# Was ist Temperature bei KI-Modellen?
Wenn Sie ChatGPT oder Claude nutzen und sich fragen, warum Sie bei der gleichen Frage manchmal unterschiedliche Antworten bekommen — das liegt oft an der Temperature-Einstellung. Dieser Parameter entscheidet, wie kreativ oder vorhersehbar eine KI antwortet. Falsch eingestellt, kann das Ergebnisse unbrauchbar machen: ein Customer-Service-Bot braucht andere Einstellungen als ein Texter für Marketing-Kampagnen.
Kurze Antwort
Temperature steuert die Zufälligkeit einer KI-Ausgabe: niedrige Werte erzeugen konsistente Antworten, hohe Werte fördern Kreativität und Variabilität.
Temperature ist ein Zahlen-Parameter, häufig im Bereich von 0.0 bis 2.0 (je nach Anbieter kann der Wertebereich abweichen), der bestimmt, wie variabel KI-Antworten ausfallen. Er kontrolliert, wie sicher sich das Modell bei der nächsten Wort-Wahl ist: niedrig bevorzugt die wahrscheinlichsten Antworten (präzise), hoch bedeutet auch weniger wahrscheinliche Wörter werden gewählt (kreativ).
| Temperature | Verhalten | Anwendungsfall |
|---|---|---|
| 0.0 | Möglichst deterministisch, minimale Variabilität | Code-Generierung, Faktenchecks, API-Responses |
| 0.3 | Zuverlässig mit minimaler Variabilität | Übersetzungen, Compliance-Texte |
| 0.7 | Balance Kreativität und Genauigkeit | Allgemeine Fragen, FAQ, Zusammenfassungen |
| 1.2 | Kreativ, variabel | Brainstorming, Marketing-Texte, Slogans |
| über 1.5 | Zu chaotisch für produktive Aufgaben | Selten sinnvoll außer zum Experimentieren |
Definition
Temperature ist ein mathematischer Parameter in der KI-Inferenz, der die Wahrscheinlichkeitsverteilung bei der Token-Auswahl beeinflusst. Nach dem neuronalen Netzwerk-Durchlauf berechnet das Modell Wahrscheinlichkeiten für alle möglichen nächsten Wörter (Tokens). Eine niedrige Temperature verstärkt die höchsten Wahrscheinlichkeiten — das Modell wählt fast immer das wahrscheinlichste Wort. Eine hohe Temperature flacht diese Verteilung ab — auch weniger wahrscheinliche Wörter bekommen eine Chance.
Technisch wird dies durch Division der Logits durch die Temperature vor der Softmax-Funktion erreicht. Bei Temperature 0 wird die Antwort möglichst deterministisch erzeugt — in modernen KI-Systemen können dennoch geringe Unterschiede auftreten, etwa durch Backend-Parallelisierung oder Seed-Mechanismen. Mit steigender Temperature werden auch weniger wahrscheinliche Token häufiger berücksichtigt. Viele Plattformen verwenden intern Werte im mittleren Bereich oder passen die Sampling-Strategie automatisch an. Verwandt ist der Parameter Top-P (Nucleus Sampling), der die Auswahl auf die wahrscheinlichsten Token begrenzt.
Beispiel aus der Praxis
Ein Finanzberatungs-Unternehmen nutzt ChatGPT für zwei verschiedene Aufgaben.
Szenario 1 — Automatisierter Kundenservice: Der Bot antwortet auf Standard-Fragen wie Was kostet die Kontoführung? Die Temperature liegt bei 0.2. Das Ergebnis: Die Antworten bleiben weitgehend konsistent, präzise und zuverlässig. Perfekt für Compliance und Kundenvertrauen.
Szenario 2 — Marketing-Kampagnen: Ein Texter nutzt dieselbe KI mit Temperature 1.2, um Slogans zu generieren. Bei jeder Anfrage bekommt er unterschiedliche, kreative Varianten — manche überraschend, manche direkt verwendbar, manche zu gewagt.
