Glossar

Vergleich von Prompts/Setups zur Qualitäts- und KPI-Optimierung

Standard/Ansatz, damit Agenten untereinander Aufgaben koordinieren

Regeln, was Mitarbeitende mit KI dürfen und nicht dürfen

Protokollierungspflichten für Nachvollziehbarkeit und Audit.

Englischer Haupteintrag für KI-Agenten (autonome Tool-Workflows)

KI, die Aufgaben plant und Tools autonom nutzt.

Prüfung von KI-Systemen auf Compliance, Risiko, Qualität und Prozesse

Assistenzsystem, das Aufgaben unterstützt (Text, Code, Office, Support)

Tool/Ansatz zur Schätzung von Tokenkosten, Latenz und Infrastrukturkosten.

Bewertung, welche KI-Funktionen echten Geschäftswert liefern.

Regeln/Prozesse zur Steuerung von KI in Organisationen.

Bewertung von Auswirkungen, Risiken und Schutzmaßnahmen von KI

Prozesse für Sicherheits-/Qualitätsvorfälle in KI-Systemen

Fähigkeit, KI sicher, kritisch und produktiv im Job zu nutzen

Tooling für Transkription, Zusammenfassung und Aufgaben aus Meetings.

Messung von Qualität, Kosten, Latenz und Sicherheit entlang LLM-Workflows.

Sprachagent für Telefonie: Anrufe führen, buchen, qualifizieren

Interne Regeln für Einsatz, Daten, Tools und Verantwortlichkeiten

Auswahl/Einkauf von KI-Tools inkl. Risiko-, Rechts- und IT-Prüfung

Automatisches Entfernen sensibler Inhalte vor Speicherung/Weitergabe

Systematische Bewertung von Risiken, Impact und Controls bei KI-Einsatz.

Regeln/Prozesse zur Qualität, Herkunft und Nutzung von Trainingsdaten.

Konkreter Anwendungsfall für KI mit klarem Nutzen im Unternehmen.

Konkreter Anwendungsfall einer App mit klarem Business-Nutzen.

Konkreter Geschäftsanwendungsfall inkl. Nutzen, Risiko und Datenbedarf

Bewertung von KI-Anbietern nach Nutzen, Risiko, Kosten und Compliance.

Bewertung von KI-Anbietern nach Kosten, Datenschutz und Leistung.

Prüfung von Anbieter: Sicherheit, DSGVO, DPA, Kosten, SLAs.

App, deren Kernnutzen wesentlich durch KI ermöglicht wird.

KI-Provider mit LLMs, teils MoE-orientiert, API-basiert.

Alternative GPU-Plattform für LLM-Inferenz/Training, oft günstiger je Verfügbarkeit.

Standard-Schnittstelle, damit Software Daten austauschen kann.

Zentrale Schicht für Auth, Limits, Routing und Policies

Koordination mehrerer API-Aufrufe zu einem End-to-End-Prozess.

Limits für API-Aufrufe pro Zeit; beeinflusst Stabilität und Kosten

Systeme werden so gebaut/gewählt, dass APIs zentrale Schnittstelle sind.

Messbare Kriterien, nach denen ein Softwareprojekt als erfüllt gilt.

Tests von Agenten auf Zielerreichung, Kosten, Sicherheit und Robustheit

Übergabe von Kontext/Aufgabe zwischen Agenten oder an Menschen

Isolierte Ausführungsumgebung für Agenten-Tools und Code

RAG, bei dem Agenten iterativ suchen, prüfen und nachrecherchieren

Mehrschritt-Prozess, in dem Agenten planen, Tools nutzen und prüfen.

Flexible Entwicklung mit iterativem Vorgehen und laufender Abstimmung.

KI-System ohne Internetverbindung für maximale Sicherheit.

Bedingungen, die eine Anforderung für die Abnahme erfüllen muss.

Deutscher KI-Anbieter für Enterprise- und souveräne KI-Lösungen

AWS-Plattform für Foundation Models, Tools, Guardrails und RAG

Vergleich und Bewertung passender Softwareanbieter.

Ermittlung, welche Ziele, Prozesse und Funktionen Software erfüllen soll.

Strukturierte Verwaltung und Priorisierung von Anforderungen im Projekt.

Erstellung und Versand von Angeboten mit Regeln und Vorlagen.

Erkennt ungewöhnliche Muster in Daten (z.B. Betrug, Ausreißer, Fehler).

Verfahren zur Entfernung/Ersetzung personenbezogener Daten

Daten so verändern, dass Personen nicht (oder nur indirekt) erkennbar sind.

HTML-Schreibweise – Daten so ändern, dass Personen schwer/gar nicht erkennbar sind.

LLM-Familie von Anthropic, stark bei Reasoning und langen Kontexten.

Anteil neuer Nutzer, die den ersten Mehrwert der App erreichen.

Analyse von Nutzung, Verhalten und Performance einer App.

Geordnete Liste geplanter Funktionen, Verbesserungen und Aufgaben.

Strategische Beratung zu Konzept, Nutzen, Kosten und Umsetzung einer App.

Laufende Kosten für Hosting, Wartung, Support und Drittanbieter.

Anteil der Nutzer, die eine gewünschte Aktion in der App ausführen.

Messung wichtiger Nutzeraktionen und Ziele innerhalb der App.

Plan für Erhebung, Nutzung und Auswertung von App-Daten.

Grad der aktiven Nutzung und Interaktion innerhalb einer App.

Praxisnahe App-Entwicklung für kleine und mittlere Unternehmen.

App-Entwicklung mit Fokus auf MVP, Wachstum und Investor-Readiness.

Strategische Entwicklung mobiler Apps für Prozesse, Kunden und Teams.

Zeitrahmen von Idee bis Launch einer mobilen App.

Nutzerpfad von Installation bis Zielaktion innerhalb der App.

Wirtschaftliches Modell, wie eine App Wert schafft und Umsatz erzielt.

Strategie für Nutzerwachstum, Aktivierung, Bindung und Umsatz.

Prüfung, ob eine App-Idee echten Markt- und Kundennutzen hat.

Dashboard zur Überwachung zentraler App-Kennzahlen und Ziele.

Strukturierte Ausarbeitung von Zielgruppe, Funktionen und Nutzen der App.

Gesamtkosten für Konzeption, Design, Entwicklung und Betrieb einer App.

Dokument mit Anforderungen, Zielen und Rahmenbedingungen der App.

Erlösmodelle wie Abo, Freemium, Lizenz oder In-App-Käufe.

Anpassung von Inhalten und Funktionen an einzelne Nutzer.

Umsetzungsdokument, wie Anforderungen technisch und fachlich erfüllt werden.

Langfristige Planung von Nutzen, Marktposition und Feature-Entwicklung.

Planung von Budget, Meilensteinen, Ressourcen und Verantwortlichkeiten.

Wirtschaftlicher Nutzen einer App im Verhältnis zu ihren Kosten.

Grundlegende Überarbeitung einer bestehenden App für Wachstum oder Modernisierung.

Planung und Steuerung von App-Versionen, Updates und Freigaben.

Vereinbarte Service- und Reaktionszeiten für Betrieb und Support.

Ausbau einer App für mehr Nutzer, Funktionen und Märkte.

Darstellung einer App im Store mit Texten, Bildern und Nutzenversprechen.

Optimierung von App-Sichtbarkeit und Conversion in App Stores.

Laufende Betreuung von Nutzern, Fehlern und Funktionsfragen.

Planung einer nutzerfreundlichen und zielorientierten App-Erfahrung.

Auswahl der wichtigsten App-Anwendungsfälle nach Nutzen und Aufwand.

Laufende Pflege, Updates und Ausbau einer bestehenden App.

Mobile Anwendung zur Unterstützung von Prozessen, Vertrieb oder Service.

Geplanter Marktstart einer App inklusive Go-to-Market-Maßnahmen.

Frühe Visualisierung und Test von App-Ideen vor Entwicklung.

Strategischer Plan für Funktionen, Releases und Prioritäten.

Apps konsolidieren: behalten, ersetzen, stilllegen oder modernisieren.

Regelwerk, wer welche Freigaben in welchem Fall erteilen darf.

Produkt-/Artikel-Daten: Nummer, Beschreibung, Preis, Steuersatz, Bestand.

