs abzusichern.

E

Embedding

Erklärung: Mathematische Repräsentation eines Texts oder Dokuments als Vektor (Liste von Zahlen). Wird genutzt, um Ähnlichkeit zwischen Texten zu messen — Basis für Vektor-Datenbanken und RAG.
Praxisbeispiel: Notion AI berechnet Embeddings aller Workspace-Pages; bei einer Q&A-Anfrage werden die ähnlichsten Pages als Antwort-Quellen gefunden.

Endpoint

Erklärung: Spezifische URL, an die API-Anfragen geschickt werden. Bei Multi-Region-Anbietern können Endpoints geografisch unterschiedlich sein.
Praxisbeispiel: Anthropic hat einen US-API-Endpoint und keinen offiziellen EU-Endpoint mit garantierter Datenresidenz — wer Claude in EU braucht, nutzt AWS Bedrock oder Vertex AI.

Enterprise-Tarif

Erklärung: Höchste SaaS-Tarif-Stufe, sales-assisted (kein Self-Service-Buchung), individuelle Vertragskonditionen. Bietet typisch SAML-SSO, Audit-Log, EU-Datenresidenz, dedizierten Support.
Praxisbeispiel: ChatGPT Enterprise ist für eine 100-MA-Firma mit eigener IT-Abteilung geeignet — Pricing wird individuell verhandelt, deutlich teurer als linearer Team-Preis.

EU-AI-Act

Erklärung: EU-Verordnung 2024/1689 über künstliche Intelligenz. Trat am 1. August 2024 in Kraft; zentrale Pflichten gelten ab dem 2. August 2026 (Art. 113). Regelt AI-Systeme nach Risiko-Klassen: Verboten, Hochrisiko, Limited Risk, Minimal Risk.
Praxisbeispiel: Ein Tool, das Mandanten automatisch nach Kreditwürdigkeit klassifiziert, fällt unter Hochrisiko (Anhang III) — der Anbieter muss Konformitätsbewertung, Dokumentation und CE-Kennzeichnung liefern.

F

Fine-Tuning

Erklärung: Anpassung eines vortrainierten AI-Modells auf spezifische Domain-Daten. Steigert Qualität bei spezifischen Aufgaben, kostet aber zusätzlich. Bei Mainstream-Tools (ChatGPT, Claude) für Endnutzer nur eingeschränkt verfügbar.
Praxisbeispiel: Eine Steuerkanzlei trainiert ein eigenes GPT-Modell auf interne BMF-Schreiben-Sammlung — Output trifft den Kanzlei-Stil und kennt die Hausthemen.

Foundation Model

Erklärung: Grosses, allgemein vortrainiertes AI-Modell, das als Basis für viele spezifische Anwendungen dient (im Unterschied zu spezialisiert trainierten Modellen). Beispiele: GPT-Familie, Claude-Familie, Gemini-Familie.
Praxisbeispiel: Notion AI nutzt Foundation Models von OpenAI und Anthropic — Notion selbst trainiert keine eigenen grossen Modelle.

Free-Tier

Erklärung: Kostenloser Einstiegs-Tarif eines SaaS-Tools. Oft mit Volumen-Limits. Gut für Tests, selten für Produktiv-Einsatz.
Praxisbeispiel: Make.com Free bietet 1’000 Operations/Monat — reicht für ein bis zwei einfache Patterns als Lern-Setup, ab drei Patterns wird Core-Tarif Pflicht.

Funnel

Erklärung: Marketing-Modell, das Interessenten in mehreren Stufen zum Kunden konvertiert: Awareness (kennen), Consideration (prüfen), Decision (kaufen). Content-Marketing füllt typischerweise Awareness und Consideration.
Praxisbeispiel: Pillar-Post → Newsletter-Subscribe (Awareness) → Lead-Magnet-Download (Consideration) → Tool-Empfehlung mit Affiliate-Link (Decision).

G

Erklärung: Englische Abkürzung für DSGVO (General Data Protection Regulation). In englischsprachigen Tool-Dokumentationen findet sich oft GDPR statt DSGVO.
Praxisbeispiel: Im OpenAI-Trust-Center steht „GDPR-compliant DPA available» — gemeint ist der DSGVO-konforme AVV.

