Künstliche Intelligenz · Architektur

KI Architektur

Eine visuelle Referenz für moderne KI-Systeme – von Daten und Training über LLMs, RAG und multimodale Modelle bis zu Tools, Agenten, Evaluation und Governance.

DatenModelleRAG MultimodalAgentic AIMLOps

Architekturschichten moderner KI

Wähle eine Schicht, um die wichtigsten Komponenten hervorzuheben.

Daten & Wissen

Datenquellen

Dokumente, Datenbanken, APIs, Bilder, Audio und strukturierte Geschäftsdaten.

Daten & Wissen

Datenqualität

Prüft Vollständigkeit, Aktualität, Konsistenz und Herkunft.

Daten & Wissen

Embeddings

Repräsentieren Inhalte als Vektoren für semantische Suche und Ähnlichkeit.

Daten & Wissen

Vector Store

Speichert Embeddings und unterstützt semantisches Retrieval.

Modelle & Training

Foundation Model

Vortrainiertes Basismodell für Sprache, Bild, Audio oder mehrere Modalitäten.

Modelle & Training

Fine-Tuning

Passt ein Basismodell an Aufgaben, Formate oder Domänen an.

Modelle & Training

Alignment

Optimiert Verhalten, Instruktionsbefolgung und gewünschte Systemgrenzen.

Modelle & Training

Model Evaluation

Vergleicht Qualität, Robustheit, Sicherheit, Kosten und Latenz.

Inference & RAG

Inference

Führt ein trainiertes Modell für reale Nutzer- oder Systemanfragen aus.

Inference & RAG

Prompt & Context

Steuert Instruktionen, Beispiele, Nutzerkontext und externe Informationen.

Inference & RAG

Retrieval / RAG

Reichert Modellantworten mit externem, aktuellem oder domänenspezifischem Wissen an.

Inference & RAG

Model Routing

Wählt je nach Aufgabe, Kosten, Modalität und Qualität ein passendes Modell.

Tools & Agenten

Function Calling

Erlaubt strukturierte Funktions- und API-Aufrufe.

Tools & Agenten

Tool Use

Bindet Suche, Datenbanken, Code, Dateien und externe Systeme ein.

Tools & Agenten

KI-Agent

Verfolgt Ziele, plant Schritte und reagiert auf Zwischenergebnisse.

Tools & Agenten

Multi-Agent

Koordiniert mehrere spezialisierte Agenten und Handoffs.

Betrieb & Kontrolle

MLOps / LLMOps

Steuert Versionierung, Deployment, Monitoring und Betriebsprozesse.

Betrieb & Kontrolle

Observability

Erfasst Modellaufrufe, Retrieval, Tools, Fehler, Kosten und Latenz.

Betrieb & Kontrolle

Security

Schützt Daten, Modelle, Tools, Credentials und Systemgrenzen.

Betrieb & Kontrolle

Governance

Definiert Ownership, Freigaben, Policies, Reviews und Verantwortlichkeiten.

Referenzfluss: Daten → Modell/Training → Inference → Retrieval & Context → Tools/Agenten → Evaluation → Monitoring, Security & Governance.

Klassisches ML-System

Für klar definierte Vorhersage- oder Klassifikationsaufgaben.

  • strukturierte Features
  • explizite Zielvariable
  • reproduzierbare Metriken

Generatives KI-System

Für Sprache, multimodale Inhalte und wissensintensive Aufgaben.

  • LLM oder multimodales Modell
  • Prompt & Context
  • RAG / strukturierte Outputs

Agentisches KI-System

Für dynamische Aufgaben, bei denen Tools und mehrere Schritte nötig sind.

  • Tool Use
  • Planning & State
  • stärkere Evaluation & Governance