Function CallingDefinition und Funktionsweise 2026
- Function Calling
- Die Fähigkeit eines LLMs, statt eines Text-Outputs einen strukturierten Aufruf an eine vordefinierte Funktion (oder API) zu generieren.
Function Calling ist die technische Grundlage von Tool-Use. Statt natürliche Sprache zu produzieren, gibt das LLM ein JSON aus, das einer Funktions-Signatur entspricht: `{name: "send_email", arguments: {to: "...", subject: "...", body: "..."}}`. Der Agent-Wrapper führt die Funktion aus und gibt das Ergebnis zurück ins LLM.
OpenAI prägte den Begriff 2023; Anthropic, Google und alle wichtigen Provider haben äquivalente APIs. Das Pattern hat sich 2025-2026 zum Industriestandard entwickelt — moderne Agenten machen 90 % ihrer „Aktionen" via Function Calling.
Praxis-Tipp: Function-Calling-Definitionen sind Prompt-Engineering. Klare Funktionsbeschreibungen, präzise Parameter-Typen und gute Beispiel-Aufrufe verbessern die Tool-Auswahl-Genauigkeit signifikant. Eine schlecht beschriebene Funktion wird nicht oder falsch aufgerufen.
Häufig gefragt
Wie unterscheidet sich Function Calling von Tool-Use?+
Function Calling ist die Implementierung; Tool-Use ist das Konzept. „Tool-Use" beschreibt das fähigkeitsbezogene Was; „Function Calling" das technische Wie (strukturiertes JSON-Output, Schema-validiert).
Kann ein LLM mehrere Funktionen parallel aufrufen?+
Ja, moderne APIs unterstützen Parallel Function Calling — das LLM gibt ein Array von Calls aus, die parallel ausgeführt werden. Spart Latenz bei unabhängigen Operationen.
Was passiert, wenn das LLM eine nicht existierende Funktion aufruft?+
Implementierungsabhängig. Best Practice: Fehler-Antwort an LLM zurück mit klarer Erklärung, LLM korrigiert im nächsten Schritt. Schlechte Implementierungen werfen einen harten Crash und brechen die Schleife ab.
