API (Application Programming Interface – Anwendungsprogrammierschnittstelle)

Eine API ist eine technische Schnittstelle mit einer Reihe von Regeln und Protokollen, die es verschiedenen Softwareprogrammen ermöglichen, miteinander zu kommunizieren und Daten auszutauschen. Für Unternehmen ist die Nutzung von KI-Modellen über deren APIs der bevorzugte Weg, da dies oft eine höhere Kontrolle über Datenschutz und Datenhaltung ermöglicht, indem Daten nicht zum Training der Modelle des Anbieters verwendet werden.

Beispiel: Ihr CRM-System könnte über eine API mit einem LLM verbunden sein, um automatisch Kundenanfragen zu klassifizieren.
Praxisrelevanz im Vertrieb: Wer KI-Tools über APIs einbindet, behält die Kontrolle über sensible Kundendaten und besitzt ein wichtiges Argument gegenüber Datenschutzbeauftragten.

Halluzination

Ein Phänomen, bei dem generative KI-Modelle, insbesondere LLMs, Informationen erzeugen, die faktisch falsch, irreführend oder ausgedacht sind, aber überzeugend und flüssig klingen. Die KI „halluziniert“ Inhalte, weil sie darauf trainiert ist, das wahrscheinlichste nächste Wort zu produzieren, nicht unbedingt die Wahrheit.

Beispiel: Ein LLM erfindet eine nicht existierende Studie und zitiert sie mit korrektem Titel, Autor und Jahreszahl, das klingt alles plausibel, ist aber falsch.
Praxisrelevanz im Vertrieb: KI-generierte Angebote oder Kundenkommunikation müssen immer gegengelesen werden. In Workshops lernen Sie Strategien, um Halluzinationen zuverlässig zu erkennen und zu minimieren.

Machine Learning (ML, Maschinelles Lernen)

Eine Unterkategorie der KI, bei der Systeme aus Daten lernen, anstatt explizit programmiert zu werden. Durch das Erkennen von Mustern und Beziehungen in großen Datensätzen können ML-Modelle Vorhersagen treffen oder Entscheidungen treffen.

Beispiel: Ein Spam-Filter, der aus Beispielen lernt, welche E-Mails Spam sind oder eine Software, die Kreditwürdigkeit bewertet.
Praxisrelevanz im Vertrieb: ML-Algorithmen stecken hinter CRM-Funktionen wie Lead-Scoring oder Churn-Prediction. Sie lernen aus Ihren Vertriebsdaten und werden mit der Zeit präziser.

Deep Learning (DL, Tiefes Lernverfahren)

Eine spezialisierte Methode des Machine Learning, die künstliche neuronale Netze mit mehreren Schichten ("Deep") verwendet. Diese Struktur ermöglicht es den Modellen, sehr komplexe und abstrakte Muster in riesigen, unstrukturierten Datenmengen (Bilder, Sprache, Videos) zu erkennen. Deep Learning ist der Motor hinter vielen modernen KI-Durchbrüchen.

Beispiel: Bilderkennung in selbst fahrenden Autos, Spracherkennung in Smartphones oder die zugrunde liegende Technologie für generative KI.
Praxisrelevanz im Vertrieb: Deep Learning ermöglicht es KI-Systemen, natürliche Sprache in Verkaufsgesprächen zu verstehen und bildet damit die Grundlage für KI-gestützte Gesprächsanalyse und automatische Transkription.

Large Language Model (LLM, Großes Sprachmodell)

Ein spezifischer Typ der Generativen KI, der auf riesigen Textdatensätzen trainiert wurde, um menschliche Sprache zu verstehen, zu verarbeiten und zu generieren. LLMs sind Deep-Learning-Modelle, die aufgrund ihrer Größe und Komplexität beeindruckende Fähigkeiten im Umgang mit Text zeigen.

Beispiel: ChatGPT (von OpenAI), Gemini (von Google) oder Claude (von Anthropic), die Texte verfassen, zusammenfassen oder Fragen beantworten können.
Praxisrelevanz im Vertrieb: LLMs sind die Werkzeuge, mit denen Vertriebsteams Angebote schreiben, Kunden recherchieren und Gesprächsleitfäden erstellen und dies schneller und konsistenter als je zuvor.

Multimodalität

Die Fähigkeit einer KI, Informationen aus verschiedenen Modalitäten (Datentypen) gleichzeitig zu verarbeiten und zu verstehen. Ein multimodales Modell kann beispielsweise Text, Bilder, Audio und Videos gleichzeitig analysieren und integrieren, um eine umfassendere Interpretation oder Generierung zu ermöglichen.

Beispiel: Ein multimodales Modell kann ein Bild von einem Hund sehen, das Geräusch eines Bellens hören und gleichzeitig einen Text über "Hunderassen" lesen, um ein umfassendes Verständnis zu entwickeln.
Praxisrelevanz im Vertrieb: Multimodale KI ermöglicht es, Präsentationen, Produktfotos und Gesprächsaufzeichnungen gemeinsam auszuwerten u.a. als Grundlage für umfassendere Kundenanalysen.

Prompt & Prompt Engineering

Ein Prompt ist die Text-Eingabeaufforderung, die Sie an ein generatives KI-Modell (insbesondere ein LLM) senden, um eine bestimmte Aufgabe auszuführen. Prompt Engineering ist die Kunst und Wissenschaft, diese Prompts so präzise und effektiv zu formulieren, dass die KI das gewünschte, qualitativ hochwertigste Ergebnis liefert.

Beispiel: Statt "Schreibe eine E-Mail für einen Kunden", ein Prompt wie „Du bist ein erfahrener B2B-Vertriebsprofi im IT-Umfeld. Schreibe eine Akquise-E-Mail an den Vertriebsleiter eines mittelständischen ERP-Anbieters. Ziel: Ein Erstgespräch über KI-gestützte Lead-Recherche. Ton: professionell, direkt, ohne Floskeln. Max. 80 Wörter. Beginne mit dem konkreten Nutzenpunkt, nicht mit einer Vorstellung."
Praxisrelevanz im Vertrieb: Gutes Prompt Engineering ist die wichtigste Einzelkompetenz für KI-nutzende Vertriebsmitarbeitende und es entscheidet über Qualität, Effizienz und Konsistenz der Ergebnisse.

Token

Die kleinste Einheit, in der KI-Sprachmodelle Text verarbeiten. Ein Token kann ein ganzes Wort, ein Wortteil, ein Satzzeichen oder ein Leerzeichen sein. Modelle zerlegen Eingaben in Token und generieren Antworten ebenfalls in Token. Die Kosten und die Länge des „Kontextfensters“ (wie viel Text die KI auf einmal „lesen“ kann) werden oft in Token gemessen.

Beispiel: Der Satz "Hallo Welt!" besteht aus 3 Token ("Hallo", " ", "Welt!").
Praxisrelevanz im Vertrieb: Wer lange Prompts oder umfangreiche Dokumente übergibt, verbraucht mehr Token und damit mehr Budget. Effizientes Prompt-Design spart Kosten und verbessert die Antwortqualität.