Glossar

KI-Verzerrungen (engl. AI Bias) bezeichnet systematische Fehler oder Verzerrungen in Künstlicher Intelligenz, die entstehen, wenn die Daten, mit denen ein Modell trainiert wurde, Vorurteile enthalten oder unausgewogen sind. Da KI-Modelle Muster aus vorhandenen Daten lernen, übernehmen sie auch die dort enthaltenen Ungleichgewichte oder Stereotype. Das bedeutet, wenn etwa bestimmte Gruppen in den Trainingsdaten unterrepräsentiert sind oder einseitige Informationen dominieren, kann die Künstliche Intelligenz Entscheidungen treffen, die unfair, diskriminierend oder ungenau sind (Holdsworth, o.J.).

AI Literacy bezeichnet die grundlegenden Kenntnisse und Fertigkeiten, die nötig sind, um KI-Systeme kritisch zu verstehen, zu bewerten und sicher sowie ethisch zu nutzen. Dazu gehören ein grundlegendes Verständnis der Funktionsweise von KI, die Fähigkeit, KI-Outputs zu hinterfragen, und das Bewusstsein für die gesellschaftlichen Folgen von KI (Mills et al, 2024).

Ein Algorithmus ist eine endliche Folge eindeutiger Arbeitsschritte, die ein Problem lösen oder eine Aufgabe ausführen. In der Informatik sind Algorithmen «Rezepte», die einem Computer sagen, was er Schritt für Schritt tun soll (Scribbr, 2023).

Der Aufmerksamkeitsmechanismus («Attention») ist das Herzstück moderner KI-Modelle wie ChatGPT. Er ermöglicht es, dass ein Modell beim Verarbeiten von Text gezielt auf die wichtigen Wörter achtet und weniger relevante Informationen ausblendet. Ähnlich wie wir Menschen beim Lesen. Dadurch können auch lange Zusammenhänge verstanden und gleichzeitig viele Berechnungen parallel durchgeführt werden (Bergmann & Stryker, oJ).

Autonome Systeme sind technische Systeme, die eigenständig agieren und Entscheidungen treffen können, ohne dass ein Mensch ständig eingreifen muss. Sie können lernen, Probleme lösen und auch auf unerwartete Situationen reagieren. Autonome Systeme sind nicht nur Roboter, sondern auch intelligente Maschinen, Geräte oder Software und kommen in unterschiedlichen Bereichen vor wie: Verkehr (Selbstfahrende Autos oder Busse), Haushalt (Intelligente Assistenzsysteme zur Unterstützung von Menschen), Arbeit und Produktion (autonome Roboter arbeiten mit Menschen zusammen oder übernehmen gefährliche Aufgaben) (Deutsches Forschungszentrum für Künstliche Intelligenz GmbH, o.J.).

Big Data bezeichnet extrem grosse, komplexe Datenmengen, die sich durch hohes Volumen, hohe Geschwindigkeit und grosse Vielfalt auszeichnen («3V: Volume, Velocitiy, Variety»). Diese Daten können aus unterschiedlich vielen Bereichen stammen (Studyflix, oJ).

Ein Bot ist eine Software, die automatisch Aufgaben im Internet oder in Netzwerken ausführt. Er folgt festen Regeln, kann menschliches Verhalten (oft schneller und fehlerfreier) nachahmen. Bots kommen z. B. beim Durchsuchen von Webseiten, beim Beantworten von Fragen im Chat oder beim Verwalten von Informationen zum Einsatz. Neben vielen nützlichen Bots gibt es auch schädliche Varianten, die Systeme angreifen oder Daten missbrauchen können (AWS, o.J.).

Ein Chatbot ist ein Computerprogramm, das menschliche Sprache versteht und automatisch darauf antwortet. Ziel ist es, Gespräche mit Nutzer*innen zu simulieren und Unterstützung zu bieten. Während einfache Chatbots nur vorgegebene Antworten liefern, nutzen moderne Systeme Künstliche Intelligenz (KI) und Sprachverarbeitung (Natural Language Processing, NLP), um Fragen besser zu verstehen und natürlicher zu reagieren (IBM, o.J.).

