Was ist ein Large Language Model?
Ein Large Language Model, kurz LLM, ist ein maschinelles Lernmodell für Sprache. Es wird mit großen Textmengen trainiert und lernt, welche Texteinheiten in einem gegebenen Kontext wahrscheinlich folgen. Moderne LLMs beruhen meist auf der Transformer-Architektur. Bei einer Anfrage zerlegt das Modell den Text in Tokens, verarbeitet deren Beziehungen und erzeugt schrittweise eine Ausgabe. Es sucht dabei nicht wie ein Lexikon nach einem fertigen Satz.
Diese Arbeitsweise erklärt zugleich Stärke und Grenze. Ein LLM kann formulieren, zusammenfassen, übersetzen, klassifizieren und Code bearbeiten, ohne den Inhalt so zu verstehen wie ein Mensch. Seine Antwort hängt von Trainingsdaten, Eingabe, Systemeinstellungen und gegebenen Quellen ab. Plausibler Text kann sachlich falsch sein; das nennt man Halluzination. Benötigt eine Anwendung aktuelles oder internes Wissen, kann RAG passende Dokumente zur Anfrage liefern. Das verbessert die Grundlage, ersetzt aber keine Prüfung.
LLM im Klartext
So wird ein LLM zur Anwendung
Häufige Fragen
Wie funktioniert ein LLM vereinfacht erklärt?
Ein LLM zerlegt Text in Tokens und berechnet aus dem bisherigen Kontext, welches Token wahrscheinlich als Nächstes passt. Dieser Schritt wiederholt sich, bis die Antwort fertig ist. Während des Trainings wurden die Modellparameter an vielen Beispielen angepasst. Das Modell kopiert also nicht einfach eine einzelne Quelle, sondern erzeugt Text aus gelernten statistischen Mustern.
Versteht ein LLM, was es schreibt?
Nicht im menschlichen Sinn. Ein LLM verarbeitet komplexe sprachliche Beziehungen und kann dadurch sehr verständige Antworten erzeugen. Es hat aber keine eigene Erfahrung, Absicht oder verlässliche Vorstellung davon, ob eine Aussage wahr ist. Für die Praxis zählt deshalb nicht der Eindruck von Verständnis, sondern die nachweisbare Qualität im konkreten Anwendungsfall.
Ist ChatGPT ein LLM?
ChatGPT ist eine Anwendung, die auf Sprachmodellen von OpenAI basiert. Das LLM ist der modellseitige Kern für die Sprachverarbeitung; die Anwendung ergänzt unter anderem Benutzeroberfläche, Systemanweisungen, Werkzeuge und Sicherheitsmechanismen. Dieselbe Unterscheidung gilt auch bei anderen Produkten: Modell und fertiger Dienst sind nicht dasselbe. Funktionen können sich unabhängig vom Grundmodell ändern.
Warum liefert ein LLM manchmal falsche Antworten?
Das Modell optimiert auf eine passende sprachliche Fortsetzung, nicht auf einen eingebauten Wahrheitsnachweis. Fehlen Informationen, sind Quellen widersprüchlich oder legt die Eingabe eine falsche Richtung nahe, kann eine plausible Falschaussage entstehen. Quellenabruf, klare Aufgaben, strukturierte Ausgaben und fachliche Prüfungen senken das Risiko, verhindern es aber nicht in jedem Fall.