// iConference — KI-Begriffserklärung / AI Glossary. Bilingual data (DE primary / EN mirror).
// Source of truth: uploads/glossary.md. Voice: for decision-makers, not researchers.

const GLOSSARY = {
  de: {
    barTitle: "KI-Begriffserklärung",
    back: "Zurück zur Website",
    eyebrow: "Nachschlagen",
    h1a: "Die KI-Welt, ", h1em: "ohne Fachchinesisch", h1b: ".",
    lead: "Die häufigsten Begriffe der KI-Welt — knapp erklärt, auf den geschäftlichen Nutzen bezogen. Für Entscheider, nicht für Forschende. Die Fachbegriffe bleiben englisch, weil sie auch im Markt so verwendet werden.",
    searchPh: "Begriff suchen … (z.B. RAG, Token, Halluzination)",
    tocTitle: "Kategorien",
    countLabel: "Begriffe",
    noResultsH: "Kein Treffer",
    noResults: "Für diese Suche gibt es keinen passenden Begriff. Probieren Sie ein anderes Stichwort.",
    clear: "Suche zurücksetzen",
    foot: "Lebende Liste · Stand 2026-06. Fehlt ein Begriff oder ist eine Erklärung zu technisch? Wir ergänzen und glätten gern.",
    groups: [
      {
        id: "grund", icon: "cpu", title: "Grundbegriffe",
        terms: [
          { term: "KI / Künstliche Intelligenz (AI)", def: "Sammelbegriff für Systeme, die Aufgaben übernehmen, die bisher menschliches Denken erforderten: Sprache verstehen, Muster erkennen, Entscheidungen vorbereiten." },
          { term: "Machine Learning (ML) & Deep Learning", def: "Teilgebiet der KI: Das System lernt Muster aus Daten, statt fest programmiert zu werden — je mehr passende Daten, desto besser. Die heute dominante Spielart ist Deep Learning: Machine Learning mit vielschichtigen neuronalen Netzen, Grundlage der Sprach- und Bildmodelle." },
          { term: "Neuronales Netz (Neural Network)", def: "Rechenmodell lose nach dem Vorbild des Gehirns: Schichten von Knoten, die Eingaben gewichten. Der Baustein hinter Deep Learning." },
          { term: "Generative KI (Generative AI)", def: "KI, die neue Inhalte erzeugt (Text, Bild, Code), statt nur zu klassifizieren. Der Bereich, der ChatGPT, Claude, Gemini & Co. ausmacht." },
          { term: "KI-Assistent / Chatbot", def: "Die Anwendung, über die Sie mit einem Modell sprechen — per Chat in natürlicher Sprache (z.B. ChatGPT, Claude, Copilot). Die vertraute Oberfläche; das eigentliche Können steckt im Modell dahinter." },
          { term: "KI-Robotik (Künstliche Intelligenz in der Robotik)", def: "Verknüpft physische Maschinen mit intelligenten Algorithmen. Während traditionelle Roboter nur starre Programme abarbeiten, können KI-Roboter ihre Umwelt wahrnehmen, selbstständig Entscheidungen treffen und aus Fehlern lernen." },
          { term: "AGI (Artificial General Intelligence)", def: "Hypothetische KI, die beliebige geistige Aufgaben auf menschlichem Niveau bewältigt — nicht nur eng umrissene. Gibt es heute nicht; aktuelle Modelle sind spezialisierte Werkzeuge. Der Begriff ist oft Marketing — fürs Geschäft zählt, was ein Modell heute nachweisbar leistet." },
        ],
      },
      {
        id: "modelle", icon: "languages", title: "Sprachmodelle & Varianten",
        terms: [
          { term: "LLM (Large Language Model)", def: "Grosses Sprachmodell, auf riesigen Textmengen trainiert. Versteht und schreibt Sprache, beantwortet Fragen, fasst zusammen. Kern der meisten KI-Anwendungen." },
          { term: "Foundation Model", def: "Breit trainiertes Basismodell, auf dem viele Anwendungen aufsetzen, statt jeweils bei null zu beginnen." },
          { term: "Frontier Model", def: "Das jeweils leistungsstärkste Spitzenmodell eines Anbieters (z.B. Claude Opus, GPT, Gemini). Höchste Qualität, gehostet, pro Nutzung bezahlt." },
          { term: "Lokales / Open-Weight-Modell", def: "Modell, das Sie selbst betreiben (On-Premise oder eigene Cloud). Mehr Kontrolle über Daten und Kosten, meist etwas geringere Spitzenleistung. Gegenstück zum Frontier Model." },
          { term: "Multimodal", def: "Modell, das mehrere Eingabearten versteht: Text, Bild, Audio, teils Video. Erlaubt z.B. das Auswerten von Dokumenten samt Grafiken." },
          { term: "Reasoning-Modell (Reasoning / «Thinking»)", def: "Modell, das vor der Antwort schrittweise «nachdenkt» (Chain-of-Thought) und dadurch bei Logik, Mathematik und mehrstufigen Aufgaben deutlich zulegt. Kostet mehr Zeit und Rechenleistung pro Antwort — lohnt sich für schwierige Probleme, nicht für jede einfache Frage." },