ChatGPT (GPT: Generative Pre-trained Transformer) ist ein von OpenAI entwickelter KI-Chatbot, der auf einem grossen Sprachmodell (Large Language Model, LLM) basiert. ChatGPT kann eine Vielzahl von Inhalten generieren, darunter Text, Bild, Video. ChatGPT kann gratis verwendet werden. Eine kostenpflichtige Pro Version bietet einen erweiterten Zugriff auf unterschiedliche Dienste (OpenAI, 2022).

Im schulischen Bereich, in dem oft personenbezogene Daten und sensible Informationen verarbeitet werden, ist bei der Nutzung von KI-Optionen wie ChatGPT besondere Vorsicht beim Datenschutz geboten.

Claude ist ein leistungsstarker KI-Assistent der Firma Anthropic. Er verarbeitet Texte, Bilder und Dokumente, hilft beim Schreiben, Zusammenfassen, Beantworten von Fragen und Programmieren. Claude legt grossen Wert auf Sicherheit und ethisches Verhalten (Belcic & Stryker, o.J.).

Im schulischen Bereich, in dem oft personenbezogene Daten und sensible Informationen verarbeitet werden, ist bei der Nutzung von KI-Optionen wie Claude besondere Vorsicht beim Datenschutz geboten.

Clustering ist eine unüberwachte Lernmethode, bei der Datenpunkte so gruppiert werden, dass die Objekte innerhalb einer Gruppe einander ähnlicher sind als Objekte anderer Gruppen. Diese Technik hilft, Muster in unstrukturierten Daten zu entdecken (GeeksforGeeks, 2025).

Computer Vision ist ein Teilbereich der Künstlichen Intelligenz (KI), der Computern ermöglicht, Bilder und Videos zu «verstehen». Mit Methoden wie Machine Learning und neuronalen Netzen können Systeme darin Objekte erkennen, Gesichter identifizieren oder Bilder klassifizieren. So lassen sich aus visuellen Daten Informationen gewinnen, die direkt für Entscheidungen oder Empfehlungen genutzt werden können (IBM, o.J.).

Ein Faltungsnetzwerk (engl. Convolutional Neural Network) ist eine spezielle Art von neuronalen Netzwerken, die vor allem für die Bilderkennung genutzt wird. Es funktioniert ähnlich wie das menschliche Sehen. Das Netzwerk schaut sich immer nur kleine Bildausschnitte an und erkennt daraus Muster. Dadurch kann es Objekte auf einem Bild erkennen (IBM, o.J.).

Copilot ist der KI-Assistent von Microsoft, integriert in Apps wie Word, Excel, PowerPoint und Teams. Er unterstützt Nutzer*innen unter anderem beim Erstellen von Texten, Analysieren von Daten, Verfassen von E-Mails und bei Meeting-Zusammenfassungen, indem er kontextbezogen Inhalte aus den jeweiligen Microsoft-Anwendungen nutzt (Copilot, o.J.).

Im schulischen Bereich, in dem oft personenbezogene Daten und sensible Informationen verarbeitet werden, ist bei der Nutzung von KI-Optionen wie Copilot besondere Vorsicht beim Datenschutz geboten. 

Ein Korpus ist eine grosse Sammlung authentischer Texte oder Sprachdaten, die zu Forschungs- oder Trainingszwecken zusammengestellt wird. In der KI dient ein Korpus als Grundlage zum Trainieren von Sprachmodellen (Subex, 2023).

Cybergrooming meint das gezielte Ansprechen von Kindern oder Jugendlichen durch Erwachsene über das Internet mit dem Ziel der sexuellen Belästigung oder Ausbeutung. Schulen sollen sensibilisieren und klare Meldewege schaffen (Kinderschutz Schweiz, o.J.). Täter*innen können KI nutzen, um beim Cybergrooming täuschend echte Profile, Fotos oder Chatnachrichten zu erstellen und so leichter das Vertrauen von Kindern zu gewinnen.