Der Unterschied liegt nicht am Modell, sondern an der Temperature-Einstellung. Für Szenario 1 wäre 1.2 ein Problem (schwammige, uneinheitliche Antworten). Für Szenario 2 wäre 0.2 kontraproduktiv (kaum Kreativität, immer dieselbe Formulierung).
Typische Anwendungsfälle
- Code-Generierung (T 0.0 bis 0.2): Exakte, reproduzierbare Syntax ist entscheidend
- Faktenchecks und Datenabfragen (T 0.2 bis 0.3): Keine erfundenen Details tolerierbar
- Übersetzungen (T 0.3 bis 0.5): Hohe Konsistenz und Genauigkeit nötig
- Produktbeschreibungen (T 0.5 bis 0.7): Zuverlässige Qualität mit kleinen Variationen
- Allgemeine Fragen und FAQ (T 0.7 bis 1.0): Die Standardeinstellung für die meisten Aufgaben
- Brainstorming und Ideenfindung (T 1.0 bis 1.3): Kreativität ohne Qualitätsverlust
- Kreatives Schreiben und Slogans (T 1.2 bis 1.5): Varianten-Generierung für Marketing
- Experimente (über T 1.5): Unvorhersehbar, selten für produktive Arbeit
Wann lohnt sich welche Temperature?
Niedrig (0.0 bis 0.4): Nutzen Sie diese, wenn Genauigkeit kritisch ist: automatisierte Workflows, Compliance-Texte, Datenbankabfragen, Code. Die KI wiederholt sich — aber das ist hier ein Feature.
Mittel (0.5 bis 0.8): Der Standardbereich für die meisten KMU-Aufgaben: E-Mail-Antworten, FAQ-Texte, technische Dokumentation, E-Commerce-Produktbeschreibungen. Zuverlässige Qualität mit natürlichem Ton.
Hoch (0.9 bis 1.5): Für Aufgaben, wo Variation erwünscht ist: Slogans, mehrere Textversionen, Pitch-Varianten, Brainstorming-Sessions. Kreativ, aber noch relevant.
Faustregel: Wenn Sie ein zuverlässiges Ergebnis brauchen, wählen Sie niedrig bis mittel. Wenn Sie mehrere Ideen und Varianten wollen, gehen Sie höher.
DSGVO-Relevanz
Temperature ist nicht direkt datenschutzrechtlich relevant — es ist ein technischer Parameter ohne Datenbezug. Relevant wird sie jedoch indirekt über das Halluzinations-Risiko.
Eine hohe Temperature kann die Wahrscheinlichkeit erhöhen, dass das Modell plausibel klingende, aber falsche Informationen produziert — sie ist aber nur einer von mehreren Einflussfaktoren neben Modellqualität, Kontext und Prompting. Wenn ein KI-System mit hoher Temperature über reale Personen, Unternehmen oder Datenschutzthemen schreibt, können dabei faktisch falsche Aussagen entstehen — zum Beispiel erfundene Datenschutz-Zusicherungen in automatisierten Kundenantworten oder falsche Angaben zu einer Person.
In datenschutzrelevanten Anwendungen (Kundenservice-Bots, automatisierte Vertragsauskünfte, Personalentscheidungen) sollte Temperature bewusst niedrig eingestellt werden. Das reduziert nicht nur Halluzinationen, sondern auch das Risiko fehlerhafter oder erfundener Aussagen über Personen — besonders relevant, wenn KMU personenbezogene Daten in Prompts eingeben.
