Zum Inhalt springen
Alle Systeme betriebsbereitKI-GlossarRegion Oberfrankenhostspezial.de
09571 873149 KI-Schnellcheck →
← Zurück zum Glossar Textsammlung

Corpus

Große Textsammlung, die zum Training von Sprachmodellen verwendet wird.

Bereich TextsammlungStand Juni 2026Sammlung KI-GlossarQuelle ki-spezial.systems

/01Corpus: Die Wissensbasis der KI

Ein Corpus (Plural: Corpora) ist eine strukturierte Sammlung von Texten, die für Training oder Analyse verwendet wird.

Bekannte Corpora

  • Common Crawl: Milliarden Webseiten
  • Wikipedia: Enzyklopaedisches Wissen
  • The Pile: 800GB diverse Texte
  • GitHub: Code und Dokumentation

Für Unternehmen

Interne Dokumente, E-Mails, Wikis bilden Ihren eigenen Corpus. Mit RAG oder Fine-Tuning wird er nutzbar.

Herausgeber

ki·spezial-Redaktion — ki·spezial ist die On-Premise-KI-Marke der HostSpezial GmbH, Lichtenfels, zertifiziert nach ISO/IEC 27001:2024. Fachliche Prüfung und Freigabe dieses Beitrags liegen bei der Redaktion. Impressum · Kontakt

MEHRVerwandte Begriffe

Begriffe aus dem gleichen Umfeld.

$ glossar --related
datensatz

Dataset

Strukturierte Sammlung von Daten für KI-Training oder Evaluation. Die Qualität des Datasets bestimmt die Modellqualität.

training

Pre-Training

Erstes Training auf riesigen Datenmengen. Modell lernt allgemeines Sprachverständnis. Basis für Fine-Tuning.

grundbegriff

Tokenizer

Algorithmus, der Text in Tokens zerlegt. Verschiedene Modelle nutzen verschiedene Tokenizer.

labeling

Annotation

Das manuelle Markieren von Trainingsdaten, z.B. Texte als "positiv/negativ" labeln. Grundlage für überwachtes Lernen.

lernmethode

Self-Supervised Learning

Training ohne manuelle Labels. Modell lernt aus der Struktur der Daten selbst (z.B. naechstes Wort vorhersagen).

daten

Synthetische Daten

KI-generierte Trainingsdaten, die echte Datensätze bei Knappheit, Datenschutzanforderungen oder langen Tail-Szenarien ersetzen.

// nächster schritt

Den Begriff für Ihr Haus einordnen.

Dreißig Minuten mit jemandem, der KI-Systeme aufbaut und betreibt: Wir sagen, was Corpus für Ihre Lage bedeutet — on-premise, DSGVO-konform, ohne Verkaufsdruck. Was wir dabei übernehmen, steht unter KI-Beratung.

Beratung und Betrieb aus Lichtenfels · Teil der HostSpezial GmbH

$ ki --erstgespraech
Erstgespräch anfragen → 09571 873149 Termin vereinbaren
30 Minuten, unverbindlich und direkt mit einem technischen Ansprechpartner. Drei Sätze zur Ausgangslage genügen; aus der Anfrage entsteht keine Verpflichtung.