Temperature — Kreativität und Zufälligkeit von KI steuern
Temperature ist ein Parameter, der steuert, wie kreativ oder vorhersagbar die Antworten eines LLMs ausfallen.
Was ist Temperature?
Temperature ist ein Parameter, den du beim Aufruf eines LLMs einstellen kannst. Er bestimmt, wie „kreativ" oder „zufällig" die Antwort ausfällt. Der Wert liegt typischerweise zwischen 0 und 1 (manche Modelle erlauben auch bis 2).
- Temperature 0: Das Modell wählt immer das wahrscheinlichste nächste Wort. Die Antworten sind deterministisch und konsistent — dieselbe Frage liefert (fast) immer dieselbe Antwort.
- Temperature 1: Das Modell wählt auch weniger wahrscheinliche Wörter aus. Die Antworten werden vielfältiger, überraschender — aber auch unvorhersehbarer.
Wie funktioniert Temperature technisch?
Wenn ein LLM Text generiert, berechnet es für jedes mögliche nächste Token eine Wahrscheinlichkeit. Temperature verändert diese Wahrscheinlichkeitsverteilung. Bei niedriger Temperature werden die Unterschiede zwischen wahrscheinlichen und unwahrscheinlichen Tokens verstärkt — das Modell bleibt bei der sicheren Wahl. Bei hoher Temperature werden die Unterschiede abgeflacht — auch ungewöhnliche Tokens bekommen eine Chance.
Wann niedrig, wann hoch?
Die richtige Temperature hängt von deiner Aufgabe ab:
Niedrige Temperature (0–0.3) für:
- Code-Generierung — du willst korrekte Syntax, keine kreativen Überraschungen
- Faktenbasierte Antworten — Zusammenfassungen, Analysen, Datenextraktion
- Konsistente Outputs — wenn dieselbe Eingabe immer dasselbe Ergebnis liefern soll
Hohe Temperature (0.7–1.0) für:
- Kreativtexte — Blogposts, Marketingtexte, Brainstorming
- Ideenfindung — wenn du möglichst unterschiedliche Vorschläge brauchst
- Dialoge und Storytelling — natürlicher klingende Sprache
Temperature im Vibe-Coding-Alltag
In Tools wie Cursor oder Claude Code ist die Temperature meist auf einen sinnvollen Standardwert eingestellt. Wenn du die API direkt nutzt, kannst du den Wert selbst setzen. Ein praktischer Tipp: Starte mit Temperature 0 für Code und erhöhe schrittweise, wenn dir die Ergebnisse zu gleichförmig erscheinen. So findest du schnell den Sweet Spot für dein Projekt.
Häufige Fragen
Was ist Temperature bei einem LLM?
Temperature ist ein Parameter, den du beim Aufruf eines LLMs einstellen kannst. Er bestimmt, wie kreativ oder zufällig die Antwort ausfällt. Der Wert liegt typischerweise zwischen 0 und 1, manche Modelle erlauben bis 2. Bei Temperature 0 wählt das Modell immer das wahrscheinlichste nächste Wort und antwortet konsistent, bei Temperature 1 werden die Antworten vielfältiger und unvorhersehbarer.
Welche Temperature sollte ich für Code-Generierung wählen?
Für Code-Generierung eignet sich eine niedrige Temperature von 0 bis 0.3, weil du korrekte Syntax und keine kreativen Überraschungen willst. Auch für faktenbasierte Antworten und konsistente Outputs ist ein niedriger Wert richtig. Ein praktischer Tipp: Starte mit Temperature 0 und erhöhe den Wert schrittweise, wenn dir die Ergebnisse zu gleichförmig erscheinen. Hohe Werte von 0.7 bis 1.0 passen zu Kreativtexten und Brainstorming.
Wie funktioniert Temperature technisch?
Wenn ein LLM Text generiert, berechnet es für jedes mögliche nächste Token eine Wahrscheinlichkeit. Temperature verändert diese Wahrscheinlichkeitsverteilung. Bei niedriger Temperature werden die Unterschiede zwischen wahrscheinlichen und unwahrscheinlichen Tokens verstärkt — das Modell bleibt bei der sicheren Wahl. Bei hoher Temperature werden die Unterschiede abgeflacht, sodass auch ungewöhnliche Tokens eine Chance bekommen.
Quellen
- Create chat completion — OpenAI API Reference — OpenAI (abgerufen 2026-07-13)
Verwandte Artikel
System Prompt — Die versteckte Anweisung hinter der KI
Ein System Prompt ist eine versteckte Anweisung, die das Verhalten, die Rolle und die Regeln eines LLMs definiert.
Chain of Thought — Schritt für Schritt zum besseren Ergebnis
Chain of Thought ist eine Prompting-Technik, bei der das LLM Schritt für Schritt denkt, bevor es eine Antwort gibt.
Inference — Wenn das KI-Modell eine Antwort generiert
Inference ist der Prozess, bei dem ein trainiertes LLM eine Eingabe verarbeitet und eine Antwort generiert.