KI-Technik
Temperatur (Sprachmodell)
Kurz gesagt: Die Temperatur ist ein Sampling-Parameter von Sprachmodellen, der steuert, wie zufällig das Modell beim Erzeugen des nächsten Tokens unter den wahrscheinlichen Kandidaten auswählt.
Definition: Temperatur (Sprachmodell)
Ein Sprachmodell berechnet für jedes mögliche nächste Token eine Wahrscheinlichkeit. Die Temperatur skaliert diese Verteilung, bevor gezogen wird: Niedrige Werte bevorzugen fast immer den wahrscheinlichsten Kandidaten, hohe Werte machen seltenere Kandidaten wahrscheinlicher. In der Anthropic-API reicht sie von 0,0 bis 1,0 mit Standardwert 1,0. Verwandte Stellschrauben sind Top-k und Top-p; Top-p (Nucleus Sampling) geht auf Holtzman et al. (2019) zurück und begrenzt die Auswahl auf die wahrscheinlichsten Kandidaten, deren Summe einen Schwellenwert erreicht.
Warum das für deine KI-Sichtbarkeit zählt
Technisch wirkt die Temperatur wie ein Regler für die Schärfe der Wahrscheinlichkeitsverteilung. Bei einem niedrigen Wert konzentriert sich fast die gesamte Wahrscheinlichkeit auf den Favoriten, das Ergebnis wird wiederholbarer und nüchterner. Bei einem hohen Wert rücken die Alternativen näher an den Favoriten heran, die Texte werden abwechslungsreicher und fehleranfälliger. Anthropic empfiehlt in der API-Dokumentation Werte nahe 0 für analytische Aufgaben und Werte nahe 1 für kreative. Wichtig ist der Nachsatz derselben Dokumentation: Auch bei 0,0 sind die Ergebnisse nicht vollständig deterministisch.
Der Parameter verliert an Bedeutung, weil neuere Modelle ihn nicht mehr freigeben. Laut Anthropic-Dokumentation (Stand September 2026) unterstützen Modelle, die nach Claude Opus 4.6 erschienen sind, keine frei gesetzte Temperatur mehr; akzeptiert wird nur noch der Wert 1,0. Auch bei Reasoning-Modellen anderer Anbieter ist der Wert je nach Modell eingeschränkt, deshalb lohnt vor jedem Test der Blick in die jeweilige API-Doku. Die Steuerung verlagert sich von Sampling-Parametern zu Anweisungen und Denkbudgets.
Für die KI-Sichtbarkeit ist ein anderer Punkt entscheidend. In ChatGPT, Perplexity oder den AI Overviews kann niemand die Temperatur einstellen, und dieselbe Frage liefert bei jedem Durchlauf eine etwas andere Antwort. Eine Marke, die im ersten Lauf genannt wird, fehlt im zweiten. Das liegt nicht allein am Sampling: Auch die abgerufenen Quellen, Modellversionen und Personalisierung ändern sich. Seriöses Prompt-Monitoring wiederholt jede Frage deshalb mehrfach und rechnet mit Anteilen wie der Nennungsrate, nicht mit Einzelbeobachtungen.
Ein hartnäckiger Irrtum lautet, eine niedrige Temperatur mache ein Modell wahrheitsgemäßer. Sie macht es nur gleichförmiger. Ein Modell kann bei Temperatur 0 zuverlässig denselben Fehler wiederholen; gegen Halluzinationen hilft eine gute Quellenlage, kein Regler. Wer eigene Messungen über die API fährt, dokumentiert Modell, Parameter und Datum und vergleicht nur Läufe mit identischen Einstellungen. Zudem gilt: API-Antworten ohne Websuche entsprechen nicht dem, was Menschen in der App sehen.
Praxisbeispiel
Die Marketingleiterin eines Softwarehauses stellt ChatGPT dreimal hintereinander die Frage nach CRM-Systemen für Handwerksbetriebe und erhält drei unterschiedliche Listen, einmal mit und zweimal ohne ihr Produkt. Statt daraus einen Absturz abzuleiten, lässt das Team jede Frage eines festen Prompt-Sets wöchentlich zehnmal laufen und wertet den Anteil der Läufe aus, in denen die Marke vorkommt.
Wenn du das nicht selbst aufbauen willst: Technik für KI-Sichtbarkeit: Crawler, Schema, llms.txt →
Was oft gefragt wird
Kann ich die Temperatur in ChatGPT selbst einstellen?
In der ChatGPT-App nicht. Die Temperatur ist ein Parameter der Entwickler-Schnittstelle, und selbst dort lassen neuere Modelle sie je nach Anbieter nicht mehr frei setzen. Im Alltag steuerst du Ausgaben über präzise Anweisungen, Beispiele und gewünschte Formate.
Ist ein Sprachmodell bei Temperatur 0 deterministisch?
Nicht vollständig. Anthropic weist ausdrücklich darauf hin, dass Ergebnisse auch bei 0,0 schwanken können. Ursachen liegen unter anderem in der Rechenumgebung. Für Messungen heißt das: mehrere Durchläufe und Auswertung von Anteilen statt eines einzelnen Screenshots.
Warum bekomme ich auf dieselbe Frage unterschiedliche Antworten?
Weil mehrere Zufalls- und Einflussquellen zusammenkommen. Das Sampling wählt Token mit Wahrscheinlichkeiten aus, die Websuche liefert je nach Zeitpunkt andere Quellen, und Modellversionen ändern sich. Eine einzelne Antwort ist deshalb eine Stichprobe, kein Ranking.
Weiter im Glossar
Quellen: Anthropic API-Dokumentation: Messages, Parameter temperature (Stand September 2026) · Holtzman et al., The Curious Case of Neural Text Degeneration (2019) (Stand September 2026)
Dieser Eintrag beschreibt den Stand zum Prüfdatum. Hinweise auf Fehler oder neue Entwicklungen nehmen wir gern per E-Mail entgegen. Zurück zum Glossar
Wirst du in KI-Antworten genannt?30 Minuten, kostenlos, mit ehrlicher Einschätzung.
Reden wir 30 Minuten darüber
Kostenlos, unverbindlich und mit einer ehrlichen Einschätzung, ob sich GEO bei dir gerade lohnt.