Article
KI-Agenten-Wörterbuch: Die Begriffe, die zählen
Die Welt der KI-Agenten entwickelt sich schneller als ihr gemeinsames Vokabular. Begriffe verschwimmen, werden in verschiedenen Kontexten unterschiedlich verwendet oder verschwinden nach wenigen Monaten stillschweigend. Hugging Face hat diesen Missstand mit einem umfassenden Glossar angegangen, das die wichtigsten Konzepte klar definiert – nicht als endgültige Wahrheit, sondern als praktisches mentales Modell für produktive Diskussionen.
Der “Model”-Begriff ist der Fundamentale: ein vortrainiertes neuronales Netz wie Llama oder GPT, das Token in Token transformiert. “Scaffolding” bezeichnet die äußere Struktur, die ein Basis-Modell mit Werkzeugen und Kontext versieht – über system prompts, Dokumentation und API-Integrationen. Der “Harness” ist die technische Implementierung, die das Gerüst zum Laufen bringt: Zustandsmanagement, Tool-Ausführung und Validierung. Ein “Agent” entsteht, wenn alle Komponenten zusammenkommen und autonom agiert.
“Skills” sind spezialisierte Fähigkeiten wie Code-Generierung oder Datei-Management, während “Sub-agents” delegierte Einheiten innerhalb eines größeren Agenten-Systems sind. “Policy” definiert die Entscheidungslogik des Agenten – welche Aktion unter welchen Bedingungen. “Context Engineering” ist die Kunst, das richtige Prompting und die passenden Werkzeuge bereitzustellen. Für Training-Spezialisten gibt es Begriffe wie RL Environment, Trainer, Rollout und Reward – alles Konzepte aus dem Reinforcement Learning, die für das Finetuning von Agenten relevant werden.