Was ein Sprachmodell ist

Wenn über KI geredet wird, fallen drei Wörter fast immer durcheinander: KI, Sprachmodell und der Name irgendeines Programms. Sie meinen nicht dasselbe, und der Unterschied ist der Anfang von allem.

Was oft verwechselt wird

Ein Sprachmodell ist ein Bauteil. Man kann es nicht anfassen und nicht starten; es ist eine sehr große Datei mit Zahlen, die aus Text weiteren Text erzeugen kann. Für sich allein tut es nichts.

Eine Anwendung ist das, was Sie bedienen. Sie hat ein Eingabefeld, merkt sich das Gespräch, kann Dateien annehmen und im Netz nachschlagen. Im Inneren benutzt sie ein Sprachmodell.

KI ist der Oberbegriff für das ganze Feld. Sprachmodelle sind ein Teil davon, aber längst nicht alles. Was sonst noch dazugehört, steht in KI-Wissen, Kapitel 01.

Das Beispiel, das man sich merken kann

ChatGPT ist die Anwendung. GPT ist das Sprachmodell.

Das lässt sich an der eigenen Geschichte der beiden zeigen. Als OpenAI ChatGPT am 30. November 2022 veröffentlichte, stand in der Ankündigung (externe Seite, openai.com) kein Modellname mit Versionsnummer. Dort hieß es, ChatGPT sei aus „einem Modell der GPT-3.5-Serie“ einem Fine-Tuning unterzogen worden. Die Anwendung bekam einen Namen und ein Gesicht, das Modell darunter blieb ungenannt.

Seitdem wurde dieses Modell mehrfach ausgetauscht: GPT-4 (externe Seite, openai.com) im März 2023, GPT-4o (externe Seite, openai.com) im Mai 2024, danach weitere. Der Name der Anwendung hat sich in dieser Zeit nicht geändert.

seitlich verschiebbar

eigene Darstellung nach den Ankündigungen von OpenAI, Stand 07/2026

Warum die Trennung wichtig ist

Weil sonst Eigenschaften verwechselt werden. Dass ein Chatprogramm eine aktuelle Nachricht kennt, liegt meist daran, dass die Anwendung im Netz nachgesehen und das Ergebnis mitgegeben hat. Was ein Modell von sich aus weiß, hat einen Stichtag, siehe Kapitel 08. Dass eine Rechnung stimmt, liegt oft daran, dass die Anwendung einen Taschenrechner aufgerufen hat.

Woran Sie es im Alltag merken

Dasselbe Sprachmodell verhält sich in zwei Programmen unterschiedlich. Das eine antwortet knapp, das andere ausführlich; das eine kann Dateien lesen, das andere nicht. Der Unterschied steckt in der Anwendung, nicht im Modell.

Umgekehrt gilt dasselbe: Wenn eine Anwendung von heute auf morgen bessere Antworten gibt, ohne dass sich an der Oberfläche etwas geändert hat, wurde meist das Modell darunter getauscht.

In Kapitel 02 geht es darum, was das Bauteil eigentlich tut.

Was umgangssprachlich „die KI“ heißt, ist meistens ein Stapel aus mindestens drei Schichten. Wer die trennt, kann Aussagen über KI-Systeme viel genauer beurteilen.

Die drei Schichten

Der Modellkern. Architektur, gelernte Werte und ein Tokenizer. Er nimmt eine Folge von Zahlen entgegen und liefert eine Wahrscheinlichkeitsverteilung für die nächste Zahl zurück. Er hat kein Gedächtnis, keine Uhr, keinen Netzzugang und keinen Zustand zwischen zwei Aufrufen.

Die Laufzeitumgebung. Sie lädt den Kern, nimmt Anfragen über eine Schnittstelle entgegen, setzt Grenzen für Länge und Kosten und ruft Tools auf, wenn das Modell danach verlangt.

Die Anwendung. Oberfläche, Gesprächsverlauf, Systemanweisung, Dateiverarbeitung, Suche, Rechteverwaltung. Hier entsteht ein erheblicher Teil dessen, was Menschen als Verhalten wahrnehmen. Was ein System überhaupt leisten kann, entscheidet zugleich der Kern.

seitlich verschiebbar

eigene Darstellung, Stand 08/2026

ChatGPT und GPT, am Kalender aufgezeigt

Die Trennung von Anwendung und Modell ist keine Spitzfindigkeit, sie lässt sich an Daten festmachen.

