The only AI glossary you’ll need this year
TL;DR
TechCrunch bündelt ein aktualisiertes AI-Glossar als lebendes Nachschlagewerk für Begriffe, die in Produktmeetings, Pitches und AI-Berichterstattung ständig auftauchen. Erklärt werden Basics wie AGI, LLM, Tokens, Training, Inference, Fine-tuning, Hallucinationen, Chain of Thought und Reinforcement Learning. Neuere Infrastrukturbegriffe wie MCP, Mixture of Experts, Memory Cache, Token Throughput, Coding Agents und RAMageddon zeigen, wie stark AI inzwischen auch Hardware, Standards und Kostenmodelle prägt.
Nauti's Take
Das ist kein großer Scoop, aber ein brauchbares Werkzeug gegen Nebelmaschinen-Sprache. Gerade Begriffe wie Agent, AGI oder Open Source werden in Pitches oft so gedehnt, bis sie alles und nichts bedeuten.
Ein Glossar löst das Grundproblem nicht, aber es zwingt Diskussionen zurück auf konkrete Mechanik: Was macht das System, womit wurde es trainiert, was kostet der Betrieb, und wo kann es scheitern?
Einordnunganzeigen
AI-Begriffe sind nicht nur Vokabeln, sie entscheiden oft darüber, ob Teams realistische Produkte planen oder Buzzwords nachbauen. Wer Training, Inference, Tokens, RAG, MCP oder Agents sauber auseinanderhält, erkennt schneller Kosten, Grenzen und Risiken. Gerade bei Begriffen wie AGI oder Halluzination lohnt sich Präzision, weil dort viel Strategie und viel Theater zusammenfallen.
Quellen