GPAI (General-Purpose AI)

Erklärung: AI-Systeme mit allgemeinem Verwendungszweck (im Gegensatz zu spezifischen Anwendungen). Im EU-AI-Act eigene Pflichten nach Art. 53 — gelten bereits seit dem 2. August 2025.
Praxisbeispiel: GPT-4 und Claude Sonnet sind GPAI-Modelle; ihre Anbieter müssen seit August 2025 Trainings-Daten dokumentieren und Urheberrechts-Compliance nachweisen.

GPT (Generative Pre-trained Transformer)

Erklärung: Sprachmodell-Architektur von OpenAI. „Generative» = erzeugt Texte; „Pre-trained» = auf grossen Daten vortrainiert; „Transformer» = die zugrundeliegende Netzwerk-Architektur. Beispielmodelle: GPT-4, GPT-5.
Praxisbeispiel: ChatGPT Plus läuft auf der GPT-4-Familie; ein Solopreneur stellt eine Prompt-Frage und bekommt einen GPT-4-generierten Text zurück.

GPU (Graphics Processing Unit)

Erklärung: Spezial-Prozessor, ursprünglich für Grafik, heute Standard für AI-Modell-Training und -Inference. Knappes Gut, treibt SaaS-Pricing.
Praxisbeispiel: Die hohen Pricing-Sprünge bei AI-Tools 2025/2026 hängen mit GPU-Engpässen zusammen — Anbieter müssen die Compute-Kosten weitergeben.

H

Halluzination

Erklärung: Wenn ein AI-Modell überzeugend formulierte, aber faktisch falsche Aussagen produziert. Häufiger bei Themen ausserhalb der Trainings-Daten oder bei zu spezifischen Detailfragen.
Praxisbeispiel: Ein AI-Modell „erfindet» eine API-URL api.eu.anthropic.com, die nicht existiert — der zweite Reviewer-Pass deckt es als Halluzination auf.

Hochrisiko-AI (High-Risk AI)

Erklärung: AI-Klassifikation im EU-AI-Act (Anhang III). Systeme in Bereichen wie Beschäftigung, Kreditwürdigkeit, Bildung, Gesundheit. Strenge Konformitätsbewertung, Dokumentation, CE-Kennzeichnung erforderlich.
Praxisbeispiel: Ein AI-Tool, das Mandanten-Bewerbungen für Banken-Kredite vorbewertet, fällt unter Hochrisiko — vor Einsatz Konformitätsbewertung erforderlich.

I

Inference

Erklärung: Der Vorgang, bei dem ein bereits trainiertes AI-Modell auf neue Eingabe-Daten antwortet. Im Gegensatz zum Training (das einmalig erfolgt) ist Inference jeder einzelne Prompt-Aufruf.
Praxisbeispiel: Sie schicken einen Prompt an ChatGPT — der Server führt eine Inference durch und schickt die generierte Antwort zurück.

ISO 27001

Erklärung: Internationaler Standard für Informationssicherheits-Management-Systeme. Ein ISO-27001-Zertifikat zeigt, dass ein Anbieter dokumentierte Prozesse für Datensicherheit hat. Wichtiges Trust-Signal für KMU.
Praxisbeispiel: Neuroflash bewirbt ISO 27001 als Trust-Signal — bei der Einkaufs-Entscheidung einer Klein-Team-Marketing-Beratung ist das ein Argument neben dem AVV.

L

Latency

Erklärung: Zeit zwischen Anfrage an ein AI-System und Antwort. Bei AI-Inference je nach Modell-Grösse und Server-Last typisch 1–5 Sekunden, bei Reasoning-Modellen mehrere Minuten.
Praxisbeispiel: Notion-AI-Workspace-Q&A in 200-Page-Workspace: 4–8 Sekunden Latency; in mehreren-Tausend-Page-Setups 15–30 Sekunden.

