Wie LLMs funktionieren

Neuronale Netze, LLMs und maschinelles Lernen für Märkte.

Aktualisiert 21. Okt. 2026GaiaEx Academy Editorial

In dieser Lektion

Wie große Sprachmodelle funktionieren
Was Halluzination bedeutet

Wichtigste Erkenntnisse

1Ein LLM sagt das nächste Token aus dem Kontext voraus
2Es kann sich sicher klingen, aber falsch sein
3Verifiziere KI-Output immer, bevor du danach handelst

Lektionszusammenfassung

Ein Large Language Model sagt wahrscheinliche nächste Token aus dem Kontext vorher.

Mentales Modell

LLMs richtig verstehen

Ein Large Language Model sagt wahrscheinliche nächste Token aus dem Kontext vorher. Es kann nützliche Forschungsunterstützung liefern, weiß aber nicht Wahrheit so wie eine Datenbankabfrage.

Wie große Sprachmodelle funktionieren
Was Halluzination bedeutet

Mechanismen

So denkst du über LLMs nach

Text wird in Token aufgeteilt und durch ein trainiertes neuronales Netz verarbeitet.

Das Modell generiert Output aus statistischen Mustern und Kontext.

Retrieval, Tools und Verifikation verbessern die Zuverlässigkeit, beseitigen aber nicht die Notwendigkeit zu prüfen.

Ein LLM sagt das nächste Token aus dem Kontext voraus
Es kann sich sicher klingen, aber falsch sein
Verifiziere KI-Output immer, bevor du danach handelst

Beispiel

LLMs in Aktion erleben

Ein LLM kann ein Protokolldokument zusammenfassen, aber der Nutzer sollte immer noch Vertragsadressen, Gebührenzahlen und Risikobehauptungen aus primären Quellen verifizieren.

Merke dirEntscheidungsregel: Nutze LLMs, um Forschung zu beschleunigen, dann verifiziere jeden Fakt, der Geld oder Risiko betrifft.

Häufige Fehler

Wie LLMs Lernende in die Irre führt

Fließendes Schreiben fühlt sich autoritativ an. Das ist im Finanzbereich gefährlich, weil ein selbstbewusster Satz immer noch fabriziert oder veraltet sein kann.

Risikohinweise

Das Risiko in LLMs lesen

Halluzination, veraltete Informationen, Prompt-Injection und versteckte Annahmen können zu schlechten Trading- oder Sicherheitsentscheidungen führen.

Erkläre Next-Token-Vorhersage.
Identifiziere ein Halluzinationsrisiko.
Verifiziere kritische Fakten außerhalb des Modells.

Übung

Mach LLMs zur Gewohnheit

Erkläre Next-Token-Vorhersage.
Identifiziere ein Halluzinationsrisiko.
Verifiziere kritische Fakten außerhalb des Modells.

Wiederholung

Schlüsselbegriffe

LLM: Large Language Model. Eine KI, die auf umfangreichen Textdaten trainiert wurde und menschlichen Text generieren, zusammenfassen und beantworten kann. Grundlage für Modelle wie GPT-4 und Claude.
Machine Learning: Ein KI-Ansatz, bei dem Modelle aus Daten lernen statt explizit programmiert zu werden. Breites Feld: Neuronale Netze, Entscheidungsbäume, Verstärkungslernen und mehr.
Neuronales Netz: Eine Rechenarchitektur, die lose vom Gehirn inspiriert ist und aus Schichten verbundener Knoten (Neuronen) besteht. Grundlage moderner Deep-Learning-Modelle.
Backtesting: Die Anwendung einer Trading-Strategie auf historische Daten, um ihre Leistung zu bewerten. Ergebnisse können durch Overfitting, Look-Ahead-Bias oder Kosten-Unterschätzung irreführend sein.

Quellenhinweise