Was ist Function Calling?
Function Calling ist eine Fähigkeit moderner Large Language Models, bei der das Modell nicht nur Text generiert, sondern gezielt vordefinierte Funktionen oder Werkzeuge aufruft. Statt eine Antwort zu erfinden, erkennt das Modell, wann eine externe Aktion sinnvoll ist – etwa eine Datenbankabfrage, ein API-Call oder eine Berechnung – und gibt strukturiert die Parameter zurück, die für diesen Aufruf benötigt werden. Function Calling ist damit die technische Grundlage für KI-Systeme, die nicht nur reden, sondern auch handeln.
Wie funktioniert Function Calling?
Du definierst vorab eine oder mehrere Funktionen mit Namen, Beschreibung und erwarteten Parametern – ähnlich wie ein Formular mit Feldern. Diese Definitionen übergibst du zusammen mit dem Nutzer-Prompt an das Modell. Das Modell entscheidet dann, ob eine der Funktionen zur Beantwortung der Anfrage geeignet ist. Falls ja, gibt es kein Freitext-Ergebnis zurück, sondern ein strukturiertes Objekt mit dem Funktionsnamen und den passenden Parameterwerten.
Deine Anwendung übernimmt den eigentlichen Aufruf – das Modell selbst führt keine externe Aktion aus. Du erhältst also zum Beispiel {"function": "getOrderStatus", "orderId": "12345"}, rufst damit deine eigene Logik auf und schickst das Ergebnis zurück ans Modell, das daraus dann eine verständliche Antwort formuliert. Dieser Ablauf macht Function Calling besonders sicher und kontrollierbar, weil dein Code die Ausführungshoheit behält.
Vorteile für Unternehmen
- Zuverlässige Datenanbindung: Statt halluzinierter Antworten liefert das Modell echte Daten aus deinen Systemen – etwa Lagerbestände, Kundendaten oder aktuelle Preise.
- Strukturierte Ausgaben ohne Nachbearbeitung: Function Calling erzwingt ein definiertes Ausgabeformat, was den Aufwand für das Parsen und Validieren von Modell-Antworten deutlich reduziert.
- Automatisierung von Prozessschritten: Wiederkehrende Aktionen wie das Anlegen von Tickets, das Versenden von E-Mails oder das Buchen von Terminen lassen sich direkt in KI-Workflows integrieren.
- Kontrollierbare Sicherheitsgrenzen: Da dein Code entscheidet, welche Funktionen überhaupt verfügbar sind, behältst du die volle Kontrolle darüber, was das Modell auslösen kann und was nicht.
Praxisbeispiele
Beispiel 1: Kundendienst im E-Commerce
Ein Onlinehändler setzt einen Chatbot im Kundendienst ein. Fragt ein Kunde nach dem Status seiner Bestellung, erkennt das Modell dank Function Calling, dass es die Funktion getOrderStatus mit der Bestellnummer aufrufen soll. Der Chatbot ruft damit die interne API ab, erhält den tatsächlichen Lieferstatus und gibt eine präzise Antwort zurück – ohne manuelle Weiterleitung an einen Agenten.
Beispiel 2: Internes Wissensmanagement im Maschinenbau
Ein mittelständischer Maschinenbauer gibt Servicetechnikern Zugang zu einem KI-Assistenten. Stellt ein Techniker eine Frage zu einem Ersatzteil, ruft das Modell über Function Calling eine Funktion auf, die das ERP-System nach Verfügbarkeit und Lieferzeit abfragt. Die Antwort basiert auf Echtdaten statt auf veralteten Dokumenten – das spart Rückfragen und beschleunigt die Servicezeit.
Worauf du achten solltest
Function Calling verlagert Verantwortung in deine Anwendungslogik: Wenn eine Funktion fehlerhaft definiert ist oder das Modell falsche Parameter liefert, führt das zu echten Aktionen mit realen Konsequenzen. Definiere deshalb Funktionen so präzise wie möglich und baue Validierungsschritte ein, bevor du Aufrufe ausführst. Beachte außerdem, dass nicht alle Modelle Function Calling gleich gut unterstützen – teste die Zuverlässigkeit des gewählten Modells für deine spezifischen Anwendungsfälle. Für komplexe Abläufe mit mehreren Funktionen lohnt ein Blick auf Frameworks wie LangChain oder den MCP-Standard, der Werkzeugaufrufe modellübergreifend vereinheitlicht.
Häufige Fragen
Führt das Modell die Funktion selbst aus?
Nein. Das Modell gibt nur zurück, welche Funktion mit welchen Parametern aufgerufen werden soll. Die tatsächliche Ausführung liegt immer in deinem Code – das Modell hat keinen direkten Zugriff auf externe Systeme.
Funktioniert Function Calling mit allen Sprachmodellen?
Nein. Function Calling wird von GPT-4, Claude und Gemini nativ unterstützt. Ältere oder kleinere Modelle bieten diese Fähigkeit oft nicht oder nur eingeschränkt. Prüfe die Dokumentation deines Modellanbieters.
Was unterscheidet Function Calling von einem einfachen API-Aufruf?
Ein normaler API-Aufruf wird von deinem Code ausgelöst. Function Calling lässt das Sprachmodell entscheiden, wann und mit welchen Parametern ein Aufruf sinnvoll ist – basierend auf dem natürlichsprachlichen Kontext der Anfrage.
Fazit
Function Calling ist der entscheidende Baustein, um KI-Assistenten von reinen Textgeneratoren zu nützlichen Werkzeugen in deinen Geschäftsprozessen zu machen. Wer Echtdaten aus CRM, ERP oder eigenen APIs direkt in KI-Antworten einbinden möchte, kommt an Function Calling nicht vorbei. Der Einstieg ist technisch überschaubar – der Mehrwert für Automatisierung und Datenqualität aber erheblich.