LLM (Large Language Model)
KI-Grundlagen
LLM (Large Language Model) — Großes Sprachmodell — KI, die mit Milliarden Textbeispielen trainiert wurde und Sprache generiert.
Beispiel
GPT-5, Claude, Llama 3.3 sind LLMs. Sie schreiben Texte, fassen zusammen, programmieren.
Verwandt: Token · Kontextfenster · Parameter · Inferenz
Mehr im Glossar
Ein LLM (Large Language Model) ist ein KI-Modell, das auf riesigen Textmengen trainiert wurde und menschliche Sprache verstehen sowie selbstständig Texte erzeugen kann.
In einfachen Worten
Stellen Sie sich ein LLM wie einen hochintelligenten Auszubildenden vor, der Millionen von Büchern, Artikeln und Webseiten gelesen hat. Er hat noch nie selbst etwas geschrieben, aber er hat ein tiefes Verständnis dafür, wie Sprache funktioniert: welche Wörter zusammengehören, wie Sätze aufgebaut sind und welche Argumente aufeinander folgen. Wenn Sie ihm eine Frage stellen oder eine Aufgabe geben, sucht er nicht in einer Datenbank nach einer fertigen Antwort. Stattdessen setzt er aus seinem Wissen Wort für Wort eine neue, passende Antwort zusammen. Das Ergebnis klingt oft, als hätte ein Mensch geschrieben – auch wenn das Modell nie eine echte Absicht oder ein Bewusstsein dafür hat, was es sagt.
Was bedeutet das technisch
Technisch gesehen ist ein LLM ein neuronales Netz, das auf der sogenannten Transformer-Architektur basiert. Es besteht aus Milliarden von Parametern – das sind die Gewichte zwischen den künstlichen Neuronen, die das Modell während des Trainings lernt. Das Training erfolgt in zwei Phasen: Zuerst wird das Modell mit einem riesigen, unmarkierten Textkorpus (oft mehrere Terabyte) gefüttert. Es lernt, das nächste Wort in einem Satz vorherzusagen. Dabei erfasst es Muster, Grammatik, Faktenwissen und sogar Nuancen wie Ironie. In einer zweiten Phase wird das Modell mit spezifischen Frage-Antwort-Paaren oder Anweisungen feinjustiert, damit es nützliche und sichere Antworten gibt.
Ein entscheidendes Merkmal ist das Kontextfenster. Es gibt an, wie viele Wörter (Tokens) das Modell auf einmal berücksichtigen kann. Ein Kontextfenster von 8.000 Tokens entspricht etwa 6.000 deutschen Wörtern. Neuere Modelle erreichen 128.000 Tokens oder mehr. Das Modell erzeugt Text autoregressiv: Es berechnet für jede Position im Text die Wahrscheinlichkeit aller möglichen nächsten Wörter und wählt eines aus – entweder das wahrscheinlichste oder, bei kreativen Aufgaben, ein zufälligeres. Die Rechenleistung für den Betrieb eines LLMs ist enorm: Ein einzelner Durchlauf (Inferenz) kann auf einer High-End-Grafikkarte mehrere Sekunden dauern. Für KMU ist der Betrieb eigener Modelle daher oft unwirtschaftlich; sie nutzen meist Cloud-APIs von Anbietern wie OpenAI, Anthropic oder lokalen Alternativen.
Warum es für KMU relevant ist
LLMs bieten KMU konkrete Einsatzmöglichkeiten, die Zeit und Kosten sparen. Ein typisches Beispiel ist der Kundenservice: Ein auf Ihre Produkte und FAQ trainiertes LLM kann E-Mail-Anfragen oder Chat-Nachrichten automatisch beantworten. Das reduziert die Bearbeitungszeit von 15 Minuten auf wenige Sekunden. Ein weiteres Beispiel ist die Texterstellung: Ein LLM verfasst Entwürfe für Angebote, Rechnungen oder Social-Media-Beiträge, die ein Mitarbeiter nur noch prüft und anpasst. Auch in der Datenanalyse hilft es: Sie laden eine CSV-Datei mit Umsatzzahlen hoch und fragen: „Welcher Monat hatte den stärksten Rückgang?“ – das LLM interpretiert die Daten und liefert die Antwort.
Die Kosten sind überschaubar. Die Nutzung über eine API kostet oft nur wenige Cent pro 1.000 Anfragen. Allerdings gibt es Risiken: LLMs „halluzinieren“ – sie erfinden überzeugend klingende, aber falsche Fakten. Sie übernehmen auch Vorurteile aus den Trainingsdaten. Für KMU bedeutet das: Sie dürfen ein LLM nie ungeprüft Entscheidungen treffen lassen, die rechtliche oder finanzielle Konsequenzen haben. Ein LLM kann einen Vertragsentwurf liefern, aber kein Jurist ersetzen. Zudem müssen Sie Datenschutz beachten: Senden Sie keine personenbezogenen oder vertraulichen Daten an öffentliche APIs. Besser ist die Nutzung eines datenschutzkonformen Dienstes oder eines lokal installierten Modells.
Kommentare ()