Cybermobbing bezeichnet wiederholte Angriffe im digitalen Raum, bei denen Personen durch beleidigende Nachrichten, Gerüchte oder peinliche Bilder verletzt oder gedemütigt werden. Für Schulen ist wichtig, Warnsignale ernst zu nehmen und früh einzugreifen (Jugend und Medien). KI kann dabei eine Rolle spielen, indem sie Mobbing-Inhalte automatisiert verstärkt oder manipulierte Bilder erzeugt und so die Wirkung der Angriffe verschärft.

DALL·E ist ein KI-Bildgenerator von OpenAI, der aus Textprompts realistische oder kreative Bilder erzeugt. Die aktuelle Version DALL·E 3 (seit 2023) bietet besonders präzise Textinterpretation und Detailgenauigkeit. DALL·E ist über ChatGPT verfügbar (OpenAI, o.J).

Im schulischen Bereich, in dem oft personenbezogene Daten und sensible Informationen verarbeitet werden, ist bei der Nutzung von KI-Optionen wie DALL·E besondere Vorsicht beim Datenschutz geboten.

Data Augmentation bezeichnet das künstliche Erweitern des Trainingsdatensatzes durch modifizierte Kopien der vorhandenen Daten. Dies erhöht die Vielfalt der Beispiele, verhindert Überanpassung (Overfitting) und verbessert die Robustheit des Modells (DataCamp, 2024).

Damit Künstliche Intelligenz zuverlässig funktioniert, braucht sie hochwertige Daten. Beim Daten-Labeling werden Daten (z. B. Texte, Bilder, Audio oder Videos) mit zusätzlichen Informationen versehen. Diese sogenannten Labels sind die «richtigen Antworten» im überwachten Lernen. Sie zeigen etwa an, ob ein Bild eine Katze enthält oder ein Text positiv formuliert ist. So können KI-Modelle aus den Beispielen lernen. Ohne gutes Daten-Labeling kommen auch dementsprechend schlechte Outputs (Datacamp, 2024).

Datenannotation bedeutet, Daten wie Texte, Bilder, Videos oder Audios mit Zusatzinformationen (Labels, Tags oder Markierungen) zu versehen. So wird z. B. in einem Bild ein Hund markiert, in einem Text ein Wort als Verb gekennzeichnet oder in einer Audioaufnahme Sprache verschriftlicht. Diese annotierten Daten dienen als Trainingsmaterial für Künstliche Intelligenz, damit Maschinen Muster erkennen, Inhalte einordnen und Aufgaben wie Übersetzung, Spracherkennung oder Bilderkennung zuverlässig ausführen können (datacamp, 2025).

Deep Learning ist ein Teilbereich des Machine Learning. Es nutzt mehrschichtige neuronale Netze, die ähnlich wie das menschliche Gehirn arbeiten, um komplexe Muster in grossen Datenmengen zu erkennen. Im Unterschied zu klassischen ML-Modellen, die nur wenige Schichten nutzen, bestehen Deep-Learning-Modelle oft aus Hunderten von Schichten und können dadurch auch unstrukturierte Daten wie Bilder, Sprache oder Texte verarbeiten. Deep Learning steckt hinter vielen Anwendungen unseres Alltags: Sprachassistenten wie Siri oder Alexa, automatische Übersetzungen, Gesichtserkennung, selbstfahrende Autos oder generative KI (z. B. ChatGPT). Damit ist es eine Schlüsseltechnologie für moderne Künstliche Intelligenz (Bergmann, o.J.).

Ein Deepfake ist eine Art synthetisches Medium, bei dem das Gesicht oder die Stimme einer Person mittels Deep Learning Techniken realistisch auf das Video oder Audio einer anderen Person übertragen wird. Deepfakes können für Betrug oder Rufschädigung missbraucht werden (SRF, 2024).

DeepSeek ist ein KI-Assistent für Text, der vom gleichnamigen Unternehmen DeepSeek entwickelt wurde. Das chinesische Unternehmen hat diesen KI-Assistenten geschaffen, der Fragen beantwortet, Texte generiert und bei verschiedenen Aufgaben hilft.

