Lektion 3 von 3 · 7 Minuten

Die Ausgabe prüfen

Modelle können sicher klingen und trotzdem falsch liegen. Stütze ihre Antworten deshalb auf Quellen und teste, bevor du dich auf sie verlässt.

Ein Modell schreibt den Text, der am wahrscheinlichsten als Nächstes kommt. Meistens ist das auch richtig. Wenn es etwas aber nicht weiß, kann es trotzdem eine flüssige, selbstsichere Antwort schreiben, die falsch ist. Das nennt man Halluzination. Erfundene Fakten, Zitate, Links und Zahlen sind typische Beispiele.

Stütze Antworten auf echte Daten und prüfe die Quellen. Ein Modell ist viel zuverlässiger, wenn die Fakten vor ihm liegen. Gib deine eigenen Dokumente in den Prompt, bitte es, nur daraus zu antworten und zu sagen, woher jeder Fakt stammt. Für aktuelle Informationen fügst du das Server-Tool phaseo:web_search hinzu (in der Beta): Das Modell durchsucht das Web und schreibt eine Antwort aus den Ergebnissen, die URLs enthalten, die du öffnen kannst. Öffne sie auch, denn ein Modell kann auch einen Link erfinden, der echt aussieht.

Hol dir mit strukturierten Ausgaben eine verlässliche Form. Wenn dein Code die Antwort lesen muss, sende ein JSON Schema mit der Anfrage. Das Modell gibt dann JSON in dieser Form statt freiem Text zurück. Dein Code sollte das Ergebnis trotzdem prüfen, bevor er es nutzt, denn die Form kann stimmen, während der Inhalt falsch ist.

Senke die Temperatur für mehr Beständigkeit. temperature steuert, wie viel Variation das Modell einbringt. Niedrigere Werte geben stabilere, besser wiederholbare Antworten. Für Extraktion, Klassifizierung und JSON empfiehlt die Dokumentation 0.0 bis 0.2.

Teste mit echten Beispielen, bevor du veröffentlichst. Sammle echte Eingaben, auch unordentliche und ungewöhnliche, und prüfe die Antworten von Hand. Wiederhole das, wann immer du den Prompt oder das Modell änderst.

Prüfe dein Verständnis

Deine App fragt ein Modell nach dem Gründungsjahr eines Unternehmens, und die Antwort muss stimmen. Was ist der beste Ansatz?

Wende es an

Du hast ein Tool gebaut, das Summe, Datum und Lieferanten aus Rechnungen ausliest. In der Demo hat es funktioniert, aber in der Produktion stürzt dein Code manchmal ab, weil das Modell mit einem Satz statt mit den Feldern antwortet. Was änderst du?

Antwort anzeigen

Nutze strukturierte Ausgaben: Sende ein JSON Schema mit den Feldern, die du brauchst, damit das Modell JSON in dieser Form zurückgibt. Setze eine niedrige temperature, etwa 0.0 bis 0.2. Validiere das JSON in deinem Code, bevor du es nutzt, und teste vor der Veröffentlichung mit einer Reihe echter Rechnungen, auch unordentlicher.

Das Wichtigste

Behandle Modellantworten als Entwürfe: Stütze sie auf echte Quellen, verlange eine feste Form, halte die Temperatur für Beständigkeit niedrig und teste mit echten Beispielen.

Weiterführende Links

Dein Fortschritt wird in diesem Browser gespeichert.

Zuletzt geprüft am 17. November 2026