          { term: "Token", def: "Kleinste Verarbeitungseinheit eines Sprachmodells (etwa ein Wortteil). Massstab für Länge und Kosten — abgerechnet wird pro Token." },
          { term: "Parameter", def: "Die intern gelernten Stellgrössen eines Modells, oft in Milliarden angegeben. Grobe (nicht alleinige) Faustregel für die Kapazität." },
        ],
      },
      {
        id: "hersteller", icon: "building-2", title: "Hersteller & ihre Modelle",
        intro: "Die wichtigsten Anbieter und ihre Modellfamilien. Konkrete Versionsnamen wechseln im Monatsrhythmus — darum hier die Familien, nicht die Tagesform.",
        terms: [
          { term: "Anthropic", sub: "Frontier", def: "Claude-Familie: Opus (am stärksten), Sonnet (ausgewogen), Haiku (schnell und günstig)." },
          { term: "Google", sub: "Frontier", def: "Gemini-Familie (u.a. Pro und Flash)." },
          { term: "OpenAI", sub: "Frontier", def: "GPT-Familie; bekanntestes Endkundenprodukt ist ChatGPT." },
          { term: "xAI", sub: "Frontier", def: "Grok-Familie; eng in die Plattform X (vormals Twitter) integriert." },
          { term: "Microsoft", sub: "Copilot", def: "Kein eigenes Frontier-Modell, sondern eine Assistenzschicht in Microsoft 365 (Word, Outlook, Teams), die unter der Haube vor allem OpenAI-Modelle nutzt." },
          { term: "Lokal gehostete LLMs", sub: "Open / On-Prem", def: "Selbst betriebene, meist offene Modelle — z.B. Llama (Meta) oder Mistral (FR). Aus der Schweiz: Apertus, das vollständig offene, mehrsprachige Modell von ETH, EPFL und CSCS (u.a. über Swisscom verfügbar). Keine abschliessende Liste, die Landschaft wächst schnell." },
        ],
      },
      {
        id: "nutzung", icon: "sliders-horizontal", title: "Nutzung & Steuerung",
        terms: [
          { term: "Prompt", def: "Die Eingabe oder Anweisung an das Modell. Die Qualität der Frage bestimmt die Qualität der Antwort." },
          { term: "Prompt Engineering", def: "Das gezielte Formulieren von Prompts, damit das Modell verlässlich brauchbare Ergebnisse liefert." },
          { term: "Context / Context Window", def: "Der Arbeitsspeicher des Modells: wie viel Text (Anweisung, Dokumente, Verlauf) es gleichzeitig berücksichtigen kann. Ist er voll, fällt Älteres weg." },
          { term: "Context Engineering", def: "Das bewusste Zusammenstellen dessen, was im Context Window steht — die richtigen Daten zur richtigen Zeit. In der Praxis der grösste Hebel für Qualität." },
          { term: "System Prompt", def: "Feste Grundanweisung, die Rolle, Tonfall und Regeln des Modells vorgibt, bevor der Nutzer überhaupt schreibt." },
          { term: "Inferenz (Inference)", def: "Der Betrieb des fertigen Modells, also das Erzeugen einer Antwort. Hier entstehen die laufenden Kosten — im Gegensatz zum einmaligen Training." },
          { term: "Training", def: "Das einmalige, rechenintensive Anlernen des Modells auf grossen Datenmengen. Macht das Grundkönnen aus. Es endet an einem Stichtag (Knowledge Cutoff): Ereignisse nach diesem Datum kennt das Modell nicht — Aktualität kommt nur über RAG oder Websuche dazu." },
          { term: "Fine-Tuning", def: "Nachtrainieren eines Basismodells auf eigene Beispiele, um Stil oder Spezialwissen zu verankern. Aufwändiger als RAG — nur bei klarem Bedarf." },
        ],
      },
      {
        id: "rag", icon: "file-search", title: "RAG & Wissen",
        terms: [
          { term: "RAG (Retrieval-Augmented Generation)", star: true, def: "Das Modell schlägt vor der Antwort in Ihren eigenen Dokumenten nach und antwortet auf dieser Basis. Macht Antworten belegbar und aktuell, ohne das Modell neu zu trainieren. Kern des iConference-Frameworks." },
          { term: "Retrieval", def: "Der Such-Schritt in RAG: die zur Frage passenden Textstellen aus der Wissensbasis holen." },
          { term: "Embedding", def: "Umwandlung von Text in Zahlenvektoren, sodass inhaltlich Ähnliches nah beieinander liegt. Grundlage der semantischen Suche." },
          { term: "Vektor-Datenbank (Vector Database)", def: "Speicher für Embeddings, der zu einer Anfrage blitzschnell die ähnlichsten Inhalte findet. Das Gedächtnis hinter RAG." },
          { term: "Semantische Suche", def: "Suche nach Bedeutung statt nach exakten Stichwörtern. Findet Passendes auch bei anderer Wortwahl." },
          { term: "Grounding", def: "Das Verankern der Antwort in belegbaren Quellen. Reduziert Halluzinationen und schafft Nachvollziehbarkeit." },
