Glossar KI-Agenten in der Zulassung: 50 Begriffe für Teams

So nutzen Sie dieses Glossar

Dieses Glossar zur KI in der Studierendengewinnung erklärt 50 Begriffe, die fallen, wenn Hochschulen KI-Agenten in der Zulassung einsetzen. Jede Definition ist ein kurzer Absatz, den Sie in Lastenheft, Vertrag oder Teamsitzung zitieren können.

Anbieter verwenden dieselben Wörter für unterschiedliche Dinge, und ein Missverständnis bei „Agent“, „Grounding“ oder „Opt-in“ wird nach der Vertragsunterschrift teuer. Die Definitionen beschreiben Konzepte, keine Produkte. Für den Überblick beginnen Sie mit der Definition eines KI-Admissions-Agenten oder dem Leitfaden zu KI-Agenten in der Studierendengewinnung.

Die 50 Begriffe nach Phase der Candidate Journey

Wichtiger als die Zahl der Begriffe ist die Zuständigkeit: Legen Sie für jeden Begriff, der Daten oder Entscheidungen berührt, fest, wer in Ihrer Hochschule dafür verantwortlich ist.

Referenzquellen: EU-KI-Verordnung, Anhang III · EU-KI-Verordnung, Artikel 50 · ursprüngliche RAG-Arbeit (Lewis et al.)

Das Glossar von A bis Z

Agentische KI

Software, die ein Ziel verfolgt und in Ihren Systemen handelt, etwa einen Tag der offenen Tür bucht oder einen CRM-Eintrag aktualisiert, statt nur zu antworten. Sie arbeitet mit festgelegten Rechten und eskaliert alles, was darüber hinausgeht.

Attribution

Methode, die eine Anfrage oder Einschreibung dem Kanal zuordnet, der sie ausgelöst hat: Suche, soziale Medien, Messe oder Empfehlung. Ohne einheitliches Tracking bleibt der Beitrag des Chatbots in Berichten unsichtbar.

Bewerbungsabschlussquote

Anteil der begonnenen Bewerbungen, die mit allen erforderlichen Unterlagen eingereicht werden. Sie zeigt, wo Bewerbende stocken, und ist ein besseres Ziel für Erinnerungen als die reine Zahl der Anfragen.

Conversion-Rate

Anteil der Personen, die zur nächsten Stufe gelangen, etwa von der Anfrage zur Bewerbung oder von der Bewerbung zur Einschreibung. Nennen Sie immer beide Stufen und den Zeitraum, sonst sind zwei Werte nicht vergleichbar.

CRM

Customer-Relationship-System, das Datensatz, Verlauf und Status jeder interessierten Person enthält. In der Zulassung ist es die maßgebliche Quelle: Ein Agent sollte darin lesen und in definiertem Umfang schreiben.

CRM-Anreicherung

Ergänzung des Datensatzes um Informationen aus dem Gespräch, etwa Studiengang, Starttermin und gestellte Fragen. So muss das Team nicht erneut nachfragen oder Daten abtippen.

Datenminimierung

Grundsatz, nur die personenbezogenen Daten zu erheben, die für einen genannten Zweck nötig sind. Für einen Agenten heißt das: E-Mail-Adresse erfragen, wenn eine Buchung sie braucht, nicht standardmäßig in der ersten Nachricht.

Datenresidenz

Geografischer Ort, an dem Daten gespeichert und verarbeitet werden. Verträge mit Hochschulen verlangen oft eine bestimmte Region; fragen Sie, wo Gespräche, Protokolle und Modellaufrufe verarbeitet werden.

Double-Opt-in

Zweistufige Einwilligung: Die Person meldet sich an und bestätigt dann über einen Link an die angegebene Adresse. Das belegt, dass die Adresse ihr gehört, und begrenzt fehlerhafte oder erfundene Anmeldungen.

Einschreibungstrichter

Abfolge der Stufen vom Erstkontakt bis zur Einschreibung: meist Anfrage, qualifizierte Interessierte, Bewerbung, Zusage, Anzahlung, Einschreibung. Bezeichnungen variieren je Hochschule, dokumentieren Sie Ihre eigenen.

