n8n-Glossar

Glossar

KI-Agent (AI agent)

Ein KI-Agent ist ein KI-System, das Anfragen verarbeiten, Entscheidungen treffen und im Auftrag des Nutzers reale Aufgaben ausführen kann. Es nutzt große Sprachmodelle (LLMs), um Benutzereingaben zu verstehen und zu entscheiden, wie vorhandene Informationen und Ressourcen am besten genutzt werden können, um die Anfrage zu bearbeiten.

KI-Kette (AI chain)

Eine KI-Kette ermöglicht es dir, sequenziell mit großen Sprachmodellen (LLMs) und anderen Ressourcen zu interagieren, indem Komponenten nacheinander aufgerufen werden. KI-Ketten in n8n verwenden keinen persistenten Speicher und können daher keinen Kontext aus vorherigen Unterhaltungen berücksichtigen (verwende hierfür stattdessen einen KI-Agenten).

KI-Vervollständigung (AI completion)

Unter Vervollständigung (Completion) versteht man die Antwort, die von Modellen wie GPT generiert wird.

KI-Vektoreinbettung (AI embedding)

Eine Vektoreinbettung ist eine numerische Darstellung von Daten mithilfe von Vektoren. KI interpretiert komplexe Daten und Beziehungen, indem sie Werte in einen mehrdimensionalen Raum abbildet. Vektordatenbanken (Vector Stores) sind speziell dafür ausgelegt, solche Einbettungsvektoren effizient zu speichern und abzurufen.

KI-Erdung (AI groundedness / Groundedness)

Im Bereich der KI – insbesondere bei Retrieval-Augmented Generation (RAG) – beschreibt Erdung (Groundedness), inwieweit die Antworten eines Modells die ursprünglichen Quellinformationen korrekt widerspiegeln. Ein Modell erzeugt „erdete“ Antworten, wenn diese direkt auf Quelldokumenten basieren. „Nicht-erdete“ Antworten hingegen enthalten Spekulationen oder Halluzinationen, die nicht durch die Quelldokumente gestützt werden.

KI-Halluzination (AI hallucination)

Eine KI-Halluzination tritt auf, wenn ein großes Sprachmodell (LLM) fälschlicherweise Muster oder Objekte wahrnimmt, die nicht existieren.

KI-Reranking (AI reranking)

Reranking ist eine Technik zur Optimierung der Reihenfolge von Kandidatendokumenten, um die Relevanz von Suchergebnissen zu verbessern. Retrieval-Augmented Generation (RAG) und andere Anwendungen nutzen Reranking, um die relevantesten Informationen für die Antwortgenerierung oder nachgelagerte Aufgaben priorisiert darzustellen.

KI-Gedächtnis (AI memory)

Das KI-Gedächtnis ermöglicht es einem KI-Agenten, sich während einer Konversation an frühere Interaktionen zu erinnern und darauf zu verweisen, um Kohärenz im Dialog zu gewährleisten.

KI-Retrieval-Augmented Generation (AI retrieval-augmented generation, RAG)

Retrieval-Augmented Generation (RAG) ist eine Technik, mit der große Sprachmodelle (LLMs) neue Informationen aus externen Quellen abrufen können, um die Qualität ihrer Antworten zu verbessern. RAG-Systeme rufen relevante Dokumente ab und verankern ihre Antworten in aktuellen, domänenspezifischen oder proprietären Wissensbeständen, um die ursprünglichen Trainingsdaten zu ergänzen. Typischerweise nutzen RAG-Systeme Vektordatenbanken, um diese externen Daten effizient zu verwalten und abzurufen.

KI-Werkzeug (AI tool)

Im KI-Kontext bezeichnet ein Werkzeug (Tool) eine zusätzliche Ressource, die ein KI-System bei der Bearbeitung einer Anfrage aufrufen kann, um spezifische Informationen zu erhalten oder bestimmte Funktionen auszuführen. KI-Modelle können Tools nutzen, um mit externen Systemen zu interagieren oder spezialisierte Aufgaben zu erledigen.

KI-Vektordatenbank (AI vector store)

Eine Vektordatenbank (Vector Store) speichert mathematische Repräsentationen von Informationen. In Kombination mit Vektoreinbettungen (Embeddings) und Retrievern (Retrievers) lässt sich so eine Wissensbasis erstellen, auf die eine KI beim Beantworten von Fragen zugreifen kann.

API

Eine API (Application Programming Interface) bietet programmatischen Zugriff auf Daten und Funktionen eines Dienstes. APIs erleichtern die Interaktion zwischen Software und externen Systemen und dienen oft als Alternative zu manuellen Aktionen über Browser oder Benutzeroberflächen (UI).

Arbeitsfläche (Canvas, n8n)

Die Arbeitsfläche (Canvas) ist der zentrale Bereich im n8n-Editor, in dem Workflows erstellt werden. Du fügst Knoten hinzu und verbindest sie, um einen vollständigen Workflow zusammenzustellen.

Cluster-Knoten (Cluster Node, n8n)

In n8n ist ein Cluster-Knoten eine Gruppe von Knoten, die gemeinsam eine bestimmte Funktion innerhalb eines Workflows bereitstellen. Ein Cluster-Knoten besteht aus einem Wurzelknoten und einem oder mehreren Unterknoten, die dessen Funktionalität erweitern.

Anmeldedaten (Credential, n8n)

In n8n werden Anmeldedaten verwendet, um Authentifizierungsinformationen für die Verbindung zu bestimmten Anwendungen und Diensten zu speichern. Nachdem du Anmeldedaten erstellt und entsprechende Authentifizierungsdaten (z. B. Benutzername/Passwort, API-Key, OAuth-Token usw.) eingegeben hast, kannst du über den zugehörigen Anwendungs-Knoten mit dem Dienst interagieren.