          { term: "Knowledge Base (Wissensbasis)", def: "Die kuratierte Sammlung Ihrer Dokumente, auf die RAG zugreift. Ihre Qualität bestimmt die Qualität der Antworten." },
        ],
      },
      {
        id: "agenten", icon: "workflow", title: "Agenten & Integration",
        terms: [
          { term: "KI-Agent / Agentic AI", def: "KI, die nicht nur antwortet, sondern mehrschrittig Aufgaben erledigt: plant, nutzt Werkzeuge, prüft Ergebnisse. Von der Auskunft zur Ausführung." },
          { term: "Tool Use / Function Calling", def: "Fähigkeit des Modells, externe Werkzeuge aufzurufen (Suche, Rechner, Datenbank, API), statt nur Text zu erzeugen." },
          { term: "MCP (Model Context Protocol)", def: "Offener Standard, der KI-Anwendungen einheitlich an Tools und Datenquellen anbindet. Spart individuelle Schnittstellen-Bastelei." },
          { term: "API", def: "Programmierschnittstelle, über die Systeme das Modell oder andere Dienste nutzen. So wird KI in bestehende Software eingebunden." },
        ],
      },
      {
        id: "devenv", icon: "terminal", title: "KI-Entwicklungsumgebung",
        terms: [
          { term: "VS Code (mit z.B. Claude Code)", def: "Verbreiteter Code-Editor von Microsoft. Mit einer Erweiterung wie Claude Code arbeitet die KI direkt in dieser Umgebung mit — an Code, Dokumenten und Automatisierungen." },
          { term: "Git", def: "Verteilte Versionsverwaltung: speichert jede Änderung samt Historie, lokal und privat auf dem eigenen Rechner. Schafft Nachvollziehbarkeit und sichere Zusammenarbeit ohne Datenverlust." },
          { term: "GitHub", def: "Cloud-Plattform (gehört Microsoft) zum Hosten und Teilen von Git-Repositories. Auch als «privat» markierte Repos liegen in der US-Cloud — bei vertraulichen Inhalten mitdenken." },
          { term: "Markdown (.md)", def: "Schlankes Textformat mit einfacher Auszeichnung (Überschriften, Listen, Fett). KI-Modelle geben Antworten meist darin aus; Anweisungs- und Wissensdateien liegen üblicherweise als .md vor — gut lesbar für Mensch und Maschine." },
          { term: "Skills", def: "Vordefinierte, wiederverwendbare Fähigkeiten oder Arbeitsabläufe, die ein KI-Assistent auf Abruf ausführt (oft per Kurzbefehl). Bündeln Expertenwissen in einen wiederholbaren Schritt." },
          { term: "Agent / Agentischer Workflow", def: "In der Entwicklungsumgebung arbeitet die KI nicht nur auf Zuruf, sondern erledigt mehrschrittige Aufgaben selbstständig: plant, ändert Dateien, ruft Werkzeuge auf, prüft das Ergebnis und korrigiert nach. Aus einer Anweisung wird ein ganzer Arbeitsablauf statt einer einzelnen Antwort — bei klarer menschlicher Kontrolle." },
          { term: "Plugin", def: "Erweiterung, die einem KI-Tool zusätzliche Funktionen verleiht — gebündelte Skills, Verbindungen zu Datenquellen oder Automatismen. Installieren statt selbst bauen." },
        ],
      },
      {
        id: "governance", icon: "shield-check", title: "Betrieb, Governance & Risiken",
        terms: [
          { term: "Datenhaltung", def: "Wo Ihre Daten liegen und wie sie geschützt sind. Entscheidet mit über die Modellwahl (Frontier vs. lokal) und über Compliance." },
          { term: "On-Premise (On-Prem)", def: "Betrieb in der eigenen Infrastruktur statt in fremder Cloud. Maximale Datenkontrolle, höherer Eigenaufwand." },
          { term: "Halluzination (Hallucination)", def: "Eine inhaltlich falsche, aber überzeugend formulierte Antwort. Hauptgrund für Quellenbindung (RAG, Grounding) und menschliche Kontrolle." },
          { term: "Prompt Injection", def: "Angriff, bei dem versteckte Anweisungen in Eingaben oder Dokumenten das Modell manipulieren. Relevant, sobald KI fremde Inhalte verarbeitet." },
          { term: "Deepfake", def: "Mit KI erzeugte, täuschend echte Bilder, Stimmen oder Videos. Praktisch relevant als Betrugsrisiko — z.B. eine gefälschte Chef-Stimme, die eine Zahlung anordnet. Schutz: Verifikation über einen zweiten Kanal." },
          { term: "Guardrails", def: "Technische und organisatorische Leitplanken, die unerwünschte Ausgaben oder Aktionen verhindern." },
          { term: "Human in the Loop", def: "Bewusst eingebaute menschliche Prüfung an kritischen Stellen, bevor eine KI-Entscheidung wirkt." },
          { term: "Bias (Verzerrung)", def: "Systematische Schieflagen in den Ausgaben, geerbt aus den Trainingsdaten. Erfordert Prüfung bei sensiblen Einsätzen." },
