Temperature
Auch: Sampling temperature, Temperature setting, Temperature parameter, Temperature (LLM), Parametre de temperature, Temperatur-Parameter
Eine Einstellung, die steuert, wie zufaellig oder vorhersehbar die Ausgabe eines KI-Modells ist: niedrig fuer Konsistenz, hoch fuer Kreativitaet.
Was es ist
Temperature ist eine Einstellung, die steuert, wie viel Zufall ein generatives KI-Modell bei der Texterzeugung nutzt. Bei jedem Schritt verfuegt das Modell ueber eine nach Wahrscheinlichkeit geordnete Liste moeglicher naechster Woerter. Die Temperature entscheidet, ob das Modell fast immer das wahrscheinlichste Wort waehlt oder seine Auswahl auf weniger naheliegende Optionen verteilt. Eine niedrige Temperature (nahe 0) liefert fokussierte und wiederholende Ausgaben. Eine hohe Temperature (ueber 1) liefert vielfaeltigere und ueberraschendere Ausgaben, mitunter auf Kosten der Genauigkeit.
Warum es wichtig ist
Temperature ist einer der wenigen KI-Regler, den ein Fachteam ohne erneutes Training anpassen kann, und sie praegt Markenrisiko und Ausgabequalitaet direkt. Ein Support-Chatbot, der Compliance-Fragen beantwortet, braucht eine niedrige Temperature, damit er jedes Mal dieselbe verlaessliche Antwort gibt, waehrend ein Tool zum Kampagnen-Brainstorming von einer hoeheren Temperature profitiert, um frische Blickwinkel hervorzubringen. Eine falsche Einstellung ist in beide Richtungen teuer: zu niedrig, und Inhalte wirken roboterhaft und bei jedem Kunden gleich; zu hoch, und das Modell driftet in markenfremde oder sachlich lockere Aussagen ab. Fuehrungskraefte, die einen KI-Anbieter oder eine interne Loesung pruefen, sollten fragen, welche Temperature konfiguriert ist und warum.
Wie es funktioniert
In der Praxis erscheint die Temperature als numerisches Feld in einem API-Aufruf oder einem Einstellungsfenster, oft zwischen 0 und 2. Ein Marketingverantwortlicher, der einen Generator fuer Betreffzeilen nutzt, kann dieselbe Anweisung bei 0,2, 0,7 und 1,2 testen, um zu sehen, wo die Vielfalt ihren Hoehepunkt erreicht, bevor die Qualitaet sinkt. Der Wert wirkt zusammen mit der Anweisung und anderen Steuerungen: eine praezise Anweisung mit niedriger Temperature erzeugt nahezu deterministische Ergebnisse, nuetzlich fuer juristische oder finanzielle Texte, waehrend eine offenere Anweisung mit moderater Temperature zur Ideenfindung passt. Sie aendert nicht, was das Modell weiss, sondern nur, wie es aus seinen Vorhersagen auswaehlt. Ueblich ist es, die Temperature fuer alles Kundenorientierte und Faktische niedrig zu halten, sie fuer interne Ideenfindung zu erhoehen und den gewaehlten Wert zu dokumentieren, damit Ergebnisse reproduzierbar und pruefbar bleiben.