Im schulischen Bereich, in dem oft personenbezogene Daten und sensible Informationen verarbeitet werden, ist bei der Nutzung von KI-Optionen wie DeepSeek besondere Vorsicht beim Datenschutz geboten. 

Erklärbare KI (engl. Explainable AI) bezeichnet Methoden, die es Menschen ermöglichen, die Entscheidungswege von KI-Systemen zu verstehen und nachzuvollziehen. XAI zielt darauf ab, Vertrauen zu schaffen und Verantwortlichkeit sicherzustellen (IBM, o.J.).

Fake News sind absichtlich falsche oder irreführende Nachrichten im Gewand von seriösen Artikeln, die das Publikum täuschen und politische oder wirtschaftliche Ziele verfolgen. Sie werden häufig online verbreitet, um Aufmerksamkeit und Werbeeinnahmen zu erlangen (IONOS, 2021).

Ein Feedforward Netz ist ein neuronales Netwerk, in dem Informationen nur in eine Richtung fliessen. Also von der Eingabe bis zur Ausgabe. Es gibt keine Rückkopplungen oder Schleifen (GeeksforGeeks, 2025).

Gemini ist ein KI-Modell von Google, das von Google DeepMind entwickelt wurde. Gemini ist darauf ausgelegt, verschiedene Arten von Daten gleichzeitig zu verarbeiten, darunter Text, Bilder, Audio, Video und Code. Das Gemini-Modell gibt es in verschiedenen Grössen, optimiert für unterschiedliche Anwendungsbereiche. Darunter gehören: Gemini-Ultra, Gemini-Pro, Gemini-Flash, Gemini-Nano. Gemini überzeugt durch starke Leistungen in der Mediendarstellung. Insbesondere mit dem neuen Modell 2.5 Flash Image (Nano Banana), das die Konsistenz bei generierten Bildern deutlich verbessert hat (Gemini, o.J.)

Im schulischen Bereich, in dem oft personenbezogene Daten und sensible Informationen verarbeitet werden, ist bei der Nutzung von KI-Optionen wie Gemini besondere Vorsicht beim Datenschutz geboten.

Grok ist ein KI-Chatbot von xAI, der mit Echtzeit-Internetdaten (über Plattform X und Web) arbeitet. Er generiert Texte, beantwortet Fragen, denkt in Modus «Think» (Fehlerkorrektur, alternatives Denken) und kann Bilder erstellen oder verändern. Grok verfolgt laut xAI das Ziel, «Wahrheit und Objektivität» zu maximieren (Grok, o.J.).

Im schulischen Bereich, in dem oft personenbezogene Daten und sensible Informationen verarbeitet werden, ist bei der Nutzung von KI-Optionen wie Grok besondere Vorsicht beim Datenschutz geboten. 

KI-Modelle, insbesondere grosse Sprachmodelle, können plausible, aber falsche Inhalte erzeugen, was als «Halluzination» bezeichnet wird. Solche Fehler resultieren aus der statistischen Natur der Modelle und dem Mangel an tieferem Verständnis der Inhalte (IBM, o.J.).

Human in the Loop bezeichnet einen Lernansatz, bei dem Menschen aktiv in das Trainieren und Testen von KI-Modellen eingebunden sind. Menschliche Rückmeldungen werden in einem kontinuierlichen Feedback Loop genutzt, um die Ergebnisse zu verbessern und Fehler oder Verzerrungen zu reduzieren (Stryker, o.J.).

Intelligent Tutoring Systems (ITS) sind computergestützte Lernumgebungen, die mit KI-Methoden individuelles Feedback und intelligente Anleitung geben. Ziel ist es, Lernen zu personalisieren und Lernende durch adaptive Unterstützung zu fördern (Vodafon Stiftung, 2024).