          { term: "Explainability / Transparenz", def: "Wie gut nachvollziehbar ist, warum das Modell etwas ausgibt. Wichtig für Vertrauen, Audit und Regulierung." },
          { term: "EU AI Act", def: "Risikobasierte EU-Regulierung für KI. Betrifft auch Schweizer Firmen, die KI in der EU anbieten oder einsetzen — Pflichten je nach Risikoklasse. Die Schweiz hat kein direktes Pendant: technologieneutraler, sektorieller Ansatz; für Personendaten gilt das revDSG. Rechtslage in Bewegung — im Einzelfall die aktuelle Lage prüfen." },
        ],
      },
    ],
  },

  en: {
    barTitle: "AI Glossary",
    back: "Back to website",
    eyebrow: "Reference",
    h1a: "The AI world, ", h1em: "without the jargon", h1b: ".",
    lead: "The most common terms in AI — briefly explained, framed around business value. For decision-makers, not researchers.",
    searchPh: "Search a term … (e.g. RAG, Token, Hallucination)",
    tocTitle: "Categories",
    countLabel: "terms",
    noResultsH: "No match",
    noResults: "No term matches this search. Try a different keyword.",
    clear: "Clear search",
    foot: "A living list · as of 2026-06. Missing a term, or is an explanation too technical? We're happy to add and smooth it out.",
    groups: [
      {
        id: "grund", icon: "cpu", title: "Fundamentals",
        terms: [
          { term: "AI / Artificial Intelligence", def: "Umbrella term for systems that take on tasks which used to require human thinking: understanding language, recognising patterns, preparing decisions." },
          { term: "Machine Learning (ML) & Deep Learning", def: "A subfield of AI: the system learns patterns from data instead of being hard-coded — the more relevant data, the better. Today's dominant variant is deep learning: machine learning with multi-layered neural networks, the basis of language and image models." },
          { term: "Neural Network", def: "A computing model loosely modelled on the brain: layers of nodes that weight inputs. The building block behind deep learning." },
          { term: "Generative AI", def: "AI that creates new content (text, image, code) rather than just classifying. The field behind ChatGPT, Claude, Gemini & co." },
          { term: "AI assistant / chatbot", def: "The application you talk to a model through — by chat, in natural language (e.g. ChatGPT, Claude, Copilot). The familiar surface; the actual capability sits in the model behind it." },
          { term: "AI robotics", def: "Couples physical machines with intelligent algorithms. Where traditional robots just run rigid programs, AI robots can perceive their environment, decide for themselves and learn from mistakes." },
          { term: "AGI (Artificial General Intelligence)", def: "Hypothetical AI that could handle any intellectual task at human level — not just narrow ones. It does not exist today; current models are specialised tools. The term is often marketing — for business, what matters is what a model demonstrably does today." },
        ],
      },
      {
        id: "modelle", icon: "languages", title: "Language Models & Variants",
        terms: [
          { term: "LLM (Large Language Model)", def: "A large language model trained on vast amounts of text. Understands and writes language, answers questions, summarises. The core of most AI applications." },
          { term: "Foundation Model", def: "A broadly trained base model that many applications build on, instead of starting from scratch each time." },
          { term: "Frontier Model", def: "A provider's most capable top-tier model (e.g. Claude Opus, GPT, Gemini). Highest quality, hosted, paid per use." },
          { term: "Local / Open-Weight Model", def: "A model you run yourself (on-premise or your own cloud). More control over data and cost, usually slightly lower peak performance. The counterpart to the frontier model." },
          { term: "Multimodal", def: "A model that understands several input types: text, image, audio, sometimes video. Lets you analyse documents including their graphics, for example." },
          { term: "Reasoning model (reasoning / 'thinking')", def: "A model that 'thinks' step by step before answering (chain-of-thought), markedly improving logic, maths and multi-step tasks. It costs more time and compute per answer — worth it for hard problems, not for every simple question." },
          { term: "Token", def: "The smallest processing unit of a language model (roughly a word fragment). The measure of length and cost — billing is per token." },
