Temperature (Temperatur) ist ein Einstellwert bei Sprachmodellen, der bestimmt, wie stark das Modell von der jeweils wahrscheinlichsten Fortsetzung abweichen darf. Ein niedriger Wert liefert vorhersagbare, wiederholbare Ausgaben; ein hoher Wert erzeugt mehr Abwechslung, aber auch mehr Unberechenbarkeit. Die Temperature steuert also den Zufallsanteil in der Ausgabe — nicht deren fachliche Richtigkeit.
So wirkt der Wert
| Bereich | Verhalten | Geeignet für |
|---|---|---|
| 0 – 0,3 | Sehr konsistent, kaum Varianz | Extraktion, Klassifikation, Automatisierung |
| 0,5 – 0,8 | Ausgewogen | Textarbeit, Entwürfe, E-Mails |
| ab 1,0 | Variabel, überraschend, unzuverlässiger | Ideenfindung, kreative Aufgaben |
Technisch wählt das Modell für das nächste Token aus einer Rangliste möglicher Fortsetzungen. Bei niedriger Temperature greift es fast immer zur wahrscheinlichsten Option, bei hoher lässt es auch seltenere zu.
Was Temperature nicht leistet
Ein verbreitetes Missverständnis: Ein niedriger Wert macht Antworten nicht “wahrer”. Auch bei Temperature 0 kann ein Modell falsche Angaben erzeugen — es wird sie nur konsistenter wiederholen. Gegen inhaltliche Fehler helfen belegbare Quellen, etwa über RAG, nicht die Temperatureinstellung. Temperature beeinflusst die Streuung der Ausgabe, nicht deren Faktentreue.
Abgrenzung zu ähnlichen Reglern
Neben der Temperature bieten viele Schnittstellen weitere Parameter wie “Top-p”, die ebenfalls die Vielfalt der Ausgabe steuern. In der Praxis genügt es meist, an der Temperature zu drehen und die übrigen Regler auf Standard zu lassen. Wer beide gleichzeitig verstellt, erschwert sich die Fehlersuche.
Einordnung für den Mittelstand
Die Temperature lässt sich nur über Programmierschnittstellen (API) oder in Entwicklerwerkzeugen setzen — in den üblichen Chat-Oberflächen ist sie fest vorgegeben. Relevant wird sie, sobald Sie Sprachmodelle in eigene Abläufe einbinden. Als Orientierung: alles, was reproduzierbar sein muss, niedrig; alles, was Vielfalt braucht, höher. Bei der konkreten Einstellung für einen produktiven Ablauf unterstützt eine KI-Beratung.
Häufige Fragen
Welcher Wert ist der richtige?
Für Extraktion und Klassifikation 0 bis 0,3, für Textarbeit 0,5 bis 0,8, für kreative Aufgaben ab 1,0.
Was gilt in Automatisierungen?
Niedrig. Dort ist Wiederholbarkeit wichtiger als Abwechslung.
Was bewirkt die Temperature bei einem Sprachmodell?
Sie bestimmt, wie stark das Modell von der jeweils wahrscheinlichsten Fortsetzung abweichen darf. Niedrige Werte liefern vorhersagbare, wiederholbare Ausgaben, hohe Werte mehr Abwechslung — aber auch mehr Unberechenbarkeit.
Macht Temperature 0 die Antworten fehlerfrei?
Nein. Auch bei Temperature 0 kann ein Modell falsche Angaben erzeugen — es wiederholt sie nur konsistenter. Die Einstellung steuert die Streuung der Ausgabe, nicht deren Faktentreue; gegen inhaltliche Fehler helfen belegbare Quellen, etwa über RAG.
Wo kann ich die Temperature einstellen?
Nur über Programmierschnittstellen (API) oder in Entwicklerwerkzeugen. In den üblichen Chat-Oberflächen ist der Wert fest vorgegeben — relevant wird er erst, wenn Sprachmodelle in eigene Abläufe eingebunden werden.
Was ist der Unterschied zwischen Temperature und Top-p?
Beide steuern die Vielfalt der Ausgabe, setzen aber an unterschiedlichen Stellen an. In der Praxis genügt es meist, nur an der Temperature zu drehen und die übrigen Regler auf Standard zu lassen — wer beide gleichzeitig verstellt, erschwert sich die Fehlersuche.