Ein intelligenter Agent ist ein System, das seine Umgebung über Sensoren wahrnimmt und über Aktuatoren auf sie einwirkt. Agenten treffen Entscheidungen, um definierte Ziele zu erreichen. Sie sind ein zentrales Konzept in der KI (Russel & Norvig, 2021).
Bspw.: ChatGPT5 (Plus Version) bietet solche Suchagenten an.

Ein Large Language Model (LLM; deutsch: grosses Sprachmodell) ist ein KI-Modell mit einer sehr hohen Anzahl an Parametern (oft Milliarden), das mithilfe grosser Mengen an Daten (z. B. Büchern, Artikeln oder Webseiten) trainiert wird. Es ist in der Lage, menschenähnliche Texte zu generieren und zu verstehen, indem es Muster in diesen Daten erkennt. Ein bekanntes und aktuelles Beispiel ist GPT-5. LLMs unterscheiden sich von klassischen Sprachverarbeitungsmodellen, da sie nicht auf eine einzelne Aufgabe spezialisiert sind, sondern vielseitig eingesetzt werden können. Gesteuert werden sie durch einfache Spracheingaben, sogenannte Prompts.

Ein LLM versteht Sprache oder Fakten nicht wirklich, sondern sagt lediglich auf Basis erkannter Muster das wahrscheinlich nächste Wort voraus (Microsoft AI Tour, o.J.).

Le Chat ist der mehrsprachige KI-Assistent des Pariser Unternehmens Mistral AI. Er steht für hohe Geschwindigkeit, Datenschutz und Vielseitigkeit im Bereich der generativen KI. Le Chat kann Texte, Dokumente und Bilder verarbeiten, arbeitet datensparsam und ist sowohl für den persönlichen als auch den professionellen Einsatz optimiert (Datacamp, 2025).

Im schulischen Bereich, in dem oft personenbezogene Daten und sensible Informationen verarbeitet werden, ist bei der Nutzung von KI-Optionen wie Le Chat besondere Vorsicht beim Datenschutz geboten.

LLaMA vereint eine Reihe von KI-Sprachmodellen des Unternehmens Meta. Die Modelle können Texte verstehen, zusammenfassen und generieren. Sie werden als Open-Source-Systeme angeboten, sodass sie in andere Programme integriert oder für Bildungszwecke angepasst werden können. Die neueste Version (Llama 4) ist multimodal und kann Texte und Bilder verarbeiten (LLAMA, o.J.).

Im schulischen Bereich, in dem oft personenbezogene Daten und sensible Informationen verarbeitet werden, ist bei der Nutzung von KI-Optionen wie LLaMA besondere Vorsicht beim Datenschutz geboten.

Machine Vision bezeichnet den Einsatz von Kameras und Bildverarbeitungssystemen, um in industriellen oder technischen Anwendungen visuelle Aufgaben wie Qualitätskontrolle und Roboternavigation zu automatisieren (GeeksforGeeks, 2025).

Maschinelles Lernen (engl. machine learning, kurz: ML) ist ein Teilgebiet der Künstlichen Intelligenz. Computerprogramme lernen dabei aus vorhandenen Daten, Muster zu erkennen und selbstständig Vorhersagen zu treffen. Es wird in überwachtes, unüberwachtes und verstärkendes Lernen unterteilt. Einsatzgebiete sind u.a. Sprach- und Bilderkennung, automatische Übersetzungen, Empfehlungssysteme (Netflix, Spotify, Amazon), medizinische Diagnosen oder die Erkennung von Betrug (GeeksforGeeks, 2025).

Meta Learning («Lernen zu lernen») ist ein Teilgebiet des maschinellen Lernens. Modelle werden so trainiert, dass sie neue Aufgaben mit nur wenig zusätzlichem Training meistern können; sie verallgemeinern auf Basis von früheren Aufgaben und passen sich schnell an neue Situationen an (DataCamp, 2025).

Midjourney ist ein KI-Bildgenerator der Firma Midjourney, Inc., einem unabhängigen Forschungsinstitut. Die Bilder werden anhand von Text- oder Bild-Prompts erzeugt. Für die Nutzung ist ein Zugang zum Discord-Channel erforderlich und die monatlichen Abonnements beginnen bei 10 USD (Midjourney, o.J.).