Erklärung: Risiko-Klasse im EU-AI-Act für Systeme mit klarer Kennzeichnungs-Pflicht (Art. 50), aber ohne weitergehende Konformitätsbewertung. Beispiel: Chatbots, AI-Writing-Tools.
Praxisbeispiel: ChatGPT, Claude und Notion AI fallen unter Limited Risk — Anwender müssen ab 2.8.2026 kennzeichnen, wenn Inhalte AI-generiert sind.

LLM (Large Language Model)

Erklärung: Grosses Sprachmodell, das aus enormen Text-Daten gelernt hat, menschenähnliche Texte zu generieren. Beispiele: GPT-4, Claude Sonnet, Gemini 2.5, Llama 3.
Praxisbeispiel: Make.com bindet einen LLM-Connector ein — bei einem Pattern „Mandanten-Mail-Triage» wird die Mail an ChatGPT (LLM) zur Klassifikation geschickt.

Long-Form

Erklärung: Inhalts-Format mit hoher Wortzahl, typisch über 2’000 Wörter. Vorteil für SEO und Tiefe, Nachteil für schnelle Lesbarkeit.
Praxisbeispiel: KI-Contor-Pillar-Posts sind Long-Form (2’500–4’000 Wörter); Newsletter-Issues bewusst Short-Form (unter 5 Min Lesezeit).

Lurus.ai

Erklärung: DACH-Sovereign-AI für regulierte Branchen mit ISO 27001-zertifizierter EU-Infrastruktur und Zero Data Retention. Optimiert für Mandanten-konforme Workflows.
Praxisbeispiel: Schweizer Treuhand-Kanzlei mit Multi-Mandanten-Setup nutzt Lurus.ai für Mandanten-Mail-Triage — DSGVO und Verschwiegenheitspflicht sauber abgedeckt.

M

Make.com

Erklärung: Workflow-Automation-Plattform mit visuellem Editor. Gehört zur deutschen Celonis SE (München). EU-Region wählbar. 1’500+ Connectoren. Pricing ab ca. 10.59 USD/Monat.
Praxisbeispiel: Solopreneur baut in Make.com einen Pattern: Newsletter-Subscriber → automatisch Eintrag im Notion-CRM → Slack-Notification. Spart 5–15 Min pro Subscriber.

Mindverse

Erklärung: Kölner DACH-Brand für AI-Content-Generation mit deutschen Servern. Mehr Schreib-Fokus als reine Wissens-Suche.
Praxisbeispiel: Eine deutsche Marketing-Agentur nutzt Mindverse für DACH-Content statt Copy.ai — DSGVO-Lage und Tonalität passen besser zum Markt.

Multimodal

Erklärung: AI-Modelle, die mehrere Daten-Typen verarbeiten — Text, Bild, Audio, Video. Im Gegensatz zu Text-only-Modellen.
Praxisbeispiel: GPT-4o ist multimodal — Sie laden ein Foto eines Vertrags hoch und fragen nach Inhaltszusammenfassung; das Modell „liest» das Bild.

MRR (Monthly Recurring Revenue)

Erklärung: Wiederkehrender monatlicher Umsatz aus Abos — die wichtigste Kennzahl für SaaS-Geschäftsmodelle. Auch für Newsletter-Brands relevant, die Premium-Tier oder Sponsoring fahren.
Praxisbeispiel: KI Contor plant in Year 2 einen Premium-Newsletter-Tier mit 9 EUR/Monat — bei 200 Premium-Subs = 1’800 EUR MRR.

N

n8n

Erklärung: Open-Source Workflow-Automation-Alternative zu Make.com und Zapier. Self-hosted (gratis, mit Hosting-Aufwand) oder Cloud-Version (EU-Hosting verfügbar). Stark bei Custom-Code.
Praxisbeispiel: Eine 20-MA-Kanzlei mit eigener IT entscheidet sich für n8n self-hosted statt Make.com — volle Datenhoheit, kein SaaS-Vendor-Lock-in.

Neuroflash

Erklärung: Hamburger AI-Writing-Tool, optimiert für DACH-Marketing-Texte. EU-Server (Google Cloud EU + Raidboxes DE), ISO 27001. Nutzt OpenAI als Sub-Prozessor.
Praxisbeispiel: Solopreneur generiert mit Neuroflash deutsche Newsletter-Subjects in Sie-Form und Schweizer Schreibweise — DACH-Stil sitzt out-of-the-box.