          { term: "Parameter", def: "A model's internally learned settings, often given in billions. A rough (not sole) rule of thumb for capacity." },
        ],
      },
      {
        id: "hersteller", icon: "building-2", title: "Vendors & Their Models",
        intro: "The key providers and their model families. Specific version names change monthly — so these are the families, not today's snapshot.",
        terms: [
          { term: "Anthropic", sub: "Frontier", def: "Claude family: Opus (strongest), Sonnet (balanced), Haiku (fast and economical)." },
          { term: "Google", sub: "Frontier", def: "Gemini family (incl. Pro and Flash)." },
          { term: "OpenAI", sub: "Frontier", def: "GPT family; the best-known consumer product is ChatGPT." },
          { term: "xAI", sub: "Frontier", def: "Grok family; tightly integrated into the X platform (formerly Twitter)." },
          { term: "Microsoft", sub: "Copilot", def: "No frontier model of its own, but an assistance layer in Microsoft 365 (Word, Outlook, Teams) that, under the hood, mainly uses OpenAI models." },
          { term: "Self-hosted LLMs", sub: "Open / On-Prem", def: "Self-hosted, mostly open models — e.g. Llama (Meta) or Mistral (FR). From Switzerland: Apertus, the fully open, multilingual model from ETH, EPFL and CSCS (available via Swisscom among others). Not an exhaustive list; the landscape grows fast." },
        ],
      },
      {
        id: "nutzung", icon: "sliders-horizontal", title: "Use & Control",
        terms: [
          { term: "Prompt", def: "The input or instruction given to the model. The quality of the question determines the quality of the answer." },
          { term: "Prompt Engineering", def: "Deliberately phrasing prompts so the model reliably delivers usable results." },
          { term: "Context / Context Window", def: "The model's working memory: how much text (instruction, documents, history) it can consider at once. When it's full, older content drops out." },
          { term: "Context Engineering", def: "Deliberately assembling what sits in the context window — the right data at the right time. In practice the biggest lever for quality." },
          { term: "System Prompt", def: "A fixed base instruction that sets the model's role, tone and rules before the user even writes." },
          { term: "Inference", def: "Running the finished model, i.e. producing an answer. This is where ongoing cost arises — as opposed to one-off training." },
          { term: "Training", def: "The one-off, compute-intensive teaching of the model on large amounts of data. It creates the base capability and ends on a cut-off date (knowledge cutoff): the model doesn't know events after that date — currency only comes via RAG or web search." },
          { term: "Fine-Tuning", def: "Further training a base model on your own examples to anchor style or specialist knowledge. More effort than RAG — only when clearly needed." },
        ],
      },
      {
        id: "rag", icon: "file-search", title: "RAG & Knowledge",
        terms: [
          { term: "RAG (Retrieval-Augmented Generation)", star: true, def: "Before answering, the model looks things up in your own documents and answers on that basis. Makes answers verifiable and current without retraining the model. The core of the iConference framework." },
          { term: "Retrieval", def: "The search step in RAG: fetching the text passages relevant to the question from the knowledge base." },
          { term: "Embedding", def: "Converting text into number vectors so that similar content sits close together. The basis of semantic search." },
          { term: "Vector Database", def: "A store for embeddings that finds the most similar content for a query in an instant. The memory behind RAG." },
          { term: "Semantic Search", def: "Searching by meaning instead of exact keywords. Finds the right thing even with different wording." },
          { term: "Grounding", def: "Anchoring the answer in verifiable sources. Reduces hallucinations and creates traceability." },
          { term: "Knowledge Base", def: "The curated collection of your documents that RAG draws on. Its quality determines the quality of the answers." },
        ],
      },
      {
        id: "agenten", icon: "workflow", title: "Agents & Integration",
        terms: [
