Grundlagen
Large Language Models (LLM)
Ein Large Language Model (LLM) ist ein auf sehr großen Textmengen trainiertes Modell, das Sprache erzeugt, indem es Schritt für Schritt die wahrscheinlichste Fortsetzung berechnet. LLMs sind die Basis moderner Chatassistenten.
Wie ein LLM arbeitet
Ein LLM zerlegt Text in Tokens und schätzt für die nächste Position die wahrscheinlichste Fortsetzung. Aus vielen solchen Schritten entsteht ein Text. Das Modell hat im Training statistische Muster der Sprache gelernt – es besitzt kein Bewusstsein und keine geprüfte Faktendatenbank.
Was LLMs gut können
- Texte entwerfen, umformulieren, zusammenfassen und übersetzen
- Fragen im Dialog beantworten und erklären
- Code entwerfen und erläutern (siehe KI für Coding)
- über Tool Use externe Werkzeuge ansteuern
Grenzen
Weil LLMs Wahrscheinlichkeiten berechnen, können sie halluzinieren – also Falsches überzeugend formulieren. Ihr Wissen hat einen Trainingsstand; aktuelle oder unternehmensspezifische Fakten brauchen Zusatzquellen, etwa über RAG. „Reasoning“-Ansätze lassen Modelle Zwischenschritte bilden, was bei komplexen Aufgaben helfen, aber Zeit und Kosten erhöhen kann.
Ein LLM ist ein Werkzeug für Sprache, kein Faktenorakel. Für belegbare Aussagen sind Quellen und Prüfung nötig.
Quellen und weiterführende Informationen
- Hugging Face: What are Large Language Models? (Dokumentation). Dokumentation · abgerufen am 06.08.2026
- NIST: AI Risk Management Framework. Standard/Behörde · abgerufen am 06.08.2026
Häufige Fragen
Warum erfinden LLMs manchmal Fakten?
Weil sie wahrscheinliche Fortsetzungen berechnen und keine geprüfte Faktenquelle abfragen. Ohne angebundene Quellen können falsche, aber plausible Aussagen entstehen.
Kennt ein LLM aktuelle Ereignisse?
Nur bis zu seinem Trainingsstand, sofern keine aktuelle Quelle (Suche/RAG) angebunden ist.