KI in Jira/Confluence für Suche, Texte, Zusammenfassungen.

KI gewichtet relevante Textteile stärker, um passende Antworten zu bilden.

Gewichtet Token-Bezüge; ermöglicht Kontextverständnis in Transformern.

Prozess von Auftrag über Lieferung bis Rechnung und Zahlungseingang.

Vertragliche Regelung, wenn Dienstleister personenbezogene Daten verarbeiten.

Vertrag, wenn ein KI-Anbieter personenbezogene Daten im Auftrag verarbeitet.

Wirtschaftlicher Nutzen einer Automatisierung im Verhältnis zu den Kosten.

Ausführung wiederkehrender Aufgaben mit Software statt manuell.

Automatisches Ausführen von Prozessen per Software/Workflows.

Microsoft-Hosting für OpenAI-Modelle mit Enterprise-Compliance.

App für Geschäftsbeziehungen, Partner, Händler oder Unternehmenskunden.

Open-Source Embedding-Modelle für semantische Suche und RAG.

Auswertungen und Dashboards für Entscheidungen aus Unternehmensdaten.

Klassischer Ranking-Algorithmus für Volltextsuche nach Begriffen.

Deutscher Sicherheitsstandard mit Bausteinen und Maßnahmenkatalog.

Backups als Cloud-Dienst – automatisiert, versioniert, wiederherstellbar.

3 Kopien, 2 Medien, 1 Offsite/Offline – Schutz vor Ransomware & Ausfällen.

KI-Verarbeitung vieler Datensätze gesammelt statt in Echtzeit.

Verarbeitung vieler Anfragen gebündelt statt in Echtzeit

Grad, in dem Mitarbeitende neue Software annehmen und nutzen.

Regeln, wann KI-Einsatz mitbestimmungspflichtig ist (z.B. Leistungskontrolle).

DSGVO-Rechte von Personen; Unternehmen brauchen Prozesse und Fristenkontrolle.

Systematische Benachteiligung durch Daten/Modelle und Gegenmaßnahmen

Identifiziert Prozessschritte, die Durchsatz und Lieferzeit begrenzen.

Mitarbeitende nutzen eigene KI-Accounts/Tools für die Arbeit

Private Geräte werden beruflich genutzt – mit klaren Regeln und Schutzmaßnahmen.

App für geschäftliche Prozesse, Kundenservice oder interne Abläufe.

Begründung eines Projekts auf Basis von Nutzen und Kosten.

Planung, um kritische Prozesse bei Krisen weiterzuführen.

Plan, wie der Betrieb bei Störungen weiterläuft (IT, Prozesse, Rollen).

Plan für Weiterbetrieb bei Störung: Prioritäten, Ersatzprozesse, Wiederanlauf.

Gezielte Übernahme/Imitation von Geschäfts-E-Mails für Zahlungsbetrug.

Gemeinsame Definitionen für KPIs und Begriffe (z.B. „aktiver Kunde“).

Auswertung von Unternehmensdaten für Berichte und bessere Entscheidungen.

Automatisierung wiederkehrender Geschäftsprozesse über Systeme hinweg.

Methodik zur Modellierung, Steuerung und Optimierung von Geschäftsprozessen.

Managt Erwartungen/Bedarf der Fachbereiche gegenüber der IT.

Verwaltet Entscheidungslogik als Regeln statt Code (z.B. Freigaben, Limits).

Ausrichtung von IT-Zielen, Architektur und Budget auf Geschäftsziele.

Automatisiertes Bauen, Testen und Ausrollen von Software.

Verantwortet IT-Organisation, Budgets, Betrieb und Business-IT-Alignment.

Strategische Gesamtverantwortung für Informationssicherheit.

Tool zum Erstellen und Pflegen von Websites ohne Programmieren.

Erstellt Angebote mit Konfiguration, Preisen und Regeln automatisch.

System für Kontakte, Leads, Angebote und Kundenkommunikation.

Leitet Technologie-Strategie, Architektur und Tech-Entscheidungen.

Einführung von KI mit Rollen, Schulungen, Kommunikation und Prozessen

Begleitung organisatorischer Veränderungen bei Softwareeinführung.

Kontrolliert IT-Änderungen, Risiken, Freigaben und Change-Kalender.

Formale Änderungsanfrage für neue oder angepasste Projektanforderungen.

Kontrollierter Prozess für Änderungen an Systemen zur Risikominimierung.

Chatbot von OpenAI auf Basis von LLMs.

Aufteilen von Dokumenten in passende Abschnitte für RAG/Embedding.

Anteil der Nutzer, die eine App nicht weiter verwenden.

Stoppt/limitiert Aufrufe bei Fehlern, schützt Systeme und Kosten

Ausgabe von Belegen/Links zu genutzten Quellen in Antworten.

Fachbereiche erstellen selbst digitale Lösungen mit No-Code oder Low-Code.

Anthropic-Modell für starke Textqualität, Tool-Use und Coding

Schnelles, kosteneffizientes Claude-Modell für Routineaufgaben und Automationen.

Anthropic-Modell für starke Text- und Agenten-Workflows

Schnelles, günstiges Claude-Modell für Routine-Workloads.

Analytics-Datenbank mit Funktionen für Vektorähnlichkeitssuche.

Kontrollinstanz für SaaS-Nutzung: Richtlinien, DLP, Sichtbarkeit.

Ressourcen markieren, um Kosten Teams/Projekten zuzuordnen.

IT-Ressourcen (Server, Speicher, Software) flexibel über das Internet nutzen.

Plan, wie man Cloud/Provider wechseln kann inkl. Daten und Workloads.

Methoden, um Cloud-Kosten zu steuern: Transparenz, Budgets, Optimierung.

Standard-Setup für Cloud-Konten, Netz, Security, Logging und Policies.

Tools prüfen Cloud-Konfigurationen automatisch auf Sicherheitsrisiken.

Software ist für Cloud-Betrieb gebaut: skalierbar, automatisiert, resilient.

Entscheidungen zu Cloud-Nutzung, Zielbild, Sicherheit und Kostenmodell.

Geteilte Verantwortung zwischen Unternehmen und Managed-Service-Provider.

KI-Provider für LLMs und Re-Ranking (Enterprise-Fokus).

Vergleicht Gruppen nach Startzeitpunkt (z.B. Neukunden Monat X) über Zeit.

Node-basierte Oberfläche für Stable-Diffusion-Workflows

Automatisierte Umsetzung und Kontrolle von Richtlinien und Vorgaben.

KI zur Analyse von Bildern/Videos (Erkennung, OCR, Qualität)

Hardware-geschützte Ausführung sensibler KI-Workloads (TEE)

Fertige Schnittstellen zu Tools/Quellen (CRM, ERP, Mail, Drive, DB).

Anbindungen an Systeme wie SharePoint, Confluence, Google Drive

Verwaltung von Einwilligungen zur Datenverarbeitung in KI-Systemen

Verwaltet Website-Einwilligungen (Cookies/Tracking) DSGVO-konform.

Standardisierte „App-Pakete“, die überall gleich laufen (Cloud/On-Prem).

Standard zur Herkunftskennzeichnung von KI-generierten Medien.

Klassifikator zur Erkennung/Blockade unsicherer Inhalte

Systematisches Design von Kontext, Daten, Tools und Regeln für LLMs

Reduziert Kontext dynamisch, um Tokenkosten und Rauschen zu senken

Wenn Eingaben das Kontextfenster überschreiten (Trunkierung).

Retrieval, das Kontext/Intention stärker berücksichtigt als Standard-RAG.

Strukturierter Zustand einer Unterhaltung inkl. Rollen und Verlauf.

Benutzeroberfläche mit Chat- oder Sprachinteraktion.

Urheberrechtsfragen bei KI-Training, Outputs und Unternehmensnutzung.

Regeln, was KI mit geschützten Texten/Bildern darf und was nicht.

Rechtsfragen zu Training, Output-Nutzung und Lizenzen

Regeln, wem Inhalte gehören und was KI damit darf.

Methoden zur Reduktion von LLM-Kosten (Tokens, Caching, Routing)

Re-Ranking-Modell, das Query und Dokument gemeinsam bewertet

App, die mit einer Codebasis für iOS und Android entwickelt wird.

Alle Kundendaten an einem Ort: Kontakte, Mails, Käufe, Tickets, Notizen.

