Temperature (LLM-Parameter)

Temperature ist ein Steuerparameter bei der Textgenerierung eines Sprachmodells. Er beeinflusst, wie stark das Modell bei der Wahl des jeweils nächsten Wortes vom wahrscheinlichsten Vorschlag abweichen darf. Ein Sprachmodell berechnet für jeden Schritt eine Wahrscheinlichkeitsverteilung über mögliche nächste Tokens - Temperature entscheidet, wie entschlossen oder wie offen aus dieser Verteilung ausgewählt wird.

Was Temperature bewirkt

• Niedrige Temperature: Das Modell wählt fast immer die wahrscheinlichsten Tokens. Die Ausgabe wird deterministischer, wiederholbarer und faktennäher - ideal für Aufgaben mit einer klaren richtigen Antwort wie Extraktion, Klassifikation oder Code.
• Hohe Temperature: Auch unwahrscheinlichere Tokens kommen häufiger zum Zug. Die Ausgabe wird vielfältiger und weniger vorhersehbar - passend für Brainstorming, Varianten oder kreative Texte, aber mit höherem Risiko für Abschweifen und Halluzinationen.
• Mittelwerte: Ein ausgewogener Bereich hält die Ausgabe natürlich, ohne sie starr oder beliebig werden zu lassen.

Temperature und Top-p

Temperature wird meist zusammen mit Top-p (Nucleus Sampling) betrachtet. Beide steuern die Vielfalt der Ausgabe, aber auf unterschiedliche Weise: Temperature skaliert die gesamte Wahrscheinlichkeitsverteilung, während Top-p die Auswahl auf die kleinste Menge an Tokens begrenzt, deren Wahrscheinlichkeiten zusammen einen Schwellenwert erreichen. In der Praxis verändert man üblicherweise einen der beiden Werte gezielt, statt beide gleichzeitig aggressiv zu drehen, um die Wirkung nachvollziehbar zu halten.

Wann welcher Wert?

Die richtige Einstellung folgt aus der Aufgabe, nicht aus einer festen Regel. Faktenarbeit, strukturierte Ausgaben und reproduzierbare Ergebnisse verlangen niedrige Werte; kreative oder explorative Aufgaben profitieren von höheren. Temperature ist damit ein Baustein des Prompt Engineering und wirkt zusammen mit der Prompt-Gestaltung - auch Techniken wie Few-Shot-Prompting stabilisieren das Ergebnis zusätzlich, unabhängig vom gewählten Temperature-Wert.

Temperature bei Elasticbrains

Wir stimmen Temperature, Top-p und Prompt-Aufbau je Anwendungsfall aufeinander ab - deterministisch dort, wo Verlässlichkeit zählt, offener dort, wo Varianz gewünscht ist. Wie daraus eine belastbare KI-Anwendung entsteht, zeigen wir auf unserer Leistungsseite KI-Entwicklung.

Weiterführende Ressourcen

• Glossar: Prompt Engineering, LLM, Few-Shot-Prompting
• Leistung: KI-Entwicklung