Temperature
Der Temperature-Parameter steuert, wie kreativ oder deterministisch ein KI-Modell bei der Textgenerierung antwortet – niedrige Werte liefern vorhersehbare Ergebnisse, hohe Werte fördern Kreativität und Variation.
AIAnfänger], ein hoher Wert macht sie flacher und gleichmäßiger.
## Wertebereich und Bedeutung
| Wert | Verhalten | Typischer Einsatz |
|------|-----------|-------------------|
| `0.0` | Vollständig deterministisch (immer das wahrscheinlichste Token) | Code-Generierung, Faktenabfragen |
| `0.2–0.5` | Fokussiert, wenig Variation | Zusammenfassungen, strukturierte Ausgaben |
| `0.7–1.0` | Ausgewogen, kreativ | Chatbots, allgemeine Assistenten |
| `1.2–2.0` | Sehr kreativ, teils unvorhersehbar | Brainstorming, kreatives Schreiben |
## Praxisbeispiel mit der OpenAI API
```python
from openai import OpenAI
client = OpenAI()
# Deterministisch: ideal für Code oder strukturierte Daten
response_deterministic = client.chat.completions.create(
model="gpt-4o",
messages=[{"role": "user", "content": "Berechne 5 + 7"}],
temperature=0.0
)
# Kreativ: ideal für Storytelling oder Ideenfindung
response_creative = client.chat.completions.create(
model="gpt-4o",
messages=[{"role": "user", "content": "Schreib einen Werbeslogan für Kaffee"}],
temperature=1.2
)
print(response_deterministic.choices[0].message.content)
print(response_creative.choices[0].message.content)
```
## Temperature vs. Top-p
Neben Temperature gibt es den verwandten Parameter **Top-p** (Nucleus Sampling), der die Auswahl auf die wahrscheinlichsten Tokens begrenzt. In der Praxis empfiehlt OpenAI, **nur einen der beiden Parameter** zu verändern und den anderen auf den Standardwert zu lassen.
## Tipps für die Praxis
- **`temperature=0`** für reproduzierbare Tests, Unit-Tests oder wenn konsistente Ausgaben wichtig sind
- **`temperature=0.7`** ist ein guter Startpunkt für die meisten Anwendungen
- Zu hohe Werte können zu **Halluzinationen** oder inkohärenten Ausgaben führen
- Bei JSON-Output-Parsing immer niedrige Temperature wählen, um valides JSON zu erhaltentags":[
Was ist Temperature?
Temperature ist ein Hyperparameter, der bei der Inferenz von Sprachmodellen (LLMs) die Zufälligkeit der Ausgabe kontrolliert. Technisch gesprochen beeinflusst er die Wahrscheinlichkeitsverteilung über mögliche nächste Tokens: Ein niedriger Wert macht die Verteilung „schärfer
Verwandte Begriffe
Inhouse statt Nachschlagewerk
Für den Transfer ins Unternehmen sind die Inhouse-Schulungen der passende nächste Schritt.