Lorixen.
DE

KI-Antworten als JSON: strukturierte Ausgaben für Automationen

Kurz gesagt: Wenn eine Automatisierung Texte von einem KI-Modell auswerten lässt, etwa Anfragen aus E-Mails sortieren oder Angaben aus Bestellungen herauslesen, scheitert sie oft nicht am Inhalt, sondern an der Form. Mal fehlt ein Feld, mal kommt ein Satz vor dem eigentlichen JSON, mal steht eine Zahl als Text da. Die großen Anbieter bieten dafür strukturierte Ausgaben: Sie geben ein JSON-Schema vor, und das Modell antwortet in genau dieser Struktur. Laut Dokumentation der Anbieter verhindert das ungültiges JSON und fehlende Pflichtfelder. Ganz ohne Prüfung geht es trotzdem nicht: Abgeschnittene Antworten, Ablehnungen und inhaltliche Fehler müssen Sie weiterhin abfangen.

Das Problem mit freiem Text

Ein typischer Ablauf in einem kleinen Betrieb: Anfragen kommen per E-Mail, ein KI-Modell liest sie und soll Name, Telefonnummer, gewünschte Leistung und Dringlichkeit herausziehen. Die Automatisierung übernimmt diese Angaben dann in das Kundensystem oder legt eine Aufgabe an.

Ohne feste Struktur antwortet das Modell mal mit einer schönen Liste, mal mit einem Fließtext, mal mit JSON, dem ein freundlicher Einleitungssatz vorangeht. Der nächste Schritt der Automatisierung erwartet aber genau ein bestimmtes Format. Die Folge sind abgebrochene Läufe, leere Felder im Kundensystem und Nacharbeit von Hand.

Die Dokumentation von Anthropic nennt die typischen Probleme ohne strukturierte Ausgaben: Fehler beim Einlesen wegen ungültiger JSON-Syntax, fehlende Pflichtfelder, uneinheitliche Datentypen und Verstöße gegen das Schema.

Was strukturierte Ausgaben leisten

Bei strukturierten Ausgaben schicken Sie zusammen mit der Anfrage ein JSON-Schema. Das Schema beschreibt, welche Felder es gibt, welchen Typ sie haben und welche Pflicht sind. Laut Anthropic beschränkt das Modell seine Antwort dann technisch auf diese Struktur. OpenAI beschreibt in seiner Dokumentation ebenfalls, dass Antworten mit Structured Outputs dem vorgegebenen Schema folgen und Ablehnungen aus Sicherheitsgründen im Programm erkennbar sind.

Für Ihre Automatisierung heißt das: Der nächste Schritt kann sich auf Feldnamen und Datentypen verlassen, statt Text zu interpretieren.

Wo das im Betrieb hilft

Strukturierte Ausgaben lohnen sich überall dort, wo nach dem KI-Schritt ein Programm weiterarbeitet und kein Mensch:

  • Anfragen aus E-Mails oder Formularen in Felder des Kundensystems übertragen,
  • Lieferscheine oder Auftragsbestätigungen nach Artikelnummer, Menge und Liefertermin auslesen,
  • Rückmeldungen von Kundinnen nach Thema und Stimmung einordnen,
  • Produktbeschreibungen in feste Abschnitte wie Material, Maße und Pflegehinweise zerlegen.

Wo am Ende ohnehin ein Mensch den Text liest, etwa bei einem Antwortentwurf, ist freier Text oft die bessere Wahl.

Neben den JSON-Ausgaben bieten manche Anbieter eine strenge Variante für Werkzeugaufrufe an, bei der auch die Eingaben an Ihre eigenen Funktionen dem Schema folgen. Laut Anthropic lassen sich beide Funktionen getrennt oder gemeinsam verwenden.

Schritt 1: Ein schlankes Schema entwerfen

Überlegen Sie, was der nächste Schritt wirklich braucht. Für das Beispiel der Anfragen etwa:

  • Name als Text,
  • Telefonnummer als Text, weil führende Nullen und Pluszeichen sonst verloren gehen,
  • Leistung als Auswahl aus einer festen Liste, etwa „Reparatur“, „Neuinstallation“, „Wartung“, „Sonstiges“,
  • Dringlichkeit als Auswahl aus „hoch“, „normal“, „niedrig“,
  • eine kurze Zusammenfassung als Text.

Feste Auswahllisten, im Schema als enum bezeichnet, sind besonders nützlich. Sie verhindern, dass das Modell eigene Kategorien erfindet, die Ihr Kundensystem nicht kennt.

Halten Sie das Schema klein. Jedes zusätzliche Feld ist eine weitere Stelle, an der das Modell raten muss.