Kosten zur Gewinnung eines neuen App-Nutzers oder Kunden.

Bündelt Kundendaten aus Kanälen für Marketing und Personalisierung.

Alle Schritte vom Erstkontakt bis Kauf und Support – messbar im CRM.

Erwarteter Gesamtwert eines App-Nutzers über die Nutzungsdauer.

Automatisierung von Supportfällen via Chat/Email mit LLMs und Tools

KI schlägt Antworten vor, fasst Tickets zusammen, erstellt Wissensartikel.

Fähigkeit, Angriffe/Fehler zu überstehen und schnell wieder zu laufen.

Zeit von Start bis Abschluss eines Prozessfalls (z.B. Ticket, Auftrag).

Übergabe von Buchungsdaten an DATEV für Steuerberatung/FiBu.

Signiert E-Mails kryptografisch, um Manipulation und Spoofing zu erkennen.

E-Mail-Policy gegen Spoofing, baut auf SPF/DKIM auf.

Ablage, Suche, Versionen und Freigaben für Dokumente zentral.

EU-Regeln zur digitalen Resilienz im Finanzsektor und IT-Drittrisiken.

Alignment-Verfahren mit Präferenzdaten ohne RL-Schleife.

Framework zur Optimierung von Prompts/Programmen mit Evals

Regeln für Ownership, Freigabe, Versionen und KPI-Definitionen von Dashboards.

Verzeichnis: welche Daten es gibt, Bedeutung, Owner, Qualität, Zugriff.

Überlappung zwischen Chunks zur besseren Retrieval-Qualität

Einstufung von Daten nach Schutzbedarf (z.B. intern, vertraulich)

Sichere Umgebung für Datenanalyse ohne Rohdatenfreigabe.

Vertragliche Schnittstellen-Definitionen für Datenqualität und Schema.

Rollen/Regeln für Datenqualität, Zugriffe, Definitionen und Compliance.

Manuelle/automatische Annotation von Daten für Training und Evals

Speicher für Rohdaten (strukturiert & unstrukturiert) in großem Umfang.

Nachvollziehbarkeit, woher Daten kommen und wie sie verändert wurden.

Dokumentation, wo Daten herkommen und wie sie verarbeitet wurden

Fähigkeit, Daten zu verstehen, zu hinterfragen und zu nutzen.

Kontrollen zur Vermeidung von Datenabfluss via KI-Tools

Fachbereichs-Datenbank für ein Thema (z.B. Vertrieb, Finanzen).

Ersetzt sensible Daten durch Platzhalter, ohne Struktur zu verlieren.

Verarbeitung nur der Daten, die wirklich notwendig sind.

Nur notwendige Daten verarbeiten; zentral für DSGVO-konforme KI

Monitoring von Datenpipelines: Frische, Volumen, Schema, Anomalien.

Steuert Abläufe, Abhängigkeiten und Zeitpläne von Datenpipelines.

Fachverantwortlicher für Datensatz/KPI inkl. Freigaben und Regeln.

Automatisierter Prozess, der Daten von Quelle zu Ziel bewegt und prüft.

Manipulation von Trainings-/RAG-Daten zur Modellbeeinflussung

Vertrag zur Auftragsverarbeitung mit KI-Anbietern und Dienstleistern

DSGVO-Folgenabschätzung bei hohem Risiko für personenbezogene Daten

Richtigkeit, Vollständigkeit, Aktualität und Konsistenz von Daten.

Methoden/Prozesse zur Sicherung von Datenkorrektheit und Vollständigkeit.

Abgleich von Zahlen zwischen Systemen (z.B. ERP vs. DWH vs. DATEV).

Vorgabe, in welchem Land/Region Daten gespeichert und verarbeitet werden.

Festlegung, in welchem Land/Region Daten gespeichert und verarbeitet werden.

Regeln, wie lange Prompts/Outputs gespeichert und zu Trainingszwecken genutzt werden.

Regeln, wie lange Analyse-/Logdaten gespeichert und wann gelöscht werden.

Kontrolle darüber, wo Daten liegen, wer zugreift und welche Gesetze gelten.

Rolle, die Datenqualität, Definitionen und Verantwortlichkeiten pflegt.

Plan für Datenquellen, Qualität, Ownership, Nutzung und Governance.

Automatische Prüfregeln, die fehlerhafte Daten erkennen und stoppen.

Zentrale, strukturierte Datenbasis für Reporting und Analysen.

Auswahl, Bereinigung und Qualitätskontrolle von Trainingsdaten

Wie aktuell Daten im Reporting sind (z.B. Echtzeit, stündlich, täglich).

Einstufen von Daten (öffentlich, intern, vertraulich) für passende Schutzregeln.

Struktur, wie Daten zusammenhängen (Tabellen, Beziehungen, Kennzahlen).

Datenschutzanforderungen bei KI-Nutzung und Datenverarbeitung.

HTML-Entity-Variante des DSGVO-&-KI-Eintrags für Referenzen

Überwacht DSGVO-Compliance, Prozesse und Datenschutzorganisation.

Risikoprüfung, ob KI-Verarbeitung hohe Risiken für Personen erzeugt.

Meldung an Behörde binnen 72h; ggf. Betroffene informieren.

Backup = Wiederherstellung; Archiv = revisionssichere Aufbewahrung/Belege.

Dokumentiert KI-Datenverarbeitung nach DSGVO – wer, was, warum.

Ablage für fehlgeschlagene Nachrichten/Jobs zur späteren Analyse.

Automatisierte Entscheidungen auf Basis von Regeln, Daten und ggf. KI.

Aktuelle Modellfamilie, bekannt für starke Reasoning-Leistung und Effizienz.

Gemeinsame Kriterien, wann Arbeit als fertig gilt.

Zusammenarbeit von Dev und Ops für schnellere, stabilere Releases.

Datenschutztechnik mit Rauschen zur Vermeidung von Rückschlüssen.

Verwaltet Bilder, Logos, Videos inkl. Versionen und Nutzungsrechten.

Gesamter digitaler Kundenerlebnis-Prozess über alle Touchpoints.

Tools und Standards für produktives Arbeiten (M365, Chat, Files, SSO).

Tiefgreifender Wandel von Geschäftsmodell, Prozessen und Kultur durch IT.

Schrittweise digitale Veränderung von Prozessen, Angeboten und Zusammenarbeit.

Elektronischer Freigabeprozess mit Regeln, Rollen und Nachverfolgung.

Projekt zur Verbesserung von Prozessen durch digitale Lösungen.

Roadmap für Prioritäten, Maßnahmen und KPIs der Digitalisierung.

Wiederanlauf-Plan für IT nach Ausfällen inkl. RTO/RPO.

Wiederanlauf in der Cloud nach Ausfall; definierte RTO/RPO erreichbar.

Kleines Modell lernt Verhalten eines großen Teacher-Modells.

Automatisierte Extraktion/Validierung aus Dokumenten

Regeln für Chunk-Größe, Overlap und Struktur zur besseren RAG-Qualität.

Digitaler Ablauf für Erstellung, Prüfung, Freigabe und Ablage von Dokumenten.

Findet und verhindert doppelte Datensätze, z.B. Kontakte im CRM.

Vollautomatische Bearbeitung ohne manuelle Eingriffe im Normalfall.

Verbindet Shop, ERP und CRM für Bestellungen, Lager, Kunden und Rechnungen.

Automatisiertes Klassifizieren, Antworten und Routing von E-Mails

Elektronische Rechnung nach deutschem/öffentlichem Standardformat.

Digitaler Prozess für Unterschriften, Freigaben und Nachverfolgung.

Beliebte Open-Source Embedding-Familie für Retrieval und semantische Suche.

Verwaltet Inhalte: Dokumente, E-Mails, Workflows und Archivierung.

Daten erst laden, dann im Zielsystem transformieren (z.B. im DWH).

Software für Waren, Einkauf, Buchhaltung, Projekte und Prozesse.

Daten extrahieren, umformen und ins Zielsystem laden.

Datenextraktion und -aufbereitung für Training, RAG und Analytics

EU-Verordnung zur Regulierung von KI-Systemen.

Umsetzung von Pflichten aus dem EU AI Act in Unternehmen

EU-Behörde für Aufsicht/Koordination rund um den AI Act.

