--- title: Was ist ein LLM? Large Language Models einfach erklärt description: Was sind Large Language Models (LLMs)? Verstehen Sie Transformer, Parameter, Halluzinationen und praktische Anwendungen. Kostenloser Leitfaden für Unternehmen. image: https://northbot.ch/hubfs/Was_ist_ein_Agent.jpg --- [![Logo](https://northbot.ch/hubfs/NorthBot_May2026/Images/Logo.svg)](https://northbot.ch) - Plattform - Produkte - [KI Consulting](https://northbot.ch/ki-consulting-kmu) - Wissen & Stories - Über uns Funktionen Alle Features von NORTHBOT auf einen Blick Anwendungsfälle Company GPT Wissen zentral bündeln und jederzeit abrufbar machen Security DSGVO-konform, Swiss Hosting und volle Datenkontrolle ![Funktionen\_Navigation](https://northbot.ch/hubfs/Funktionen_Navigation.png) [Alles zu den NORTHBOT-Funktionen](https://northbot.ch/plattform/funktionen) Übersicht Überblick über unsere Produkte Chat Der einfache Einstieg in die Welt der KI-Assistenten Starter Ideal für MVP-Projekte und erste KI-Anwendungen Professional Die vollständige KI-Plattform für wachsende KMUs Integrationen Erweitere NORTHBOT mit MCPs und Systemintegrationen ![Produkte\_Navigation](https://northbot.ch/hubfs/Produkte_Navigation-1.png) [zur Produktübersicht](https://northbot.ch/produkte) Blog Aktuelle Beiträge rund um KI, KMUs und Digitalisierung ![Thumbnails\_Blog](https://northbot.ch/hubfs/Thumbnails_Blog.png) [Abonniere jetzt unseren Blog](https://northbot.ch/anmeldung-blog-abo) Team Die Menschen hinter NORTHBOT aus Burgdorf Partner Unsere Partner und Zertifizierungen Kontakt Kontaktiere uns und vereinbare ein Erstgespräch ![Kontakt\_Navigation](https://northbot.ch/hubfs/Kontakt_Navigation.png) [Jetzt Kontakt aufnehmen](https://northbot.ch/kontakt) [Kontaktiere uns](https://northbot.ch/kontakt#kontaktformular) # Was ist ein LLM? Large Language Models einfach erklärt [Pascal Hostettler,](https://northbot.ch/wissen-stories/blog/author/pascal-hostettler) Entwickler Digitales Business, Consultant aktualisiert am 15. September 2026 In den letzten Jahren sind Large Language Models (LLMs) zum Herzstück der KI-Revolution geworden. Sie schreiben Texte, führen Gespräche, programmieren Code, analysieren Probleme und entwickeln kreative Ideen. Für viele wirken sie beinahe wie ein zweites Gehirn – verfügbar 24/7, ohne Pausen, ohne Ermüdung. Doch was steckt wirklich hinter dieser Technologie? Wie funktionieren LLMs? Und vor allem: Können Unternehmen sie sicher einsetzen? Dieser Leitfaden erklärt Large Language Models verständlich und praxisorientiert – von der Funktionsweise über Risiken bis zur richtigen Anwendung in deinem Betrieb. true   - [FAQ](https://northbot.ch/wissen-stories/blog/was-ist-ein-llm-large-language-model-erklaert#faq-section) ## Definition: Was ist ein LLM überhaupt? **Ein Large Language Model (LLM)** ist ein **künstliches Intelligenz-System**, das trainiert wurde, menschliche Sprache zu verstehen und zu generieren. Die drei Wörter bedeuten: - **Large (Gross):** Milliarden bis hunderte Milliarden von Parametern (mathematische Gewichte) - **Language (Sprache):** Spezialisiert auf Text- und Sprachverarbeitung - **Model (Modell):** Ein