Schritt 2: Die Grenzen des Schemas kennen

Nicht jede Regel aus dem JSON-Schema-Standard wird unterstützt. Anthropic nennt in seiner Dokumentation unter anderem Zahlenbereiche wie minimum und maximum, Längenvorgaben für Texte und rekursive Strukturen als nicht unterstützt. Wer solche Angaben verwendet, erhält laut Dokumentation einen Fehler. Außerdem verlangt Anthropic, dass additionalProperties bei Objekten auf false steht.

Daraus folgt: Prüfregeln wie „Postleitzahl hat fünf Stellen“ gehören nicht ins Schema an das Modell, sondern in eine Prüfung danach.

Schritt 3: Die Sonderfälle abfangen

Strukturierte Ausgaben sorgen für die Form, nicht für jeden Fall. Laut Anthropic-Dokumentation gibt es Situationen, in denen die Antwort trotzdem nicht zum Schema passt:

  • Die Antwort wurde abgeschnitten, weil die maximale Ausgabelänge erreicht war. Dann ist die Ausgabe unvollständig. Die Dokumentation empfiehlt, mit einer höheren Grenze erneut anzufragen.
  • Das Modell lehnt aus Sicherheitsgründen ab. Dann hat die Ablehnung Vorrang vor dem Schema.
  • Groß- und Kleinschreibung bei Auswahlwerten ist laut Anthropic nicht garantiert. Vergleichen Sie Auswahlwerte deshalb ohne Rücksicht auf die Schreibweise.

Ihre Automatisierung sollte den Grund für das Ende der Antwort prüfen und solche Fälle in eine Liste für die manuelle Prüfung schreiben, statt sie stillschweigend weiterzureichen.

Schritt 4: Inhalt plausibilisieren

Eine formal korrekte Antwort kann inhaltlich falsch sein. Das Modell kann eine Telefonnummer aus der Signatur eines Weiterleitenden übernehmen oder eine Anfrage falsch einstufen. Bauen Sie deshalb einfache Prüfungen ein:

  • Ist die Telefonnummer im Originaltext enthalten?
  • Ist der Name nicht leer?
  • Landen ungewöhnliche Fälle, etwa „Sonstiges“ mit hoher Dringlichkeit, bei einer Person zur Kontrolle?

Kosten und Tempo

Laut Anthropic gibt es beim ersten Einsatz eines neuen Schemas eine zusätzliche Wartezeit, weil das Schema vorbereitet wird. Danach wird es zwischengespeichert. Wenn Sie das Schema häufig ändern, kann das spürbar werden. Legen Sie es deshalb erst fest, wenn der Ablauf steht.

Ein Beispiel zur Veranschaulichung

Frei erfunden: Ein Elektrobetrieb aus Würzburg bekommt Anfragen über ein Kontaktformular und per E-Mail. Bisher hat ein KI-Schritt eine Zusammenfassung als Text geliefert, die eine Mitarbeiterin von Hand ins Kundensystem kopiert hat. Mit einem Schema aus fünf Feldern und festen Auswahllisten übernimmt die Automatisierung die Angaben nun direkt. Abgeschnittene oder abgelehnte Antworten landen in einem eigenen Ordner, den das Büro täglich durchsieht.

Häufige Fragen

Reicht es nicht, im Prompt „antworte nur mit JSON“ zu schreiben?

Das hilft oft, garantiert aber nichts. Strukturierte Ausgaben beschränken die Antwort laut Anbieter-Dokumentation technisch auf das Schema.

Was mache ich mit Anfragen in mehreren Sprachen?

Das Schema bleibt gleich. Legen Sie fest, in welcher Sprache Freitextfelder wie die Zusammenfassung ausgegeben werden sollen, und halten Sie Auswahllisten in einer einheitlichen Sprache. So bleibt die Auswertung im Kundensystem sauber, auch wenn Anfragen auf Englisch oder Italienisch eintreffen.

Funktioniert das mit jedem Modell?

Nein. Die Anbieter nennen in ihrer Dokumentation, welche Modelle die Funktion unterstützen. Prüfen Sie das vor der Umstellung.

Brauche ich danach keine Prüfung mehr?

Doch. Die Form ist abgesichert, der Inhalt nicht. Plausibilitätsprüfungen und eine Liste für unklare Fälle bleiben wichtig.

Wenn Ihre KI-Automatisierung an uneinheitlichen Antworten scheitert, stellen wir sie gerne gemeinsam auf feste Strukturen um: KI-Ablauf besprechen.

Quellen

WhatsAppTermin buchen