Die Fähigkeit, die ein Sprachmodell von einem handelnden System trennt, und das eine Missverständnis, das für dein Sicherheitsmodell zählt.
Eine KI, die nur Text erzeugen kann, ist halb nützlich. Was unterscheidet eine KI, die dir das Wetter sagt, von einer, die es nachschaut? Klingt nach einer Kleinigkeit. Es ist die Grenze zwischen einem Sprachmodell und einem System, das in der Welt handeln kann.
Function Calling ist die Fähigkeit, mit der ein Modell vordefinierte externe Aktionen auslöst: Live-Daten holen, eine Nachricht senden, eine Datenbank abfragen, statt nur aus dem Gedächtnis zu antworten. Die KI entscheidet, was aufgerufen wird, dein System führt es aus, das Ergebnis fließt zurück ins Gespräch.
Der Vergleich mit dem Disponenten trägt. Ein Disponent in einer Spedition fährt den LKW nicht. Er nimmt den Auftrag an, findet den passenden Fahrer, ruft an, und die Sache läuft. Die KI ist der Disponent. Deine Funktionen und APIs sind die Fahrer. Die KI verlässt das Büro nie.
Technisch: Du definierst eine Funktion, etwa get_weather mit einem Stadt-Parameter, und sagst der KI, dass es sie gibt. Der Nutzer fragt nach Berlin. Statt sich eine Antwort aus Trainingsdaten auszudenken, gibt das Modell einen strukturierten Aufruf zurück. Dein Code führt ihn aus, ruft die API, holt echte Daten und gibt sie zurück, damit das Modell sie formuliert.
Und jetzt das Missverständnis, auf das es ankommt. Leute denken, Function Calling bedeute, die KI führe Code aus oder steuere ihr System. Tut sie nicht. Die KI erzeugt strukturierte Ausgabe, also JSON, und dein Code führt aus. Diese Unterscheidung bestimmt dein Sicherheitsmodell, deine Architektur und wie du Fehler suchst. Die KI ist Planer, nicht Ausführender.
Und die ehrlichen Grenzen: Es ist keine Autonomie, das Modell kann nur Funktionen aufrufen, die du ausdrücklich definiert und freigegeben hast, und es kann keine neuen erfinden. Es ist auch nicht von sich aus verlässlich. Modelle rufen die falsche Funktion auf und übergeben falsche Parameter. Validierung auf deiner Seite ist nicht optional.
| Schritt | Was passiert | Wer macht es |
|---|---|---|
| Definition | Du definierst eine Funktion und beschreibst sie dem Modell | Du, in deinem eigenen Code. |
| Nutzerfrage | „Wie ist das Wetter in Berlin?“ | Der Nutzer. |
| Entscheidung | Das Modell gibt einen strukturierten Aufruf zurück, keinen Fließtext | Die KI, als Planer. |
| Ausführung | Dein Code liest das JSON und ruft die echte API | Dein System, nie die KI. |
| Ergebnis | Live-Daten fließen zurück ins Gespräch | Dein System. |
| Antwort | Das Modell formuliert eine echte Antwort aus echten Daten | Die KI. |
| Validierung | Falsche Funktion oder falsche Parameter werden abgefangen | Du. Dieser Teil ist nicht optional. |
Function Calling ist die Fähigkeit, mit der ein KI-Modell vordefinierte externe Aktionen auslöst, etwa Live-Daten holen, eine Nachricht senden oder eine Datenbank abfragen, statt nur aus Trainingsdaten zu antworten. Das Modell entscheidet, was aufgerufen wird, dein System führt es aus, das Ergebnis fließt zurück ins Gespräch.
Nein, und das ist das häufigste Missverständnis. Die KI erzeugt strukturierte Ausgabe, meist JSON, die Funktion und Parameter benennt. Dein Code liest das und führt aus. Die KI ist Planer, nicht Ausführender, und fasst deine API nie direkt an.
Nein. Das Modell kann nur Funktionen aufrufen, die du ausdrücklich definiert und freigegeben hast. Es kann keine neuen erfinden und nichts erreichen, wozu du keinen Zugang gegeben hast. Es ist eine strukturierte Schnittstelle, keine offene Tür in deine Infrastruktur.