Einwilligung

Informierte Zustimmung einer Person, dass ihre Daten für einen genannten Zweck verarbeitet werden. Das Datenschutzrecht legt die genauen Bedingungen je Land fest, doch Sie sollten sie nachweisen und leicht widerrufbar machen können.

Embedding

Numerische Darstellung eines Textabschnitts, die dessen Bedeutung erfasst. Mit Embeddings findet ein System die Seiten, die einer Frage am nächsten liegen. Das ist der Retrieval-Schritt im RAG.

Eskalation

Übergabe eines Falls an einen Menschen, wenn der Agent nicht weitermachen kann oder soll: Beschwerde, persönliche Situation, unklare Anfrage. Auslöser sollten schriftliche Regeln sein, die vor dem Start getestet werden.

Fallback

Geplante Antwort, wenn der Agent keine verlässliche Auskunft hat. Ein guter Fallback räumt die Lücke ein, bietet Kontakt zu einer Person oder ein Formular an und protokolliert die Frage, damit das Redaktionsteam sie schließen kann.

Fine-Tuning

Weiteres Training eines Sprachmodells mit einem bestimmten Datensatz, um Stil oder Verhalten zu verändern. Es ist nicht der übliche Weg, einem Agenten Ihre Studiengangsdaten beizubringen; das leistet Grounding auf aktuellen Quellen.

Generative KI

Modelle, die aus einer Anweisung neuen Text, Bilder oder Audio erzeugen. In der Zulassung formuliert sie Antworten und Entwürfe, weshalb Grounding und Kontrolle nötig sind: Flüssiger Text ist nicht immer richtiger Text.

Gesprächsprotokoll

Gespeicherte Aufzeichnung eines Austauschs zwischen Interessierten und Agent. Es dient der Übergabe, der Qualitätskontrolle und den CRM-Notizen und unterliegt daher wie alle personenbezogenen Daten Ihren Speicher- und Zugriffsregeln.

Grounding

Bindung einer Antwort an freigegebene Quellen wie Ihre Studiengangsseiten und Ordnungen, idealerweise mit Angabe der genutzten Quelle. Es ist der wichtigste Schutz vor erfundenen Antworten.

Guardrails

Regeln und Filter um das Modell, die begrenzen, was es sagen oder tun darf: abzulehnende Themen, zu vermeidende Inhalte, genehmigungspflichtige Aktionen. Sie ergänzen das Grounding und werden mit Testfragen geprüft.

Halluzination

Flüssige, aber falsche oder unbelegte Antwort eines Sprachmodells, etwa erfundene Studiengebühren oder Fristen. Grounding, Guardrails und Kontrolle senken das Risiko, keines beseitigt es vollständig.

Handoff

Der Moment, in dem ein Gespräch vom Agenten an einen Menschen übergeht, samt Kontext. Eine gute Übergabe erspart Interessierten, die Frage zu wiederholen, und zeigt Beratenden, was bereits gesagt wurde.

Human in the Loop

Gestaltung, bei der ein Mensch das Ergebnis des Systems an festgelegten Punkten prüft, freigibt oder rückgängig machen kann. Für Zulassungsentscheidungen ist das gute Praxis, und die Person muss dem System widersprechen können.

Intent

Was eine Person mit einer Nachricht erreichen will, etwa Gebühren erfragen, einen Besuch buchen oder eine Frist prüfen. Die Erkennung des Intents bestimmt, welche Antwort, Aktion oder Übergabe folgt.

Interessentenanfrage

Erster Kontakt einer interessierten Person zu Studiengang, Gebühren, Semesterstart oder Campus. Legen Sie fest, was als Anfrage zählt, denn Formulare, Chats und Anrufe werden in Teams oft unterschiedlich gezählt.

KI-Agent

System auf Basis eines Sprachmodells, das aus Ihren Inhalten antwortet und definierte Aufgaben ausführt: Anfrage qualifizieren, Besuch buchen, ins CRM schreiben, an Mitarbeitende übergeben. Umfang und Rechte werden vorab festgelegt.

Kontextfenster

Textmenge, die ein Sprachmodell auf einmal berücksichtigen kann, gemessen in Tokens. Lange Gespräche können sie überschreiten; ältere Nachrichten werden dann gekürzt oder zusammengefasst, Details gehen verloren.