Branchenleitlinien zur Umsetzung von GPAI-Pflichten.

Prüfung, ob ein KI-System EU-Anforderungen erfüllt

Basismodelle mit breiten Fähigkeiten; besondere Transparenzpflichten

EU-Regeln für General-Purpose-KI und Foundation Models

KI-Systeme mit strengen Pflichten nach EU AI Act

Vorgaben zur menschlichen Aufsicht bei KI-Entscheidungen.

Überwachung von KI nach Inverkehrbringen (Incidents, Updates).

KI-Anwendungen, die nach EU AI Act untersagt sind.

Nachweis-Paket zu Modell, Daten, Risiken, Tests und Betrieb

Pflichten zu Kennzeichnung, Infos, Dokumentation für KI-Systeme.

EU-Regeln zu Datenzugang/-nutzung, v.a. bei IoT und vernetzten Produkten.

Rechtsrahmen für Datentransfers in die USA; relevant bei Nutzung US-basierter KI-Tools.

Geplantes EU-Zertifizierungsschema für Cloud-Sicherheitsniveaus.

Gebühren, wenn Daten aus der Cloud heraus übertragen werden.

Automatisierte Erfassung, Prüfung und Freigabe von Rechnungen.

Voice-KI für TTS, Voice Cloning und agentische Telefonie

Veränderung der Embedding-Verteilung durch Modell-/Datenwechsel

Modell, das Texte in Vektoren für Suche, RAG und Clustering wandelt

Vektorrepräsentationen für semantische Ähnlichkeitssuche.

Automatisierung eines gesamten Prozesses vom Start bis zum Ergebnis.

Erkennung/Abwehr von Angriffen auf PCs/Server inkl. Telemetrie und Reaktion.

Steuert Gesamtarchitektur, Standards und Roadmaps auf Unternehmensebene.

Gesamtbild von Anwendungen, Daten, Prozessen und Infrastruktur.

Suche über interne Systeme wie DMS, Wiki, CRM und Files

Größere Anforderungspakete, die in Stories zerlegt werden.

Regeln für automatische Weiterleitung bei Verzögerungen oder Problemen.

Framework zum automatisierten Ausführen und Vergleichen von Evals

Messung von Modellqualität mit Tests, Metriken und Benchmarks.

Systematisches Testen/ Vergleichen von KI- oder Report-Ergebnissen.

HTML-Schreibweise – KI/IT-Lösungen messbar vergleichen und testen.

Systeme reagieren auf Ereignisse (Events) statt auf Polling/Batch.

Umgang mit Sonderfällen, Fehlern und Abweichungen im Workflow.

Vorbereitung, Anbieter wechseln zu können: Datenexport, Verträge, Prozesse.

Nachverfolgung von Runs, Parametern, Metriken und Artefakten

Alternatives Modell bei Ausfall, Timeout oder Budgetgrenzen.

Regeln für Ausweichmodelle/Workflows bei Fehlern oder Risiko

Bewertung, welche App-Funktionen zuerst entwickelt werden sollten.

Zentrale Ablage wiederverwendbarer ML-Features für Training & Serving

Training über verteilte Daten, ohne Daten zentral zu sammeln.

Steuerung per wenigen Beispielen im Prompt statt Training.

App für Außendienst, Serviceeinsätze und mobile Einsatzsteuerung.

Kostensteuerung für KI-Cloud, Modelle, APIs und GPU-Nutzung.

Nachtraining eines Modells auf spezifischen Daten.

Anteil der Fälle ohne Nacharbeit beim ersten Durchlauf.

Vorhersage zukünftiger Werte (Umsatz, Bedarf, Cashflow) aus Daten.

Automatisierte Verarbeitung digitaler Formulare und Eingaben.

Externer CTO auf Zeit/Teilzeit für Strategie und Steuerung.

Kostenlose Nutzung bis zu Limits (Tokens/Requests/Monat) bei KI-Anbietern.

Vergleich von Funktionsumfang, Limits, Datenschutz und Kostenmodellen.

Regeln, wer Angebote/Bestellungen/Rechnungen prüfen und freigeben muss.

LLM ruft definierte Funktionen/APIs strukturiert auf.

Analysiert Conversion-Schritte (z.B. Besuch → Lead → Auftrag).

EU-Initiative für Datenräume/Interoperabilität mit Souveränitätsprinzipien

Speicherbedarf auf GPUs, der Modellgröße und Kontext bestimmt.

Mieten von GPU-Kapazität für Training/Inference in der Cloud.

Google-Modell mit sehr großem Kontextfenster für lange Dokumente

Google-Modellgeneration für multimodale und Tool-Workflows

Schnelles Gemini-Modell für günstige Inferenz, oft für Agenten- und Tool-Workflows genutzt.

Schnelles, günstiges Gemini-Modell für hohe Durchsätze.

KI, die neue Inhalte wie Text, Bild oder Code erzeugt.

Beschreibt, wie ein Unternehmen Wert schafft und Geld verdient.

KI-Paarprogrammierer für Code; Business-Version mit Admin/Policies

Zeitpunkt, an dem neue Software produktiv genutzt wird.

Plan für Positionierung, Vertrieb und Einführung einer App.

Revisionssichere Ablage von Belegen nach deutschen GoBD-Regeln.

Kuratiertes Testset zur verlässlichen Qualitätsmessung von KI/Workflows.

Kuratiertes Set zur stabilen Bewertung von KI-Qualität

Web-Tool zum Prototyping und Testen von Gemini-Prompts und APIs.

Multimodale Modellfamilie von Google für Text, Bild und Tools.

Google-Plattform für Modelle, Pipelines, Deployments und Evals

Gemini-Funktionen in Gmail/Docs/Sheets für Produktivität

RAG mit Wissensgraphen für präzisere Abfragen und Kontext

Inference-Anbieter mit sehr niedriger Latenz (LPU-Hardware).

Verifizierte Referenzwerte zur Bewertung von Ergebnissen (z.B. Extraktion).

Verlässliche Referenzdaten zur Bewertung von KI-Ergebnissen

Anbindung an verifizierbare Quellen zur Reduktion von Halluzinationen.

Schnellprüfung nach BSI: Ist-Zustand vs. empfohlene Maßnahmen.

Regelwerk als Code zur Durchsetzung von Sicherheits- und Compliance-Vorgaben.

Regeln/Filter zur Kontrolle von Ausgaben, Tools und Datenzugriff.

Wenn KI plausible, aber falsche Inhalte erzeugt.

CMS, das Inhalte per API an Website, App und Shop ausliefert.

Ökosystem für Modelle, Datasets, Inference und Deployment

Menschliche Freigabe/Feedback in KI-Prozessen und Automationen.

Mischbetrieb aus Cloud und On-Premise nach Workload-Anforderungen.

Kombination aus Keyword- und semantischer Suche für bessere Treffer.

Kombination aus klassischen und agilen Vorgehensmodellen.

Kombination aus RPA, KI, BPM und Integrationen zur Vollautomatisierung.

Intensive Betreuung direkt nach dem Produktivstart.

Deutscher Cloud-Zugang zu KI-Modellen mit Fokus auf Datenresidenz

Internationaler Standard für ISMS: Anforderungen, Audits, Zertifizierung.

Managementsystem-Standard für verantwortungsvolle KI in Organisationen

Plant Systeme/Integrationen und sorgt für konsistente Zielarchitektur.

Berät zu Strategie, Auswahl, Einführung und Optimierung von IT-Lösungen.

Trennt Betrieb (Run) von Weiterentwicklung/Projekten (Change).

Planung/Zuordnung von IT-Kosten, Lizenzen und Services zu Bereichen.

Einhaltung von Gesetzen/Standards (z.B. DSGVO, NIS2, ISO 27001).

Regeln, Rollen und Entscheidungen, wie IT im Unternehmen gesteuert wird.

Schnittstelle zwischen Fachbereichen und externen IT-Dienstleistern.

Investitions- vs. Betriebskosten zur Bewertung von Cloud/Outsourcing.

Operative Verantwortung für IT-Betrieb, Team/Provider und Prioritäten.

Koordiniert IT-Services, Projekte, Provider und interne Anforderungen.

Struktur, wie IT-Aufgaben im Unternehmen verteilt und gesteuert werden.

