Verwandt:<\/em> Benchmark (27).<\/p>\n29. Data Contamination (Datenkontamination).<\/strong> Testmaterial gelangt in die Trainingsdaten und bl\u00e4ht die Ergebnisse auf; die HELM-Autoren weisen auf \u201edas Potenzial einer Train-Test-Kontamination\u201c hin und sagen, das Verst\u00e4ndnis ihres Ausma\u00dfes sei begrenzt. Warum es z\u00e4hlt:<\/em> Ein hohes Ergebnis in einem alten \u00f6ffentlichen Benchmark ist ein schwacher Beleg. Verwandt:<\/em> Benchmark (27).<\/p>\n30. Red Teaming.<\/strong> Strukturierte \u00dcbungen, die ein Modell oder System auf nachteiliges Verhalten abklopfen und Schutzma\u00dfnahmen einem Stresstest unterziehen (NIST AI 600-1). Warum es z\u00e4hlt:<\/em> Fragen Sie, wer das Produkt einem Red Teaming unterzogen hat und was sich danach ge\u00e4ndert hat. Verwandt:<\/em> Prompt Injection (25).<\/p>\n31. Model Card (Modellsteckbrief).<\/strong> Ein kurzes Dokument zu einem Modell, das die evaluierte Leistung \u00fcber Bedingungen und Gruppen hinweg ausweist (Mitchell et al., 2019). Warum es z\u00e4hlt:<\/em> Dort werden Grenzen offengelegt; keine Model Card hei\u00dft blind kaufen. Verwandt:<\/em> Benchmark (27).<\/p>\n<\/span>Familie 6: Was kostet der Betrieb? (Begriffe 32-34)<\/span><\/h2>\n32. Open-Weight Model (Open-Weight-Modell).<\/strong> Ein Modell, dessen Parameter, einschlie\u00dflich der Gewichte, \u00f6ffentlich sind. Die Erw\u00e4gungsgr\u00fcnde des EU AI Act kn\u00fcpfen Open-Source-Ausnahmen an \u00f6ffentliche Gewichte, Architektur und Informationen zur Nutzung und verweigern sie Modellen mit systemischem Risiko. Warum es z\u00e4hlt:<\/em> Lokales Hosting gibt Ihnen Kontrolle \u00fcber die Daten, verlagert aber Sicherheit und Updates zu Ihnen. Verwandt:<\/em> systemisches Risiko (37).<\/p>\n33. Latency (Latenz) und Time to First Token (TTFT).<\/strong> Latenz ist die Verz\u00f6gerung zwischen Prompt und Ausgabe; TTFT ist die Zeit, bis das erste Token erscheint (Anthropic-Glossar). Warum es z\u00e4hlt:<\/em> TTFT pr\u00e4gt die gef\u00fchlte Geschwindigkeit im Chat. Verwandt:<\/em> Inferenz (16).<\/p>\n34. Input- und Output-Tokens.<\/strong> Was Sie senden und was das Modell erzeugt; laut Googles Dokumentation werden die Kosten der Gemini API zum Teil von beiden bestimmt. Warum es z\u00e4hlt:<\/em> Lange Ausgaben und Reasoning werden ebenfalls abgerechnet, sodass ein g\u00fcnstiger Input-Preis eine teure Aufgabe verdecken kann. Verwandt:<\/em> Token (10).<\/p>\n<\/span>Familie 7: Wer ist nach dem Gesetz verantwortlich? (Begriffe 35-40)<\/span><\/h2>\n35. KI-System (AI system).<\/strong> Die Leitdefinition des EU AI Act (Artikel 3 Nummer 1): ein maschinengest\u00fctztes System mit unterschiedlichem Grad an Autonomie, das aus Eingaben ableitet, wie Ausgaben erstellt werden, die physische oder virtuelle Umgebungen beeinflussen k\u00f6nnen, eng angelehnt an die OECD-Formulierung von 2024. Warum es z\u00e4hlt:<\/em> Ist ein Tool kein KI-System, gilt der gr\u00f6\u00dfte Teil des Gesetzes nicht. Verwandt:<\/em> Inferenz (16).<\/p>\n36. KI-Modell mit allgemeinem Verwendungszweck (general-purpose AI model).<\/strong> Ein Modell mit erheblicher allgemeiner Verwendbarkeit, das ein breites Spektrum unterschiedlicher Aufgaben kompetent erf\u00fcllen kann (Artikel 3 Nummer 63). Warum es z\u00e4hlt:<\/em> Seine Pflichten treffen den Anbieter des Modells, nicht das Unternehmen, das ein darauf aufbauendes Produkt nutzt. Verwandt:<\/em> Basismodell (1).<\/p>\n37. Systemisches Risiko (systemic risk).<\/strong> Ein Risiko, das f\u00fcr die F\u00e4higkeiten mit hoher Wirkkraft der fortschrittlichsten Modelle mit allgemeinem Verwendungszweck spezifisch ist und dessen Folgen sich in gro\u00dfem Umfang verbreiten k\u00f6nnen (Artikel 3 Nummer 65). F\u00e4higkeiten mit hoher Wirkkraft werden vermutet, wenn die Trainingsrechenleistung 10^25 Gleitkommaoperationen \u00fcbersteigt (Artikel 51 Absatz 2). Warum es z\u00e4hlt:<\/em> F\u00fcr solche Modelle gelten zus\u00e4tzliche Pflichten ihrer Anbieter. Verwandt:<\/em> Red Teaming (30).<\/p>\n38. Anbieter (provider).<\/strong> Wer ein KI-System oder ein Modell mit allgemeinem Verwendungszweck entwickelt oder entwickeln l\u00e4sst und es unter dem eigenen Namen oder der eigenen Handelsmarke in Verkehr bringt oder in Betrieb nimmt (Artikel 3 Nummer 3). Warum es z\u00e4hlt:<\/em> Wer seine Marke auf ein f\u00fcr ihn gebautes Tool setzt, kann dadurch zum Anbieter werden. Verwandt:<\/em> Betreiber (39).<\/p>\n39. Betreiber (deployer).<\/strong> Jeder, der ein KI-System in eigener Verantwortung verwendet, au\u00dfer im Rahmen einer pers\u00f6nlichen und nicht beruflichen T\u00e4tigkeit (Artikel 3 Nummer 4). Warum es z\u00e4hlt:<\/em> Die meisten Arbeitgeber, die KI-Tools einsetzen, sind Betreiber; die neue technische Kompetenz<\/a> behandelt die Pflichten der Betreiber. Verwandt:<\/em> menschliche Aufsicht (26).<\/p>\n40. KI-Kompetenz (AI literacy).<\/strong> Die F\u00e4higkeiten, Kenntnisse und das Verst\u00e4ndnis, die n\u00f6tig sind, um KI sachkundig einzusetzen und sich ihrer Chancen und Risiken bewusst zu sein (Artikel 3 Nummer 56); seit dem Omnibus verlangt Artikel 4 Ma\u00dfnahmen, die ihre Entwicklung unterst\u00fctzen. Warum es z\u00e4hlt:<\/em> Ein gemeinsames Glossar ist ein praktischer Teil dieser Pflicht. Verwandt:<\/em> Betreiber (39).<\/p>\n