Lead-Scoring

Vergabe eines Punktwerts an Interessierte nach Passung und Engagement, um Nachfassen zu priorisieren. Halten Sie die Kriterien sichtbar und geprüft; intransparentes Scoring kann zu automatisierten Entscheidungen über Menschen werden.

LLM (großes Sprachmodell)

Modell, das mit großen Textmengen trainiert wurde, um Sprache vorherzusagen und zu erzeugen. Es treibt heutige Agenten an, weiß aber nichts über Ihre Hochschule, solange Sie die Inhalte nicht liefern.

Mehrsprachigkeit

Fähigkeit, in mehreren Sprachen zu verstehen und zu antworten. Prüfen Sie die Qualität je Sprache an echten Fragen und stellen Sie sicher, dass die Inhalte in jeder zugesagten Sprache vorliegen.

No-Show

Angemeldete Person, die zu Veranstaltung oder Anruf nicht erscheint. Bestätigungen und Erinnerungen senken die Quote; erfassen Sie sie getrennt von Absagen, die den Platz vorab freigeben.

Nurture-Sequenz

Geplante Nachrichtenfolge an Interessierte über einen längeren Zeitraum, per E-Mail oder Messenger, um Fragen zu beantworten und das Interesse bis zur Bewerbung zu halten. Jeder Kanal braucht eine tragfähige Rechtsgrundlage.

Omnichannel

Einheitliche Betreuung derselben Person über Website, E-Mail, Messenger, Telefon und Veranstaltungen mit gemeinsamem Verlauf. Ziel ist Kontinuität, nicht bloße Präsenz auf vielen Kanälen.

Opt-in

Ausdrückliche Handlung, mit der eine Person zustimmt, Mitteilungen zu erhalten oder Daten für einen Zweck nutzen zu lassen, etwa das Anhaken eines leeren Kästchens. Bevorzugen Sie es gegenüber vorangekreuzten Kästchen oder Schweigen und halten Sie fest, wann es erteilt wurde.

Prompt

Anweisungen und Kontext für ein Sprachmodell: Rolle, Ton, Regeln, abgerufene Textstellen und die Frage der Nutzenden. Prompts sind Konfiguration; versionieren und testen Sie sie wie Code.

Prompt Injection

Angriff, bei dem Text in einer Nachricht oder einem Dokument versucht, die Anweisungen des Agenten auszuhebeln, etwa „ignoriere deine Regeln“. Abwehr: Eingabeprüfung, begrenzte Rechte und kein blindes Vertrauen in abgerufene Texte.

Qualifizierung

Erhebung der wenigen Angaben, mit denen das Team eine Anfrage bearbeiten kann: Studienstufe, Studiengang, Starttermin, Ort, Finanzierungsfragen. Fragen Sie nur, was nötig ist, und erklären Sie, warum.

RAG (Retrieval-Augmented Generation)

Verfahren, das passende Textstellen aus Ihren Inhalten abruft und dem Modell zum Formulieren der Antwort übergibt. Beschrieben in einer Forschungsarbeit von Lewis und Kollegen, ist es die übliche Grundlage für Grounding.

Reaktionszeit

Zeit zwischen Nachricht oder Formular und erster nützlicher Antwort. Messen Sie erste Antwort und Zeit bis zu einem Menschen getrennt: Eine sofortige automatische Antwort heißt nicht, dass die Frage geklärt ist.

Regelbasierter Chatbot

Gesprächswerkzeug, das einem von Hand geschriebenen Entscheidungsbaum folgt. Er ist berechenbar und leicht zu prüfen, scheitert aber an jeder Frage außerhalb des Skripts. Wird oft mit generativen Chatbots verwechselt.

Routing

Weiterleitung einer Anfrage oder eines Gesprächs an die passende Person oder das passende Team nach Studiengang, Standort, Sprache oder Thema. Klare Regeln verhindern, dass Anfragen unzugeordnet in einem Sammelpostfach liegen.

Rückruf

Ein Anruf, durch Beratende oder automatisiert, der mit einer interessierten Person vereinbart wird. Sie wählt Zeitfenster oder Frist, und die Anfrage erreicht das Team samt Gesprächsverlauf.