Auslagerung von IT-Betrieb/Services an externe Provider.

Steuerung aller IT-Projekte/Produkte nach Nutzen, Risiko und Kosten.

Priorisiert Anforderungen und steuert IT-Produkt/Service aus Business-Sicht.

Priorisierung und Steuerung von IT-Projekten nach Nutzen und Kapazität.

Systematische Identifikation, Bewertung und Behandlung von IT-Risiken.

Zeitplan für IT-Initiativen, Abhängigkeiten, Budget und Meilensteine.

Verantwortet einen IT-Service über Lifecycle, Kosten, Qualität und Risiken.

Struktur für IT-Services, Tickets, Changes und Betrieb (z.B. ITIL).

Koordiniert Informationssicherheit, Policies, Risiken und Maßnahmen.

Make-or-Buy-Entscheidungen: intern, Outsourcing, SaaS, Managed Services.

Plan, wie IT Ziele, Prozesse und Wachstum des Unternehmens unterstützt.

Bündelt IT-Betrieb, Support, Hardware/Software und Cloud-Services.

Best Practices für IT-Service-Management und Servicequalität.

Virtuelle Server/Netzwerk/Speicher aus der Cloud statt eigener Hardware.

Mehrfaches Ausführen führt zum gleichen Ergebnis (wichtig bei Retries).

Verwaltung von Nutzerkonten, Rollen und Zugriffsrechten über Tools hinweg.

Zentrale Anmeldung für viele Tools (SSO), z.B. Microsoft Entra ID.

Backups, die nicht gelöscht/überschrieben werden können (WORM/Lock).

Nachrichten und Hinweise direkt innerhalb der App-Oberfläche.

Steuert Störungsbearbeitung, Kommunikation und Wiederherstellung.

Notfallplan für Sicherheitsvorfälle: Rollen, Schritte, Kommunikation, Forensik.

Injection über externe Inhalte (Web, Dokumente, E-Mails) statt Prompt

Maßgeschneiderte Software, die auf ein Unternehmen zugeschnitten ist.

Vergleich zwischen maßgeschneiderter und fertiger Unternehmenssoftware.

Ausführung eines trainierten Modells zur Ergebnisgenerierung.

Wenn ein KI-Modell im Betrieb Antworten berechnet (nicht Training).

Ausführung eines trainierten Modells zur Generierung von Ausgaben.

Server zum effizienten Ausliefern von LLM-Inferenz via API.

Rechenbudget zur Laufzeit für bessere Antworten (z.B. Mehrfach-Sampling).

Managementsystem für Informationssicherheit: Regeln, Prozesse, Kontrollen.

Regeln, wie Systeme Daten austauschen (APIs, iPaaS, Events, Standards).

Plan, wie Software, Daten und Systeme sinnvoll verbunden werden.

BPA/RPA kombiniert mit KI (z.B. OCR, Klassifikation, LLMs).

Temporäre IT-Führung für Übergang, Krisen oder Aufbau von Strukturen.

Chatbot beantwortet interne Fragen zu Prozessen, IT, HR, Produkten.

Schrittweise Entwicklung mit wiederholter Verbesserung in mehreren Runden.

Erzwingt valide JSON-Ausgaben für zuverlässige Automatisierung

Umgehung von Sicherheitsregeln/Policies durch spezielle Prompts.

Zwei Parteien bestimmen gemeinsam Zwecke/Mittel der Verarbeitung; Vertrag nötig.

KI hilft bei Standortseiten, FAQs, Rezensionen, Google Business Profil Texten.

KI erstellt/optimiert Texte, Ads, Landingpages, Newsletter und Varianten.

KI unterstützt Stellenanzeigen, Vorauswahl-Fragen, Interviewleitfäden, Mails.

KI hilft bei E-Mails, Follow-ups, Gesprächsnotizen, Angeboten, CRM-Pflege.

Mobile App mit integrierten KI-Funktionen oder KI-Workflows.

Interne Regeln zu erlaubten KI-Tools, Daten, Logging, Kontrolle, Schulung.

Erstellt Bilder für Marketing – mit Stilvorgaben, Rechten und Freigabe.

Liste erlaubter Datenkategorien für KI (z.B. öffentlich, intern, vertraulich).

KI prüft Aussagen auf Risiko: Irreführung, Belege, rechtliche Stolpersteine.

Regeln für KI in Kundenkommunikation: Ton, Freigabe, Transparenz, Quellen.

Preislogik: Nutzer-Lizenzen vs. verbrauchsbasierte Token/API-Kosten.

KI fasst Meetings zusammen und erstellt Aufgaben, Entscheidungen, To-dos.

Vorgehen bei Datenpanne, falschen Antworten, Tool-Ausfall oder Missbrauch.

Was Mitarbeitende mit KI dürfen – und was nicht (Daten, Kunden, Geheimnisse).

Prozess, wie KI-Ergebnisse geprüft, freigegeben und dokumentiert werden.

Methoden, um nicht freigegebene KI-Tools im Unternehmen zu identifizieren.

Ablauf zur Bewertung/Erlaubnis neuer KI-Tools (Datenschutz, Kosten, Risiko).

Hinweis, wenn Inhalte/Kommunikation KI-unterstützt oder synthetisch sind.

Interne Infos auffindbar machen: Richtlinien, Handbücher, FAQs, Projekte.

KI erstellt Entwürfe für Angebote/Verträge – mit Prüf- und Freigabeprozess.

KI findet Dubletten, Fehler und vereinheitlicht Daten (z.B. CRM/ERP-Exports).

Automatisches Auslesen, Prüfen und Buchen von Dokumenten mit KI.

KI sortiert E-Mails, priorisiert, erstellt Entwürfe und leitet weiter.

Nachvollziehbare Logs: wer nutzte KI wofür, mit welchen Daten/Outputs.

KI erstellt Arbeitsanweisungen aus Notizen, Loom-Videos oder Checklisten.

KI erstellt Folien aus Stichpunkten, Dokumenten oder Meeting-Notizen.

KI erstellt kurze Trainings, Quiz und Lernpfade aus internen Dokumenten.

Findet Infos über Dateien, Mails und Tools hinweg per Suchmaschine.

KI fasst Wettbewerber, Preise, Positionierung und Differenzierung zusammen.

KI erstellt/aktualisiert Helpcenter-Artikel aus Tickets und Chats.

KI findet Antworten in internen Dokumenten statt nur Dateinamen zu suchen.

KI übersetzt E-Mails, Angebote, Webseiten – inkl. Tonalität und Fachsprache.

Messgröße zur Steuerung (z.B. Marge, CAC, Liefertermintreue).

Zwischenspeicher für Attention-Zustände zur Beschleunigung

Agile Methode zur Visualisierung und Steuerung von Arbeit.

Zentrale Quelle für Unternehmenswissen, oft Grundlage für RAG

Komprimierung eines großen Modells in ein kleineres für schnellere, günstigere Nutzung.

Graphstruktur zur Verknüpfung und Abfrage von Unternehmenswissen.

Maximale Token-Menge, die ein Modell pro Anfrage verarbeiten kann.

System, das Container automatisch verteilt, skaliert und überwacht.

App für Kundenservice, Dokumente, Bestellungen und Interaktionen.

Sprachmodell, das Texte versteht und generiert.

Sicherheitslayer gegen Prompt-Injection, Datenabfluss und Policy-Verstöße.

Zwischenschicht für Routing, Auth, Logging, Policies und Kostenkontrolle von LLM-APIs.

LLM bewertet Antworten anderer Modelle nach definierten Kriterien

Bestände, Reservierungen und Lagerbewegungen im ERP verwalten.

Kombiniert Data Lake + Warehouse-Funktionen (Governance, SQL, Performance).

Framework zum Bauen von LLM-Apps mit Tools, RAG und Chains.

KI-Modell, das Texte versteht und generiert.

Sprach-KI, die Texte versteht und erzeugt; Basis vieler Copilots.

KI-Modellklasse, die Texte versteht und generiert (z.B. Chatbots, Analyse).

Dokument mit Zielen, Anforderungen und Erwartungen des Auftraggebers.

Antwortzeit und Durchsatz eines Modells/Systems im Betrieb.

Maximal zulässige Antwortzeit für eine KI-Funktion

Abwägung zwischen Antwortzeit und Token-/Compute-Kosten.