Erklärung: Regelmässige E-Mail an abonnierte Leser. Im Content-Marketing das wichtigste Owned-Media-Format. KPIs: Open Rate, Click-Through Rate, Subscriber-Wachstum.
Praxisbeispiel: KI Contor publiziert wöchentlich einen Newsletter mit Tool-Tipps in unter 5 Min Lesezeit — 40–55 Prozent Open Rate ist der Branchen-Benchmark.

Notion AI

Erklärung: AI-Schicht in Notion-Workspaces — Inline-AI, Workspace-Q&A, AI-Properties. Seit Mai 2025 nur noch in Business und Enterprise voll integriert (Plus hat limitierten Test-Zugang). Custom Agents ab Mai 2026 als kostenpflichtiges Add-on.
Praxisbeispiel: Eine 8-MA-Firma fragt im Notion-Workspace „Was haben wir letztes Quartal zum Thema Pricing entschieden?» — Notion AI antwortet mit Zitaten aus relevanten Pages.

O

OpenAI

Erklärung: US-AI-Unternehmen aus San Francisco, Hersteller der GPT-Modelle (ChatGPT, GPT-4-Familie). Mit 2024–2026 dominanter Mainstream-Anbieter. EU-Datenresidenz erst im Enterprise-Tarif.
Praxisbeispiel: Über die OpenAI-API binden viele AI-Wrapper-Tools (Neuroflash, Notion AI, Copy.ai) GPT-Modelle als Backend ein.

Open Rate

Erklärung: Prozentsatz der Newsletter-Empfänger, die eine Mail öffnen. Im DACH-B2B-Newsletter-Markt: 40–55 Prozent ist gut, ab 60 Prozent sehr gut.
Praxisbeispiel: Eine KI-Contor-Issue zu „EU-AI-Act-Stichtag» erreicht 62 Prozent Open Rate — Hot-Topic-Schub.

Open Source

Erklärung: Software mit offenem Quellcode, frei nutzbar, anpassbar, weiterverbreitbar. Alternative zu proprietären SaaS-Lösungen.
Praxisbeispiel: n8n ist Open Source; Llama 3.3 ist ein Open-Source-LLM von Meta — eigenes Hosting auf eigenen Servern möglich.

Operations / Credits

Erklärung: Abrechnungs-Einheit in Workflow-Automation-Tools. Make.com hat 2026 von „Operations» auf „Credits» umgestellt; ein Schritt in einem Workflow zählt als eine Operation/Credit.
Praxisbeispiel: Ein Make.com-Pattern mit 1 Trigger und 4 Verarbeitungsschritten verbraucht 5 Operations pro Durchlauf — bei täglichem Lauf 150 Operations/Monat.

Opus / Sonnet / Haiku

Erklärung: Modell-Größen-Stufen bei Anthropic Claude. Opus = höchste Qualität, langsamer und teurer; Sonnet = ausgewogen, Standard; Haiku = schnell und günstig.
Praxisbeispiel: Für Long-Form-Beratungs-Berichte Opus, für Standard-Newsletter-Schreiben Sonnet, für schnelle Klassifikations-Aufgaben Haiku — Pricing-Optimierung.

P

Per-Seat-Pricing

Erklärung: Abrechnungsmodell pro User („Seat»). Bei Multi-User-Tools üblich. Skaliert linear mit Team-Grösse.
Praxisbeispiel: ChatGPT Team kostet 25 USD/User/Monat (jährlich) — bei 8 Mitarbeitenden 200 USD/Monat. Volumen-Rabatte erst Enterprise.

Perplexity

Erklärung: US-AI-Suchmaschine mit Web-Search-fähigen LLM-Antworten. Nützlich für Faktencheck und Recherche; Pro-Tarif mit Backend-Modell-Wahl (Claude, GPT, Sonar, Gemini).
Praxisbeispiel: Sie geben einen Pillar-Post-Draft an Perplexity Pro mit Claude-Backend — der Reviewer macht Faktencheck und Quellen-Verifikation.