mathematisches System, das Muster erkennt und vorhersagt **Einfach gesagt:** Ein LLM ist eine "Wahrscheinlichkeitsmaschine" – es berechnet, welches Wort oder welcher Satz als Nächstes folgen sollte, basierend auf Milliarden von Trainingsdaten und komplexer Mathematik. **Beispiele im Alltag:** - ChatGPT (OpenAI) - Claude (Anthropic) - Gemini (Google) - LLaMA (Meta) - Mistral (europäisch) ## Wie funktioniert ein LLM? Der technische Kern Während unser Gehirn durch **Erfahrung, Gefühle und Erinnerungen** lernt, lernt ein LLM durch **riesige Mengen an Textmaterial**: - Webseiten und Wikipedia - Bücher und akademische Artikel - Forenbeiträge und Kundenfeedback - Programmiercode - Millionen von Gesprächen Das Modell "liest" diese Texte nicht zur Wissensspeicherung, sondern zur **Mustererkennung**. Es merkt sich nicht, was konkret in einem Text stand, sondern **wie Sprache aufgebaut ist**.   ## Die vier Kernschritte eines LLM: ### 1. Tokenisierung – Sprache in Zahlen umwandeln LLMs können nicht direkt mit Text arbeiten. Sie brauchen Zahlen. Im ersten Schritt wird jedes Wort oder jeder Wortteil in **Tokens** zerlegt – in numerische Codes, die das Modell verarbeiten kann. **Beispiel:** Satz: "Die Sonne geht auf" Tokens: \[123, 456, 789, 101\] ### 2. Embeddings – Bedeutungen erkennen Jedes Token wird in einen **multidimensionalen Raum** abgebildet. "Sonne" und "Mond" sitzen näher beieinander als "Sonne" und "Schuhe", weil ihre Bedeutung ähnlich ist. Diese **Embeddings** ermöglichen es dem Modell, Wörter zu verstehen. ### 3. Transformer & Attention – Der intelligente Teil Der Transformer ist die revolutionäre Architektur (2017 erfunden) hinter modernen LLMs. Sein Geheimnis sind **Attention Mechanisms** – diese zeigen dem Modell, welche Wörter wichtig sind. Wenn du schreibst: "John spielte den Ball. Er war schnell." – Das Modell erkennt durch Attention-Mechanismen, dass "Er" sich auf "John" bezieht, nicht auf "Ball". ### 4. Generierung – Vorhersage des nächsten Wortes Der LLM wählt das **statistisch wahrscheinlichste nächste Wort**. Dies geschieht Wort für Wort, Satz für Satz: ![Wahrschinlichkeit(Wort) = Häufigkeit / Kontext-Relevanz](https://northbot.ch/hs-fs/hubfs/Unbenannt.png?width=908&height=124&name=Unbenannt.png) Das Ergebnis ist deine AI-Antwort.   ## Der kritische Unterschied: Verstehen vs. Berechnen **Das ist die wichtigste Erkenntnis:** Ein LLM **versteht nicht** – es **berechnet**. Das ist ein fundamentaler Unterschied. **Mensch vs. LLM – Ein Beispiel:** **Aufgabe:** Ergänze: "Die Sonne geht im \_\_\_ auf." **Ein Mensch denkt:** - "Ich weiss aus Geografie: Die Sonne geht im Osten auf." - "Ich verbinde dies mit meinem Schulwissen, meiner Erfahrung." **Ein LLM rechnet:** - "In Milliarden Trainingsdaten folgt nach 'Sonne geht im' am häufigsten das Wort 'Osten'." - "Also wähle ich 'Osten'." **Das Ergebnis ist gleich – der Weg ist fundamental anders.** Das ist auch, warum LLMs manchmal **"halluzinieren"** – erfundene Fakten mit Selbstbewusstsein präsentieren. Sie wissen nicht, was wahr ist. Sie wissen nur, was statistisch passt.   ## Grösse zählt: Warum "Large" entscheidend ist LLMs bestehen aus **Parametern** – Millionen oder Milliarden von numerischen Gewichten, die das Modell während des Trainings optimiert. | **Modellgrösse** | **Parameter** | **Fähigkeiten** | **Herausforderungen** | | --- | --- | --- | --- | | Klein | 1–10 Milliarden | Einfache Textklassifikation, mobil | Niedrige Qualität, begrenzte Nuancen | | Mittel | 20–70 Milliarden | Gute Textgenerierung, Code | Moderate Kosten, gute Balance | | Gross | 100–500+ Milliarden | Komplexes Reasoning, Kreativität | Hohe Kosten, lange Antwortzeit | **Grössere Parameter = Komplexere Muster, bessere Ergebnisse – aber höhere Kosten und längere Verarbeitung.**   ## Was LLMs können und was nicht: Eine ehrliche Bilanz **LLMs sind exzellent bei:** - **Textgenerierung:** Artikel, E-Mails, Marketingkopien - **Zusammenfassung:** Lange Dokumente verkürzen - **Code-Generierung:** Programmieren unterstützen - **Brainstorming:** Ideenfindung und Konzepte - **Übersetzung:** Zwischen Sprachen - **Kommunikation:** Kundensupport, FAQ-Bots **LLMs sind unzuverlässig bei:** - **Faktenchecking:** Halluzinieren Fakten frei erfundenes Wissen - **Mathematik & Logik:** Rechenfehler - **Aktuelle Events:** Wissen endet bei Trainingsdatum - **Vertrauliche Daten:** Ausgabe könnte trainiert werden - **Kritische Entscheidungen:** Brauchen immer menschliche Prüfung - **Rechtliche Expertise:** Keine juristische Verantwortung   ## Das Halluzinations-Problem: Eine kritische Warnung für Unternehmen **LLM-Halluzinationen** sind möglicherweise die grösste Herausforderung für den Enterprise-Einsatz. **Definition:** Das Modell erzeugt Ausgaben, die **faktisch korrekt klingen, aber völlig erfunden sind**. **Praxis-Beispiel:** Ein Finanzteam nutzt ein LLM zur Erstellung von Quartalsergebnissen. Das Modell "halluziniert" mehrere Finanzkennzahlen. Die falschen Zahlen werden versehentlich in den offiziellen Bericht aufgenommen. **Rechtskonsequenzen folgen.** ### Arten von Halluzinationen: | **Art** | **Beschreibung** | **Beispiel** | | --- | --- | --- | | **Faktische Halluzination** | Erfundene, falsche Fakten | "Wikipedia wurde 1995 gegründet" (falsch: 2001) | | **Semantische Halluzination** | Logisch widersprüchlicher Text | "Das Produkt ist kostenlos und kostet CHF 99.-" | | **Attribution Halluzination** | Falsche Quellenangaben | "Zitat von Einstein" (nie gesagt) |   ### Wie Unternehmen damit umgehen: - **RAG verwenden** (Retrieval Augmented Generation): Das LLM greift auf externe, verifizierte Datenquellen zu. - **Fact-Checking-Systeme** implementieren - **Menschliche Kontrolle:** Expertenprüfung vor Veröffentlichung - **Versionskontrolle:** Audit-Trails für alle KI-Ausgaben [Mehr zu diesem Thema in unserem Guide zu RAG-Systemen und Company GPT →](https://ai-bot.ch/ki-northbot-company-gpt)   ## Die verschiedenen Typen von LLMs: Eine Übersicht | **Typ** | **Beispiele** | **Besonderheiten** | **Best For** | | --- | --- | --- | --- | | **Proprietary (Geschlossen)** | GPT-4, Claude, Gemini | Beste Leistung, Cloud-basiert, Lizenzgebühren | Enterprise, hohe Anforderungen | | **Open Source (Offen)** | LLaMA, Mistral, Falcon | Lokal hosting-bar, volle Kontrolle, DSGVO-konform | DACH-Unternehmen, Datenschutz-kritisch | | **Spezialisiert** | LawGPT, MedGPT | Domänenwissen, optimiert für ein Feld | Jura, Medizin, Finanzen | | **On-Premise/ Self-Hosted** | Beliebige Modelle, eigengehostet | Maximale Sicherheit, 100% Datenkontrolle | Behörden, kritische Infrastruktur | **DSGVO-Tipp:** Für Unternehmen in der Schweiz und der EU ist der **Datenspeicherungsort** kritisch. Viele proprietäre US-Modelle versenden Daten über den Atlantik – problematisch für sensitive Daten. Open-Source-Modelle auf europäischen Servern sind sicherer.   ## Praktische Use-Cases: Wo LLMs im Business Wert schaffen 1. **Customer Support & FAQ Bots** LLMs beantworten häufige Kundenanfragen automatisch, senken Response-Zeiten um 70%. 1. **Content Generierung & Marketing** Blog-Artikel-Skizzen, Produktbeschreibungen, Social Media Copy – LLMs sind Ideenlieferanten. 1. **Dokumentenverarbeitung & RAG** Dank RAG-Systemen (wie [Company GPT von NORTHBOT](https://ai-bot.ch/ki-northbot-company-gpt)) können LLMs unternehmensgeheime Dokumente analysieren und intelligente Antworten geben – ohne Datenlecks. 1. **Code-Generierung** LLMs wie Claude oder GPT-4 generieren qualitativ hochwertigen Code – eine enorme Produktivitätssteigerung für IT-Teams. 1. **Mitarbeiter-Onboarding** Ein LLM-basierter [HR-Bot](https://northbot.ch/hr-chatbot) beantwortet interne Fragen zu Richtlinien, Urlaub, IT-Setup automatisch.   ## LLMs vs. klassischer KI: Wo liegt der Unterschied? | **Aspekt** | **Klassische KI / ML** | **LLM / Generative AI** | | --- | --- | --- | | **Eingabe** | Strukturierte Daten, Zahlen | Text, Sprache, Kontext | | **Ausgabe** | Klassifikation, Vorhersage | Generative Inhalte, Konversation | | **Training** | Supervised Learning, Klassifizierung | Self-Supervised Learning, Unsupervised | | **Grösse** | Millionen Parameter | Milliarden Parameter | | **Kosten** | Mittel | Hoch (beim Inference) | | **Beispiele** | Spam-Filter, Betrugserkennung, Prognosen | ChatGPT, Claude, Copilot |   ## 2025 Trend: LLMO (Large Language Model Optimization) So wie Unternehmen für Google SEO optimieren, müssen sie jetzt auch für **Large Language Model Optimization (LLMO)** optimieren. Das bedeutet: **Ihre Inhalte müssen nicht nur für Suchmaschinen, sondern auch für ChatGPT, Claude und Perplexity sichtbar sein.** ### LLMO-Best-Practices: - **Klare Struktur:** H1, H2, H3 – LLMs brauchen Hierarchie - **Prägnante Zusammenfassungen:** LLMs priorisieren Klarheit über Umschreibung - **Zitierfähige Quellen:** Mit Links und Publikumsdatum - **Semantische Tiefe:** Nicht nur Keywords, sondern echte Bedeutung - **Factuality & EEAT:** Expertise, Autorität, Vertrauenswürdigkeit   ## Fazit: LLMs sind Werkzeuge, keine Magier Large Language Models sind mächtige Werkzeuge – aber sie sind nicht intelligent im menschlichen Sinne. Sie sind: - ✅ Hervorragend bei Mustererkennung - ✅ Schnell bei Textgenerierung - ✅ Nützlich für Automation - ❌ Nicht bewusst - ❌ Nicht zuverlässig bei Fakten - ❌ Nicht selbstständig denkend ### Die Zukunft liegt nicht in "Mensch vs. Maschine", sondern in "Mensch + Maschine". Für Unternehmen bedeutet das: 1. **Wähle das richtige