Was ist Function Calling?
Ein Chatbot sagt deinem Kunden: „Ihre Bestellung ist unterwegs.“ Woher weiß er das? Er hat nicht geraten, sondern im Shop nachgeschaut. Möglich macht das Function Calling.
Du gibst dem Sprachmodell eine Liste von Funktionen mit. Jede hat einen Namen, eine Beschreibung und die nötigen Angaben, zum Beispiel „Bestellstatus abrufen, braucht eine Bestellnummer“. Das Modell entscheidet selbst, ob es eine davon braucht. Wenn ja, antwortet es nicht mit Text, sondern mit einem Aufruf: Funktionsname plus Werte.
Die Namen wechseln: OpenAI spricht meist von „Tools“, Anthropic von „Tool Use“ und schreibt dazu, dass das dasselbe ist wie Function Calling. Gemeint ist überall die gleiche Sache.
So läuft ein Aufruf ab
OpenAI beschreibt den Ablauf in fünf Schritten. Am Beispiel einer Terminanfrage:
- Anfrage mit Werkzeugen: Deine Anwendung schickt die Kundenfrage und die Liste der Funktionen an das Modell.
- Aufruf vom Modell: Das Modell antwortet mit „freie Termine abrufen, Datum: Dienstag“.
- Ausführen: Deine Anwendung fragt den Kalender ab.
- Ergebnis zurück: Die freien Zeiten gehen in einer zweiten Anfrage an das Modell.
- Antwort: Das Modell formuliert daraus den Satz für den Kunden oder ruft die nächste Funktion auf.
Bei Gemini steuerst du, wie frei das Modell ist. Im Modus „auto“ entscheidet es selbst, „any“ erzwingt einen Aufruf, „none“ verbietet ihn. Mehrere Funktionen können auch parallel oder nacheinander laufen, etwa erst den Ort ermitteln und dann das Wetter dazu.
Function Calling ist der Baustein, aus dem ein KI-Agent gebaut wird. Der Agent plant in einer Schleife und nutzt viele Werkzeuge. Jeder einzelne Griff zum Werkzeug ist ein Funktionsaufruf. Das Model Context Protocol wiederum regelt, wie Werkzeuge einheitlich angeboten werden. Anthropic hat es im November 2024 als offenen Standard veröffentlicht.
Wo dir das im Marketing begegnet
Überall, wo eine KI nicht nur Texte schreibt, sondern in echten Systemen arbeitet. Je mehr sie darf, desto genauer musst du hinschauen:
Einsatz
Risiko
Bestellstatus abrufen
gering, nur lesen
Lead ins CRM schreiben
mittel, Daten ändern sich
Termin buchen
mittel, Kunde verlässt sich drauf
Kampagne pausieren
hoch, kostet Umsatz
Newsletter versenden
hoch, nicht rückholbar
Ohne Code geht das auch: Der AI-Agent-Knoten in n8n, Zapier oder Make bindet Google Sheets, HubSpot oder dein Postfach als Werkzeuge an. Dahinter steckt dieselbe Technik.
Das Thema ist in deutschen Firmen angekommen. Laut Bitkom nutzen 2026 57 % der Unternehmen ab 20 Beschäftigten KI. Von denen, die KI nutzen, planen oder diskutieren, setzen 11 % schon KI-Agenten ein, weitere 29 % planen es.
Häufige Fehler
Fehler 1 · Zu viele Werkzeuge auf einmal
Mehr Funktionen heißt nicht mehr Können. OpenAI empfiehlt, mit weniger als 20 Funktionen zu arbeiten, weil die Trefferquote sonst sinkt. Jede Beschreibung kostet außerdem Tokens, die du bei jeder Anfrage bezahlst.
Fehler 2 · Volle Rechte ohne Freigabe
Die Sicherheitsorganisation OWASP führt „Excessive Agency“ unter den zehn größten Risiken für KI-Anwendungen. Gemeint sind zu viele Funktionen, zu weite Rechte und zu viel Selbstständigkeit. Gib nur Leserechte, wo Lesen reicht. Senden, Posten und Löschen gehören hinter eine menschliche Bestätigung.
Fehler 3 · Fehlende Angaben werden geraten
Fehlt eine Pflichtangabe, ergänzt das Modell manchmal einen plausiblen Wert, statt nachzufragen. Anthropic zeigt das selbst: Auf „Wie ist das Wetter?“ setzt das Modell einfach New York ein. Bei Budgets oder Buchungen ist das fatal. Prüf die Werte in deiner Anwendung, bevor etwas passiert.
Fehler 4 · Schlampige Beschreibungen
Das Modell kennt deine Funktion nur aus ihrer Beschreibung. Steht da „update“, weiß es nicht, wann es sie nehmen soll. Schreib sie wie für einen neuen Kollegen: was die Funktion tut, wann sie passt und was jede Angabe bedeutet.
So setzt du es sicher auf
- Mit Lesen anfangen: Erst Abfragen bauen, dann Schreibrechte.
- Wenige, klare Funktionen: lieber fünf gute als zwanzig unscharfe.
- Freigabe einbauen: Alles, was nach außen geht oder Geld kostet, bestätigt ein Mensch.
- Protokoll führen: Jeden Aufruf mitloggen, in n8n reichen die Ausführungsprotokolle.
- Daten klären: Was an den KI-Anbieter geht, gehört in den Auftragsverarbeitungsvertrag.
Häufige Fragen
Was ist der Unterschied zwischen Function Calling und Tool Use?
Keiner. Anthropic nennt es Tool Use und schreibt dazu „also called function calling“. OpenAI spricht meist von Tools, Google von Function Calling. Gemeint ist immer, dass ein Modell eine Funktion deiner Anwendung aufruft.
Führt ChatGPT oder Claude die Funktion selbst aus?
Nein, bei eigenen Funktionen nicht. Das Modell liefert Name und Werte, ausführen muss deine Anwendung. Nur Werkzeuge, die der Anbieter selbst stellt, etwa Websuche oder Code-Ausführung, laufen auf dessen Servern.
Brauche ich dafür Programmierkenntnisse?
Nicht unbedingt. In n8n, Make oder Zapier hängst du Werkzeuge per Klick an einen KI-Agenten. Die Funktionsbeschreibungen musst du trotzdem sauber formulieren, sonst greift der Agent daneben.
Was kostet Function Calling?
Es gibt keinen eigenen Preis, du zahlst Tokens. Die Beschreibungen der Funktionen zählen bei OpenAI als Eingabe-Tokens, dazu kommen die Ergebnisse und die zweite Anfrage. Viele oder lange Funktionen machen jede Anfrage teurer.
Wie viele Funktionen kann ich einem Modell geben?
Technisch viele, sinnvoll eher wenige. OpenAI empfiehlt weniger als 20 je Anfrage und nennt das selbst eine weiche Regel. Mehr Auswahl macht Fehlgriffe wahrscheinlicher.