Pillar-Post

Erklärung: Langer, tiefer Cornerstone-Artikel als Authority-Signal für SEO. Typisch 2’000–4’000 Wörter, mit Tool-Tabellen, Verdict pro Persona-Stufe, Internal-Links.
Praxisbeispiel: „Notion AI im Test 2026″ als Pillar-Post auf ki-contor.com — viele kürzere Newsletter-Issues und Cluster-Posts verlinken darauf.

Pretty Link

Erklärung: WordPress-Plugin für saubere Affiliate-Link-URLs. Statt langer Anbieter-Links wird /go/<tool-slug> als 301-Redirect verwendet — UWG-konforme Trennung von Werbung und Inhalt.
Praxisbeispiel: Statt https://make.com/?ref=affiliate123 schreiben Sie https://ki-contor.com/go/make-com — der Link wird sauber als Affiliate gekennzeichnet.

Prompt

Erklärung: Text-Eingabe an ein AI-Modell. Qualität des Prompts beeinflusst Qualität des Outputs („Prompt Engineering»).
Praxisbeispiel: Statt „Schreib einen Newsletter» → „Schreibe eine 600-Wort-Newsletter-Issue zu Make.com EU-Datenresidenz, Sie-Form, Schweizer Schreibweise, sober» — viel besseres Ergebnis.

R

RAG (Retrieval Augmented Generation)

Erklärung: Verfahren, bei dem ein LLM vor der Antwortgenerierung externe Daten (z.B. Workspace-Inhalte) holt und in den Kontext einfügt. Grundlage für „kontextbewusste» Antworten ohne Modell-Re-Training.
Praxisbeispiel: Notion AI Workspace-Q&A nutzt RAG — bei jeder Anfrage werden zuerst die ähnlichsten Workspace-Pages geholt, dann die Antwort darauf gegründet.

revDSG (Revidiertes Schweizer Datenschutzgesetz)

Erklärung: Schweizer Datenschutzgesetz, in Kraft seit 1. September 2023. Bietet ein „angemessenes Datenschutzniveau» laut EU-Adequacy-Decision (Beschluss 2000/518/EG). Sanktionen bis 250’000 CHF gegen die natürliche Person.
Praxisbeispiel: Eine Schweizer Treuhand-Kanzlei prüft AI-Tool-Setup gegen revDSG — wer DSGVO-konform ist, ist meist auch revDSG-konform, aber Eigenprüfung Pflicht.

ROI (Return on Investment)

Erklärung: Verhältnis von Gewinn zu Investment. Bei AI-Tool-Reviews wichtig: Spart das Tool genug Zeit, dass die Tool-Kosten sich rechnen?
Praxisbeispiel: Make.com Pro 16 USD/Monat × 12 = 192 USD/Jahr. Spart 8 h/Monat × 80 EUR/h × 12 = 7’680 EUR Time-Value. ROI 40-fach — bei tatsächlich vergüteter Nutzung.

S

Sales-Assisted

Erklärung: Tarif, der nur über Sales-Gespräch buchbar ist (kein Self-Service). Typisch für Enterprise-Tarife mit individueller Pricing-Verhandlung.
Praxisbeispiel: Notion Enterprise mit EU-Datenresidenz buchen Sie nicht im Web-UI; ein Notion-Sales-Mitarbeiter führt die Verhandlung und stellt den Vertrag aus.

SCCs (Standard Contractual Clauses, Standardvertragsklauseln)

Erklärung: EU-Standard-Vertrag für Datentransfers in Drittländer ohne Adequacy-Decision. Pflicht-Bestandteil bei US-Tools, die personenbezogene Daten verarbeiten.
Praxisbeispiel: Beim Abschluss des AVV mit OpenAI sind die SCCs für US-Datenverarbeitung im DPA enthalten — sie machen den Drittland-Transfer DSGVO-konform.

