Ein Modellaufruf, Schritt für Schritt
Kontext erhalten
Auftrag, Regeln und ausgewählte Informationen bilden die Eingabe des aktuellen Modellaufrufs.
Bei LeaAuftrag: Termin mit Lea. Notiz aus dem Gedächtnis: Lea bevorzugt vormittags.
Nächsten Schritt erzeugen
Das Modell formuliert eine Antwort oder einen Werkzeugaufruf mit passenden Eingabewerten.
Bei LeaDas Modell schlägt vor, den Kalender für diese Woche zu durchsuchen.
Ausführen und beobachten
Die Laufzeit führt erlaubte Aufrufe aus und liefert Ergebnisse an das Modell zurück.
Bei LeaDie Laufzeit führt die Suche aus und legt drei freie Zeiten in den Kontext.
Prüfen und fortsetzen
Rückmeldungen zeigen Fortschritt oder Fehler. Daraus folgt ein weiterer Schritt oder der Abschluss.
Bei LeaDie Zeiten sind da, die Einladung fehlt noch. Also folgt ein weiterer Modellaufruf.
SELBST AUSPROBIEREN
Was ändert das Modell wirklich?
Manches verändert die Gewichte, also die gelernten Zahlen im Modell. Anderes liefert nur Arbeitsmaterial für den aktuellen Aufruf. Was trifft jeweils zu?
Du lädst deine Projektunterlagen in den Chat hoch.
Richtig.Nicht ganz. Nur der Kontext Die Unterlagen sind Arbeitsmaterial für dieses Gespräch. Das Modell lernt dadurch nicht dauerhaft dazu.
Der Anbieter trainiert eine neue Modellversion.
Richtig.Nicht ganz. Die Gewichte Beim Training werden die Gewichte angepasst. So entstehen die gelernten Muster.
Du schreibst: Antworte bitte auf Deutsch.
Richtig.Nicht ganz. Nur der Kontext Anweisungen im Prompt lenken die Ausgabe. Die Parameter bleiben bei gewöhnlicher Inferenz unverändert.
Ein Team trainiert das Modell mit eigenen Beispielen nach.
Richtig.Nicht ganz. Die Gewichte Zusätzliches Training kann die Gewichte verändern. Das ist ein eigener Vorgang außerhalb des normalen Gesprächs.
0 von 4 richtig.
STIMMT DAS?
Drei Sätze, die man oft hört.
Das Modell führt Werkzeuge selbst aus.
Richtig.Nicht ganz. Stimmt nicht Es erzeugt einen Aufruf. Die Laufzeit führt erlaubte Aufrufe aus und setzt Zugriffsregeln durch.
Gleiche Eingabe bedeutet immer gleiche Antwort.
Richtig.Nicht ganz. Stimmt nicht Ausgaben können bei gleichen Eingaben variieren. Darum braucht es Prüfungen, die zur Aufgabe passen.
Auch ein sicher formuliertes Ergebnis braucht eine Prüfung.
Richtig.Nicht ganz. Stimmt Sprachliche Sicherheit ist als Erfolgsnachweis ungeeignet. Aussagekräftig sind etwa bestandene Tests oder nachvollziehbare Quellen.
0 von 3 richtig.
Die Zusammenhänge vertiefen
Training prägt die Fähigkeiten
Beim Training werden Gewichte angepasst: die Zahlen, mit denen das neuronale Netz seine Berechnungen ausführt. So entstehen gelernte Muster. Zusätzliches Training kann diese Gewichte verändern; das Bereitstellen von Projektunterlagen im Gespräch liefert dagegen aktuellen Arbeitskontext.
Inferenz nutzt das Gelernte
Die Anwendung eines trainierten Modells heißt Inferenz. Dabei verarbeitet es die aktuelle Eingabe mit seinen vorhandenen Gewichten. Beispiele und Anweisungen im Prompt können die Ausgabe lenken, während die Modellparameter bei gewöhnlicher Inferenz unverändert bleiben.
Die Schleife macht Arbeitsschritte möglich
Ein Agent verbindet wiederholte Modellaufrufe mit einer Laufzeit: der Software, die den Ablauf steuert. Werkzeugergebnisse ergänzen den Kontext. Das Modell kann daraufhin seinen nächsten Schritt anpassen; die Laufzeit setzt Zugriffsregeln und Abbruchbedingungen durch.
Ergebnisse brauchen passende Prüfungen
Ausgaben können bei gleichen Eingaben variieren. Aussagekräftige Prüfungen beziehen sich deshalb auf die konkrete Aufgabe: etwa bestandene Tests, nachvollziehbare Quellen oder erfüllte Anforderungen. Sprachliche Sicherheit allein ist als Erfolgsnachweis ungeeignet.
Grundlagen und Primärquellen geprüft am 05.11.2026. Die Beispiele erklären das Prinzip; konkrete Produkte können davon abweichen.