Im schulischen Bereich, in dem oft personenbezogene Daten und sensible Informationen verarbeitet werden, ist bei der Nutzung von KI-Optionen wie Midjourney besondere Vorsicht beim Datenschutz geboten. 

Modellkomplexität beschreibt, wie kompliziert die Struktur eines Modells ist (z. B. Anzahl der Parameter oder Schichten). Zu komplexe Modelle können die Trainingsdaten überanpassen (Overfitting), während zu einfache Modelle die zugrunde liegenden Muster nicht erfassen (Underfitting) (Google Developers, 2024).

Verarbeitung natürlicher Sprache (engl. natural language processing, kurz: NLP) ist ein Teilgebiet der Künstlichen Intelligenz, das Computer befähigt, menschliche Sprache zu verstehen, zu verarbeiten und selbst zu erzeugen. Es wird z. B. genutzt für Übersetzungen, Sprachassistenten, Chatbots, Textzusammenfassungen oder Spamfilter.
Dazu kommen verschiedene Techniken wie Spracherkennung (Speech-to-Text), Text-zu-Sprache (Text-to-Speech) oder automatische Informationsextraktion. Mit dem wachsenden Text- und Sprachvolumen aus Social Media, Websites und digitalen Diensten ist NLP eine Schlüsseltechnologie für Kommunikation und Automatisierung (Stryker & Holdsworth, o.J.).

Neuronale Netze sind Modelle des Machine Learning, die nach dem Vorbild des menschlichen Gehirns arbeiten. Sie bestehen aus vielen verknüpften «Neuronen», die Daten verarbeiten, Muster erkennen und Entscheidungen ableiten können. So lernen sie durch viele Wiederholungen selbstständig, ihre Ergebnisse zu verbessern, wie bspw. beim Erkennen von Bildern, bei Sprachübersetzungen oder in selbstfahrenden Autos. Sie sind damit eine der wichtigsten Grundlagen Künstlicher Intelligenz (GeeksforGeeks, 2025).

Overfitting tritt auf, wenn ein Modell die Trainingsdaten zu genau lernt. Es liefert auf diesen Daten exzellente Ergebnisse, generalisiert jedoch schlecht auf neue Daten (GeeksforGeeks, 2025).

Prompt Engineering ist das Gestalten und Verfeinern von Eingabeaufforderungen, um KI-Modelle (insbesondere grosse Sprachmodelle) gezielt zu steuern. Wichtige Prinzipien sind Klarheit, Kontext und iterative Anpassung (GeeksforGeeks, 2025)

Ein Prompt ist eine Texteingabe oder Anweisung an ein KI-System, die das Verhalten der Ausgabe bestimmt. Gut formulierte Prompts liefern klarere und relevantere Antworten (GeeksforGees, 2025).

Ein Empfehlungssystem (engl. recommender system) ist eine Form von Künstlicher Intelligenz (KI), die Menschen hilft, aus einer grossen Menge an Möglichkeiten das Passende zu finden. Beispiele sind: Netflix schlägt Filme vor, die uns gefallen könnten. Spotify empfiehlt neue Musik, die zu unserem Geschmack passt. Online-Shops wie Amazon zeigen Produkte an mit «Das könnte Ihnen auch gefallen». Das System sammelt Daten über das Verhalten der Nutzer*innen. Es erkennt was sie angeklickt, gekauft oder positiv bewertet haben. Diese Informationen werden genutzt, um Muster zu erkennen und Vorhersagen zu treffen (Nvidia, o.J.).

Ein Rekurrentes neuronales Netz (engl. recurrent neural network) kann sich anders als ein Feedforward Netz an frühere Informationen erinnern. Das liegt daran, dass Signale nicht nur nach vorne, sondern auch zurückfliessen können. So kann das Netzwerk Zusammenhänge über die Zeit erkennen (bspw. in Sprache oder Musik). Das Netz merkt was vorher passiert ist und nutzt dieses Wissen, um die nächsten Entscheidungen zu treffen (Stryker, o.J.).

