Temperatur (Temperature)
Definition
Die Temperatur ist ein Regler, dessen Skala je nach Anbieter bei 1 oder bei 2 endet und der steuert, wie „kreativ“ oder wie festgelegt ein Modell antwortet. Niedrig heißt vorhersehbar und konsistent, hoch heißt vielfältig und überraschend.
Bei jeder Antwort wählt ein Sprachmodell aus mehreren möglichen nächsten Wörtern. Die Temperatur bestimmt, wie stark es dabei vom Wahrscheinlichsten abweichen darf. Nahe null nimmt es fast immer die naheliegendste Option - ideal für Aufgaben, die Verlässlichkeit brauchen: Datenextraktion, Klassifikation, strukturierte Ausgaben.
Höhere Werte erzeugen Abwechslung und sind für Brainstorming oder Textvarianten sinnvoll, erhöhen aber das Risiko, dass die Antwort vom Thema abschweift. Auf den Wahrheitsgehalt wirkt der Regler nicht - dazu die Abgrenzung weiter unten. Für die meisten geschäftskritischen Anwendungen ist eine niedrige Temperatur die richtige Wahl. Der Regler ist ein einfaches, oft unterschätztes Werkzeug, um das Verhalten einer KI-Anwendung an ihren Zweck anzupassen.
In der Praxis
Ein Personaldienstleister betreibt zwei Aufgaben mit einer Einstellung
Ein Personaldienstleister mit 90 Mitarbeitenden nutzt ein Sprachmodell für zwei Dinge im selben System: Aus eingehenden Lebensläufen werden Stammdaten gezogen - Name, Qualifikation, Verfügbarkeit, Wunschregion -, und aus einer Stellenbeschreibung entsteht ein Entwurf für die Ansprache des Kandidaten. Beide Funktionen liefen zunächst unverändert mit der Voreinstellung der verwendeten Bibliothek.
Aufgefallen ist das Problem bei der Dublettenprüfung: Derselbe Lebenslauf, zweimal eingelesen, ergab unterschiedliche Datensätze - einmal „Fachinformatikerin Systemintegration“, einmal „IT-Fachkraft“, einmal mit, einmal ohne Führerschein-Eintrag. Kein Feld war falsch, aber keines war reproduzierbar. Für die Extraktion wurde die Temperatur daraufhin auf null gesetzt, für die Textentwürfe blieb sie erhöht, weil dort Abwechslung gerade erwünscht ist.
Die zweite Erkenntnis war unbequemer: Auch bei Temperatur null sind Antworten nicht garantiert identisch. Rechenreihenfolge und Modellaktualisierungen erzeugen eine Restvarianz. Wer Nachvollziehbarkeit braucht, protokolliert daher Eingabe, Ausgabe und Modellversion - und verlässt sich nicht darauf, dass sich ein Ergebnis später auf Knopfdruck exakt wiederholen lässt.
Abgrenzung
Nicht zu verwechseln mit
- Top-p (Nucleus Sampling)
- Top-p ist ein zweiter Regler mit ähnlicher Wirkung: Er begrenzt, aus wie vielen der wahrscheinlichsten Wortoptionen überhaupt gewählt wird. Anbieter empfehlen, jeweils nur einen der beiden zu verstellen - wer an beiden gleichzeitig dreht, kann die Wirkung nicht mehr zuordnen.
- Halluzination
- Eine niedrige Temperatur verringert die Streuung der Antworten, nicht ihren Wahrheitsgehalt. Fehlt dem Modell eine Information, erfindet es sie bei Temperatur null genauso - nur eben jedes Mal gleich. Gegen erfundene Inhalte hilft Belegpflicht, nicht der Regler.
Fehlerbilder
Worauf es ankommt
Die Voreinstellung ungeprüft übernehmen
Die meisten Bibliotheken und Oberflächen liefern den Wert 1,0 vor - je nach Skala des Anbieters also die Mitte oder bereits das Maximum. Gedacht ist diese Voreinstellung für Gespräche. Für Extraktion, Klassifikation und strukturierte Ausgaben ist er zu hoch. Die Einstellung gehört pro Anwendungsfall gesetzt und im Code sichtbar dokumentiert, nicht dem Standard überlassen.
Temperatur null mit Determinismus gleichsetzen
Null bedeutet „nimm die wahrscheinlichste Option“, nicht „liefere garantiert dasselbe Ergebnis“. Wer Reproduzierbarkeit zusagt - etwa gegenüber einer Prüfstelle -, braucht Protokollierung der tatsächlichen Ein- und Ausgaben statt eines Verweises auf die Einstellung.
Am Regler drehen statt den Prompt reparieren
Wenn Antworten inhaltlich danebenliegen, ist die Temperatur selten die Ursache. Unklare Aufgabenstellung, fehlende Beispiele oder fehlender Kontext sind es fast immer. Der Regler steuert die Streuung, nicht das Verständnis - er kann ein schlechtes Briefing nicht ausgleichen.
Häufige Fragen
Was zu Temperatur (Temperature) oft gefragt wird
Welche Temperatur ist die richtige für unseren Anwendungsfall?
Als Orientierung - die Werte gelten unabhängig von der Obergrenze des Anbieters, bei Obergrenze 2 bleibt lediglich mehr Spielraum nach oben: null bis 0,2 für Extraktion, Klassifikation, Übersetzung und alles, was in ein festes Format muss; 0,3 bis 0,7 für Formulierungsaufgaben mit fachlichem Kern, etwa Antwortentwürfe; darüber nur für bewusstes Ideensammeln. Prüfen Sie den gewählten Wert an zwanzig echten Fällen, statt ihn zu schätzen.
Warum gibt dasselbe Modell auf dieselbe Frage unterschiedliche Antworten?
Ein Sprachmodell wählt jedes nächste Wort aus mehreren Kandidaten mit unterschiedlicher Wahrscheinlichkeit. Die Temperatur bestimmt, wie weit es dabei vom Wahrscheinlichsten abweichen darf - bei mittleren Werten fällt die Wahl von Durchlauf zu Durchlauf anders aus. Hinzu kommen Modellaktualisierungen des Anbieters, die Ergebnisse auch bei unveränderter Einstellung verschieben können.
Verhindert eine niedrige Temperatur Halluzinationen?
Nein. Sie macht Antworten konsistenter, nicht richtiger. Eine erfundene Angabe wird bei niedriger Temperatur zuverlässig wiederholt und wirkt dadurch sogar glaubwürdiger. Gegen erfundene Inhalte wirken nur Maßnahmen, die die Antwort an Belege binden: ein Retrieval-Schritt mit Quellenangabe, eine Prüfung gegen die Quelle und die Erlaubnis für das Modell, „nicht belegt“ zu antworten.
Von der Definition zur Umsetzung?
Lassen Sie uns besprechen, wie sich das konkret in Ihrem Unternehmen anwenden lässt.
Projekt anfragen