SYSTEMS AI Glossar
SYSTEMS AI Glossar
Klare Definitionen zu Agentic AI, MCP, A2A, Claude Code, RAG, AI Governance und Co.
- Agentic AI - Agentic AI bezeichnet KI-Systeme, die autonom Aufgaben planen, Tools nutzen und Entscheidungen treffen, statt nur auf Prompts zu antworten.
- Model Context Protocol (MCP) - MCP ist ein offenes Protokoll von Anthropic, das Sprachmodellen einheitlichen Zugriff auf Tools, Daten und Systeme gibt. Es ersetzt fragment
- Agent2Agent Protocol (A2A) - A2A ist Googles offenes Protokoll für Agent-zu-Agent-Kommunikation. Es definiert, wie Agenten sich beschreiben, Aufgaben übergeben, Status z
- Claude Code - Claude Code ist Anthropics CLI- und IDE-fokussierter Agent für Software-Engineering: Code lesen, planen, schreiben, testen und mit MCP-Serve
- Agentic Coding - Agentic Coding ist Software-Engineering mit autonomen KI-Agenten, die nicht nur Code-Vorschläge liefern, sondern selbst Dateien anlegen, Tes
- AI Architektur - AI Architektur beschreibt das Schichtenmodell hinter produktiven KI-Systemen: Use Case, Kontext, Tools, Memory, Guardrails, Evaluation, Obse
- AI Operating System (AI OS) - Ein AI Operating System ist die Plattform-Schicht, die mehrere KI-Agenten, Tools, Daten, Identitäten und Workflows für ein Unternehmen orche
- Multi-Agent-Systeme - Multi-Agent-Systeme sind Setups, in denen mehrere spezialisierte Agenten kooperieren - z.B. Research-, Sales-, Support- und Compliance-Agent
- Human-in-the-Loop - Human-in-the-Loop (HITL) bedeutet, dass an definierten Risikopunkten ein Mensch Entscheidungen freigibt oder Korrekturen vornimmt. Pflicht i
- Agent Approvals - Agent Approvals sind explizite Freigabe-Schritte, bevor ein KI-Agent eine Aktion ausführt - oft per UI, Slack, E-Mail oder Webhook. Sie sind
- AI Governance - AI Governance bündelt Regeln, Prozesse und technische Kontrollen, die KI-Systeme verantwortbar machen: Approvals, Audit-Trails, Datenschutz,
- Agentic AI Security - Agentic AI Security adressiert Risiken, die durch Tool-Use, Identitäten und Delegation entstehen: Prompt-Injection in Tool-Outputs, transiti
- Agent Evals - Agent Evals sind systematische Tests für KI-Agenten: Erfolgsraten, Halluzinations-Rate, Tool-Treffer, Latenz, Kosten. Ohne Evals lässt sich
- Agent Observability - Agent Observability ist die Pflicht-Disziplin für Produktivbetrieb: Traces, Logs, Token-Kosten, Tool-Calls, Latency, User-Feedback - alles,
- RAG (Retrieval-Augmented Generation) - RAG kombiniert LLMs mit einem Retrieval-Schritt: Vor der Antwort werden relevante Dokumente aus einer Wissensbasis (Vector DB, Search Index)
- Vector Database - Vector Databases speichern Embeddings (numerische Repräsentationen von Text/Bild) und ermöglichen semantische Suche. Kern für RAG und Agent-
- Context Engineering - Context Engineering ist die Disziplin, einem Agenten genau die Informationen, Tools und Rollen-Definitionen mitzugeben, die er für eine Aufg
- Claude Modelle (Opus, Sonnet, Haiku) - Anthropics Claude-Familie hat drei Klassen: Opus (max. Reasoning), Sonnet (Allzweck-Standard für Agenten), Haiku (schnell, günstig). Die ric
- OpenAI Agents SDK - Das OpenAI Agents SDK ist Code-first-Framework für Mehr-Schritt-Agenten mit Tool-Use, Handoffs und Guardrails. Steht parallel zur Responses
- OpenAI Responses API - Die OpenAI Responses API ist der Nachfolger der Assistants API und vereint Stateful-Konversationen, Tool-Use und Strukturierung in einem End
- LLM Gateway - Ein LLM Gateway ist die Reverse-Proxy-Schicht vor LLM-Providern: Modellrouting, Kostenkontrolle, Logs, PII-Filterung, Caching, Fallbacks. Pf