Erfassen, bewerten und nachverfolgen von Interessenten bis zum Abschluss.

Automatische Zuweisung neuer Leads an passende Teams oder Personen.

Nutzer erhalten nur die Rechte, die sie wirklich benötigen.

Erneuerung veralteter Apps hinsichtlich Technik, UX und Business-Zielen.

Modernisierung alter Systeme durch Refactoring, Replatforming etc.

Meta Open-Weights LLM für On-Prem/Cloud und Anpassungen

Safety-Modell zur Inhaltsklassifikation und Policy-Durchsetzung

Open-Source Runtime zum Ausführen quantisierter LLMs lokal auf CPU/GPU.

Framework für RAG, Datenanbindung und Indexierung für LLMs.

Effiziente Fine-Tuning-Methode mit Low-Rank-Adaptern.

Günstige Methode, KI-Modelle mit wenig Zusatzdaten anzupassen.

PEFT-Methode: Feinabstimmung über kleine Zusatzmatrizen.

Betrieb von Modellen lokal auf PC/Server statt in der Cloud.

LLM mit sehr großem Kontextfenster für lange Dokumente/Chats

Automatisierung mit wenig Code und schneller Umsetzung von Workflows.

Regeln/Prozesse, wann Daten zu löschen oder zu anonymisieren sind.

Dienst, der Tools/Datenquellen standardisiert für LLMs bereitstellt

Sorgt für einheitliche Kunden-, Artikel- und Lieferantendaten.

Methoden für Betrieb, Deployment und Monitoring von ML/KI.

Frühe App-Version mit Kernfunktionen zur Marktvalidierung.

Prüfung, ob ein Vorhaben wirtschaftlich und organisatorisch passt.

No-Code Automatisierung mit KI-Modulen und Integrationen.

Entscheidung zwischen Eigenentwicklung und Kauf einer fertigen Lösung.

Cloud-Anbieter betreibt Technik/Updates; Kunde nutzt den Dienst.

Laufend betreute IT- oder Softwareleistungen mit klaren Zuständigkeiten.

Externer Betrieb, Wartung und Betreuung von App und Infrastruktur.

Provider betreibt definierte IT-Services inkl. Monitoring und Support.

Unterbrechung eines digitalen Ablaufs durch manuelle oder analoge Schritte.

Wichtiger Zwischenpunkt zur Steuerung des Projektfortschritts.

Angriff, der prüft, ob Daten im Training enthalten waren.

Kurz- und Langzeitgedächtnis für Agenten über Sessions hinweg.

Entkoppelt Systeme über asynchrone Nachrichten (z.B. RabbitMQ, SQS).

Open-Weights LLMs von Meta, häufig on-prem und in OSS-Stacks genutzt.

Plattform zum Bauen, Testen und Deployen von GenAI/LLM-Anwendungen in Azure.

KI-Assistent in Microsoft 365 für Produktivität und Unternehmensdaten

Tool zum Erstellen/Anpassen von Copilots und Workflows.

Früheste marktfähige Produktversion mit Kernfunktionen.

Europäischer LLM-Anbieter mit starken Open-Weights und Enterprise-Angeboten.

Mistral-Flaggschiffmodell für Enterprise-Textaufgaben und Tool-Use

Interne App für Kommunikation, Prozesse und Self-Service im Unternehmen.

Architektur, die nur passende Teilmodelle pro Token aktiviert.

Geschäftliche Planung für Zielgruppe, Nutzen und Monetarisierung.

Mobile Anwendung zur Unterstützung von Geschäftsprozessen.

Gesamterlebnis von Kunden bei Nutzung einer mobilen App.

Zentrale Verwaltung von Geräten: Policies, Verschlüsselung, Remote-Wipe.

Anpassung von Modellen an menschliche Ziele, Werte und Regeln.

Nachweis, welches Modell welche Antwort erzeugt hat

Sammlung standardisierter Tests für Modellvergleich

Standardisierte Dokumentation zu Modellzweck, Daten, Risiken und Limits.

Standard, um LLMs sicher mit Tools, Daten und Kontext zu verbinden.

Anreicherung von Modellen mit Unternehmenskontext ohne Fine-Tuning

Leistungsabfall eines Modells durch veränderte Daten/Umgebung

Kennzahlen zur Bewertung von Modell- und RAG-Qualität.

Nachvollziehbarkeit von KI-Entscheidungen für Nutzer und Auditoren

Laufzeit-Schutzschicht für Inhalte, Tools, Daten und Policies

Angriff, der Trainingsdaten aus Modellantworten rekonstruiert.

Rechte/Pflichten zur Nutzung, Weitergabe und kommerziellen Verwendung.

Prozesse von Auswahl über Betrieb bis Stilllegung von Modellen

Überwachung von Qualität, Drift, Kosten und Sicherheit im Betrieb.

Überwacht Qualität, Kosten und Fehler von KI-Funktionen im Betrieb.

Manipulation von Training/Updates, um Modellverhalten zu beeinflussen

Zentrale Verwaltung von Modellen, Versionen und Metadaten

Framework zur Steuerung von Modellrisiken (Validierung, Kontrollen).

Leitet Anfragen je nach Aufgabe an das passende KI-Modell weiter.

Leitet Requests je nach Kosten/Qualität an passende Modelle.

Wählt dynamisch das passende Modell nach Aufgabe/Kosten/Qualität.

Automatische Auswahl des besten Modells je Anfrage nach Kosten, Latenz oder Qualität.

Schutz von Modellen, Prompts, Tools und Daten vor Angriffen

Auswahl eines Modells nach Qualität, Kosten, Latenz, Risiken

Bereitstellung von KI-Modellen als skalierbare API im Betrieb.

Bereitstellung von KI-Modellen als skalierbarer Service (API).

Markierung von KI-Inhalten zur Erkennung/Provenienz

Nutzung mehrerer Cloud-Anbieter zur Risikostreuung oder Spezialisierung.

Zusätzlicher Login-Faktor (App/SMS/Token) neben Passwort.

Betrieb mehrerer LLM-Anbieter zur Kosten-, Risiko- und Qualitätsoptimierung

Modelle, die Text, Bild, Audio oder Video kombinieren.

Cybersecurity-Pflichten (NIS2) im Kontext von KI-Systemen

Umsetzung der EU-NIS2-Anforderungen an IT-Sicherheit und Meldepflichten.

Rechenbeschleuniger, die Training und Inferenz großer Modelle stark beschleunigen.

Fertige Inference-Services/Container für KI-Modelle von NVIDIA.

Entwicklung separater Apps speziell für iOS oder Android.

Open-Source-Framework für Sicherheits- und Verhaltensleitplanken

Prozessautomatisierung ohne klassische Programmierung per visuellen Tools.

Eine Leitkennzahl, die den zentralen Geschäftswert am besten abbildet.

KI-Schreib-, Zusammenfassungs- und Wissensfunktionen in Notion.

Methode zum Vergleich von Softwareoptionen nach Kriterien.

Texterkennung aus Bildern/PDFs zur Automatisierung von Dokumentenprozessen.

Texterkennung in Scans/PDFs für Dokumenten-Automation

Datenbasierte Messung von Objectives & Key Results (Fortschritt, Wirkung).

Analysemodell für schnelle Auswertungen nach Dimensionen (Zeit, Region, Produkt).

Runtime zur schnellen Ausführung von ML-Modellen (ONNX).

Ende-zu-Ende Nachverfolgung von KI-Requests über Systeme

Tool zum lokalen Ausführen und Verwalten von LLMs

Nahtlose Kundenerfahrung über Web, Telefon, E-Mail, Laden etc.

KI-Inferenz lokal auf Gerät statt Cloud; mehr Datenschutz, weniger Latenz.

Betrieb von LLMs im eigenen Rechenzentrum für Kontrolle & Datenschutz

Self-hosted Web-Oberfläche für lokale/remote LLMs

Modelle mit offenen Gewichten/Lizenzen für eigene Nutzung

RAG-Architektur mit Open-Source-Komponenten statt Managed Services.

Modell, dessen Gewichte verfügbar sind, auch wenn Code/Training nicht komplett offen ist.

API-Zugriff auf OpenAI-Modelle für Chat, Tools, Vision und Embeddings.