LLM** für deinen Use-Case 2. **Implementiere Kontrollen** gegen Halluzinationen 3. **Trainiere deine Teams** zum sicheren Umgang 4. **Miss den ROI** – nicht alle LLM-Einsätze sind wirtschaftlich   ## Dein nächster Schritt: LLMs richtig implementieren Möchtest du verstehen, wie dein Unternehmen von LLMs profitieren kann? NORTHBOT berät dich bei der Auswahl, Integration und Optimierung von KI-Lösungen – mit Fokus auf **Sicherheit, Compliance und Business-Impact**. **Unsere Lösungen für Unternehmen:** - [Company GPT](https://ai-bot.ch/ki-northbot-company-gpt): Dein unternehmenseigenes LLM, trainiert auf eurem Wissen - [KI Dokumentenmanagement](https://ai-bot.ch/ki-wissensmanagement-dokumentenmanagement): RAG-basierte intelligente Suche - [KI Meeting Assistant](https://ai-bot.ch/ki-meeting-assistent): LLM-basierte Protokollierung & Zusammenfassungen ## Kostenlose Beratung buchen [Finde heraus, wie LLMs deine Effizienz steigern können.](https://ai-bot.ch/ki-meeting-assistent) [Jetzt buchen](https://northbot.ch/ki-northbot-jetzt-starten) ![NORTHBOT](https://northbot.ch/hubfs/Bot7.png) ## Häufig gestellte Fragen ### Interesse geweckt? Unser Office befindet sich in Burgdorf, 20 Minuten von Bern. Komm doch auf eine Tasse Tee oder Kaffee vorbei. Wir freuen uns darauf, dich persönlich kennenzulernen. [Kontaktiere uns](https://northbot.ch/kontakt-alt) Was ist der Unterschied zwischen GPT-4 und Claude? **GPT-4** ist vielseitiger, mit breiterem Wissensfeld. **Claude** ist spezialisierter auf lange Dokumente (200k Tokens) und technische Aufgaben. Für Halluzinationen gilt: Claude hat eine bessere Accuracy Rate. Sind LLMs sicher für Unternehmens-Daten? Kommt darauf an. **Proprietäre Modelle (GPT, Claude, Gemini):** Daten könnten Teil des Trainings werden. **Open-Source + On-Premise:** Vollständige Kontrolle, aber eigenes Hosting erforderlich. **Die beste Lösung:** [Company GPT von NORTHBOT](https://ai-bot.ch/ki-northbot-company-gpt) – trainiert auf deine Daten, gehostet in der Schweiz, DSGVO-konform  Wie unterscheiden sich LLMs von Chatbots? Ein **Chatbot** ist eine Anwendung (z.B. ein Support-Widget). Ein **LLM** ist das Modell dahinter. Alle modernen Chatbots nutzen LLMs, aber nicht alle LLMs werden für Chatbots verwendet. Was sind Halluzinationen und warum passieren sie? Das Modell generiert Inhalte, die **korrekt klingen, aber erfunden sind**. Grund: LLMs kennen nicht den Unterschied zwischen "häufig in Trainingsdaten" und "tatsächlich wahr". **Lösung:** RAG-Systeme, Fact-Checking, menschliche Prüfung. Kann ich ein LLM lokal ausführen? Ja, Open-Source-Modelle wie **LLaMA 3** oder **Mistral** kannst du auf deinem eigenen Servern laufen. Vorteil: 100% Kontrolle, DSGVO-Konformität. Nachteil: Du brauchst leistungsstarke Hardware (GPUs). ### Weitere Beiträge aus der AI-Basics Serie ### Datenqualität für KI: Warum saubere Daten entscheidend sind Künstliche Intelligenz erlebt derzeit einen historischen Durchbruch.Ob Sprachmodelle, Bildanalysen, Empfehlungssysteme oder KI-Agenten – KI-Technologien prägen bereits heute Entscheidungen in Unternehmen, öffentlichen Institutionen und unserem