Von KI-Text zu verlässlichen Daten: Strukturierte Ausgaben richtig nutzen
Eine KI kann eine Anfrage überzeugend zusammenfassen und trotzdem die falsche Frist in dein CRM schreiben. Für eine Automatisierung brauchen wir daher mehr als einen guten Satz: eine klar definierte Datenform, fachliche Prüfungen und einen Weg für Unsicherheit. So würde ich die Übergabe zwischen Modell und Anwendung gestalten.
Recherchestand: 2026-09-09 · Titelbild: KI-generierte Illustration
Eine Form, auf die die Anwendung sich einstellen kann
Structured Outputs erlaubt bei unterstützten OpenAI-Modellen die Vorgabe eines JSON-Schemas. Damit lassen sich die erwarteten Felder und zulässigen Werte beschreiben. Die Dokumentation behandelt auch ausdrücklich Ablehnungen. Eine Anwendung muss solche Antworten sowie abgebrochene Aufrufe separat behandeln.
Die praktische Grenze bleibt: Ein passendes Format bestätigt nicht den Wahrheitsgehalt. Eine korrekt formatierte Datumsangabe kann aus einer mehrdeutigen Nachricht falsch abgeleitet sein. Format und fachliche Bedeutung brauchen deshalb getrennte Prüfungen.
Am Beispiel einer Projektanfrage
Für eine Beispielanwendung würde ich Ziel, gewünschten Zeitraum, offene Fragen und die zugehörigen Textstellen getrennt speichern. Wenn im Original nur „möglichst bald“ steht, bleibt ein konkretes Datum unbekannt. Das Modell soll kein Datum ergänzen, nur damit ein Pflichtfeld hübsch gefüllt ist.
Die Benutzeroberfläche zeigt dann verständlich, welche Information fehlt. Ein Mensch kann nachfragen, ohne erst eine falsch eingetragene Frist aufspüren zu müssen. Dieser kleine Unterschied schützt den weiteren Ablauf: Angebot, Terminierung und Priorität beruhen nicht auf erfundener Genauigkeit.
Was außerhalb des Modells geprüft wird
Ich würde zulässige Wertebereiche, Datumsreihenfolgen und bestehende Datensatz-IDs im Anwendungscode prüfen. Ein vom Modell vorgeschlagener Bearbeiter muss beispielsweise zu den tatsächlich freigegebenen Nutzern gehören. Das Modell erhält dadurch keine eigene Berechtigungsverwaltung.
Vor dem Speichern werden Eingabefassung, Schematyp und Verarbeitungsergebnis verknüpft. So lässt sich später unterscheiden, ob ein Problem aus dem Originaltext, der Extraktion oder einer nachgelagerten Regel stammt. Für ein CRM oder ein Content-Planungstool ist diese Nachvollziehbarkeit oft nützlicher als noch ein zusätzlicher Prompt.
Der Ablauf auf einen Blick
- 01ExtrahierenOriginalstellen erhalten
- 02PrüfenSchema und Fachregeln
- 03ÜbernehmenNur akzeptierte Daten
Fehler als normalen Zustand behandeln
Ein Timeout sollte nicht dieselbe Darstellung erhalten wie eine leere, erfolgreiche Extraktion. Ebenso wenig ist eine Ablehnung ein leeres Kundenprofil. Ich würde für diese Fälle getrennte Zustände und gezielte Wiederholungen vorsehen. Bereits gespeicherte Daten dürfen dabei nicht still überschrieben werden.
Für die Abnahme eignen sich widersprüchliche Fristen, fehlende Namen, ungewöhnliche Zeichen und eine sehr lange Nachricht. Pro Beispiel wird vorher festgelegt, was gespeichert werden darf und wann eine Rückfrage nötig ist. Der nächste sinnvolle Schritt ist daher ein kleines Beispieldataset aus freigegebenen oder synthetischen Anfragen.