          { term: "AI Agent / Agentic AI", def: "AI that doesn't just answer but completes tasks in multiple steps: plans, uses tools, checks results. From information to execution." },
          { term: "Tool Use / Function Calling", def: "The model's ability to call external tools (search, calculator, database, API) instead of only producing text." },
          { term: "MCP (Model Context Protocol)", def: "An open standard that connects AI applications to tools and data sources in a uniform way. Saves custom interface tinkering." },
          { term: "API", def: "A programming interface through which systems use the model or other services. This is how AI is embedded into existing software." },
        ],
      },
      {
        id: "devenv", icon: "terminal", title: "AI Development Environment",
        terms: [
          { term: "VS Code (e.g. with Claude Code)", def: "A widely used code editor from Microsoft. With an extension like Claude Code, the AI works directly in this environment — on code, documents and automations." },
          { term: "Git", def: "Distributed version control: stores every change including its history, locally and privately on your own machine. Creates traceability and safe collaboration without data loss." },
          { term: "GitHub", def: "A cloud platform (owned by Microsoft) for hosting and sharing Git repositories. Even repos marked \u201cprivate\u201d sit in the US cloud — bear that in mind for confidential content." },
          { term: "Markdown (.md)", def: "A lightweight text format with simple markup (headings, lists, bold). AI models usually output in it; instruction and knowledge files are typically kept as .md — readable for human and machine alike." },
          { term: "Skills", def: "Predefined, reusable abilities or workflows that an AI assistant runs on demand (often via a short command). They bundle expert knowledge into a repeatable step." },
          { term: "Agent / Agentic Workflow", def: "In the development environment, the AI doesn't just respond on command but completes multi-step tasks on its own: it plans, edits files, calls tools, checks the result and corrects course. A single instruction becomes a whole workflow rather than one answer — under clear human oversight." },
          { term: "Plugin", def: "An extension that gives an AI tool extra functions — bundled skills, connections to data sources or automations. Install rather than build yourself." },
        ],
      },
      {
        id: "governance", icon: "shield-check", title: "Operations, Governance & Risks",
        terms: [
          { term: "Data Residency", def: "Where your data sits and how it's protected. A key factor in model choice (frontier vs. local) and in compliance." },
          { term: "On-Premise (On-Prem)", def: "Running in your own infrastructure rather than someone else's cloud. Maximum data control, higher in-house effort." },
          { term: "Hallucination", def: "An answer that is factually wrong but convincingly phrased. The main reason for source-binding (RAG, grounding) and human oversight." },
          { term: "Prompt Injection", def: "An attack where hidden instructions in inputs or documents manipulate the model. Relevant as soon as AI processes external content." },
          { term: "Deepfake", def: "AI-generated, deceptively real images, voices or videos. Practically relevant as a fraud risk — e.g. a faked executive's voice ordering a payment. Mitigation: verify through a second channel." },
          { term: "Guardrails", def: "Technical and organisational guardrails that prevent unwanted outputs or actions." },
          { term: "Human in the Loop", def: "Deliberately built-in human review at critical points, before an AI decision takes effect." },
          { term: "Bias", def: "Systematic skews in the outputs, inherited from the training data. Requires checking in sensitive uses." },
          { term: "Explainability / Transparency", def: "How well one can trace why the model outputs something. Important for trust, audit and regulation." },
          { term: "EU AI Act", def: "The EU's risk-based regulation for AI. It also affects Swiss companies that offer or use AI in the EU — obligations depend on the risk class. Switzerland has no direct counterpart: a technology-neutral, sector-specific approach; for personal data the revised FADP (revDSG) applies. The legal situation is evolving — check the current state case by case." },
        ],
      },
    ],
  },
};

window.GLOSSARY = GLOSSARY;