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.
Häufige Fragen
Was bewirkt die Temperature in einem generativen KI-Modell?
Die Temperature steuert, wie viel Zufall ein Modell bei der Wahl des jeweils nächsten Wortes zulässt. Bei jedem Schritt hat das Modell eine nach Wahrscheinlichkeit geordnete Liste möglicher Wörter; ein Wert nahe 0 führt dazu, dass es fast immer das wahrscheinlichste nimmt, ein Wert über 1 verteilt die Auswahl auf weniger naheliegende Optionen. Sie ändert nichts an dem, was das Modell weiß, nur daran, wie es aus seinen Vorhersagen auswählt.
Was ist der Unterschied zwischen einer niedrigen und einer hohen Temperature?
Eine niedrige Temperature liefert fokussierten, konsistenten und manchmal repetitiven Output; eine hohe Temperature liefert abwechslungsreichen und überraschenden Output, mitunter auf Kosten der Genauigkeit. In der Praxis heißt das: Sie wägen Reproduzierbarkeit gegen Kreativität ab. Ist der Wert zu niedrig, wirken Ihre Inhalte roboterhaft und bei allen Kunden gleich, ist er zu hoch, weicht das Modell von der Markenlinie ab oder nimmt es mit den Fakten nicht mehr so genau.
Warum sollte sich eine Führungskraft für eine technische Einstellung wie die Temperature interessieren?
Weil sie eine der wenigen KI-Stellschrauben ist, die ein Fachteam ohne erneutes Training des Modells anpassen kann, und weil sie das Markenrisiko und die Qualität des Outputs direkt beeinflusst. Ein Support-Chatbot, der Compliance-Fragen beantwortet, braucht eine niedrige Temperature, damit er jedes Mal dieselbe verlässliche Antwort gibt; ein Brainstorming-Tool für Kampagnen profitiert von einem höheren Wert. Wenn Sie einen Anbieter oder ein internes Team fragen, welche Temperature eingestellt ist und warum, sehen Sie, ob auf Konsistenz oder auf Kreativität optimiert wurde.
Wo stellt man den Temperature-Wert tatsächlich ein, und welcher Bereich ist üblich?
Die Temperature erscheint als numerisches Feld in einem API-Aufruf oder in einem Einstellungsmenü, meist auf einer Skala von 0 bis 2. Einen allgemein richtigen Wert gibt es nicht: Er hängt vom Anwendungsfall ab und vom Prompt, mit dem er zusammenwirkt. Ein präziser Prompt mit niedriger Temperature liefert nahezu deterministische Ergebnisse, die sich für juristische oder Finanztexte eignen, während ein offenerer Prompt mit moderater Temperature zur Ideenfindung passt.
Wie finde ich die richtige Temperature für einen bestimmten Anwendungsfall?
Lassen Sie denselben Prompt mit mehreren Werten laufen und vergleichen Sie. Ein Marketingverantwortlicher, der einen Generator für Betreffzeilen baut, könnte 0.2, 0.7 und 1.2 testen, um zu sehen, wo die Vielfalt am größten ist, bevor die Qualität nachlässt. Ein gängiges Vorgehen: Temperature niedrig halten für alles, was kundennah und faktenbezogen ist, für interne Ideenfindung erhöhen und den gewählten Wert dokumentieren, damit sich Ergebnisse später reproduzieren und prüfen lassen.