Wann	Was	Ebene
12.06.2017	„Attention Is All You Need“ (externe Seite, arxiv.org) stellt den Transformer vor	Forschung
11.06.2018	GPT-1 (externe Seite, openai.com), erstmals das Muster vortrainieren und nachjustieren	Modell
14.02.2019	GPT-2 (externe Seite, openai.com), das größte Modell zunächst zurückgehalten	Modell
28.05.2020	GPT-3 (externe Seite, arxiv.org), Aufgaben lösen anhand weniger Beispiele im Text	Modell
04.03.2022	InstructGPT (externe Seite, arxiv.org), Nachtraining mit menschlicher Rückmeldung	Modell
30.11.2022	ChatGPT (externe Seite, openai.com)	Anwendung
14.03.2023	GPT-4 (externe Seite, openai.com), verarbeitet auch Bilder	Modell
13.05.2024	GPT-4o (externe Seite, openai.com), Text, Bild und Ton in einem Modell	Modell

seitlich verschiebbar

eigene Darstellung nach arXiv und den Ankündigungen von OpenAI, Daten geprüft am 26.07.2026

Zwei Dinge fallen an dieser Reihe auf.

Zwischen der Grundlagenarbeit und dem Moment, in dem die Öffentlichkeit davon Notiz nahm, liegen fünfeinhalb Jahre. Die Technik war 2017 da, GPT-3 löste 2020 bereits Aufgaben anhand weniger Beispiele im Text. Bis daraus etwas wurde, das man einfach benutzt, kamen zwei Dinge dazu. Das eine ist das Nachtraining mit menschlicher Rückmeldung, in der Fachsprache RLHF für Reinforcement Learning from Human Feedback: Menschen bewerten Antworten, aus den Bewertungen entsteht ein Belohnungsmodell, und gegen dieses wird weitertrainiert. OpenAI zeigte im März 2022 an einem eigenen Vergleich, wie viel dieser Schritt ausmacht. Ein Modell mit 1,3 Milliarden Werten (externe Seite, arxiv.org) wurde danach als hilfreicher eingeschätzt als eines mit 175 Milliarden ohne ihn. Das andere ist die Oberfläche, in die man einfach hineinschreiben konnte.

Die einzige Zeile in der Tabelle, die eine Anwendung nennt, ist die einzige, die fast jeder kennt.

Die Verwechslung hat Folgen

Sie erklärt fast jede unklare Diskussion über KI:

• „Das Modell kann im Internet suchen.“ Kann es nicht. Die Anwendung ruft ein Tool auf und legt das Gefundene in den Kontext, siehe Kapitel 09.
• „Das Modell erinnert sich an letzte Woche.“ Tut es nicht. Die Anwendung speichert und schickt es erneut mit, als Teil dessen, was Kapitel 05 beschreibt.
• „Das Modell hat sich verbessert.“ Manchmal stimmt das. Oft wurde nur die Anweisung geändert oder ein Tool ergänzt.

Was daraus folgt

Wer ein KI-Vorhaben plant, entscheidet an drei Stellen getrennt: welches Modell, welche Umgebung, welche Anwendung. Die meisten Projekte scheitern nicht an der ersten Frage.

Präzise formuliert ist ein Sprachmodell eine parametrisierte Funktion f(θ): Token-Sequenz → Verteilung über das Vokabular. Alles Weitere ist Umgebung.

Was zum Modell gehört

Die Architektur, die Gewichte θ, das Vokabular und der Tokenizer. Der Tokenizer wird gern vergessen, gehört aber zwingend dazu: Dieselben Gewichte mit einem anderen Vokabular ergeben ein anderes Modell. Was ein Token ist, steht in Kapitel 03.

Nicht zum Modell gehören: Systemanweisung, Sampling-Parameter, Kontextverwaltung, Tool-Definitionen, Cache. Alles davon verändert das beobachtbare Verhalten erheblich, ohne ein einziges Gewicht anzufassen.

Die Serving-Schicht

Zwischen Kern und Anwendung liegt in der Praxis eine eigene Ebene: Stapelverarbeitung mehrerer Anfragen, Wiederverwendung berechneter Zustände, gestreamte Ausgabe, Kontingente. Sie ist der Grund, warum dieselben Gewichte bei zwei Anbietern unterschiedlich teuer und unterschiedlich schnell sind.

Warum die Unterscheidung trotzdem gilt

Weil sie die Suche ordnet. Ohne die Trennung sucht man im Ganzen, mit ihr geht man die Schichten der Reihe nach durch: Fehlte der Beleg im Kontext, hat das Tool versagt, war die Anweisung mehrdeutig, oder hat der Kern trotz korrekter Eingabe daneben gegriffen. Woran man den letzten Fall erkennt, steht in Kapitel 07.

Oft wirken mehrere davon zusammen, und welche Schicht wie häufig anschlägt, hängt an Aufgabe und Aufbau. Was die Trennung erspart, ist die pauschale Zuschreibung an das Modell. Das ist die eigentliche Botschaft dieses Kapitels.