Das Muster taucht in fast jedem KI-Projekt auf: Der Prototyp funktioniert beeindruckend, das Modell fasst Mails zusammen, klassifiziert Anfragen, extrahiert Rechnungsdaten. Dann geht das Ganze in den Dauerbetrieb — und nach drei Tagen bricht der Import, weil das Modell statt „betrag": 1490.50 plötzlich „Der Betrag beläuft sich auf circa 1.490,50 Euro" geliefert hat. Technisch ist nichts kaputt. Das Modell hat nur getan, wofür es gebaut wurde: Sprache erzeugen. Wer KI in Prozesse einbauen will, muss ihr das Sprechen abgewöhnen und das Liefern beibringen — in einem Format, das Maschinen prüfen können.
Warum Freitext Automationen bricht
Eine Automation ist eine Kette aus Annahmen: Das CRM erwartet eine Kategorie aus einer festen Liste, die Buchhaltung eine Zahl mit zwei Nachkommastellen, der Workflow ein Ja oder Nein. Freitext verletzt diese Annahmen nicht immer — nur manchmal. Genau das macht ihn gefährlich: Ein Fehler, der bei jedem Durchlauf auftritt, fällt am ersten Tag auf. Ein Fehler, der bei jedem fünfzigsten Durchlauf auftritt, fällt erst auf, wenn fünfzig fehlerhafte Datensätze im System liegen. Deshalb gilt für KI-Bausteine dieselbe Regel wie für jede andere Schnittstelle: Was hineinfließt, wird an einem Vertrag gemessen — und der Vertrag heißt Schema.
Das Schema ist der Vertrag
Ein gutes Ausgabe-Schema definiert vor dem ersten Prompt, was hinten herauskommen darf. Bewährt hat sich eine kurze Checkliste:
- Feste Felder mit festen Typen: Zahlen als Zahlen, Datumswerte in ISO-Format, keine Einheiten oder Währungszeichen im Wert.
- Geschlossene Wertelisten: Kategorien, Status und Prioritäten als Enum — das Modell wählt aus, statt zu formulieren.
- Pflicht- und Kannfelder klar getrennt: Was das Modell nicht sicher weiß, gehört in ein optionales Feld oder auf null — nicht in eine kreative Schätzung.
- Ein Konfidenz- oder Begründungsfeld: Eine kurze maschinenlesbare Selbsteinschätzung macht unsichere Fälle filterbar.
- Version im Schema: Wenn sich das Format ändert, muss erkennbar sein, welche Version ein Datensatz spricht — dieselbe Disziplin wie bei der API-Versionierung.
Erzwingen statt erbitten
Der häufigste Anfängerfehler ist, das Format nur im Prompt zu erbitten: „Antworte ausschließlich mit JSON." Das funktioniert oft — und oft ist im Dauerbetrieb ein anderes Wort für unzuverlässig. Moderne Modell-APIs bieten erzwungene strukturierte Ausgaben: Das Schema wird technisch mitgegeben, und die API garantiert syntaktisch gültiges JSON in der gewünschten Form. Damit ist die halbe Miete bezahlt. Die zweite Hälfte liefert ein Validator hinter dem Modell, der jede Antwort gegen das Schema prüft — denn syntaktisch gültig heißt noch nicht fachlich plausibel. Ein Betrag von minus vier Millionen ist perfektes JSON und trotzdem Unsinn. Plausibilitätsregeln gehören deshalb in denselben Prüfschritt.
Retry und Fallback: der Plan für den Fehlerfall
Scheitert die Validierung, beginnt der Teil, der über die Betriebstauglichkeit entscheidet. Der bewährte Ablauf: Die fehlgeschlagene Antwort geht mitsamt der konkreten Fehlermeldung zurück ans Modell — „Feld kategorie fehlt, erlaubte Werte sind A, B, C" — und wird ein- bis zweimal wiederholt. Das behebt die Mehrzahl der Fälle. Was danach immer noch scheitert, landet nicht im Zielsystem, sondern in einer Prüf-Queue für einen Menschen, sauber nach dem Muster aus dem Beitrag Human-in-the-Loop. Und weil Wiederholungen im Spiel sind, muss die Verarbeitung doppelte Ausführungen überleben — das Idempotenz-Prinzip gilt für KI-Workflows genauso wie für jede andere Automation.
Faustregel: Eine KI-Integration ist erst dann produktionsreif, wenn drei Fragen beantwortet sind — welches Schema gilt, wer validiert dagegen, und wohin fällt der Fall, den das Modell nicht sauber liefert? Fehlt eine Antwort, ist es noch ein Prototyp.
Messen, was hinten rauskommt
Strukturierte Ausgaben haben einen unterschätzten Nebeneffekt: Sie machen Qualität messbar. Wenn jede Antwort dieselben Felder trägt, lässt sich auswerten, wie oft die Validierung scheitert, welche Kategorien das Modell verwechselt und ob eine neue Prompt- oder Modellversion besser oder schlechter liefert. Genau daraus entstehen Evals für LLM-Workflows — automatisierte Tests, die vor jedem Update zeigen, ob die Kette noch hält. Freitext kann man nur anlesen. Struktur kann man prüfen, zählen und verbessern. Das ist am Ende der Unterschied zwischen einer KI, die beeindruckt, und einer KI, die arbeitet.