API-Konzepte für Tools, Dateien, Threads und strukturierte Ausgaben

Asynchrone Batch-Verarbeitung für günstige LLM-Aufrufe.

Unternehmensversion mit Admin, Compliance, Datenschutz-Features.

Anpassbare ChatGPT-Apps (GPTs) für spezifische Aufgaben.

OpenAI-Modellgeneration für leistungsfähige Text-/Code-Aufgaben

Kompakteres GPT-4.1-Modell mit Fokus auf Kosten/Latenz bei guter Qualität.

Multimodales OpenAI-Modell für Text, Bild und Audio in Echtzeit

Kostengünstigeres multimodales OpenAI-Modell für Standardaufgaben.

Web-UI zum Testen von Modellen, Prompts, Tools und Ausgabeformaten.

Low-Latency Streaming/Voice-Interaktionen in Echtzeit

API/Workflow-Integration für Text-zu-Video-Generierung

Mechanismus für valide, schema-konforme JSON-Ausgaben aus LLMs.

Embedding-Modelle zur Vektorisierung von Text für Suche, RAG und Clustering.

Spracherkennung zur Transkription und Voice-Workflows

Reasoning-Modelle für komplexe Aufgaben mit höherer Denkfähigkeit

API-Standard, den viele Provider/Server nachbilden, um Tools kompatibel zu halten.

Routing-Plattform für Zugriff auf viele LLMs über eine API

Search-Engine mit Vektor- und Hybrid-Suche für Enterprise Use.

Standard für Traces/Metrics/Logs zur Observability von KI-Workflows

Zielbild für Organisation, Prozesse, Rollen und Tools im Betrieb.

Konkreter Deal im CRM mit Wert, Wahrscheinlichkeit und nächstem Schritt.

Auslagerung einzelner IT-Aufgaben, nicht ganzer Services.

Sammelbegriff für effizientes Fine-Tuning ohne komplettes Neutraining.

Fine-Tuning mit wenigen trainierbaren Parametern (z.B. LoRA)

Automatische Erkennung personenbezogener Daten in Texten

Automatisches Schwärzen personenbezogener Daten in Texten/Dokumenten.

Erkennung/Entfernung personenbezogener Daten vor Verarbeitung.

Ersetzt PII durch Tokens, um Daten nutzbar aber geschützt zu halten

Sicherer Speicher für personenbezogene Daten/Secrets mit kontrolliertem Zugriff.

Strukturiertes Projektmanagement-Framework mit klaren Rollen.

Cloud-Plattform zum Betreiben von Apps ohne Serverbetrieb in Eigenregie.

Tool zur sicheren Speicherung/Generierung starker, einzigartiger Passwörter.

Geplantes Einspielen von Updates zur Schließung von Sicherheitslücken.

Gezielter Sicherheitstest durch simulierte Angriffe auf Systeme/Anwendungen.

KI-Such/Antwortsystem mit Fokus auf Quellen und Recherche

Dokument, das beschreibt, wie Anforderungen konkret umgesetzt werden.

Abstimmung, wer welche Leistungen und Ergebnisse schuldet.

Betrugsversuch per E-Mail/Chat/Telefon zur Abgreifung von Zugangsdaten.

Begrenzter Testeinsatz einer Software vor dem breiten Rollout.

Microsoft-Automation mit KI-Connectoren und Copilot-Funktionen.

Daten mit Paarvergleichen/Rankings für DPO/RLHF

Festlegung, welche Anforderungen zuerst umgesetzt werden sollen.

Abgeschottetes LLM-Setup mit privaten Daten, Zugriffskontrolle und Audit

Verwaltung besonders mächtiger Konten: Admin-Zugriffe, Vault, Freigaben, Logs.

Analysiert Ursachen wiederkehrender Incidents und verhindert Wiederholung.

Kennzahl zur Messung von Leistung, Tempo und Qualität eines Prozesses.

Analysiert Event-Logs, um reale Prozessabläufe und Engpässe sichtbar zu machen.

Koordination kompletter End-to-End-Prozesse über mehrere Systeme hinweg.

Priorisierte Liste aller Anforderungen und Aufgaben.

Phase zur Klärung von Nutzerproblem, Nutzen und Prioritäten.

Verantwortet Anforderungen, Priorisierung und Produktnutzen.

Nachweis, dass eine App echten Marktbedarf erfüllt.

Beschreibt den angestrebten Nutzen und die Richtung eines Softwareprodukts.

Formale Bestätigung, dass die vereinbarten Leistungen erfüllt sind.

Finanzieller Rahmen für Entwicklung, Einführung und Betrieb von Software.

Verantwortliche Person für Planung, Abstimmung und Umsetzung.

Planung, Steuerung und Kontrolle von Softwareprojekten.

Modelle zur Organisation und Umsetzung von Softwareprojekten.

Struktur von Rollen, Verantwortlichkeiten und Abläufen im Projekt.

Typische Abschnitte von Idee bis Einführung und Betrieb.

Planung von Aufwand, Budget, Zeit und Verantwortlichkeiten im Projekt.

Gruppe aus Fachbereichen und Dienstleistern im Softwareprojekt.

Definiert, was Teil des Projekts ist und was nicht umgesetzt wird.

Zeitliche Planung von Aufgaben, Phasen und Meilensteinen.

Klares Ergebnis, das mit einem Softwareprojekt erreicht werden soll.

Zwischenspeichern von Prompts/Outputs zur Kosten- und Latenzreduktion.

Mehrstufige Prompts, die Zwischenergebnisse weiterreichen.

Techniken, um Kontext zu verdichten und Tokens zu sparen

Methoden, um Prompts für bessere KI-Ergebnisse zu optimieren.

Schutzschicht gegen Prompt Injection und Datenabfluss

Angriff, der Modelle via Eingaben zu unerwünschtem Verhalten bringt.

Unbeabsichtigte Offenlegung von Systemprompts oder vertraulichen Instruktionen.

Zentrale Sammlung getesteter Prompts inkl. Versionen und Beispiele

Systematisches Verbessern von Prompts für Qualität und Kosten.

Sammlung bewährter Prompts inkl. Beispiele und Qualitätskriterien.

Zentrale Ablage für Prompts inkl. Versionen, Freigaben und Wiederverwendung.

Wie stabil ein Prompt über Datenvarianten, Sprache und Angriffe hinweg funktioniert.

Automatische Auswahl von Prompt/Chain je Anfrage und Risiko

Filtert/normalisiert Eingaben, um Injection und Datenabfluss zu reduzieren.

Schutz vor Prompt-Angriffen, Datenabfluss und Manipulation

Techniken, um Systemprompt/Tools vor Angriffen zu schützen

Messung von Prompt-Performance: Kosten, Latenz, Qualität, Fehler.

Wiederverwendbare Prompt-Vorlage mit Variablen für konsistente Ergebnisse.

Wiederverwendbare Struktur für Prompts mit Variablen/Slots.

Automatisierte Tests für Prompts gegen definierte Erwartungen

Versionierung und Freigabeprozess für Prompts

Protokollierung von Prompts/Antworten für Debugging, Evals und Audit

KI erstellt Automations-Workflows aus natürlicher Sprache (z.B. in n8n/Make).

KI ergänzt CRM-Daten aus E-Mails/Notizen und erstellt nächste Schritte.

Kleiner Praxistest, um Machbarkeit und Nutzen einer Lösung zu prüfen.

Machbarkeitsnachweis für App-Idee, Funktion oder KI-Anwendung.

Nachvollziehbare Logs zu Zugriffen/Änderungen für Sicherheit und Compliance.

Vereinheitlichung von Abläufen für Qualität, Tempo und Automatisierung.

Vom Bedarf über Bestellung bis Rechnungseingang und Bezahlung.

Direkte Nachrichten an Nutzer zur Reaktivierung oder Information.

Python-Framework für strukturierte Agenten und validierte Outputs

Reduziert Modellpräzision für weniger Speicherbedarf und schnellere Inferenz.

Reduziert Modellpräzision zur Beschleunigung und Speicherersparnis.

Modell zur Zuordnung von Responsible/Accountable/Consulted/Informed.

LLM antwortet mit externer Wissenssuche und Quellenkontext.

Messung von Retrieval-Qualität, Antworttreue und Quellenabdeckung in RAG-Systemen.

Zugriffe nach Rollen steuern (z.B. Vertrieb, Buchhaltung, Admin).