Verwandte Begriffe
- Token: Die kleinsten Einheiten aus denen KI-Text besteht; Temperature beeinflusst welche Token ausgewählt werden
- KI-Halluzinationen: Erfundene Fakten die plausibel klingen; höhere Temperature erhöht dieses Risiko
- LLM (Large Language Model): Das zugrunde liegende neuronale Netzwerk das alle Parameter wie Temperature nutzt
- Prompt: Der Eingabe-Text; guter Prompt und passende Temperature ergänzen sich
- Top-P (Nucleus Sampling): Ähnlicher Parameter, begrenzt Auswahl auf wahrscheinlichste Token
- Top-K: Begrenzt Auswahl auf die K wahrscheinlichsten Token
Häufige Missverständnisse
“Temperature 0.0 bedeutet, dass die KI nicht nachdenkt.” Falsch. Die KI denkt ganz normal. Temperature steuert nur, wie sie ihre beste Antwort wählt — nicht ob sie nachdenkt.
“Höhere Temperature bedeutet intelligentere Antworten.” Nein. Höhere Temperature bedeutet mehr Variabilität und Kreativität. Intelligente Lösungen entstehen durch gute Prompts und das richtige Modell, nicht durch hohe Temperature.
“Ich sollte immer 2.0 nutzen für die kreativsten Ergebnisse.” Falsch. Über 1.5 werden Antworten meist unbrauchbar — zu zufällig, zu wenig kohärent. 1.0 bis 1.3 ist für kreative Aufgaben der sinnvolle Bereich.
“Temperature selbst einstellen lohnt sich immer.” Nur für API-Nutzer relevant. Im Web-Interface von ChatGPT oder Claude hat man keinen direkten Zugriff auf diesen Parameter.
Häufig gestellte Fragen
Kann ich Temperature während eines Gesprächs ändern? Bei ChatGPT und Claude im Web-Interface nein. Nur über die API oder spezielle Tools wie OpenAI Playground.
Warum bekomme ich manchmal unterschiedliche Antworten auf die gleiche Frage? Die Standard-Temperature ist meist nicht 0.0, sondern 0.7 bis 1.0. Das erzeugt absichtlich Variabilität. Mit T 0.0 bekämen Sie weitgehend konsistente Antworten — vollständige Identität ist bei modernen Plattformen nicht garantiert.
Sollte ich als KMU Temperature selbst einstellen? Für normale Web-Interface-Nutzung nicht nötig. Nur wer mit APIs arbeitet oder eigene KI-Lösungen baut, konfiguriert Temperature direkt.
Ist hohe Temperature besser für Brainstorming? Ja, aber nicht unbegrenzt. 1.0 bis 1.3 generiert verschiedene Ideen. Über 1.5 wird es meist zu chaotisch. Besser: mehrere Durchläufe mit T 1.0 machen und die besten Ergebnisse heraussuchen.
Ist Temperature das Gleiche wie Top-P? Nein. Temperature verändert die Wahrscheinlichkeitsverteilung aller möglichen Token. Top-P (Nucleus Sampling) begrenzt dagegen die Auswahl auf die wahrscheinlichsten Kandidaten bis zu einem kumulierten Wahrscheinlichkeitsschwellwert. Beide Parameter beeinflussen die Kreativität einer KI, arbeiten aber auf unterschiedliche Weise. In der Praxis wird oft nur einer von beiden gesetzt.
Warum passieren Halluzinationen häufiger bei hoher Temperature? Bei hoher Temperature wählt die KI auch weniger wahrscheinliche Token — das erhöht die Chance, dass Kombinationen entstehen, die faktisch falsch aber sprachlich plausibel klingen.
Fazit
Temperature ist ein unsichtbarer Parameter, der täglich darüber entscheidet, ob KI-Antworten zuverlässig oder kreativ ausfallen. Niedrig bedeutet präzise und reproduzierbar, hoch bedeutet variabel und kreativ. Für die meisten KMU-Aufgaben reichen die Standard-Einstellungen der Plattformen vollständig aus. Wer eigene API-Integrationen baut, sollte Temperature bewusst setzen: niedrig für Compliance und Fakten, mittel für Alltagsaufgaben, hoch für Kreativ-Arbeit. Das Risiko dabei kennen: höhere Temperature kann Halluzinationen begünstigen.
Passende Tooltests
Weiterführende Begriffe