Alltag. [Weiterlesen](https://northbot.ch/wissen-stories/blog/datenqualität-für-ki-warum-saubere-daten-entscheidend-sind) ### LLM Vergleich 2025: Was unterscheidet GPT, Claude, Gemini & Co.? Ein Large Language Model (LLM) ist nicht gleich ein anderes.Auch wenn alle auf dem gleichen Grundprinzip basieren – Sprache mithilfe von Statistik und neuronalen Netzen zu verstehen und zu erzeugen – unterscheiden sie sich in mehreren entscheidenden Punkten. [Weiterlesen](https://northbot.ch/wissen-stories/blog/llm-vergleich-gpt-claude-gemini-unterschiede) ### Was ist ein KI Agent? Von der Antwortmaschine zum digitalen Mitarbeiter Künstliche Intelligenz ist längst mehr als nur ein Trend.Sie verändert grundlegend, wie wir arbeiten, kommunizieren und Entscheidungen treffen.Doch während wir uns gerade erst an Chatbots gewöhnt haben, steht bereits die nächste Evolution vor der Tür: KI Agenten (auch AI Agents genannt). [Weiterlesen](https://northbot.ch/wissen-stories/blog/was-ist-ein-ki-agent) [![footer-logo](https://northbot.ch/hubfs/NorthBot_May2026/Images/Logo.svg)](https://northbot.ch) Kontakt [Lyssachstrasse 111, 3400 Burgdorf / Bern, Schweiz](https://www.google.com/maps/dir//NORTH+Digital+AG,+Lyssachstrasse+111,+3400+Burgdorf/@47.0600605,7.6135618,1079m/data=!3m1!1e3!4m17!1m7!3m6!1s0x478e2d9ecc5650e3:0x54d16de2b5a9ee6b!2sNORTH+Digital+AG!8m2!3d47.0600605!4d7.6161367!16s%2Fg%2F11y10yd4hg!4m8!1m0!1m5!1m1!1s0x478e2d9ecc5650e3:0x54d16de2b5a9ee6b!2m2!1d7.6161367!2d47.0600605!3e0?entry=ttu&g_ep=EgoyMDI2MTAxOS4wIKXMDSoASAFQAw%3D%3D) [034 420 16 14](tel:+0344201614) [mail@northdigital.ch](mailto:mail@northdigital.ch) Schnelle Links - [KI Consulting für KMU](https://northbot.ch/ki-consulting-kmu) - [Funktionen](https://northbot.ch/plattform/funktionen) - [Integrationen](https://northbot.ch/produkte/integrationen) - [Security](https://northbot.ch/plattform/security) - [Company GPT](https://northbot.ch/plattform/anwendungsfaelle/company-gpt) Produkte - [Übersicht](https://northbot.ch/produkte) - [Chat](https://northbot.ch/produkte/chat) - [Professional](https://northbot.ch/produkte/professional) - [Starter](https://northbot.ch/produkte/starter) [![Enterprise grade icon](https://northbot.ch/hubfs/NorthBot_May2026/Images/1%20921.svg)](https://northbot.ch/plattform/security) [Sicherheit auf Enterprise-Niveau](https://northbot.ch/plattform/security) [![Deployable icon](https://northbot.ch/hubfs/NorthBot_May2026/Images/upload-icon.svg)](https://northbot.ch/produkte/integrationen) [In jeder Infrastruktur einsetzbar](https://northbot.ch/produkte/integrationen) [![GDPR icon](https://northbot.ch/hubfs/NorthBot_May2026/Images/Data-icon.svg)](https://northbot.ch/plattform/security) [DSGVO-konform](https://northbot.ch/plattform/security) Partner [![Logo\_Berner\_Forum\_white 2](https://northbot.ch/hubfs/NorthBot_May2026/Images/Logo_Berner_Forum_white%202.svg)](https://bernerforum.ch/) [![healthySolutions\_RGB\_white 1](https://northbot.ch/hubfs/NorthBot_May2026/Images/healthySolutions_RGB_white%201.svg)](http://www.healthysolutions.ch) [![YB Partner 1](https://northbot.ch/hubfs/NorthBot_May2026/Images/YB%20Partner%201.svg)](https://www.bscyb.ch/) Integrationspartner [![sms-logo\_AI\_v-white 1](https://northbot.ch/hubfs/NorthBot_May2026/Images/sms-logo_AI_v-white%201.svg)](https://www.swissmadesoftware.org/en/about/plus-AI.html) [![begasoft\_Logo\_RGB-weiss 1](https://northbot.ch/hubfs/NorthBot_May2026/Images/begasoft_Logo_RGB-weiss%201.svg)](https://www.begasoft.ch/) © 2026 Ein Produkt der [NORTH Digital AG](https://northdigital.ch/) Part of the NORTH Group [Fakten](https://northbot.ch/fakten) [Datenschutz](https://northbot.ch/datenschutz) [Impressum](https://northbot.ch/impressum) ```json { "@context" : "https://schema.org", "@type" : "BlogPosting", "author" : { "@type" : "Person", "name" : "Pascal Hostettler", "url" : "https://northbot.ch/wissen-stories/blog/author/pascal-hostettler" }, "dateModified" : "2026-09-15T09:25:11.908Z", "datePublished" : "2025-11-20T10:56:47.000Z", "headline" : "Was ist ein LLM? Large Language Models einfach erklärt", "image" : [ "https://northbot.ch/hubfs/Was_ist_ein_Agent.jpg" ], "mainEntityOfPage" : { "@id" : "https://northbot.ch/wissen-stories/blog/was-ist-ein-llm-large-language-model-erklaert", "@type" : "WebPage" }, "publisher" : { "@type" : "Organization", "logo" : { "@type" : "ImageObject", "url" : "https://northbot.ch/hubfs/Ai%20-%20Northbot%202025/Ebene_1%20(2).svg" } } } ``` ```json { "@context" : "https://schema.org", "@type" : "FAQPage", "mainEntity" : [ { "@type" : "Question", "acceptedAnswer" : { "@type" : "Answer", "text" : "GPT-4 ist vielseitiger, mit breiterem Wissensfeld. Claude ist spezialisierter auf lange Dokumente (200k Tokens) und technische Aufgaben. Für Halluzinationen gilt: Claude hat eine bessere Accuracy Rate." }, "name" : "Was ist der Unterschied zwischen GPT-4 und Claude?" }, { "@type" : "Question", "acceptedAnswer" : { "@type" : "Answer", "text" : "Kommt darauf an. Proprietäre Modelle (GPT, Claude, Gemini): Daten könnten Teil des Trainings werden. Open-Source + On-Premise: Vollständige Kontrolle, aber eigenes Hosting erforderlich. Die beste Lösung: Company GPT von NORTHBOT – trainiert auf deine Daten, gehostet in der Schweiz, DSGVO-konform." }, "name" : "Sind LLMs sicher für Unternehmens-Daten?" }, { "@type" : "Question", "acceptedAnswer" : { "@type" : "Answer", "text" : "Ein Chatbot ist eine Anwendung (z.B. ein Support-Widget). Ein LLM ist das Modell dahinter. Alle modernen Chatbots nutzen LLMs, aber nicht alle LLMs werden für Chatbots verwendet." }, "name" : "Wie unterscheiden sich LLMs von Chatbots?" }, { "@type" : "Question", "acceptedAnswer" : { "@type" : "Answer", "text" : "Das Modell generiert Inhalte, die korrekt klingen, aber erfunden sind. Grund: LLMs kennen nicht den Unterschied zwischen \"häufig in Trainingsdaten\" und \"tatsächlich wahr\". Lösung: RAG-Systeme, Fact-Checking, menschliche Prüfung." }, "name" : "Was sind Halluzinationen und warum passieren sie?" }, { "@type" : "Question", "acceptedAnswer" : { "@type" : "Answer", "text" : "Ja, Open-Source-Modelle wie LLaMA 3 oder Mistral können auf deinen eigenen Servern laufen. Vorteil: 100% Kontrolle, DSGVO-Konformität. Nachteil: Du brauchst leistungsstarke Hardware (GPUs)." }, "name" : "Kann ich ein LLM lokal ausführen?" } ] } ```