Datenfixierung (Data Pinning, n8n)

Datenfixierung ermöglicht es dir, während der Workflow-Entwicklung die Ausgabedaten eines Knotens temporär einzufrieren. Dadurch kannst du mit vorhersagbaren Daten arbeiten, ohne wiederholt externe Dienste abfragen zu müssen. In Produktionsumgebungen werden fixierte Daten ignoriert, und bei jeder Ausführung werden neue Daten abgerufen.

Editor (Editor, n8n)

Der n8n-Editor dient zum Erstellen und Verwalten von Workflows. Der Hauptbereich ist die Arbeitsfläche (Canvas), auf der du Knoten hinzufügst, konfigurierst und verbindest, um Workflows aufzubauen. Die Seitenleiste und die obere Leiste bieten Zugriff auf weitere Funktionen wie Anmeldedaten, Vorlagen, Variablen und Ausführungsprotokolle.

Berechtigung (Entitlement, n8n)

In n8n gewährt eine Berechtigung (Entitlement) einer bestimmten n8n-Instanz zeitlich begrenzten Zugriff auf planabhängige Funktionen.

Flexible Berechtigungen (Floating Entitlements) bilden einen gemeinsamen Pool von Berechtigungen, der auf mehrere n8n-Instanzen verteilt werden kann. Du kannst flexible Berechtigungen neu zuweisen, um den Zugriff auf verschiedene n8n-Instanzen zu übertragen.

Bewertung (Evaluation, n8n)

In n8n ermöglicht die Bewertungsfunktion das Kennzeichnen und Organisieren von Ausführungshistorien sowie deren Vergleich mit neuen Ausführungen. So kannst du nachvollziehen, wie sich die Leistung eines Workflows im Laufe iterativer Änderungen entwickelt (besonders nützlich bei der Entwicklung KI-gestützter Workflows).

Ausdruck (Expression, n8n)

In n8n ermöglichen Ausdrücke das dynamische Befüllen von Knotenparametern durch die Ausführung von JavaScript-Code. Statt feste statische Werte zu verwenden, kannst du mithilfe der n8n-Ausdruckssyntax Parameterwerte definieren, die auf Daten aus vorherigen Knoten, anderen Workflows oder der n8n-Umgebung verweisen.

LangChain

LangChain ist ein KI-Entwicklungsframework zur Arbeit mit großen Sprachmodellen (LLMs). Es bietet ein standardisiertes System zur Interaktion mit verschiedenen Modellen und Ressourcen sowie zur Kombination unterschiedlicher Komponenten für den Aufbau komplexer KI-Anwendungen.

Großes Sprachmodell (Large Language Model, LLM)

Ein großes Sprachmodell (LLM) ist ein KI-Maschinenlernmodell, das speziell für Aufgaben der natürlichen Sprachverarbeitung (NLP) entwickelt wurde. Es baut durch Training auf riesigen Datenmengen ein probabilistisches Verständnis von Sprache und anderen Daten auf.

Knoten (Node, n8n)

In n8n sind Knoten eigenständige Bausteine, aus denen Workflows bestehen. Sie definieren, wann ein Workflow ausgelöst wird, wie Daten abgerufen, gesendet oder verarbeitet werden, welche Ablauflogik gilt und wie mit externen Diensten interagiert wird.

Projekt (Project, n8n)

n8n-Projekte ermöglichen es dir, Workflows, Variablen und Anmeldedaten in separate Gruppen zu organisieren, um sie übersichtlich zu verwalten. Projekte erleichtern Teams die Zusammenarbeit durch gemeinsame Nutzung und Isolierung relevanter Ressourcen.

Wurzelknoten (Root Node, n8n)

Jeder n8n-Cluster-Knoten enthält einen Wurzelknoten, der die Hauptfunktion des Clusters definiert. Ein oder mehrere Unterknoten sind an diesen angebunden, um seine Funktionalität zu erweitern.

Unterknoten (Sub Node, n8n)

n8n-Cluster-Knoten bestehen aus einem oder mehreren Unterknoten, die mit dem Wurzelknoten verbunden sind. Unterknoten erweitern die Funktionalität des Wurzelknotens, indem sie Zugriff auf bestimmte Dienste oder Ressourcen ermöglichen oder spezialisierte Verarbeitungsfunktionen bereitstellen (z. B. eine Taschenrechner-Funktion).

Vorlage (Template, n8n)

n8n-Vorlagen sind vorgefertigte Workflows, die vom n8n-Team oder der Community erstellt und in deine n8n-Instanz importiert werden können. Bei der Verwendung einer Vorlage musst du möglicherweise Anmeldedaten eingeben und die Konfiguration an deine Bedürfnisse anpassen.

Trigger-Knoten (Trigger Node, n8n)

Ein Trigger-Knoten ist ein spezieller Knoten, der die Ausführung eines Workflows auslöst, sobald eine bestimmte Bedingung erfüllt ist. Jeder produktive Workflow benötigt mindestens einen Trigger, um seinen Ausführungszeitpunkt festzulegen.

Workflow (Workflow, n8n)

Ein n8n-Workflow ist eine Sammlung von Knoten, die einen vollständigen Prozess automatisieren. Der Workflow wird ausgeführt, sobald die Trigger-Bedingung erfüllt ist, und führt nacheinander alle Schritte aus, um eine komplexe Aufgabe zu erledigen.