Nicht von sich aus. Modelle rufen die falsche Funktion auf oder übergeben falsche Parameter. Du brauchst immer Validierung auf deiner Seite. Function Calling ist mächtig, weil es strukturiert ist, nicht weil es klug wäre.
Function Calling ist die Fähigkeit eines Modells, eine definierte Aktion anzufordern. MCP ist ein offener Standard, um Agenten mit Werkzeugen zu verbinden, damit du nicht für jedes eine eigene Integration schreibst. Beides greift ineinander: MCP erweitert, was erreichbar ist, Function Calling ist die Art, wie das Modell danach fragt.
In der OpenAI-Dokumentation als JSON-Struktur, die das Modell ausgibt. In einem No-Code-Werkzeug wie n8n als visuelle Werkzeug-Knoten, wo jeder Knoten eine Funktion ist, die der Agent aufrufen kann, etwa Websuche oder eine Slack-Nachricht.
Für dieses Video gibt es keine manuelle Untertitelspur. Diese Seite nutzt deshalb eine geprüfte Kapitel-Zusammenfassung, statt automatisch erzeugte Untertitel als Transkript zu veröffentlichen.
Die Ausgangsfrage: Was unterscheidet eine KI, die dir das Wetter sagt, von einer, die es nachschaut? Das ist die Grenze zwischen einem Sprachmodell und einem System, das in der Welt handeln kann, und die Fähigkeit hat einen Namen.
Die Definition. Function Calling lässt ein Modell vordefinierte externe Aktionen auslösen: Live-Daten holen, eine Nachricht senden, eine Datenbank abfragen, statt aus dem Gedächtnis zu antworten. Die KI entscheidet, das System führt aus, das Ergebnis kommt zurück.
Der Disponenten-Vergleich. Ein Disponent fährt den LKW nicht. Er nimmt den Auftrag, wählt den richtigen Fahrer, ruft an. Die KI ist der Disponent, deine Funktionen und APIs sind die Fahrer, und die KI verlässt das Büro nie.
Der technische Ablauf ohne Ballast. Funktion definieren, der KI mitteilen, dass es sie gibt, der Nutzer fragt nach Berlin, das Modell gibt einen strukturierten Aufruf zurück statt Daten zu erfinden, dein System ruft die echte API, und die Daten kommen zurück, damit das Modell sie formuliert.
Die OpenAI-Dokumentation zeigt die JSON-Struktur. Das Modell bekommt im System-Prompt eine Liste verfügbarer Funktionen, und wenn es eine nutzen will, gibt es ein strukturiertes Objekt aus statt Fließtext. Dein Code liest dieses Objekt und führt die Funktion aus.
Dasselbe im No-Code-Umfeld. In n8n sind die Werkzeug-Knoten sichtbar: Jeder Knoten ist eine Funktion, die der Agent aufrufen kann, etwa Websuche, in eine Tabelle schreiben oder eine Slack-Nachricht senden. Function Calling als Knoten statt als Code.
Das Missverständnis, auf das es ankommt. Leute nehmen an, die KI führe Code aus oder steuere das System direkt. Tut sie nicht. Sie erzeugt strukturierte Ausgabe, dein Code führt aus. Diese Unterscheidung bestimmt Sicherheit, Architektur und Fehlersuche. Die KI plant, sie führt nicht aus.
Die ehrlichen Grenzen. Keine Autonomie: Das Modell kann nur aufrufen, was du definiert und freigegeben hast, und keine neuen Funktionen erfinden. Keine offene Tür in deine Infrastruktur. Und nicht von sich aus verlässlich, Modelle rufen falsche Funktionen mit falschen Parametern auf, Validierung auf deiner Seite ist Pflicht.
Die Schleife als Fazit: Die KI entscheidet, das System handelt, das Ergebnis fließt zurück. So handeln Agenten in der Welt. Aber Modelle haben weiterhin einen Wissensstichtag und kennen deine internen Dokumente nicht, und genau das löst der nächste Teil mit RAG.
Ich arbeite 1:1 mit Selbstständigen, Beratern, Coaches und kleinen Teams an praktischen KI-Workflows und Automatisierung. Das Erstgespräch ist kostenlos, dauert 15 Minuten und ist kein Verkaufsgespräch.
Kostenloses Erstgespräch buchen