Self-Hosted

Erklärung: Software auf eigenen Servern betreiben, statt SaaS-Cloud-Service zu nutzen. Gibt volle Datenhoheit, erfordert IT-Kompetenz und Wartungs-Aufwand.
Praxisbeispiel: Eine 25-MA-Anwaltskanzlei mit eigener IT hostet n8n auf eigenem Server — Workflows und Daten verlassen das Kanzlei-Netz nicht.

SEO (Search Engine Optimization)

Erklärung: Optimierung von Websites und Inhalten für Sichtbarkeit in Suchmaschinen. Elemente: Keywords, Meta-Descriptions, Internal-Links, Backlinks, Page-Speed.
Praxisbeispiel: KI-Contor-Pillar-Post „Notion AI im Test 2026″ zielt auf das Keyword „Notion AI Test» — H1, Meta, URL und interne Links alle auf das Keyword optimiert.

Server-Standort

Erklärung: Geografischer Standort der physischen Server, auf denen ein SaaS-Tool läuft. Nur ein DSGVO-Aspekt — die übrigen Pflichten (AVV, Rechtsgrundlage, Zweckbindung, Betroffenenrechte) bleiben unabhängig vom Standort bestehen.
Praxisbeispiel: Notion auf US-Server reicht für Drittland-Transfer-Bewertung; AVV, Rechtsgrundlage und Betroffenenrechte müssen Sie als Verantwortlicher zusätzlich erfüllen.

Sub-Prozessor

Erklärung: Auftragsverarbeiter, den ein Auftragsverarbeiter selbst einsetzt. Muss im AVV transparent gelistet sein.
Praxisbeispiel: Neuroflash (EU-Server) nutzt OpenAI (USA) als Sub-Prozessor für die LLM-Verarbeitung — Neuroflash-AVV listet OpenAI als Sub-Prozessor mit SCCs.

Subject Line / Subject Header

Erklärung: Betreffzeile einer E-Mail oder Newsletter-Issue. Wichtigster Hebel für Open Rate. Idealerweise unter 60 Zeichen, klar, ohne Click-Bait.
Praxisbeispiel: „AI-Act ab 2.8. — was Solopreneurs konkret tun müssen» als Subject Line einer KI-Contor-Issue — Open Rate 58 Prozent.

Subscription

Erklärung: Abo-Modell, monatliche oder jährliche Zahlung für SaaS-Zugang. Abgrenzung zu Einmalkauf oder nutzungsbasierter Abrechnung.
Praxisbeispiel: ChatGPT Plus 20 USD/Monat — Subscription-Modell, automatische Verlängerung, jederzeit kündbar.

T

Token

Erklärung: Kleinste Verarbeitungs-Einheit eines LLMs. Ein Token ≈ 0.75 Wörter (Englisch) bzw. 0.5 Wörter (Deutsch). Bei API-Aufrufen oft Token-basiert abgerechnet.
Praxisbeispiel: Ein 1’000-Wort-Prompt verbraucht ca. 2’000 Tokens; bei OpenAI GPT-4 kostet das ca. 0.06 USD — bei tausend solchen Prompts/Monat 60 USD API-Kosten.

Token-Pricing

Erklärung: Abrechnungsmodell pro Token-Verbrauch. Variiert nach Modell-Grösse. Input-Tokens (Ihre Frage) und Output-Tokens (Antwort) werden separat gezählt.
Praxisbeispiel: Anthropic Claude Sonnet kostet pro 1 Million Input-Tokens ca. 3 USD und pro 1 Million Output-Tokens ca. 15 USD — Kostenkontrolle entscheidend bei API-Workflows.

Transformer

Erklärung: Neuronale-Netz-Architektur, Grundlage moderner LLMs. Eingeführt 2017 mit dem „Attention is All You Need»-Paper. „GPT» steht für „Generative Pre-trained Transformer».
Praxisbeispiel: Wenn Sie ChatGPT, Claude oder Gemini nutzen — der Output kommt jedes Mal aus einem Transformer-Modell.

Trigger

Erklärung: Auslöser eines Workflows in einem Automation-Tool. Beispiele: „Neuer Subscriber im Newsletter», „Eingehende Mail», „Stripe-Zahlung».
Praxisbeispiel: Ein Make.com-Pattern wird durch den Trigger „Neue Calendly-Buchung» ausgelöst — danach laufen mehrere Aktionen automatisch (Notion-Page, Slack-Notification).

