Was ist ein Large Language Model?
Du tippst eine Frage in ChatGPT, und Sekunden später steht da ein sauberer Absatz. Was dahinter arbeitet, ist ein Large Language Model — auf Deutsch ein großes Sprachmodell.
Das Bundesamt für Sicherheit in der Informationstechnik (BSI) beschreibt LLMs so: Sie verarbeiten Texteingaben, die Prompts, und erzeugen daraus Text. Technisch sind es neuronale Netze mit bis zu einer Billion Parametern (Stand Anfang 2025), trainiert auf riesigen Textmengen. Ihr Grundprinzip: Sie berechnen, welches Wort mit welcher Wahrscheinlichkeit als Nächstes kommt.
Fast alle heutigen LLMs beruhen auf der Transformer-Architektur. Sie stammt aus dem Forschungsartikel „Attention Is All You Need“, den Google-Forschende 2017 veröffentlicht haben.
Wie funktioniert ein LLM?
Vereinfacht in drei Schritten:
- Vortraining: Das Modell liest enorme Textmengen und lernt dabei Sprache, Zusammenhänge und Fakten — indem es immer wieder das nächste Wort vorhersagt.
- Feinschliff: Danach wird es auf Aufgaben und Gesprächsverhalten trainiert, damit es hilfreich antwortet statt nur Text fortzusetzen.
- Antworten: Bei deiner Frage zerlegt es den Text in Tokens, also Wortteile, und erzeugt Token für Token die wahrscheinlichste Fortsetzung.
Wie viel Text es dabei gleichzeitig berücksichtigt, bestimmt das Kontextfenster. Was es nach dem Training nicht gelernt hat, weiß es nicht — außer, es ist an eine Websuche oder an eigene Dokumente angebunden.
Die Modelle werden dabei immer günstiger. Laut Stanford AI Index 2025 sind die Kosten für ein System auf dem Niveau von GPT-3.5 zwischen Ende 2022 und Ende 2024 um mehr als das 280-Fache gefallen.
Wofür nutzen Unternehmen LLMs?
KI ist in deutschen Unternehmen angekommen, die Zahlen hängen aber stark davon ab, wer fragt. Laut Statistischem Bundesamt nutzten 2025 26 % der Unternehmen ab zehn Beschäftigten KI — bei den kleinen mit 10 bis 49 Beschäftigten 23 %, bei den großen ab 250 Beschäftigten 57 %.
Der Digitalverband Bitkom kommt im September 2026 auf 57 % der Unternehmen ab 20 Beschäftigten, nach 36 % ein Jahr zuvor. Die beiden Zahlen sind nicht direkt vergleichbar, die Richtung ist eindeutig. Wofür die KI-Nutzer sie laut Bitkom einsetzen:
Einsatz A · Kundenkontakt
Anfragen beantworten und vorsortieren
72 %
der KI-Nutzer im Kundenkontakt
57 %
Unternehmen mit KI (ab 20 Beschäftigte)
Häufigster Einsatz: Anfragen bearbeiten
Ein LLM liest die Mail, ordnet sie ein und schlägt eine Antwort vor. Der Mensch gibt frei — gerade, wenn Kundendaten im Spiel sind.
Einsatz B · Marketing
Texte für Newsletter, Social Media und Shop
54 %
der KI-Nutzer in Marketing & Kommunikation
603
befragte Unternehmen (Bitkom 2026)
Jeder zweite KI-Nutzer setzt sie im Marketing ein
Stark für Entwürfe, Varianten und Zusammenfassungen. Fakten, Zahlen und Zitate prüfst du selbst.
Häufige Fehler
Fehler 1 · Antworten ungeprüft übernehmen
LLMs erfinden manchmal Inhalte, die glaubhaft klingen — bis hin zu erfundenen Quellen. Das BSI nennt das ausdrücklich als Risiko, die Fachwelt spricht von Halluzination. Forschende von OpenAI erklärten 2025, warum: Training und Tests belohnen eher Raten als das Eingeständnis „weiß ich nicht“.
