Glossar / Begriff

    Function-Calling, im AI-Kontext.

    Function-Calling laesst LLMs strukturierte API-Aufrufe ausgeben statt freier Text-Antworten. Foundation fuer Tool-Use und Agentic-Workflows.

    Function-Calling ist OpenAIs Mechanismus, mit dem LLMs strukturierte Aufrufe an externe Funktionen ausgeben, statt frei zu texten. Der Entwickler definiert verfuegbare Funktionen plus JSON-Schema. Das Modell entscheidet selbst, welche Funktion mit welchen Parametern aufzurufen ist. Anthropic-Aequivalent: Tool-Use. Foundation fuer Agentic-Workflows, Chatbots mit echten Aktionen, Code-Generierung mit Validation. Pflicht: klare Funktions-Beschreibung, Pflicht-Parameter mit Validation, Audit-Log fuer alle Aufrufe.

    Beispiele aus dem Mittelstand

    • Ein Booking-Chatbot ruft per Function-Calling check_availability(date, time) und create_booking(customer, slot) auf, statt Text-Antworten zu geben.
    • Ein KMU-Agent recherchiert per Function-Calling: web_search(query), summarize_results(urls), draft_email(content).

    Folge-Fragen

    Function-Calling vs MCP?

    Function-Calling ist Anbieter-spezifisch (OpenAI, Anthropic eigene Implementierung). MCP ist offener Standard fuer Multi-Vendor.

    Wie viele Funktionen pro Prompt?

    5-15 reichen meistens. Bei mehr als 20 verwaessert sich die Auswahl-Genauigkeit. Lieber Tool-Hierarchie mit Router-Function.

    Wie verhindere ich falsche Funktions-Aufrufe?

    Strict Mode (zwingt JSON-Schema-konforme Ausgabe). Validation-Layer vor Ausfuehrung. Audit-Log fuer Debug-Loop.

    Function-Calling in der Praxis.

    Wo dieser Begriff in deinem Geschaeft konkret wird, beginnt die Arbeit. Wir nennen klar, ob die Idee in unser Studio passt.

    Agentic Automation