ai-coding

Was ist ein LLM? Große Sprachmodelle erklärt (2026)

PrivSec Lab14. Juni 20263 Min. Lesezeit

Ein LLM (großes Sprachmodell) ist ein neuronales Netzwerk, das mit riesigen Mengen an Text trainiert wird, um das nächste Token vorherzusagen — die Technologie hinter ChatGPT, Claude und Llama. Was ein LLM ist, wie es funktioniert, was es kann und nicht kann, einfach erklärt.

Chatbots, Codierungsassistenten, Zusammenfasser — fast jedes KI-Tool, das Sie kürzlich verwendet haben, wird von einem LLM angetrieben. Der Begriff ist überall im Jahr 2026, wird aber selten klar erklärt. Dieser Leitfaden beantwortet es einfach: was ein großes Sprachmodell ist, wie es tatsächlich funktioniert, wofür es wirklich gut ist und — genauso wichtig — was es nicht kann.

Was ein LLM ist

Ein LLM (großes Sprachmodell) ist ein neuronales Netzwerk, das auf enormen Mengen an Text trainiert wird, um menschliche Sprache zu verstehen und zu generieren. Seine Hauptaufgabe ist täuschend einfach: das nächste Token vorherzusagen (ein Wort oder Wortteil) basierend auf allem, was davor kommt. Wiederholen Sie das immer wieder und Sie erhalten kohärente Antworten, Aufsätze, Übersetzungen und Code.

„Groß“ bezieht sich sowohl auf die Trainingsdaten (ein Großteil des öffentlichen Webs und mehr) als auch auf die Parameter — oft Milliarden interner Werte, die speichern, was das Modell gelernt hat. ChatGPT, Claude, Gemini und Llama sind alle LLMs.

Quellcode auf einem Bildschirm

Wie es funktioniert

Fast jedes moderne LLM verwendet die Transformer-Architektur. Das Training erfolgt in Phasen:

Vortraining — das Modell liest riesige Texte und lernt Muster, indem es wiederholt das nächste Token vorhersagt und sich korrigiert, wenn es falsch liegt. Hier bildet sich der Großteil seines Wissens.
Feinabstimmung & RLHF — es wird dann mit kuratierten Beispielen und menschlichem Feedback verfeinert, um hilfreicher zu sein, Anweisungen zu befolgen und schädliche Ausgaben zu vermeiden.

Bei der Inferenz (wenn Sie es verwenden) geben Sie eine Eingabeaufforderung und es generiert eine Antwort ein Token nach dem anderen, jedes ausgewählt aus den Wahrscheinlichkeiten, die es gelernt hat. Entscheidend ist, dass es nicht nachschaut — es sagt plausiblen Text aus Mustern vorher.

Ein Code-Editor auf einem Bildschirm geöffnet — Ein Code-Editor — LLMs generieren Text (und Code) ein Token nach dem anderen und sagen die wahrscheinlichste Fortsetzung vorher.

Tokens und Parameter

Tokens — die Einheit des Textes, die ein LLM liest und schreibt, ungefähr ein Wort oder Wortteil. Grenzen wie das Kontextfenster werden in Tokens gemessen.
Parameter — die Milliarden interner Gewichte, die während des Trainings angepasst werden, um das zu speichern, was das Modell gelernt hat.

Mehr Parameter und Daten können mehr Fähigkeiten bedeuten, aber Architektur, Datenqualität und Feinabstimmung sind genauso wichtig wie die rohe Größe.

Was LLMs können und nicht können

Stark bei: Entwurf und Zusammenfassung, Beantwortung von Fragen, Übersetzung, Erklärung und Schreiben und Debuggen von Code.

Echte Grenzen:

Halluzination — sie können falsche Dinge selbstbewusst behaupten. Sie sagen plausiblen Text vorher, was nicht dasselbe ist wie korrekt.
Wissensgrenze — sie wissen nicht von Natur aus über aktuelle Ereignisse.
Kein echtes Verständnis — keine Überzeugungen oder Verankerung, nur gelernte Muster.
Voreingenommenheit — sie können Vorurteile in ihren Trainingsdaten widerspiegeln.

Die Lösung für Fakten und Aktualität besteht darin, ihnen echte Quellen zur Antwortzeit zu geben — genau das macht RAG (retrieval-augmented generation).

LLM vs KI

KI ist das breite Feld; ein LLM ist eine prominente Art von KI, die auf Sprache spezialisiert ist. Jedes LLM ist KI, aber Bildgeneratoren, Empfehlungsdienste und Spielagenten sind auch KI, die anders aufgebaut sind. „KI“ bedeutet heute oft einen LLM-Chatbot — aber die Begriffe sind nicht austauschbar.