Reinforcement Learning ist ein Lernverfahren, bei dem ein Agent durch Interaktion mit seiner Umgebung lernt. Er erhält Belohnungen oder Strafen und optimiert sein Verhalten, um den kumulierten Nutzen zu maximieren (Murel & Kavlakoglu, o.J.).

Speech to Text (STT) ist eine Technologie, die gesprochene Sprache in schriftlichen Text umwandelt. Sie nutzt akustische Modelle, Spracherkennung und Sprachmodelle, um menschliche Sprache maschinell zu transkribieren (Hu & Downie, o.J.).

Supervised Learning ist ein Lernparadigma, bei dem ein Modell anhand gelabelter Trainingsdaten lernt, eine Abbildung von Eingaben zu Ausgaben zu erzeugen. Ziel ist es, die Ausgabe für neue, nicht gelabelte Eingaben korrekt zu prognostizieren (IBM, oJ).

Text to Speech (TTS) wandelt geschriebenen Text in gesprochene Sprache um. Moderne TTS Systeme verwenden neuronale Netze, um natürliche Stimmlagen und Betonungen zu erzeugen (Hu & Downie, o.J.).

Tokenisierung bezeichnet die Aufteilung eines Textes in kleinere Einheiten («Tokens»), etwa Wörter, Silben oder Subwörter. Diese Darstellung ist Voraussetzung für viele NLP-Modelle (Holdsworth & Kosinski, o.J.).

Transformer-Modelle sind eine moderne Architektur von neuronalen Netzen, die besonders gut mit Sprache und Text umgehen können. Ihr Kernprinzip ist der sogenannte Aufmerksamkeitsmechanismus («Attention»). Das Modell lernt, welche Wörter (oder Bildelemente) im Kontext wichtig sind, und bezieht sie gleichzeitig ein. Das macht Transformer schnell, leistungsfähig und vielseitig. Sie bilden die Grundlage grosser Sprachmodelle wie GPT (Generative Pre-trained Transformer), die Texte schreiben, Fragen beantworten oder Inhalte zusammenfassen können. Auch in anderen Bereichen wie Bildverarbeitung oder Spracherkennung werden sie heute erfolgreich eingesetzt (Stryker & Bergmann, o.J.).

Der Begriff Translation ist vor allem in der Medizin geläufig und meint die interdisziplinären Aktivitäten zur schnellen Umsetzung von Forschungsergebnissen in die Praxis. Der Begriff hat lateinischen Ursprung (translatio, von transferre = übertragen, hinübertragen). Unter dem Begriff Translation verstehen wir bei BeLEARN den raschen Transfer von wissenschaftlichen Erkenntnissen aus der Bildungsforschung in die Praxis.

Underfitting beschreibt eine Situation, in der ein Modell zu einfach ist, um die Muster in den Daten zu erfassen. Es führt zu schlechten Ergebnissen sowohl auf den Trainings- als auch auf den Testdaten (GeeksforGeeks, 2025).

Unsupervised Learning bezeichnet Lernverfahren, die ohne gelabelte Daten auskommen. Modelle versuchen selbstständig, Strukturen und Muster in den Daten zu entdecken. Beispielsweise durch Clustering (IBM, oJ).

In der Modellvalidierung werden Trainings und Testdaten genutzt, um die Leistung eines Modells zu überprüfen. Techniken wie Kreuzvalidierung helfen, die Generalisierungsfähigkeit eines Modells einzuschätzen (focalx, 2025).

VUCA steht für «Volatility, Uncertainty, Complexity, Ambiguity» und beschreibt eine Welt, die geprägt ist von schnellen Veränderungen, Unsicherheit, Komplexität und Mehrdeutigkeit. In der Bildungsarbeit dient VUCA als Rahmen, um Lernende auf dynamische, technologische und gesellschaftliche Veränderungen vorzubereiten (Bennett & Lemoine, 2014).