Feintuning mit menschlichem Feedback zur Verhaltenssteuerung.

Wirtschaftlichkeitsrechnung für KI-Projekte (Kosten vs. Nutzen)

Zielwerte für Wiederanlaufzeit (RTO) und Datenverlust (RPO).

Schadsoftware, die Daten verschlüsselt und Lösegeld fordert.

Strategien bei API-Limits: Retries, Backoff, Queueing.

Erneutes Erstellen von Vektoren/Index nach Daten- oder Modelländerung

Zusätzlicher Schritt, der Suchtreffer nach Relevanz neu sortiert.

Agentenmuster: Denken und Tool-Nutzung in iterativen Schritten.

Modelle, optimiert für mehrstufiges Schlussfolgern und Planung.

Erfassen/Prüfen eingehender Rechnungen, oft mit OCR und Regeln.

System für personalisierte Empfehlungen in einer App.

Gezielte Angriffe/Tests zur Aufdeckung von KI-Schwachstellen

Automatisierte Tests, um Qualitätsabfälle nach Änderungen zu erkennen

API/Plattform zum Ausführen vieler Open-Source-Modelle.

Rabattmodelle durch Laufzeitbindung für Cloud-Ressourcen.

Antworten werden auf bereitgestellte Quellen/Daten begrenzt

Planung von Personal, Zeit und Budget im Projekt.

Kennzahl, wie viele Nutzer eine App langfristig weiter nutzen.

Abruf relevanter Informationen aus Quellen für KI-Antworten

Wiederholungslogik mit Wartezeiten bei temporären API- oder Systemfehlern.

Verhältnis von Nutzen zu Investition bei Softwareprojekten.

Analytics-Daten zurück in operative Tools (CRM, Marketing, Support) spielen.

Frühes Erkennen, Bewerten und Steuern von Projektrisiken.

Automatisierung von UI-Klickprozessen in bestehenden Anwendungen.

Geplante Ausweitung einer Software auf Nutzer, Teams oder Standorte.

Methodik, um Ursachen hinter KPI-Abweichungen systematisch zu finden.

Automatisierte Ausführung standardisierter Schritte bei Routinefällen.

Plattform für KI-Videoerstellung und Editing-Workflows

SAP-KI-Assistent für S/4HANA, SuccessFactors und Business-Prozesse

Überwachtes Fine-Tuning mit Input/Output-Beispielen

Zielwerte für Verfügbarkeit/Latenz von KI-Systemen

Kontinuierliche Prüfung, ob Service-Level (Antwortzeiten, Verfügbarkeit) eingehalten werden.

Kleines Sprachmodell für kostengünstige, schnelle und oft On-Device/On-Prem Nutzung.

Legt fest, welche Server E-Mails für eine Domain senden dürfen.

Ein Login für mehrere Tools; weniger Passwörter, mehr Sicherheit.

Software, die online als Dienst statt lokal betrieben wird.

Software mieten statt kaufen: Nutzung per Browser, Updates inklusive.

Cloudbasierte Software-App im Abo-Modell für Unternehmen oder Nutzer.

Tool für Überblick über SaaS-Apps, Lizenzen, Nutzer und Risiken.

Zu viele Tools/Abos ohne Überblick – teuer und riskant.

Tests auf schädliche Inhalte, Policy-Verstöße und Missbrauch

Übersicht aller Deals nach Phasen (z.B. Kontakt, Angebot, Abschluss).

Prüfung, ob KI-Ausgaben einem definierten Schema entsprechen

Plan zur Einarbeitung von Mitarbeitenden in neue Software.

Organisationen müssen Mitarbeitende im KI-Umgang angemessen schulen.

Agiles Vorgehensmodell mit kurzen Arbeitszyklen und regelmäßigem Feedback.

Unterstützt Team und Prozess im Scrum-Framework.

Sichere Verwaltung von API-Keys, Tokens und Zugangsdaten für Automationen.

Sichere Verwaltung von API-Keys, Tokens und Zugangsdaten

Isolierter Ausführungsbereich für vertrauliche Daten/Modelle

Schulungen zu Phishing, Passwörtern, Datenhandling und Meldewegen.

Fachbereiche erstellen Reports selbst auf geprüften Daten und KPIs.

Portal, in dem Nutzer Anfragen und Prozesse selbst digital auslösen.

Cache auf Basis semantischer Ähnlichkeit statt exakter Prompt-Gleichheit

Geschäftslogik-Schicht für einheitliche Kennzahlen und Datenbegriffe.

Geschäftslogik-Schicht für konsistente Metriken und Begriffe

Streaming-Technik für Token-Ausgabe in Echtzeit über HTTP

Code läuft in der Cloud ohne Server-Management; Abrechnung pro Nutzung.

Skalierende Inferenz ohne Serverbetrieb, nutzungsbasiert abgerechnet.

Liste standardisierter IT-Services inkl. Umfang, Kosten und SLAs.

Zentrale Anlaufstelle für Störungen, Anfragen und Service-Requests.

Koordination mehrerer IT-Provider zu einem integrierten Service.

Vereinbarung zu Reaktionszeiten, Verfügbarkeit und Servicequalität.

Messbares Ziel für Serviceleistung, etwa Antwortzeit oder Verfügbarkeit.

Unkontrollierte Nutzung von KI-Tools außerhalb der IT-Governance

Nicht freigegebene Tools/IT-Lösungen, die Mitarbeitende selbst nutzen.

Sicherheit ist geteilt: Anbieter schützt Cloud, Kunde Konfiguration/Daten.

Eine verlässliche Datenquelle je Kerndatum (z.B. Kunde, Artikel).

Eigene Instanz pro Kunde vs. geteilte Plattform mit Trennung per Logik.

KI-Funktionen in Slack für Suche, Zusammenfassungen, Assistenz.

Technik, um historische Änderungen in Dimensionen (z.B. Kunde) zu speichern.

Strukturierte Anfrage zur Auswahl von Lösungen oder Partnern.

Erneuerung bestehender Software, Prozesse oder Systemlandschaften.

Zeitliche Planung geplanter Funktionen, Ausbaustufen und Meilensteine.

Vergleich und Auswahl passender Software anhand von Anforderungen.

Beratung zur Auswahl, Planung und Umsetzung passender Softwarelösungen.

Geplante Einführung neuer Software in Prozesse, Teams und Organisation.

Planung, Erstellung und Weiterentwicklung von Software für Unternehmen.

Gesamtkosten für Auswahl, Entwicklung, Einführung und Betrieb von Software.

Zeitlich begrenztes Vorhaben zur Einführung oder Entwicklung von Software.

Softwarevorhaben, das auf Budget, Ressourcen und Ziele von KMU abgestimmt ist.

Langfristiger Plan für Auswahl, Entwicklung und Einsatz von Software.

Generierung von Videos aus Text/Prompts (Video AI)

Cloud-Betrieb mit EU-/DE-Datenhoheit, Kontrolle und Compliance

KI-Betrieb mit Kontrolle über Daten, Modelle und Infrastruktur in EU/DE.

Cloud mit EU/DE-Kontrolle über Betrieb, Zugriff, Standort und Recht.

Beschleunigung durch Vorhersage mit kleinem Modell und Verifikation

Kurzer, fest geplanter Arbeitsabschnitt in agilen Projekten.

Open-Source-Modellfamilie zur Bildgenerierung

Einbindung und Abstimmung aller wichtigen Beteiligten im Projekt.

Zentrale Grunddaten wie Kunden, Artikel, Preise, Lieferanten, Kontenplan.

Standardisierte Arbeitsanweisung für wiederholbare Aufgaben und Prozesse.

Vorgefertigte Software, die viele Unternehmen ohne Sonderentwicklung nutzen.

EU-Vertragsmuster für Datenübermittlungen in Drittländer (z.B. USA).

BI-Datenmodell: Faktentabelle + Dimensionstabellen für schnelle Analysen.

Vollautomatische Verarbeitung ohne manuelle Eingriffe.

Ausgabe von Tokens während der Generierung statt am Ende

Extraktion strukturierter Felder aus unstrukturiertem Text

Erzwingt strukturierte Modellantworten nach Schema/Validierung.

Sicherheit von Abhängigkeiten: Modelle, Container, Libraries, Connectoren