V

Vector Database (Vektordatenbank)

Erklärung: Spezialisierte Datenbank für Embeddings. Ermöglicht Ähnlichkeits-Suche zwischen Texten. Grundlage für RAG-Systeme.
Praxisbeispiel: Notion AI nutzt im Hintergrund eine Vektordatenbank, um bei einer Frage die ähnlichsten Workspace-Pages zu finden.

W

Webhook

Erklärung: Mechanismus, mit dem ein System bei einem Ereignis automatisch eine HTTP-Anfrage an ein anderes System schickt. Push-basiert (im Gegensatz zu Polling).
Praxisbeispiel: Ein Beehiiv-Webhook benachrichtigt Make.com sofort, wenn ein neuer Subscriber dazu kommt — automatischer Sync in Notion-CRM.

Workflow-Automation

Erklärung: Sequenzielle Verkettung mehrerer Apps und Aktionen ohne menschliche Intervention. Spart Zeit bei Routine-Tasks. Tools: Make.com, n8n, Zapier, Microsoft Power Automate.
Praxisbeispiel: „Neue Stripe-Zahlung → Rechnung in BexioCRM → Mail an Mandant → Slack-Notification» als ein zusammenhängender Workflow, der täglich 10–20 Minuten spart.

Z

Zapier

Erklärung: US-Workflow-Automation-Anbieter, lange Zeit Marktführer. 7’000+ Connectoren, aber US-Server (kein EU-Datenresidenz-Setting im Standard-Plan), höheres Pricing als Make.com.
Praxisbeispiel: DACH-Solopreneur nutzt Zapier nur, weil ein spezifischer US-Connector nicht in Make.com verfügbar ist — sonst Make.com aus DSGVO- und Cost-Gründen.

Zero Data Retention

Erklärung: Vertragliche Zusicherung eines AI-Anbieters, dass Customer-Inputs nicht gespeichert oder zum Training verwendet werden. Wichtig für regulierte Branchen.
Praxisbeispiel: Notion Enterprise garantiert Zero Data Retention für die LLM-Provider-Schicht — Mandanten-Texte werden nicht in OpenAI- oder Anthropic-Trainings-Daten landen.

Zweckbindung

Erklärung: DSGVO-Grundprinzip nach Art. 5: Personenbezogene Daten dürfen nur für den Zweck verarbeitet werden, für den sie erhoben wurden. Erweiterte Verarbeitung erfordert neue Rechtsgrundlage.
Praxisbeispiel: Newsletter-Subscriber haben für „Newsletter erhalten» eingewilligt — automatische Übergabe ihrer E-Mail an einen Sales-Bot ohne neue Einwilligung verstösst gegen Zweckbindung.

Wir aktualisieren diesen Glossar quartalsweise

Die KI-Tool-Landschaft ändert sich schneller als die meisten Glossare hinterherkommen. Wir prüfen alle Einträge alle drei Monate gegen aktuelle Anbieter-Dokumentation und Compliance-Stand. Falls Sie einen Begriff vermissen oder einen Eintrag präzisieren möchten: Reader-Q&A im Newsletter ist der direkte Weg dazu.

Empfohlene Folge-Lektüre:

Wöchentlich kuratierte KI-Tool-Empfehlungen für Solopreneurs und kleine KMU im DACH-Raum, in unter 5 Min Lesezeit?

Jetzt KI Contor abonnieren →

Transparenz-Hinweis

Dieser Glossar wird redaktionell gepflegt von der KI-Contor-Redaktion. Wir testen alle Tools eigenständig nach unserem internen Test-Protokoll, unabhängig vom Anbieter-Marketing. Stand der Veröffentlichung unterhalten wir keine bezahlten Partnerschaften zu den hier genannten Anbietern. Sollte sich das ändern, kennzeichnen wir betroffene Begriffe transparent.

Verantwortlich für den Inhalt: PRC Solutions, ein Brand der Bears & Dogs GmbH, Lindenweg 2, CH-8512 Thundorf