Temperature
Temperature ist ein Parameter bei Sprachmodellen, der steuert, wie stark der Zufall bei der Auswahl des nächsten Wortes mitspielt. Niedrige Werte liefern vorhersehbare, gleichbleibende Antworten, hohe Werte variantenreichere und kreativere, aber weniger verlässliche Ergebnisse.
Auch bekannt als: Temperatur, Sampling Temperature, Kreativitätsparameter, Zufallsparameter
Was ist Temperature?
Temperature ist ein Parameter bei Sprachmodellen, der steuert, wie stark der Zufall bei der Auswahl des nächsten Wortes mitspielt. Niedrige Werte liefern vorhersehbare, gleichbleibende Antworten, hohe Werte variantenreichere und kreativere, aber weniger verlässliche Ergebnisse.
Ein Large Language Model berechnet bei jedem Schritt eine Wahrscheinlichkeitsverteilung über alle möglichen nächsten Token. Nach “Sehr geehrte Damen und” ist “Herren” mit Abstand am wahrscheinlichsten, aber auch andere Fortsetzungen haben eine kleine Wahrscheinlichkeit. Die Temperature entscheidet, wie das Modell mit dieser Verteilung umgeht: Bei niedrigen Werten nimmt es fast immer das wahrscheinlichste Token, bei hohen Werten gibt es auch unwahrscheinlicheren Fortsetzungen eine Chance.
Der Name stammt aus der Physik, wo Temperatur die Bewegung von Teilchen beschreibt. Ein Modell mit hoher Temperature “bewegt sich” freier durch die Möglichkeiten, eines mit niedriger bleibt auf dem sichersten Pfad. Für den Alltag genügt das Bild: niedrig gleich verlässlich und gleichförmig, hoch gleich abwechslungsreich und unberechenbarer.
Wie sich der Wert auf die Antworten auswirkt
Bei Claude liegt der Bereich zwischen 0 und 1, der Standardwert ist 1. Andere Anbieter erlauben Werte bis 2, weshalb Empfehlungen aus dem Internet nicht ohne Weiteres übertragbar sind.
Bei einem Wert nahe 0 antwortet das Modell auf dieselbe Frage nahezu identisch, unabhängig davon, wie oft man sie stellt. Die Formulierungen sind konventionell, die Struktur bleibt gleich. Das ist erwünscht, wenn ein Prozess auf gleichbleibende Ergebnisse angewiesen ist, etwa beim Auslesen von Rechnungsdaten in ein festes Format oder beim Zuordnen von Anfragen zu Kategorien.
Bei mittleren Werten variiert das Modell Formulierungen und Reihenfolgen, bleibt aber inhaltlich stabil. Für die meisten Textaufgaben im Unternehmen, von E-Mail-Entwürfen bis zu Zusammenfassungen, ist das der sinnvolle Bereich. Bei hohen Werten werden die Antworten überraschender, manchmal origineller, manchmal unpassend. Für Ideensammlungen, Namensvorschläge oder Werbetextvarianten kann das gewünscht sein.
Die Temperature ändert nichts daran, was das Modell weiß. Sie beeinflusst nur, wie es aus seinem Wissen Text formt. Eine niedrige Einstellung macht Antworten gleichmäßiger, aber nicht richtiger. Gegen Halluzinationen helfen Quellen und Anweisungen deutlich mehr als der Parameter.
Wo der Parameter eingestellt wird
In der Chat-Oberfläche von Claude ist die Temperature nicht einstellbar. Anthropic hat dort einen Wert gewählt, der für die Mehrheit der Gespräche passt. Wer im Chat mehr Gleichmäßigkeit will, erreicht das durch präzise Anweisungen, Beispiele und feste Formatvorgaben, wie sie das Prompt Engineering beschreibt.
Einstellbar ist der Parameter über die Claude API, in Werkzeugen wie n8n, die die API verwenden, und in Entwicklungsumgebungen. Dort wird er pro Anfrage übergeben, sodass verschiedene Schritte eines Prozesses verschiedene Werte nutzen können. Ein Workflow kann Anfragen mit niedriger Temperature klassifizieren und mit mittlerer beantworten.
Neben der Temperature gibt es verwandte Parameter wie Top-p, die die Auswahl auf andere Weise einschränken. Anthropic empfiehlt, entweder Temperature oder Top-p anzupassen, nicht beide zugleich. Für die meisten Anwendungen reicht die Temperature.
Praxisbeispiel aus dem Unternehmensalltag
Ein Möbelhändler mit 35 Mitarbeitenden nutzt Claude über n8n in zwei Prozessen. Im ersten werden eingehende Kundenmails einer von acht Kategorien zugeordnet, etwa Lieferanfrage, Reklamation, Stornierung. Der Prozess lief anfangs mit dem Standardwert, und bei gleichen Mails kam gelegentlich eine andere Kategorie heraus, was die Weiterleitung unzuverlässig machte. Nach dem Absenken der Temperature auf einen Wert nahe 0 ist die Zuordnung stabil.
Im zweiten Prozess entstehen Produktbeschreibungen für den Onlineshop aus technischen Daten. Hier störte das Gegenteil: Mit niedrigem Wert klangen alle Beschreibungen gleich, und Kunden fanden im Shop dutzendfach dieselben Formulierungen. Mit einem mittleren Wert und einer Anweisung, Satzanfänge zu variieren, werden die Texte abwechslungsreicher, ohne dass Angaben zu Maßen oder Material sich verändern. Diese bleiben als feste Daten im Prompt und werden vom Modell übernommen, nicht erfunden. Wie solche Prozesse aufgebaut werden, beschreibt der Artikel Claude und n8n: Prozesse mit KI automatisieren.
Bedeutung für kleine und mittelständische Unternehmen
Für die meisten Mitarbeitenden in KMU, die Claude im Chat nutzen, spielt die Temperature keine Rolle. Sie erklärt allenfalls, warum dieselbe Frage zu leicht unterschiedlichen Antworten führt, und warum das kein Fehler ist. Wer im Chat gleichbleibende Ergebnisse braucht, arbeitet mit Vorlagen und Beispielen, wie im Praxisleitfaden Claude richtig prompten beschrieben.
Für KMU mit Automatisierungen ist der Parameter dagegen ein einfaches Werkzeug mit spürbarer Wirkung. Die Regel: Wo das Ergebnis in eine feste Struktur passen oder in ein anderes System übergeben werden soll, niedrig einstellen. Wo Text für Menschen entsteht und Abwechslung gewünscht ist, mittlere Werte. Bei der Claude Automatisierung wird der Wert pro Prozessschritt festgelegt und mit echten Fällen getestet. Ob ein Vorhaben überhaupt über die API laufen sollte oder die Chat-Oberfläche reicht, klärt die Claude Beratung.
Vorteile und Grenzen
Der Vorteil des Parameters liegt in seiner Einfachheit. Ein einziger Wert entscheidet über Gleichmäßigkeit oder Vielfalt, und er lässt sich ohne Änderung am Prompt anpassen. In Automatisierungen ist er oft der erste Hebel, wenn Ergebnisse zu schwankend oder zu eintönig sind.
Die Grenzen: Temperature beeinflusst die Form, nicht den Inhalt. Sie macht falsche Antworten nicht richtig und fehlendes Wissen nicht vorhanden. Und selbst der Wert 0 garantiert keine exakt identischen Ergebnisse, weshalb Prozesse so gebaut sein sollten, dass kleine Abweichungen unschädlich sind. Wer die Temperature als Feinjustierung versteht und nicht als Qualitätsschalter, setzt sie richtig ein.