Speed-to-Lead

Zeit zwischen der Anfrage einer interessierten Person und dem ersten Kontakt, menschlich oder automatisch. Viele Teams setzen sich ein internes Ziel; ein Agent hilft, es auch außerhalb der Bürozeiten einzuhalten.

Speicherdauer

Zeitraum, für den personenbezogene Daten vor Löschung oder Anonymisierung aufbewahrt werden. Legen Sie sie für Protokolle und Interessentendaten fest, dokumentieren Sie sie und setzen Sie sie im CRM und in den Agentenprotokollen um.

Summer Melt

Bewerbende, die eine Zusage annehmen oder eine Anzahlung leisten, sich aber nicht einschreiben. Der Begriff stammt aus der US-Zulassung und bezeichnet die Lücke zwischen Zusage und Studienstart; Erinnerungen und klare nächste Schritte wirken dagegen.

Tag der offenen Tür

Geplante Veranstaltung, bei der Interessierte den Campus besuchen oder an Online-Sessions teilnehmen. Für Zulassungsagenten ist die Buchung ein zentrales Ziel, weil aus einer Anfrage ein erster echter Kontakt wird.

Token

Texteinheit, die ein Modell liest und schreibt, ungefähr ein Wortfragment. Nutzung, Kosten, Kontextgrenzen und Antwortlänge werden in Tokens gezählt.

UTM-Parameter

Markierungen in der URL eines Links wie Quelle, Medium und Kampagne, die zeigen, woher ein Besuch kam. Einheitliche UTMs verbinden Chatbot-Gespräche mit Marketingkanälen.

Voice-Agent

KI-Agent, der Telefongespräche führt und dabei Sprache in Text und zurück umwandelt. Er braucht dasselbe Grounding und dieselbe Übergabe wie ein Chat-Agent, dazu Regeln für Gesprächsaufzeichnung und Latenz.

Wissensbasis

Gesamtheit der freigegebenen Inhalte, aus denen der Agent antwortet: Studiengangsseiten, Gebührentabellen, Zulassungsvoraussetzungen, FAQ. Ihre Aktualität begrenzt die Antwortqualität; benennen Sie Verantwortliche und ein Prüfdatum.

Yield

Anteil der zugelassenen Bewerbenden, die das Angebot annehmen und sich einschreiben. Teams verfolgen ihn je Studiengang und Semester; er unterscheidet sich von der Conversion-Rate, die jede Stufe betreffen kann.

In Österreich: FH, Privatuniversitäten und Datenschutzbehörde

In Österreich bewerben sich Interessierte an Fachhochschulen häufig direkt im Auswahlverfahren, öffentliche Universitäten haben eigene Anmelde- und Aufnahmeregeln, und Privatuniversitäten nehmen Bewerbungen selbst entgegen. Ein KI-Agent erklärt Fristen, Aufnahmeverfahren und Studienbeihilfe in Grundzügen und übergibt an die Studienberatung.

Die Datenschutzbehörde ist die österreichische Aufsichtsbehörde für Datenschutz. Lassen Sie Zweck, Speicherdauer und die Regeln für Werbe-E-Mails vor dem Start prüfen. Die Qualität von FH-Studiengängen und Privatuniversitäten sichert die AQ Austria, daher gehören Akkreditierungsaussagen nur aus offiziellen Quellen in die Antworten des Agenten.

Vom Glossar zur Entscheidung

Ein gemeinsames Vokabular nützt nur, wenn es Entscheidungen verändert. Wählen Sie fünf Begriffe aus dieser Liste (Grounding, Handoff, Speicherdauer, Datenresidenz, Human in the Loop) und bitten Sie jeden Anbieter, uns eingeschlossen, um eine schriftliche Antwort.

Skolbot setzt KI-Agenten ein, die mit dem CRM der Hochschule verbunden sind: Der Website-Agent antwortet aus den eigenen Inhalten der Hochschule und übergibt Gespräch und Qualifizierung ans CRM. Das Zulassungsteam behält die Fälle in der Hand, die einen Menschen brauchen. Zum Vergleich der Ansätze lesen Sie unseren Leitfaden zu KI-Chatbots in der Studierendengewinnung.