Schon seit Jahren beschäftigen wir SOPHISTen uns mit der Genauigkeit der Sprache.
Mit dem Regelwerk für natürlichsprachliche Anforderungen – dem SOPHIST REgelwerk – haben wir einen Leitfaden für Requirements Engineers kreiert, der auf der ganzen Welt genutzt wird. Da KI-Systeme nun immer mehr im Engineering Kontext eingesetzt werden, haben wir uns auch in diesem Kontext mit der Genauigkeit des Promptings beschäftigt. Doch auch auf der Seite der KI-Systeme kann an der Genauigkeit der Antworten geschraubt werden, indem man einen Parameter anpasst: Die Temperatur.
![](https://blog.sophist.de/wp-content/uploads/2024/07/BLOG-Beitrags-Bild-1.png)
Von dem Parameter „Temperatur“ im Kontext von KI-Systemen spricht man, wenn man einstellen möchte, wie vorhersehbar oder präzise die Antwort der KI aussehen soll. Der Wertebereich reicht hier von 0 bis 1 und lässt sich in drei Abschnitte unterteilen:
- 0-0.3: Genaue Antwort
- 0.4-0.6: Ausgewogene Antwort
- 0.7-1: Kreative Antwort
Soll die Antwort sachlich und nachvollziehbar sein, wird eine eher niedrige Temperatur gewählt. Im Engineering Kontext ist das natürlich von hoher Wichtigkeit. Eine präzise und genaue Antwort kann helfen, Fehler zu vermeiden und die Effizienz zu steigern.
Eine Temperatur im Bereich von 0 bis 0.3 sorgt dafür, dass die KI vorhersehbar und konsistent reagiert. Das ist besonders wichtig bei komplexen technischen Fragestellungen, bei denen eine präzise Antwort erforderlich ist. Hier können bereits kleine Ungenauigkeiten zu erheblichen Problemen führen. Beispielsweise ist das Ziehen eines Traces zwischen Anforderungen, eine Tätigkeit, bei der es entscheidend ist, den genauen Ursprung einer Anforderung eindeutig nachzuverfolgen. Traces zu Anforderungen, die möglicherweise mit der Ursprungs Anforderung in Verbindung stehen, könnten zu Inkonsistenzen und Konflikten führen.
Eine ausgewogene Antwort, die im Bereich von 0.4 bis 0.6 liegt, kann nützlich sein, wenn man eine Balance zwischen Genauigkeit und kreativen Vorschlägen sucht. Dies könnte beispielsweise in frühen Phasen der Produktentwicklung oder bei der Ideengenerierung hilfreich sein, wo neue Perspektiven willkommen sind, aber dennoch eine gewisse Verlässlichkeit gefragt ist.
Bei einer höheren Temperatur, also im Bereich von 0.7 bis 1.0, wird die KI dazu angeregt, kreativere und weniger vorhersehbare Antworten zu geben. Dies kann in Situationen nützlich sein, in denen innovative Ansätze und unkonventionelle Lösungen gefragt sind. Allerdings ist dabei die Gefahr größer, dass die Antworten weniger präzise und konsistent sind. Bei Ermittlungstechniken wie dem Brainstorming oder der 3-5-6 Methode kann ein KI-System eingesetzt werden um einen Stakeholder zu simulieren.
Im Engineering Kontext kommt es also darauf an, die richtige Balance zu finden und die Temperatur an die jeweilige Anforderung anzupassen. Hierbei bietet es sich an mit einer niedrigen Temperatur zu starten und sie je nach Kontext nach und nach zu erhöhen um die Richtige Einstellung zu finden. Durch das Finetuning der Temperatur können Ingenieure sicherstellen, dass die KI genau die Art von Unterstützung bietet, die sie benötigen – sei es durch präzise und sachliche Antworten oder durch kreative und innovative Ideen.
Abschließend lässt sich sagen, dass das Verständnis und die richtige Einstellung der Temperatur ein entscheidender Faktor dafür sein kann, wie effektiv KI-Systeme im Engineering Kontext eingesetzt werden können.
Wir SOPHISTen haben daher stets im Blick, wie wir durch gezieltes Finetuning der KI die bestmöglichen Ergebnisse erzielen können.
Haben Sie auch schon Erfahrungen gesammelt bzgl. Temperatur beim prompten bzw. dem Einsatz von KI-Systemen im Zusammenhang mit Ihrem Requirements Engineering?
Wir sind neugierig und freuen uns über Ihre Kommentare.
Beste Grüße, Ihre SOPHISTen