Fehler 2 · Ein LLM für eine Suchmaschine halten
Ein LLM schlägt nichts nach, es erzeugt wahrscheinlichen Text. In einer Studie europäischer Sender von 2025 mit über 3.000 Antworten von ChatGPT, Copilot, Gemini und Perplexity zu Nachrichten hatten 45 % mindestens ein erhebliches Problem, oft bei den Quellen.
Fehler 3 · Den Wissensstand vergessen
Ohne Websuche weiß ein Modell nichts über Ereignisse nach seinem Training. Es beantwortet Fragen dazu aber trotzdem — nur eben mit altem Stand.
Fehler 4 · Kundendaten unbedacht eingeben
Laut BSI kann der Anbieter auf Eingaben zugreifen und sie unter Umständen zum Training nutzen — je nach Nutzungsbedingungen. Kundendaten gehören nur in Dienste mit passendem Vertrag zur Auftragsverarbeitung und abgeschaltetem Training. Datenschutz ist laut Statistischem Bundesamt einer der häufigsten Gründe, warum Unternehmen auf KI verzichten.
So setzt du ein LLM sinnvoll ein
- Als Entwurfsmaschine, nicht als Autor. Erste Fassung von der KI, Fakten und Feinschliff von dir.
- Gut briefen. Ein guter Prompt nennt Zielgruppe, Tonalität, Format und ein Beispiel.
- Eigene Unterlagen mitgeben. Produktinfos, Preise und Styleguide in den Chat statt aufs Allgemeinwissen der KI zu hoffen.
- Anbieter bewusst wählen. GPT, Claude, Gemini, das französische Mistral oder offene Modelle wie Llama — vergleiche Qualität, Preis und vor allem die Datenschutz-Bedingungen.
Häufige Fragen
Was ist der Unterschied zwischen ChatGPT und einem LLM?
ChatGPT ist eine Anwendung mit Oberfläche, Verlauf und Zusatzfunktionen wie Websuche. Das LLM ist das Sprachmodell darunter, das die Texte erzeugt. Dasselbe LLM kann in vielen Anwendungen stecken, etwa auch in Microsoft Copilot.
Warum erfinden LLMs manchmal Fakten?
Weil sie wahrscheinliche Wortfolgen erzeugen, nicht geprüftes Wissen. Wenn die wahrscheinlichste Antwort falsch ist, klingt sie trotzdem überzeugend. Training und Bewertung belohnen zudem eher Raten als Unsicherheit — deshalb Fakten immer gegenprüfen.
Darf ich Kundendaten in ein LLM eingeben?
Nur, wenn der Dienst datenschutzrechtlich passt: mit Vertrag zur Auftragsverarbeitung, ohne Nutzung deiner Eingaben fürs Training und möglichst mit Datenverarbeitung in der EU. In kostenlose Verbraucher-Versionen gehören keine Kundendaten. Im Zweifel anonymisieren.
Weiß ein LLM, was heute passiert ist?
Nur, wenn es an eine Websuche angebunden ist. Sonst kennt es nur den Stand seines Trainings. Viele Anwendungen schalten die Suche inzwischen automatisch zu — achte darauf, ob Quellen angezeigt werden.
Was kostet ein LLM?
In Chat-Anwendungen meist ein Monatsabo, oft mit kostenloser Einstiegsstufe. Über eine Schnittstelle zahlst du pro Token, also pro verarbeitetem Textstück. Die Preise sind in den letzten Jahren stark gefallen.
Quellen
- BSI: Generative KI-Modelle — Chancen und Risiken (2025)
- Vaswani et al.: Attention Is All You Need (2017)
- Statistisches Bundesamt: Unternehmen mit KI-Nutzung
- Statistisches Bundesamt: Gründe gegen KI-Nutzung
- Bitkom: Erstmals nutzt Mehrheit der Unternehmen KI (2026)
- Stanford HAI: AI Index Report 2025
- EBU/BBC: News Integrity in AI Assistants (2025)
- Kalai et al. (OpenAI): Why Language Models Hallucinate (2025)
