Zum Inhalt springen

Agenten und Wissen

Strukturierte Ausgabe

Strukturierte Ausgabe heißt, dass ein Sprachmodell seine Antwort nicht als freien Text, sondern in einem vorher festgelegten Datenformat liefert, meist als JSON nach einem Schema, sodass nachfolgende Software die Felder ohne Nacharbeit übernehmen kann.

Auch: Structured Outputs, JSON-Ausgabe, JSON Mode, Schema-Ausgabe

Ein Sprachmodell schreibt von Natur aus Text. Für einen Menschen ist „Die Rechnung stammt von der Müller GmbH, Rechnungsnummer 2026-0815, fällig am 15. November, Betrag 1.240 Euro“ eine gute Antwort. Für ein Buchhaltungssystem ist sie unbrauchbar. Es braucht ein Feld für den Lieferanten, eines für die Nummer, ein Datum im richtigen Format und einen Betrag als Zahl. Strukturierte Ausgabe ist der Weg, ein Modell dazu zu bringen, genau das zu liefern, und zwar verlässlich und nicht nur meistens.

Sie ist damit die Nahtstelle zwischen Sprachverständnis und klassischer Software. Fast jede Automatisierung, in der ein Modell Dokumente liest oder Anfragen einordnet, hängt an ihr.

Drei Stufen der Verlässlichkeit

Nur per Anweisung. Im Prompt steht: „Antworte als JSON mit den Feldern lieferant, rechnungsnummer, betrag.“ Das funktioniert oft, aber nicht immer. Das Modell lässt ein Feld weg, schreibt den Betrag als Text mit Eurozeichen, setzt einen erklärenden Satz davor oder bricht die Klammerung. Jede dieser Abweichungen lässt die nachfolgende Verarbeitung scheitern.

JSON-Modus. Einige Anbieter bieten einen Modus, der sicherstellt, dass die Antwort gültiges JSON ist. OpenAI weist in seiner Dokumentation darauf hin, dass das nur die Syntax betrifft. Ob die richtigen Felder mit den richtigen Typen vorhanden sind, ist damit nicht gesichert.

Schema-gebundene Ausgabe. Die Anwendung übergibt ein JSON-Schema, also eine formale Beschreibung der erwarteten Felder, ihrer Typen, der Pflichtfelder und der erlaubten Werte. JSON Schema ist ein eigener, offen dokumentierter Standard. Das Modell kann dann nur noch Ausgaben erzeugen, die zu diesem Schema passen. Anthropic beschreibt die Technik dahinter als eingeschränkte Dekodierung: Während das Modell Zeichen für Zeichen schreibt, werden alle Fortsetzungen ausgeschlossen, die gegen das Schema verstoßen würden. Beide Anbieter nennen das Ergebnis „Structured Outputs“.

Dieselbe Technik steckt im strikten Modus beim Function Calling. Dort sichert sie, dass die Argumente eines Werkzeugaufrufs zum Schema der Funktion passen.

Was die Garantie umfasst und was nicht

Die schema-gebundene Ausgabe sichert die Form. Pflichtfelder sind vorhanden, Zahlen sind Zahlen, ein Feld mit fünf erlaubten Werten enthält einen davon. Für die Weiterverarbeitung ist das ein großer Gewinn, weil eine ganze Klasse von Fehlern verschwindet.

Sie sichert nicht den Inhalt. Wenn das Modell die Rechnungsnummer falsch liest, steht die falsche Nummer sauber formatiert im richtigen Feld. Ein Datum kann gültig und trotzdem erfunden sein. Eine Ausgabe, die perfekt aussieht, verleitet sogar eher dazu, ihr zu vertrauen. Die Prüfung, ob ein Wert stimmt, bleibt Aufgabe der Anwendung: Gibt es diesen Lieferanten im Stamm, passt der Betrag zur Bestellung, stimmen Netto, Steuer und Brutto rechnerisch überein?