Ausführen und Auswählen eines

Sie können offene LLMs privat auf Ihrem eigenen Rechner mit Ollama ausführen, und speziell für die Entwicklung sehen Sie unseren Leitfaden zu den besten Codierungs-LLMs. Die gleichen Grundlagen — Tokens, Parameter, Vorhersage des nächsten Tokens — gelten, unabhängig davon, ob das Modell in der Cloud oder auf Ihrem Laptop läuft.

Das Fazit

Ein LLM ist ein neuronales Netzwerk, das Sprache generiert, indem es das nächste Token vorhersagt, trainiert auf riesigen Texten und verfeinert mit menschlichem Feedback. Es ist bemerkenswert fähig in Sprache und Code und wirklich begrenzt durch Halluzination, eine Wissensgrenze und das Fehlen eines echten Verständnisses. Verwenden Sie es für das, wofür es gut ist, überprüfen Sie, was wichtig ist, und fügen Sie Abruf hinzu, wenn Sie aktuelle, fundierte Fakten benötigen.

Photo: Unsplash (source)

Auch verfügbar in

EN FR ES IT PT

FAQ

Was ist ein LLM?

Ein LLM oder großes Sprachmodell ist eine Art von künstlichem Intelligenzsystem, das auf enormen Mengen an Text trainiert wird, um menschliche Sprache zu verstehen und zu generieren. Im Kern sagt es das wahrscheinlichste nächste 'Token' (ein Wort oder Wortteil) basierend auf allem davor vorher, und indem es dies wiederholt tut, schreibt es kohärente Sätze, beantwortet Fragen, fasst zusammen, übersetzt und schreibt Code. Das 'groß' bezieht sich sowohl auf die Trainingsdaten als auch auf die Anzahl der Parameter — oft Milliarden —, die speichern, was das Modell gelernt hat. ChatGPT, Claude, Gemini und Llama basieren alle auf LLMs.

Wie funktioniert ein LLM?

Ein LLM ist ein neuronales Netzwerk, fast immer basierend auf der Transformer-Architektur. Während des Trainings liest es riesige Texte und lernt statistische Muster, indem es wiederholt das nächste Token vorhersagt und seine Parameter anpasst, wenn es falsch liegt. Nach diesem Vortraining wird es oft mit Feinabstimmung und menschlichem Feedback (RLHF) verfeinert, um hilfreicher und sicherer zu sein. Bei der Nutzung ('Inferenz') geben Sie ihm eine Eingabeaufforderung und es generiert eine Antwort ein Token nach dem anderen, jedes Token basierend auf den Wahrscheinlichkeiten, die es gelernt hat. Es schaut nichts nach — es sagt aus Mustern vorher.

Was können LLMs — und was nicht?

Sie sind stark bei Sprachaufgaben: Entwurf und Zusammenfassung von Text, Beantwortung von Fragen, Übersetzung, Erklärung von Konzepten und Schreiben und Debuggen von Code. Ihre Grenzen sind real: Sie können 'halluzinieren' (falsche Dinge selbstbewusst behaupten), sie haben eine Wissensgrenze und wissen nicht von Natur aus über aktuelle Ereignisse, sie haben kein echtes Verständnis oder Überzeugungen und sie können Vorurteile in ihren Trainingsdaten widerspiegeln. Sie sagen plausiblen Text vorher, was nicht dasselbe ist wie korrekt zu sein — überprüfen Sie immer Fakten, die wichtig sind.

Was ist der Unterschied zwischen einem LLM und KI?

KI ist das breite Feld, Maschinen Dinge tun zu lassen, die intelligent erscheinen. Ein LLM ist eine spezifische, derzeit sehr prominente Art von KI — ein Modell, das auf Sprache spezialisiert ist. Also ist jedes LLM KI, aber nicht jede KI ist ein LLM: Bildgeneratoren, Empfehlungssysteme, spielende Agenten und Spamfilter sind auch KI, die mit unterschiedlichen Techniken gebaut sind. Wenn Leute heute 'KI' sagen, meinen sie oft einen LLM-gestützten Chatbot, aber die Begriffe sind nicht austauschbar.

Was sind Tokens und Parameter in einem LLM?

Ein Token ist die Einheit des Textes, die ein LLM verarbeitet — ungefähr ein Wort oder Teil eines Wortes; Modelle lesen und generieren Text Token für Token, und Grenzen wie 'Kontextfenster' werden in Tokens gemessen. Parameter sind die internen numerischen Werte (Gewichte), die das Modell während des Trainings anpasst, um das zu speichern, was es gelernt hat; moderne LLMs haben Milliarden davon. Locker gesagt, mehr Parameter und mehr Training können mehr Fähigkeiten bedeuten, aber Architektur, Datenqualität und Feinabstimmung sind genauso wichtig wie die rohe Größe.