Large Language Model
Ein Large Language Model (LLM) ist ein KI-Modell, das mit sehr großen Textmengen trainiert wurde und Text erzeugt, indem es vorhersagt, welches Textstück (Token) als Nächstes folgt. LLMs sind die Grundlage von KI-Assistenten wie ChatGPT, Gemini oder Claude.
Ein Sprachmodell schätzt, wie wahrscheinlich ein Token – ein Wort, ein Wortteil oder ein Zeichen – an einer bestimmten Stelle im Text ist. Ein Large Language Model tut das in sehr großem Maßstab: Es basiert meist auf der Transformer-Architektur, die laut Google Hunderte Milliarden oder sogar Billionen Parameter enthalten kann. So kann es Fragen beantworten, Texte zusammenfassen oder übersetzen, ohne Informationen wie eine Datenbank nachzuschlagen.
Ein LLM antwortet zunächst aus dem, was es im Training gelernt hat. Dieses Wissen hat einen Stichtag und kann Lücken haben. KI-Suchsysteme verbinden das Modell deshalb mit einer aktuellen Suche: Sie rufen passende Quellen ab und stützen die Antwort darauf. Google beschreibt für AI Mode und AI Overviews dazu das Verfahren Query Fan-out; ChatGPT Search liefert laut OpenAI Antworten mit Links zu relevanten Webquellen.
LLMs erzeugen wahrscheinliche Sätze, keine geprüften Fakten. Google nennt als bekannte Probleme, dass LLMs halluzinieren – ihre Vorhersagen also häufig Fehler enthalten –, dass sie viel Rechenleistung und Strom verbrauchen und dass sie Verzerrungen (Bias) zeigen können. Für Unternehmen heißt das: Was ein KI-Assistent über die eigene Marke sagt, ist nicht automatisch richtig – und hängt stark davon ab, welche Quellen er findet.
Ob ein Inhalt in einer KI-Antwort auftaucht, entscheidet sich vor allem beim Abruf der Quellen. Im Meusel Visibility Framework ist das eine Frage der Verarbeitbarkeit (GEO – Processability): Nach unserer Beobachtung lassen sich Inhalte, die Begriffe klar definieren, Unterthemen trennen und Kernaussagen früh nennen, leichter als Wissenseinheit verarbeiten und als Beleg nutzen. Mehr dazu unter KI-Sichtbarkeit.
Ein KI-Assistent wie ChatGPT ist ein Produkt, das ein oder mehrere LLMs mit weiteren Funktionen verbindet – etwa Websuche oder Datei-Upload. Das LLM ist das Sprachmodell darin.
Eine Suchmaschine findet und ordnet vorhandene Dokumente. Ein LLM erzeugt neuen Text. KI-Suche verbindet beides: Die Suche liefert Quellen, das Modell formuliert die Antwort.
Generative KI ist der Oberbegriff für Systeme, die neue Inhalte erzeugen – Text, Bild, Audio oder Video. LLMs sind der Teil davon, der auf Sprache spezialisiert ist.
Konstruiertes Beispiel – es zeigt den Mechanismus.
Frage an einen KI-Assistenten: „Welche Förderung gibt es aktuell für den Einbau einer Wärmepumpe?“ Ohne Suche antwortet das LLM aus seinen Trainingsdaten – mit Förderbedingungen, die zum Zeitpunkt der Frage womöglich nicht mehr gelten.
Mit Suche ruft das System aktuelle Seiten ab und verweist darauf. Wer als Heizungsbauer oder Energieberater eine aktuelle, klar gegliederte Seite zur Förderung hat, kann genau an dieser Stelle als Quelle auftauchen.
Nur, wenn sie mit einer Suche verbunden sind. Ohne Suche antwortet ein LLM aus seinen Trainingsdaten, die einen Stichtag haben. KI-Suchsysteme wie Googles AI Mode oder ChatGPT Search rufen zusätzlich aktuelle Webquellen ab.
Weil sie wahrscheinliche Textfortsetzungen vorhersagen, statt Fakten nachzuschlagen. Google bezeichnet das als Halluzinieren: Die Vorhersagen enthalten häufig Fehler.
Direkt nicht. Wenn KI-Systeme für eine Antwort Quellen abrufen, zählen aber klare, aktuelle und gut auffindbare Inhalte – auf der eigenen Website und in Quellen, die über das Unternehmen berichten.
In einem unverbindlichen Erstgespräch klären wir, wo Sie heute stehen. Ehrlich, konkret und ohne Verkaufsdruck.