Dazu kommen Ausnahmen, die die Anbieter selbst dokumentieren. Anthropic nennt drei Fälle, in denen die Ausgabe vom Schema abweichen kann: wenn das Modell eine Anfrage aus Sicherheitsgründen verweigert, wenn die Antwort an der Längengrenze abgeschnitten wird, und bei der Groß- und Kleinschreibung von festen Auswahlwerten, die nicht garantiert ist. OpenAI kennzeichnet Verweigerungen in einem eigenen Feld, damit die Anwendung sie erkennen kann. Eine Anwendung, die strukturierte Ausgabe nutzt, braucht für diese Fälle trotzdem einen definierten Fehlerweg.

Nicht jedes Schema wird vollständig unterstützt

Die Anbieter setzen nicht den gesamten JSON-Schema-Standard um. Anthropic führt in seiner Dokumentation unter anderem auf, dass Wertebereiche für Zahlen (etwa Mindest- und Höchstwerte), Längenvorgaben für Texte und rekursive Schemata nicht unterstützt werden. OpenAI schreibt ebenfalls, dass bestimmte Schema-Bestandteile aus technischen Gründen nicht verfügbar sind. Wer also im Schema „Betrag muss größer als null sein“ vorgibt, sollte nicht annehmen, dass das Modell daran gebunden ist. Solche Regeln gehören in eine Prüfung nach der Ausgabe.

Hinzu kommt eine kleine Verzögerung beim ersten Einsatz eines neuen Schemas. Beide Anbieter beschreiben, dass das Schema zunächst verarbeitet werden muss und Folgeanfragen mit demselben Schema schneller sind.

Wie man ein gutes Schema entwirft

Einen Ausweg für fehlende Angaben vorsehen. Wenn ein Feld Pflicht ist und nur Text erlaubt, muss das Modell etwas eintragen, auch wenn die Angabe im Dokument fehlt. Das lädt zur Halluzination ein. Besser ist ein Feld, das ausdrücklich leer bleiben darf, oder ein eigener Wert wie „nicht gefunden“, der in der Anwendung eine Ausnahmebehandlung auslöst.

Feldbeschreibungen ernst nehmen. Die Beschreibung eines Feldes ist für das Modell eine Anweisung. „Rechnungsdatum, nicht Lieferdatum, im Format JJJJ-MM-TT“ ist besser als „datum“.

Flach halten. Tief verschachtelte Strukturen mit vielen optionalen Teilen sind fehleranfälliger. Anthropic nennt ausdrücklich Obergrenzen für die Komplexität von Schemata und empfiehlt, Strukturen wo möglich zu vereinfachen.

Herkunft mitliefern lassen. Bei der Informationsextraktion lohnt oft ein zusätzliches Feld, das die Textstelle angibt, aus der ein Wert stammt. Das erleichtert die Prüfung durch einen Menschen erheblich.

Ein konstruiertes Beispiel aus dem Rechnungseingang

Ein Modell liest eine Eingangsrechnung und gibt ein Objekt mit Lieferant, Rechnungsnummer, Rechnungsdatum, Nettobetrag, Steuerbetrag, Bruttobetrag und Bestellnummer zurück. Das Schema stellt sicher, dass alle Beträge Zahlen sind und das Datum dem Format entspricht. Danach prüft die Anwendung, was das Schema nicht prüfen kann: ob Netto plus Steuer Brutto ergibt, ob die Bestellnummer im ERP existiert und ob der Lieferant zur Bestellung passt. Fällt eine Prüfung durch oder ist die Bestellnummer leer, geht der Vorgang mit markiertem Feld an eine Sachbearbeiterin. Alles andere läuft ohne Eingriff weiter.

Die Arbeitsteilung ist typisch: Das Modell versteht das Dokument, das Schema sichert die Form, und gewöhnlicher Programmcode prüft die Fakten.

Quellen

  1. Structured model outputs, OpenAI, API-Dokumentation
  2. Structured outputs, Anthropic, Claude-Dokumentation
  3. JSON Schema Specification, JSON Schema

Inhaltlich geprüft im Oktober 2026. Der Eintrag erklärt einen Begriff und ersetzt keine Rechts- oder Steuerberatung.

Welcher Prozess kostet Ihr Team jeden Tag unnötig Zeit?

Bringen Sie einen konkreten Ablauf mit. In 45 Minuten klären wir, ob sich seine Automatisierung rechnet und was der nächste Schritt wäre.

Direkt mit einem Gründer · unverbindlich · ohne Verkaufsshow

Erst ein Prozess.
Dann der nächste.