Definition
KI-Modell mit Milliarden von Parametern, trainiert auf großen Textmengen, fähig zu kontextueller Sprachverarbeitung und Generierung. Beispiele: GPT-4, Claude, Gemini, Kimi. Anwendungen: Textgenerierung, Übersetzung, Zusammenfassung, Code-Erstellung, RAG-basierte Frage-Antwort-Systeme. Im Managementsystem-Kontext werden LLMs für Wissensmanagement, Audit-Vorbereitung und Compliance-Recherche eingesetzt — wie bei Norminator.
In der Praxis
Das häufigste Missverständnis im Umgang mit Sprachmodellen: Sie werden wie eine Suchmaschine mit Antwortgarantie behandelt. Ein LLM ist ein Wahrscheinlichkeitsmodell für Sprache — es erzeugt plausible Texte, nicht geprüfte Fakten. In der Beratung sehe ich die Folgen: ein QMB übernimmt eine Norm-Interpretation aus dem Chatbot, ohne die Quelle zu prüfen, und baut sie in die Audit-Vorbereitung ein. Zweiter Fehler: Das Modell wird mit vertraulichen Daten gefüttert — Vertragsinhalte, Personaldaten, Auditberichte landen in einem Consumer-Tool, weil niemand eine Nutzungsregel aufgestellt hat. Drittens wird die Kompetenzfrage ignoriert: Seit Februar 2025 verlangt der EU AI Act von Anbietern und Betreibern, Maßnahmen zur Entwicklung der KI-Kompetenz ihres Personals zu ergreifen — das ist Schulungsthema, nicht Selbstlernen nebenbei. Mein Rat: Behandeln Sie das LLM wie einen sehr schnellen, sehr belesenen Praktikanten ohne Gewähr — nützlich für Entwürfe, Zusammenfassungen und Strukturierung, aber jede fachliche Aussage mit Konsequenz geht durch fachliche Prüfung.
Verwandte Begriffe
Häufige Fragen zu Large Language Model
Was unterscheidet ein LLM von einer klassischen Suchmaschine oder einem Expertensystem?
Die Suchmaschine findet Dokumente, das Expertensystem wendet hinterlegte Regeln an — das LLM erzeugt Sprache neu. Es hat kein Wörterbuch der Wahrheit, sondern statistische Muster aus Trainingsdaten: Es weiß nicht, was in Ihrer Norm steht, es prognostiziert, welche Formulierung dazu passt. Deshalb kann es flüssig formulierte, aber falsche Antworten liefern — das Phänomen der Halluzination. Für die Praxis heißt das: Ein LLM ersetzt weder die Normlektüre noch die Recherche im Rechtskataster, es beschleunigt das Verstehen und Formulieren. Die einheitliche Begriffswelt für solche Systeme liefert übrigens ISO/IEC 22989 — hilfreich, wenn Sie im Haus diskutieren, was „das KI-System" eigentlich ist und kann (ISO/IEC 22989:2022).
Gelten für uns als Anwender von KI-Sprachmodellen schon Pflichten aus dem EU AI Act?
Ja, zwei sind bereits relevant — die Verordnung gilt gestaffelt, nicht erst ab einem einzigen Stichtag. Sie ist seit dem 01.08.2024 in Kraft; seit dem 02.02.2025 gelten die Verbote unzulässiger Praktiken und die KI-Kompetenz-Regel des Art. 4: Anbieter und Betreiber müssen Maßnahmen ergreifen, um die Entwicklung der KI-Kompetenz ihres Personals zu unterstützen — eine Maßnahmenpflicht des Unternehmens, keine Garantie eines bestimmten Kompetenzniveaus; dokumentierte Unterweisungen sind der naheliegende Nachweis. Ebenfalls seit 02.08.2025 gelten Pflichten für Anbieter von Modellen mit allgemeinem Verwendungszweck. Die Hochrisiko-Pflichten nach Anhang III folgen nach der Änderung durch die Digital-Omnibus-Verordnung (EU) 2026/1744 ab dem 02.12.2027 — relevant, wenn Sie KI etwa in der Personalauswahl einsetzen. Für die reine Büro-Nutzung eines Sprachmodells bleibt es bei Kompetenzförderung, Transparenz und Datenschutz — aber das ist mehr, als die meisten Betriebe heute dokumentiert haben (Verordnung (EU) 2024/1689, Art. 4; Fristen: Art. 113 i. d. F. der Verordnung (EU) 2026/1744).
Wie führen wir Sprachmodelle im Unternehmen ein, ohne dass es wild wird?
Beginnen Sie mit einer einseitigen Nutzungsregel statt eines Großprojekts: welche Werkzeuge freigegeben sind, welche Daten dort nichts zu suchen haben — personenbezogene Daten, Vertragsinhalte, vertrauliche Kundeninformationen — und die Grundregel, dass KI-Ergebnisse Entwürfe sind, keine Freigaben. Zweitens: Unterweisen Sie die Anwender kurz und dokumentiert — das ist genau die Art von Maßnahme, die Art. 4 des EU AI Act von Betreibern verlangt, und senkt gleichzeitig das Halluzinations-Risiko, weil die Leute wissen, was sie prüfen müssen. Drittens: Definieren Sie zwei bis drei freigegebene Anwendungsfälle mit echtem Nutzen — Zusammenfassungen, Formulierungshilfen, Strukturierung von Auditnotizen — statt pauschal „KI für alles". Viertens: Hängen Sie die Regel an Ihr bestehendes Managementsystem, etwa als Betriebsanweisung im Dokumentenlenkungs-Prozess. Was nicht gelenkt ist, wird im Audit zur Feststellung.